Articles
<![CDATA[Literasi Internet Untuk Meminimalisir Dampak Konten Negatif Pada Ibu-Ibu Pkk Desa Citeras ]]>
<![CDATA[Helena Nurramdhani Irmanda]]>;
<![CDATA[Nurul Chamidah]]>
<![CDATA[ Jurnal Pengabdian UntukMu NegeRI Vol 4 No 2 (2020): Pengabdian Untuk Mu negeRI ]]>
Publisher : <![CDATA[LPPM UMRI ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.37859/jpumri.v4i2.2115
<![CDATA[Internet rapid use in daily life has led to lifestyle changes. Internet is not only used by adults but also children. The Family Welfare Empowerment (PKK) action as the vanguard in the family has goals to create a family with noble character. It is important for PKK mothers to understand internet literacy in order to educate their children in healthy internet use so that the negative impact can be minimized. Based on the situation analysis, problems in Citeras village can be formulated, namely the need to increase the understanding of Citeras village PKK mothers regarding internet literacy. The solution to this problem is to conduct training activities on internet literacy and use of parental control applications. This activity aims to improve the competence of PKK mothers so that they can monitor their children in using the internet positively. This training has been carried out well. This is reinforced by the data from the internet usage survey, the high category N-gain value of 96,15, and the results of the survey on the implementation of activities to the community which received a positive response from the participants]]>
<![CDATA[Penilaian Esai Pendek Otomatis dengan Pencocokan Kata Kunci Frasa Nomina ]]>
<![CDATA[Nurul Chamidah]]>;
<![CDATA[Mayanda Mega Santoni]]>;
<![CDATA[Helena Nurramdhani Irmanda]]>;
<![CDATA[Ria Astriratma]]>
<![CDATA[ Techno.Com Vol 20, No 4 (2021): November 2021 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33633/tc.v20i4.5043
<![CDATA[Pembelajaran daring menjadi suatu kebutuhan dalam pengajaran baik dalam memberikan materi maupun ujian. Ujian dalam bentuk soal objektif kurang dapat mengukur kemampuan pemahaman seseorang dan soal esai dianggap lebih baik untuk mengevaluasi hasil pembelajaran. Namun, jawaban berbentuk esai memerlukan waktu yang lebih banyak untuk dilakukan penilaian serta hasil penilaiannya dapat inkonsisten. Maka dari itu, diperlukan suatu sistem penilaian esai otomatis yang dapat menilai esai dengan lebih cepat dan konsisten. Penelitian ini dilakukan untuk menganalisis performa penilain esai otomatis dengan mengekstrak kata kunci dari frasa nomina dalam jawaban berbentuk esai pendek. Penilaian esai dilakukan dengan mencocokkan kata kunci yang diekstrak dari jawaban uji dan jawaban referensi. Jawaban uji dan referensi diproses dengan case folding, Part of Speech (POS) Tagging, ekstraksi frasa nomina, dan stemming. Kata kunci unik jawaban uji dan jawaban referensi yang diperoleh dari proses tersebut selanjutnya dicocokkan dan kemudian dinilai berdasarkan kecocokan tersebut. Hasil evaluasi penelitian ini menunjukkan Mean Absolute Error (MAE) dari nilai yang diperoleh dengan mencocokkan kata kunci dengan nilai uji yang diberikan manusia sebesar 18% dan Pearson Correlation sebesar 0.83 yang menunjukkan korelasi antara nilai sistem dan nilai uji sangat baik.]]>
<![CDATA[Klasifikasi Jenis Pantun dengan Metode Support Vector Machines (SVM) ]]>
<![CDATA[Helena Nurramdhani Irmanda]]>;
<![CDATA[Ria Astriratma]]>
<![CDATA[ Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 4 No 5 (2020): Oktober 2020 ]]>
Publisher : <![CDATA[Ikatan Ahli Informatika Indonesia (IAII) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (353.268 KB)
|
DOI: 10.29207/resti.v4i5.2313
<![CDATA[This study aims to create a model for categorizing pantun types and analyze the accuracy of support vector machines (SVM). The first stage is collecting pantun that have been labeled with pantun category. The pantun categories consist of pantun for children, pantun for young people, and pantun for elder. After collecting data, the next stage is pre-processing. This pre-processing stage makes data ready to be processed on the extraction stage. The pre-processing stage consists of text segmentation, case folding, tokenization, stop word removal, and stemming. The feature extraction stage is intended to analyze potential information and represent terms as a vector. Separating training data and testing data is necessary to be conducted before the classification process. Then the classification process is done by using multiclass SVM. The results of the classification are evaluated to obtain accuracy and will be analyzed whether the classification model is proper to be used. The results showed that SVM classified the types of pantun with accuracy of 81,91%.]]>
<![CDATA[Pembuat Sampiran Pantun Otomatis berbasis Pattern-matching ]]>
<![CDATA[Helena Nurramdhani Irmanda]]>;
<![CDATA[Ria Astriratma]]>;
<![CDATA[Nurul Chamidah]]>;
<![CDATA[Mayanda Mega Santoni]]>
<![CDATA[ Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 10, No 3 (2021): NOVEMBER ]]>
Publisher : <![CDATA[ISB Atma Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.32736/sisfokom.v10i3.1221
<![CDATA[Penelitian ini dilakukan untuk membuat sampiran pantun otomatis berbasis pencocokan pola dan menganalisis tingkat naturalness dari pantun yang dihasilkan. Pada tahapan awal akan dibangun database berisi template dan kamus istilah. Sistem ini memerlukan input dari pengguna berupa isi dari pantun sebagai kata kunci. Kemudian dilakukan penentuan template. Dari kata kunci yang dimasukan oleh pengguna akan diperoleh rima. Rima ini akan dicocokan ke dalam database kamus istilah dan mengambil istilah dengan rima yang bersesuaian. Langkah terakhir yaitu melakukan penggabungan antara variable pada template dengan istilah yang terpilih sehingga membentuk teks sampiran yang utuh. Untuk tahap evaluasi naturalness dilakukukan dengan memberikan survey kepada responden untuk menilai hasil teks sampiran dari aspek keterbacaan, kejelasan, dan ketepatannya. Hasil dari penelitian ini menunjukan bahwa metode pattern-matching dapat digunakan untuk membuat teks sampiran pantun secara otomatis sesuai dengan kaidah, baik secara jumlah larik dan rimanya. Hal ini sejalan dengan hasil evaluasi naturalness yang baik dari pengguna dalam aspek readability, clarity, dan general approriateness yang cukup tinggi masing-masing sebesar 95%, 93% dan 97,5%. ]]>
<![CDATA[Cased Based Reasoning untuk Menentukan Gaya Belajar Mahasiswa ]]>
<![CDATA[Helena Nurramdhani Irmanda]]>;
<![CDATA[Mayanda Mega Santoni]]>;
<![CDATA[Ria Astriratma]]>
<![CDATA[ Informatik : Jurnal Ilmu Komputer Vol 15, No 3 (2019): Desember 2019 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1709.356 KB)
|
DOI: 10.52958/iftk.v15i3.1293
<![CDATA[Gaya belajar mahasiswa penting untuk diketahui karena dapat mempermudah proses pembelajaran. Kementerian Pendidikan dan Kebudayaan telah menerbitkan Seri Manual GLS (Gerakan Literasi Sekolah yang didalamnya memuat mengenai identifikasi gaya belajar antara lain visual, auditori, dan kinestetik. Namun, assessment ini hanya bisa digunakan secara manual. Berdasarkan latar belakang tersebut, penelitian ini membuat sistem pakar berbasis aplikasi web untuk mengidentifikasi gaya belajar mahasiswa dengan Teknik case based reasoning berdasarkan indikator yang telah disusun dalam Seri Manual GLS. Untuk menentukan solusi, user mengisi kuesioner dalam aplikasi yang terdiri dari 30 pertanyaan. Kemudian,sistem akan melakukan reasoning yaitu mencari kemiripan kasus baru dengan kasus sebelumnya sehingga didapatkan solusi berupa jenis gaya belajar mahasiswa tersebut. Sistem ini diimplementasikan ke dalam aplikasi berbasis web yang mudah diakses kapan saja dan dimana saja.]]>
<![CDATA[Sistem Informasi Magang Pada UPT Teknologi Informasi dan Komunikasi Universitas Pembangunan Nasional Veteran Jakarta ]]>
<![CDATA[Hanny Amelia]]>;
<![CDATA[Helena Nurramdhani Irmanda]]>
<![CDATA[ Informatik : Jurnal Ilmu Komputer Vol 17, No 2 (2021): Agustus 2021 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.52958/iftk.v17i2.3464
<![CDATA[UPT Teknologi Informasi dan Komunikasi (TIK) UPN Veteran Jakarta memberikan kesempatan bagi para siswa/i dari Sekolah Menengah Kejuruan dan bagi para mahasiswa/i dari UPN Veteran Jakarta untuk dapat melaksanakan kegiatan kerja praktik pada satuan kerja UPT TIK. Dalam proses kegiatan praktik kerja lapangan (PKL) mulai dari pendaftaran hingga penilaian akhir belum terdapat media bagi para pendaftar dan pemagang untuk memeroleh informasi terkait alur PKL. Hal ini menimbulkan masalah yang menyebabkan proses dari kegiatan PKL ini memakan waktu yang lebih lama, sehingga diperlukan sebuah sistem informasi magang berbasis website untuk mengolah seluruh data terkait PKL/magang. Pembuatan sistem informasi magang ini menggunakan bahasa pemrograman PHP dengan framework Codeigniter dan database management system (DBMS) MySql. Metode pengembangan perangkat lunak yang digunakan adalah metode waterfall. Hasil dari penelitian ini yaitu sistem informasi magang berbasis website dengan fitur utama pendaftaran magang, pengelolaan data log harian dan kehadiran, serta pengelolaan nilai pemagang.]]>
<![CDATA[Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap ]]>
<![CDATA[Sarika Afrizal]]>;
<![CDATA[Helena Nurramdhani Irmanda]]>;
<![CDATA[Noor Falih]]>;
<![CDATA[Ika Nurlaili Isnainiyah]]>
<![CDATA[ Informatik : Jurnal Ilmu Komputer Vol 15, No 3 (2019): Desember 2019 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1671.8 KB)
|
DOI: 10.52958/iftk.v15i3.1454
<![CDATA[Kegiatan riset ini bertujuan untuk menganalisis animo masyarakat Indonesia khususnya warga Jakarta atas munculnya transportasi massa umum MRT yang di resmikan oleh Pemerintah di bulan Maret 2019. Tahapan penelitian diawali proses crawling tweet dengan menggunakan tweetscrapper dari python. Kemudian dilakukan Preprocessing sehingga didapatkan data tweet yang siap untuk diproses pada pemisahan data yaitu data training dan data testing. Data training dilakukan proses pembobotan dengan TF-IDF, dan proses pembelajaran dengan naive bayes. Proses ini disebut dengan proses training yang bertujuan untuk menghasilkan model klasfikasi. Model klasifikasi digunakan untuk data testing melakukan proses klasifikasi yang menghasilkan label sentimen (positif/negatif). Proses ini dinamakan dengan proses testing. Hasil testing akan dilakukan perhitungan akurasi dari model yang sudah dibuat. Luaran dari penelitian ini berupa analisis sentimen animo warga Jakarta pada media sosial Twitter terhadap kehadiran layanan transportasi publik MRT, dan akurasi yang dihasilkan oleh metode naïve bayes yang diimplementasikan pada analisis sentimen]]>
<![CDATA[Penerapan Algoritma K-Nearest Neighbor Untuk Memprediksi Kualitas Air Yang Dapat Dikonsumsi ]]>
<![CDATA[Hardiana Said]]>;
<![CDATA[Nur Hafifah Matondang]]>;
<![CDATA[Helena Nurramdhani Irmanda]]>
<![CDATA[ Techno.Com Vol 21, No 2 (2022): Mei 2022 ]]>
Publisher : <![CDATA[LPPM Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33633/tc.v21i2.5901
<![CDATA[Kualitas air yang aman untuk dikonsumsi sangatlah penting bagi kesehatan masyarakat luas di setiap daerah, namun kualitas air diberbagai daerah semakin menurun terutama untuk kebutuhan manusia dalam hal air minum, dampak dari kualitas air yang tidak aman untuk dikonsumsi dapat menyebabkan penyakit seperti kolera, diare, hepatitis A dan lainnya, hal ini dikarenakan air yang memiliki sanitasi yang buruk dan zat-zat yang melebihi kadar standar. Penelitian ini dilakukan untuk mengetahui hasil evaluasi dari model yang dihasilkan untuk dapat memprediksi kualitas air yang dapat dikonsumsi atau tidaknya dengan menerapkan algoritma klasifikasi data mining yaitu adalah algoritma K-Nearest Neighbor. Algoritma ini diterapkan untuk menghitung probabilitas kualitas air yang aman atau tidak untuk dikonsumsi berdasarkan data rekaman yang diambil dari lingkungan sekitar terutama di daerah padat penduduk. Kumpulan data diperoleh dari website kaggle, hasil pemodelan diukur menggunakan tabel Confusion Matrix untuk menghitung akurasi. Setelah diuji, model ini memiliki tingkat akurasi tertinggi 85,52% dengan nilai k (tetangga terdekat) = 3.]]>
<![CDATA[Sentiment Analysis of Beauty Product E-Commerce Using Support Vector Machine Method ]]>
<![CDATA[Muhammad Rio Pratama]]>;
<![CDATA[Faza Abdillah Gunawan Soerawinata]]>;
<![CDATA[Rafdi Reyhan Zhafari]]>;
<![CDATA[Rendy]]>;
<![CDATA[Helena Nurramdhani Irmanda]]>
<![CDATA[ Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 2 (2022): April 2022 ]]>
Publisher : <![CDATA[Ikatan Ahli Informatika Indonesia (IAII) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (342.119 KB)
|
DOI: 10.29207/resti.v6i2.3876
<![CDATA[Customers who buy goods will provide an assessment in the form of a review. If negative reviews dominate an item, other customers will be reluctant to buy at that store, so customers look for other stores, affecting the store's revenue. Therefore, this study aims to classify e-commerce beauty product reviews using the Support Vector Machine to create a model to categorize beauty product reviews and analyze accuracy. The research phase begins by collecting 50,000 datasets consisting of 35,000 training data and 15,000 test data. After the data is collected, the data labeling stage is carried out, labeled positive and negative. Then the preprocessing step is carried out so that the data is ready to be processed in the feature extraction step. The feature extraction step aims to explore potential information that represents words. Furthermore, the resulting data is evaluated to obtain an accuracy value and determine whether the model made is feasible to use. The results showed that the Support Vector Machine could classify beauty product reviews well with an accuracy of 80.06%.]]>
<![CDATA[PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN POHON KEPUTUSAN UNTUK PREDIKSI CHURN ]]>
<![CDATA[Helena Nurramdhani Irmanda]]>;
<![CDATA[Ria Astriratma]]>;
<![CDATA[Sarika Afrizal]]>
<![CDATA[ Jurnal Sistem Informasi Vol 11, No 2 (2019) ]]>
Publisher : <![CDATA[Universitas Sriwijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (255.997 KB)
|
DOI: 10.36706/jsi.v11i2.9286
<![CDATA[Churn merupakan suatu kecenderungan pelanggan untuk berhenti dari suatu produk atau layanan dan kemudian berpindah ke perusahaan lain. Customer churn merupakan masalah yang serius yang harus ditangani untuk keberlangsungan suatu perusahaan. Penanganan customer churn berawal dari ketepatan suatu perusahaan memprediksi customer mana yang diduga akan melakukan churn. Salah satu pendekatan dalam memprediksi customer churn adalah data mining. Penelitian ini membandingkan dua metode klasifikasi dalam data mining yaitu jaringan syaraf tiruan dan pohon keputusan untuk memprediksi customer churn pada industri perbankan. Hasil penelitian menunjukan bahwa jaringan syaraf tiruan memiliki tingkat akurasi lebih baik dibanding pohon keputusan yaitu 86%. Selain itu jaringan syaraf tiruan juga memiliki nilai precision yang lebih baik daripada pohon keputusan, yaitu sebesar 71%. Akan tetapi untuk nilai recall, pohon keputusan memiliki nilai recall lebih baik dibanding dengan jaringan syaraf tiruan yaitu sebesar 58%.]]>
