Claim Missing Document
Check
Articles

Found 9 Documents
Search

Seleksi Atribut dan Optimasi Parameter Algoritma Regresi Linier Pada Datasets Software Effort Estimation Wahyutama Fitri Hidayat; Ahmad Setiadi; Yesni Malau; Muhammad Fahmi Julianto
Bianglala Informatika Vol 9, No 1 (2021): Bianglala Informatika 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (295.425 KB) | DOI: 10.31294/bi.v9i1.10002

Abstract

Software Effort Estimation merupakan proses estimasi perangkat lunak sebagai suatu proses yang penting dalam proyek perangkat lunak. Berbagai penelitian yang sudah dilaksanakan sudah melakukan estimasi perangkat lunak dengan berbagai metode, baik metode machine learning maupun non machine learning. Penelitian ini dengan menggunakan data set eksperimen seleksi atribut forword selection dan optimasi Particle Swarm Optimization pada parameter proyek menggunakan teknik regresi linier sebagai estimasinya. Dataset software estimation effort yang digunakan dalam penelitian ini adalah yakni Albrech, Kamrer, Desharnais, Maxwell, Kitchenham CSC, Cocomo NASA v1, Cocomo NASA v2.  Setelah itu peneliti melakukan seleksi atribut dan optimasi digunakan sebagai seleksi parameter proyek, hasil seleksi yang akan dibandingkan pada saat melakukan Software Effort Estimation menggunakan aplikasi Rapid Minner. Namun terdapat dua dataset yaitu Maxwell dan Cocomo Nasa V2 baik nilai RMSE maupun nilai AE tidak mengalami penurunan, sedangkan pada dataset  Albrecth dan China untuk nilai AE juga tidak mengalami penurunan, Estimasi untuk dataset lainya semakin baik setelah di lakukan seleksi fitur forword selection dan optimalisasi Particle Swarm Optimization. Hal tersebut menunjukan bahwa semakin rendah nilai error AE dan RMSE maka semakin tepat nilai estimasi yang dihasilkan.Berdasarkan nilai RMSE dan AE yang dihasilkan maka dapat disimpulkan bahwa dataset yang dihasilkan seleksi atribut forword selection dan optimalisasi Particle Swarm Optimization menggunakan algoritma linier regresi dataset Albrecht menunjukan hasil lebih baik dibanding dataset lainya. Kata Kunci : Software Effort Estimation, Regresi Linier, Forword Selection, Particle Swarm Optimization.
Adopsi Algoritme Support Vector Machine untuk Analisis Sentimen Larangan Mudik Lebaran 2020 pada Twitter Rangga Pebrianto; Tri Rivanie; Ridan Nurfalah; Windu Gata; Muhammad Fahmi Julianto
JURNAL TEKNIK KOMPUTER Vol 6, No 2 (2020): JTK-Periode Juli 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (420.166 KB) | DOI: 10.31294/jtk.v6i2.8127

Abstract

Pemerintah kembali membahas larangan mudik lebaran 2020. Larangan mudik lebaran 2020 ini kembali di bahas karena jumlah kasus corona atau covid 19 di indonesia terus bertambah. Media Sosial Twitter bekerja real-time, memungkinkan pengguna mengekspresikan opini dan perasaan mereka mengenai banyak isu atau permasalahan, Opini tersebut dapat dimanfaatkan sebagai bahan analisis sentimen untuk mengetahui penilaian pelayanan transportasi umum darat apakah positif atau negatif, serta mengetahui faktor opini apa yang sering muncul. Hasil dari analisis sentimen tersebut dapat membantu dalam penilaian dan evaluasi terhadap larangan mudik 2020 ditengah wabah covid19 diharapkan dapat menjadi bahan pertimbangan pemerintah dalam mengambil keputusan terkait larangan mudik 2020 di tengah wabah covid19 . adopsi Metode  Support Vector Machine (SVM) untuk analisis sentimen dilakukan dengan pengujian terhadap komposisi data yang bervariasi. Dari hasil pengujian untuk kasus pada penelitian ini didapatkan bahwa SVM dapat diimplementasikan dengan nilai akurasi mencapai 68,89%. Variabel yang berpengaruh terhadap akurasi adalah jumlah data, perbandingan jumlah data latih dan uji, serta perbandingan jumlah data positif dan negatif yang digunakan.
COMPARATION OF DECISION TREE MODEL AND SUPPORT VERCTOR MACHINE IN SENTIMENT ANALYSIS OF REVIEW DATASET SAMSUNG SSD 850 EVO AT NEW EGG SHOP Muhammad Fahmi Julianto; Yesni Malau; Wahyutama Fitri Hidayat; Wawan Nugroho; Fintri Indriyani
Jurnal Riset Informatika Vol 3 No 4 (2021): Period of September 2021
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (704.421 KB) | DOI: 10.34288/jri.v3i4.278

Abstract

The development of information technology is currently growing very rapidly, including the impact on the hardware used. This can be exemplified in the use of hard drives that are starting to switch to SSDs. The process of selecting an SSD product to be used cannot be separated from the sources of information found on the internet. Through the internet, every user can provide reviews, both positive and negative reviews. With the many reviews regarding the review of the Samsung 850 Evo SSD on the NewEgg Store, the author uses it to be processed into information, which will have new knowledge. Based on that, the author makes research, in the form of opinion classification by analyzing sentiment through a text mining approach. In this study, two classification models were used, namely Decision Tree and Support Vector Machine. The results of this study are in the form of a comparison of the 2 models used based on the accuracy and AUC values. Based on research, the Support Vector Machine model is better than the Decision Tree model. This conclusion can be proven by the accuracy value of the Support Vector Machine model resulting in a value of 0.87 or 87% while the accuracy value of the Decision Tree model produces a value of 0.82 or 82%. In addition, the AUC value of the Support Vector Machine model produces a value of 0.87 and the Decision Tree mode produces a value of 0.82 or it can be said that the AUC value of the Support Vector Machine model is better than the Decision Tree model.
Prototype Aplikasi Edukasi Anak Berbasis Mobile Wahyutama Fitri Hidayat; Yesni Malau; Muhammad Fahmi Julianto
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 3 No. 1 (2022): Mei 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi informasi dunia dimana saat ini sedang berkembang dengan pesat telah menyasar berbagai aspek di masyarakat yaitu ekonomi, kebudayaan, seni, politik, dan tak terkecuali dunia pendidikan. Tujuan dari penelitian yag dilakukan yaitu menghasilkan prototype aplikasi yang berberbasiskan mobile application dengan diberikan nama Aplikasi Edukasi Anak. Batasan yang digunakan di penelitian ini yaitu hanya akan dibahas mengenai merancangan aplikasi berdasarkan model prototype. Hasil dari penelitian ini berupa rancangan Aplikasi Edukasi Anak berbasis mobile yang dirancang menggunakan aplikasi Justinmind. Hasil rancangan yang dilakukan pengujian dengan digunakannya metode BlackBox dapat menghasilkan fitur aplikasi prototype yang dirancang dapat berjalan sesuai dengan rancangan dan diterima.
Sentiment Analysis of Twitter's Opinion on The Russia and Ukraine War Using Bert Muhammad Fahmi Julianto; Yesni Malau; Wahyutama Fitri Hidayat
Jurnal Riset Informatika Vol 5 No 1 (2022): Priode of December 2022
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v5i1.452

Abstract

News about the war that took place between Russia and Ukraine can not be denied affecting various aspects of life in the world. This affects the writings of every citizen of the world on various social media platforms, one of which is Twitter. Sentiment analysis is a process of identifying and making sentiment categories which is done computationally. Sentiment analysis process is also intended to make computers understand the meaning of sentences written by humans by processing using algorithms. This study uses a deep learning method using a language model, namely BERT (Bidirectional Encoder Representation Form Transformers) as a process of analyzing the sentiments that exist in tweets written about the war in Russia and Ukraine by twetter social media users. These sentiments will be divided into three parts, namely positive, neutral and negative. In this study, the hyperparameters used were 10 epochs, learning rate 2e-5, and batch size 16. The sentiment analysis test used the BERTbase Multilingual-cased-model model and the accuracy value obtained was 97%.
Konfigurasi dan Implementasi OwnCloud Sebagai Cloud Storage Wahyutama Fitri Hidayat; Yesni Malau; Ahmad Setiadi; Muhammad Fahmi Julianto
Jurnal Infortech Vol 5, No 1 (2023): JUNI 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v5i1.15836

Abstract

Penelitian bertujuan mengkonfigurasi dan implementasi penyimpanan cloud sehingga dapat memberikan kemudahan dalam proses bisnis organisasi karang taruna Gemamikow. Metode penelitian yang digunakan merupakan prototype model, dimana dilakukan identifikasi kebutuhan, mendesain logika jaringan komputer, konfigurasi jaringan komputer, dan implementasi. Hasil penelitian ini berupa cloud storage yang dapat digunakan sebagai penyimpanan file dalam bentuk dokumen, gambar, maupun video. Keamanan data digunakan akses login, hal ini dilakukan sebagai upaya pencegahan terhadap pencurian informasi oleh pihak yang tidak seharusnya mengakses informasi tersebut. Hasil akhir dari pembuatan cloud storage, batas maksimal file ditentukan berdasarkan identifikasi kebutuhan masing-masing divisi, kemudian untuk penyimpanan cloud storage digunakan XAMPP yang memiliki paket Apache sebagai server lokal dan MySQL sebagai database. Konfigurasi jaringan komputer difungsikan untuk membuat akses server yang tadinya hanya dapat diakses secara lokal setelah dikonfigurasi dapat diakses menggunakan jaringan internet.
PENTINGNYA PENERAPAN LITERASI DIGITAL DALAM PENGGUNAAN TEKNOLOGI PADA PONDOK ASUHAN DAN PENDIDIKAN YATIM PIATU DHUAFA AL-ADABIY PONTIANAK Ali Mustopa; Muhammad Fahmi Julianto; Muhammad Iqbal; Rabiatus Sa’adah; Umi Khultsum
Jurnal Penelitian dan Pengabdian Masyarakat Jotika Vol. 3 No. 1 (2023): Agustus
Publisher : Jotika English and Education Center

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Digitalisasi menjadi teknologi informasi yang berkembang yang memiliki efek positif dan negatif pada kaum muda. Saat ini, remaja sangat mudah dibujuk untuk bertindak tanpa memikirkan akibatnya di masa depan. Literasi digital berkembang sejalan dengan perkembangan teknologi, dimana masyarakat membutuhkan informasi yang akurat untuk menghasilkan ide-ide baru dan mengembangkan teknologi canggih untuk memecahkan masalah. Keterampilan digital saat ini diajarkan melalui video pembelajaran, film, dan game. Dengan literasi digital dapat menginspirasi generasi muda untuk memunculkan ide-ide inovatif. Literasi digital adalah pengetahuan dan keterampilan pengguna untuk menggunakan media digital seperti alat komunikasi, jaringan online, dll. Literasi digital pengguna meliputi kemampuan untuk menemukan, mengolah, mengevaluasi, menggunakan, mencipta, dan menggunakan secara bijak, cerdas, cermat, dan akurat sesuai dengan kegunaannya. Pengguna internet khususnya teknologi informasi dan komunikasi harus dibarengi dengan literasi digital. Internet sangat penting bagi masyarakat saat ini karena semuanya terhubung dengan internet. Selain untuk hiburan, internet kini juga dapat digunakan untuk berbelanja, belajar, bekerja dan masih banyak lagi. Sejalan dengan tujuan amal Universitas Bina Sarana Informatika untuk saling berbagi serta terjalin silahturahmi dengan pondok asuhan dan Pendidikan Yatim Piatu Dhuafa Al-Adabiy Pontianak.
COMPARATION OF DECISION TREE MODEL AND SUPPORT VERCTOR MACHINE IN SENTIMENT ANALYSIS OF REVIEW DATASET SAMSUNG SSD 850 EVO AT NEW EGG SHOP Muhammad Fahmi Julianto; Yesni Malau; Wahyutama Fitri Hidayat; Wawan Nugroho; Fintri Indriyani
Jurnal Riset Informatika Vol. 3 No. 4 (2021): September 2021 Edition
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v3i4.97

Abstract

The development of information technology is currently growing very rapidly, including the impact on the hardware used. This can be exemplified in the use of hard drives that are starting to switch to SSDs. The process of selecting an SSD product to be used cannot be separated from the sources of information found on the internet. Through the internet, every user can provide reviews, both positive and negative reviews. With the many reviews regarding the review of the Samsung 850 Evo SSD on the NewEgg Store, the author uses it to be processed into information, which will have new knowledge. Based on that, the author makes research, in the form of opinion classification by analyzing sentiment through a text mining approach. In this study, two classification models were used, namely Decision Tree and Support Vector Machine. The results of this study are in the form of a comparison of the 2 models used based on the accuracy and AUC values. Based on research, the Support Vector Machine model is better than the Decision Tree model. This conclusion can be proven by the accuracy value of the Support Vector Machine model resulting in a value of 0.87 or 87% while the accuracy value of the Decision Tree model produces a value of 0.82 or 82%. In addition, the AUC value of the Support Vector Machine model produces a value of 0.87 and the Decision Tree mode produces a value of 0.82 or it can be said that the AUC value of the Support Vector Machine model is better than the Decision Tree model.
Sentiment Analysis of Twitter's Opinion on The Russia and Ukraine War Using BERT Muhammad Fahmi Julianto; Yesni Malau; Wahyutama Fitri Hidayat
Jurnal Riset Informatika Vol. 5 No. 1 (2022): December 2022
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

News about the war between Russia and Ukraine can not be denied affecting various aspects of life worldwide. It affects the writings of every world citizen on various social media platforms, one of which is Twitter. Sentiment analysis is a process of identifying and making sentiment categories computationally. The sentiment analysis process is also intended to make computers understand the meaning of human sentences by processing algorithms. This research uses the deep learning method of the BERT (Bidirectional Encoder Representation Form Transform) model language to analyze the sentiments in the tweets written about the wars between Russia and Ukraine by Twitter social media users. The sentiment will be divided into positive, neutral, and hostile. The hyperparameters in this study used ten epochs, with a learning rate of 2e-5 and a batch size of 16. The test used in sentiment analysis was the BERTbase Multilingual-cased-model model, and the accuracy was 97%. Suggestions for further research are the need for a more balanced dataset between positive, neutral, and negative sentiments. They reward the dataset before training so that better results are expected.