Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

2.57

P-Index

This Author published in this journals

All Journal Jurnal Ilmu Komputer dan Informasi IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal Teknik Komputer AMIK BSI Paradigma Journal of Information Technology and Computer Science (JOINTECS) Jurnal CoreIT Techno Nusa Mandiri : Journal of Computing and Information Technology Infoman's Journal of Information System, Applied, Management, Accounting and Research Jurnal Sistem Informasi (JSI) Computer Science (CO-SCIENCE) Jurnal Insan

Yuris Alkhalifi

Univesitas Bina Sarana Informatika

Author-ID : 2555019

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics

Published : 16 Documents Claim Missing Document

Claim Missing Document

Articles

1 2

Sistem Informasi Berbasis Website Pada Klinik Kecantikan Nastyaderm Karawang Dengan Metode Waterfall Yuris Alkhalifi; Kartika Puspita
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 6, No 2 (2021): IJCIT November 2021
Publisher : LPPM Universitas Bina Sarana Informatika

ABSTRAKPelayanan pada klinik kecantikan meliputi penjualan produk, hasil perawatan dan kualitas pelayanan kepada pasien. Namun, seringkali klinik kecantikan mengalami kendala dalam pengelolaan pelayanan, salah satunya klinik kecantikan Nastyaderm Karawang. Permasalahan yang terjadi pada urusan pelayanan diantaranya pengelolaan data pasien, data penjualan, laporan penjualan yang masih dilakukan secara manual dan belum tersedianya informasi mengenai klinik. Penelitian ini bertujuan untuk membuat sistem informasi pelayanan pada customer service dan penyediaan informasi klinik kecantikan berbasis website. Sistem informasi didesain menggunakan UML (Unified Modeling Language), ERD (Entity Relationship Diagram) dan LRS (Logical Record Structure) dengan bahasa pemrograman PHP menggunakan framework codeigniter dan bootstrap library. Hasil dari sistem informasi ini adalah tersedianya fasilitas yang memudahkan dalam pengelolaan data pasien, data penjualan produk, serta laporan penjualan yang secara otomatis dan tersedianya informasi mengenai klinik sehingga dapat mengoptimalkan pengelolaan data dan dapat memasarkan produk serta pelayanan yang ada pada klinik.ABSTRACTSServices at beauty clinics include product sales, treatment results and quality of service to patients. However, beauty clinics often experience problems in managing their services, one of which is the Nastyaderm Karawang beauty clinic. Problems that occur in service matters include the management of patient data, sales data, sales reports which are still done manually and the unavailability of information about the clinic. This study aims to create a service information system for customer service and the provision of website-based beauty clinic information. The information system is designed using UML (Unified Modeling Language), ERD (Entity Relationship Diagram) and LRS (Logical Record Structure) with PHP programming language use codeigniter framework and bootstrap library. The result of this information system is to provide facilities that make it easy to record patient data, record product sales, make sales reports automatically and provide information about clinics so that they can optimize data management and can market products and services at the clinic

Rancang Bangun Sistem Informasi Penerimaan Peserta Didik Baru Berbasis Website Dengan Metode Spiral Kartika Puspita; Yuris Alkhalifi; Hasan Basri
Paradigma Vol 23, No 1 (2021): Periode Maret 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Penerimaan Peserta Didik Baru (PPDB) is an annual agenda for every institution or educational institution in order to accept new students in its environment. Often these agencies or institutions often experience problems in managing the administration of new students, one of which is Raudhatul Athfal Sirojul Falah. The problems that occur in administrative matters include the frequent problems of inputting new student data and it is not organized so that the data becomes difficult to find. So that in this study a PPDB information system will be created to solve this problem. The information system that will be created is in the form of a UML (Unified Modeling Language) design, ERD (Entity Relationship Diagram), and LRS (Logical Record Structure) as well as a website with the PHP programming language, CodeIgniter framework, and bootstrap library. The result of this research is the construction of a PPDB information system at RA Sirojul Falah in the form of a website using the spiral method with the hope of helping the PPDB RA Sirojul Falah committee in managing new student data effectively and efficiently.

Analisis Sentimen Dewan Perwakilan Rakyat Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization Anas Faisal; Yuris Alkhalifi; Achmad Rifai; Windu Gata
JOINTECS (Journal of Information Technology and Computer Science) Vol 5, No 2 (2020)
Publisher : Universitas Widyagama Malang

Penggunaan internet terutama media sosial telah menjadi bagian dari kehidupan bernegara. Hal ini salah satunya karena Anggota Dewan Perwakilan Rakyat Republik Indonesia (DPR RI) banyak yang menyampaikan ide, kebijakan maupun memberikan komentar atas kebijakan pemerintah melalui media sosial. Penelitian ini dilakukan untuk mengukur pendapat atau memisahkan antara sentimen positif dan sentimen negatif terhadap DPR RI. Data yang digunakan dalam penelitian ini didapatkan dengan melakukan crawling pada media sosial twitter. Penelitian dilakukan dengan menggunakan dua Algoritma yaitu Algoritma Support Vector Machine (SVM) dan Naive Bayes (NB). Kedua algoritma tersebut masing-masing dioptimasi menggunakan Particle Swarm Optimization (PSO). Hasil pengujian k-fold cross validation SVM dan NB mendapatkan nilai accuracy 71,04% dan 70,69% dengan nilai Area Under the Curve (AUC) 0,817 dan 0,661. Sedangkan hasil pengujian k-flod cross validation dengan menggunakan PSO, untuk SVM dan NB masing-masing mendapatkan nilai accuracy 75,03% dan 73,49% dengan nilai AUC 0,808 dan 0,719. Penggunaan PSO mampu meningkatkan nilai accuracy algoritma SVM sebesar 3,99% dan 2,8% pada algoritma NB. Hasil dari pengujian kedua algoritma tersebut nilai accuracy tertinggi adalah SVM dengan PSO sebesar 75,03%.

SENTIMENT ANALYSIS ON E-SPORTS FOR EDUCATION CURRICULUM USING NAIVE BAYES AND SUPPORT VECTOR MACHINE Rian Ardianto; Tri Rivanie; Yuris Alkhalifi; Fitra Septia Nugraha; Windu Gata
Jurnal Ilmu Komputer dan Informasi Vol 13, No 2 (2020): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21609/jiki.v13i2.885

The development of e-sports education is not just playing games, but about start making, development, marketing, research and other forms education aimed at training skills and providing knowledge in fostering character. The opinions expressed by the public can take form support, criticism and input. Very large volume of comments need to be analyzed accurately in order separate positive and negative sentiments. This research was conducted to measure opinions or separate positive and negative sentiments towards e-sports education, so that valuable information can be sought from social media. Data used in this study was obtained by crawling on social media Twitter. This study uses a classification algorithm, Naïve Bayes and Support Vector Machine. Comparison two algorithms produces predictions obtained that the Naïve Bayes algorithm with SMOTE gets accuracy value 70.32%, and AUC value 0.954. While Support Vector Machine with SMOTE gets accuracy value 66.92% and AUC value 0.832. From these results can be concluded that Naïve Bayes algorithm has a higher accuracy compared to Support Vector Machine algorithm, it can be seen that the accuracy difference between naïve Bayes and the vector machine support is 3.4%. Naïve Bayes algorithm can thus better predict the achievement of e-sports for students' learning curriculum.

Analisis Sentimen Stakeholder Atas Layanan HAIDJPB Pada Media Sosial Twitter Dengan Menggunakan Metode Support Vector Machine Dan Naïve Bayes Muhammad Luthfiy Kurniawan Harsono; Yuris Alkhalifi; Nurajijah; Windu Gata
Infoman's : Jurnal Ilmu-ilmu Manajemen dan Informatika Vol. 14 No. 1 (2020): Infoman's
Publisher : STMIK Sumedang

Pembuatan akun khusus pada media sosial instagram dan twitter yang bertujuan untuk menampung penyampaian pertanyaan, masukan, kritik dan saran dari stakeholder seputar proses bisnis berjalan serta penggunaan aplikasi dalam rangka perencanaan anggaran, pembuatan komitmen, pencairan APBN, pembukuan penerimaan serta pelaporan keuangan didasarkan pada fakta bahwa media sosial tidak dapat dipisahkan dari aktivitas masyarakat dikarenakan keberadaan perangkat digital (smartphone) dan akses internet yang terjangkau membuat berbagai kalangan masyarakat dapat memperoleh informasi dengan cepat dan mudah. Organisasi mempunyai kepentingan untuk mendapatkan tolak ukur atas layanan yang telah diberikan demi peningkatan kualitas layanan kedepannya berdasarkan data tweets yang didapatkan dari media sosial twitter. Penelitian kali ini membahas tentang proses pengumpulan dan pengolahan data tweet pada akun @haiDJPb dalam rangka melakukan analisis sentimen stakeholder atas layanan haiDJPb pada media soasial twitter menggunakan algoritma Support Vector Machine dan Naïve Bayes dan didapatkan hasil nilai akurasi untuk algoritma Support Vector Machine adalah 74,55% dan 77,18% untuk algoritma Naïve Bayes.

Rancang Bangun Sistem Informasi Pemesanan Jasa Event Organizer Berbasis Website Menggunakan Metode RAD Khairul Rizal; Yuris Alkhalifi; Firstianty Wahyuhening Fibriany; Zahrah Rachmawaty
Jurnal Teknik Komputer AMIK BSI Vol 8, No 1 (2022): JTK Periode Januari 2022
Publisher : Universitas Bina Sarana Informatika

Teknologi membuat segala bentuk aktivitas manusia menjadi lebih praktis dan mudah. Para pengusaha pun sudah banyak yang memanfaatkan teknologi untuk mengembangkan usahanya, baik memasarkan maupun memberikan informasi mengenai perusahaannya secara online termasuk pada PT. Tekno Pasifik Indonesia. PT. Tekno Pasifik Indonesia merupakan perusahaan yang bergerak di bidang jasa event organizer. Pada saat ini, PT. Tekno Pasifik Indonesia masih menggunakan sistem manual, baik dalam promosi jasa, pemesanan, bahkan transaksi yang dilakukan, sehingga tidak menutup kemungkinan akan terjadinya suatu kesalahan saat proses berlangsung dalam pencatatan pemesanan, transaksi, bahkan waktu pelaksanaan event yang bertabrakan. Untuk itu, perlu dibuatnya sebuah sistem rancang bangun pemesanan jasa event organizer untuk menunjang dan memberikan pelayanan yang dapat memuaskan para pelanggan berbasis website. Rancang bangun website pada penelitian ini menggunakan metode Rapid Application Development (RAD) dengan menggunakan diagram Unified Modelling Language (UML) berupa Usecase & Activity Diagram, kemudian pemodelan basis data menggunakan Entity Relationship Diagram (ERD) dan Logical Record Structure (LRS). Hasil akhir implementasi akhir pada program yang dicapai diharapkan dapat tercapainya suatu kegiatan yang efektif dan efisien dalam menunjang pelayanan pada pelanggan.

Analisis Sentimen Omnibus Law Pada Twitter Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization Annisa Elfina Augustia; Resi Taufan; Yuris Alkhalifi; Windu Gata
Paradigma Vol 23, No 2 (2021): Periode September 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Media sosial twitter menjadi sarana untuk mencurahkan ekpresi dan apresiasi terhadap sesuatu secara online sebagai tanda dari kemajuan teknologi dan kemudahan pengguanaan internet. Omnibus Law undang-undang cipta kerja yang dibuat oleh pemerintah Indonesia bertujuan untuk meningkatkan investasi asing sehingga banyak menciptakan lapangan pekerjaan baru. Omnibus Law telah menjadi topik panas pada media sosial twitter, beragam tanggapan muncul dari berbagai kalangan masyarakat baik mendukung maupun menolak adanya undang-undang tersebut. Tujuan Penelitian ini agar sentimen positif dan sentimen negatif dapat dipisahkan dan untuk mengukur pendapat terhadap Omnibus Law dengan algoritma klasifikasi. Pada penelitian ini sentimen positif dan sentimen negatif dikumpulkan dalam proses crawling. Algoritma klasifikasi yang digunakan yaitu Support Vector Machine (SVM) dan Naive Bayes (NB), optimasi dengan Particle Swarm Optimization (PSO) juga digunakan untuk meningkatkan akurasi. Hasil pengujian k-fold cross validation dengan SVM dan NB mendapatkan akurasi 84,95% dan 87,53% dengan nilai Area Under the Curve (AUC) 0.958 dan 0.754, sedangkan hasil pengujian menggunakan masing-masing mendapatkan nilai akurasi 86,53% dan 90,12% dengan nilai AUC 0.948 dan 0.816.

COMPARISON OF NAIVE BAYES ALGORITHM AND C.45 ALGORITHM IN CLASSIFICATION OF POOR COMMUNITIES RECEIVING NON CASH FOOD ASSISTANCE IN WANASARI VILLAGE KARAWANG REGENCY Yuris Alkhalifi; Ainun Zumarniansyah; Rian Ardianto; Nila Hardi; Annisa Elfina Augustia
Techno Nusa Mandiri: Journal of Computing and Information Technology Vol 17 No 1 (2020): TECHNO Period of March 2020
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Non-Cash Food Assistance or Bantuan Pangan Non-Tunai (BPNT) is food assistance from the government given to the Beneficiary Family (KPM) every month through an electronic account mechanism that is used only to buy food at the Electronic Shop Mutual Assistance Joint Business Group Hope Family Program (e-Warong KUBE PKH ) or food traders working with Bank Himbara. In its distribution, BPNT still has problems that occur that are experienced by the village apparatus especially the apparatus of Desa Wanasari on making decisions, which ones are worthy of receiving (poor) and not worthy of receiving (not poor). So one way that helps in making decisions can be done through the concept of data mining. In this study, a comparison of 2 algorithms will be carried out namely Naive Bayes Classifier and Decision Tree C.45. The total sample used is as much as 200 head of household data which will then be divided into 2 parts into validation techniques is 90% training data and 10% test data of the total sample used then the proposed model is made in the RapidMiner application and then evaluated using the Confusion Matrix table to find out the highest level of accuracy from 2 of these methods. The results in this classification indicate that the level of accuracy in the Naive Bayes Classifier method is 98.89% and the accuracy level in the Decision Tree C.45 method is 95.00%. Then the conclusion that in this study the algorithm with the highest level of accuracy is the Naive Bayes Classifier algorithm method with a difference in the accuracy rate of 3.89%.

Penerapan Sistem Pendukung Keputusan Penilaian Karyawan Terbaik Dengan Metode Simple Additive Weighting Ainun Zumarniansyah; Rian Ardianto; Yuris Alkhalifi; Qudsiah Nur Azizah
Jurnal Sistem Informasi Vol 10 No 2 (2021): JSI Periode Agustus 2021
Publisher : LPPM STMIK ANTAR BANGSA

Intisari— Dalam Penilaian Karyawan Terbaik pada PT. Berkah Jaya Motor, ada beberapa faktor yang menjadi penilaian dan berdasarkan penilaian kinerja karyawan diperusahaan. Penilaian karyawan di PT. Berkah Jaya Motor masih mengalami kendala karena masih menggunakan sistem Penilaian dengan cara Perundingan. Demi efisiensi kerja maka pengambilan keputusan yang tepat sangat diperlukan. Dengan tujuan untuk membangun dan memberikan alternatif. Untuk Penilaian karyawan terbaik dengan menggunakan metode Simple Additive Weighting (SAW). dimana ada beberapa kriteria yang masing-masing memiliki bobot penilaian sehingga memberikan hasil penilaian karyawan yang akurat terhadap setiap kinerja karyawan terbaik. Hasil akhir diperoleh dari proses perhitungan, yaitu penjumlahan dari matriks ternormalisasi dengan bobot per kriteria yang menunjukan rangking pemilihan karyawan terbaik dari pertama hingga yang terakhir dari kriteria. Dari penilaian tersebutlah menjadi alternatif yang kemudian mendapat Karyawan Terbaik. Kata Kunci— Sistem Pendukung Keputusan, Karyawan Terbaik, Simple Additive Weighting Referensi : [1] A. G. Anto, H. Mustafidah, and A. Suyadi, “Sistem Pendukung Keputusan Penilaian Kinerja Karyawan Menggunakan Metode SAW (Simple Additive Weighting) di Universitas Muhammadiyah Purwokerto,” JUITA, vol. 4, pp. 193–200, 2015, Accessed: Jun. 18, 2021.[Online]. Available: http://www.jurnalnasional.ump.ac.id/index.php/JUITA/article/view/876 [2] A. T. Widiyanto and Y. Erliani, “Sistem Pendukung Keputusan Dalam Menentukan Karyawan Terbaik Pada PTt. Tembaga Mulia Semanan Dengan Metode Topsis,” 2016. [3] I. Pratama, Sistem Informasi dan Implementasinya. 2019. [4] D. I. Sabanayo, “Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan Metode SAW Pada PT. Berkah Cahaya Muria Kudus,” 2015. [5] T. Syahputra, M. Yetri, and S. D. Armaya, “Sistem Pengambilan Keputusan Dalam Menentukan Kualitas Pemasukan Pangan Segar Metode Smart,” JURTEKSI, vol. 04, no. 01, 2017, Accessed: Jun. 18, 2021. [Online]. Available: https://jurnal.stmikroyal.ac.id/index.php/jurteksi/article/view/19/18 [6] I. Fahmi, Teori dan Teknik Pengambilan Keputusan Kualitatif dan Kuantitatif . 2016. [7] S. Mallu, “Sistem Pendukung Keputusan Penentuan Karyawan Kontrak Menjadi Karyawan Tetap Menggunakan Metode TOPSIS,” JITTER, vol. 01, no. 02, 2015, Accessed: Jun. 18, 2021. [Online]. Available: http://journal.widyatama.ac.id/index.php/jitter/article/view/53 . 2021 [8] K. Safitri, F. Tinus Waruwu, and Mesran, “Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Dengan Menggunakan Metode Analytical Hieararchy Process Process Studi Case PT.Capella Dinamik Nusantara Takengon vol. 1, no. 1, pp. 12–16, 2017, Accessed: Jun. 18, ,” vol. 1, no. 1, pp. 12–16, 2017, Accessed: Jun. 18, 2021. [Online]. Available: https://ejurnal.stmik budidarma.ac.id/index.php/mib/article/view/317/268 [9] G. Taufiq, “Implementasi Logika Fuzzy Tahani Untuk Model Sistem Pendukung Keputusan Evaluasi Kinerja Karyawan,” Jurnal Pilar Nusa Mandiri, vol. XII, no. 1, 2016, Accessed: Jun. 18, 2021. [Online]. Available: http://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/254/224 [10] D. Nofriansyah, Konsep Data Mining Vs Sistem Pendukung Keputusan, I. Yogyakarta: Deepublish, 2014. [11] D. Fatihudin, Metode Penelitian untuk Ekonomi, Manajemen dan Akuntansi. 2015. [12] J. Hartono, Analisis & Desain Sistem Informasi Pendekatan Terstruktur Teori Dan Praktik Aplikasi Bisnis. 2014. [13] I. G. B. Subawa, I. M. A. Wirawan, and I. M. G. Sunarya, “Pengembangan Sistem Pendukung Keputusan Pemilihan Pegawai Terbaik Menggunakan Metode Simple Additive Weighting (SAW) Di PT Tirta Jaya Abadi Singaraja,” Karmapati, vol. 4, no. 5, 2015, Accessed: Jun. 18, 2021. [Online]. Available: https://ejournal.undiksha.ac.id/index.php/KP/article/view/6623/4511

Analisis Sentimen Stakeholder Atas Layanan Haidjpb Pada Media Sosial Twitter Dengan Menggunakan Metode Support Vector Machine Dan Naïve Bayes muhammad luthfiy kurniawan harsono; Yuris Alkhalifi; Nurajijah; Windu Gata
Infoman's : Jurnal Ilmu-ilmu Manajemen dan Informatika Vol. 16 No. 1 (2022): Infoman's
Publisher : STMIK Sumedang

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

Creation of a special account on social media Instagram and Twitter that aims to accommodate the delivery of questions, input, criticism and suggestions from stakeholders around the ongoing business processes and the use of applications in the framework of budget planning, commitment making, disbursement of the state budget, accounting receipts and financial reporting based on the fact that social media cannot be separated from community activities because the presence of digital devices (smartphones) and affordable internet access makes various groups of people able to obtain information quickly and easily. Organizations have an interest in getting benchmarks for services that have been provided in order to improve the quality of services going forward based on tweets data obtained from Twitter social media. This study discusses the process of collecting and processing tweet data on the @haiDJPb account in order to perform stakeholder sentiment analysis of haiDJPb services on twitter social media using Support Vector Machine and Naïve Bayes algorithms and the accuracy of the Support Vector Machine algorithm is 74.55 % and 77.18% for the Naïve Bayes algorithm.

Co-Authors Achmad Rifai Agung Fazriansyah Amir Amir Anas Faisal Annisa Elfina Augustia Annisa Elfina Augustia Budiawan, Imam Destia Sari Rahmadhani Fadillah Dipa Putra Pratama Firstianty Wahyuhening Fibriany Fitra Septia Nugraha Gata, Windu Hasan Basri Irmawati Irmawati Kartika Puspita khairul rizal Kudiantoro Widianto, Kudiantoro Mayangky, Nissa Almira Mohammad Syamsul Azis Muhammad Ilham Prasetya Muhammad Luthfiy Kurniawan Harsono muhammad luthfiy kurniawan harsono Nila Hardi Nurajijah Prasetya, Arfhan Qudsiah Nur Azizah Resi Taufan Rian Ardianto Rian Ardianto Rifki Sadikin Tika Adilah M Tri Rivanie Windu Gata Windu Gata Yan Rianto Zahrah Rachmawaty

Title

Found 16 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 16 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 16 Documents
Search