Fajar Akbar
STMIK Nusa Mandiri

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perancangan Sistem Informasi Kehadiran Siswa Berbasis Web dan SMS GateWay Menggunakan Metode Waterfall Fajar Akbar; Susafa'ati Susafa'ati
JTIS: Journal of Technopreneurship and Information System Vol. 2 No. 3 (2019): Journal of Technopreneurship and Information System (JTIS)
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jtis.v2i3.417

Abstract

 Abstract - The student attendance system that is used today by high school IP. YAKIN Jakarta today still uses the attendance system manually, in the form of registration on paper, that is, using attendance attendance books so that students often experience errors in the student attendance calculation process. For that information systems are needed in the form of applications that can help in the process of doing attendance to students. So this article presents the process of designing a web-based student attendance information system with an SMS gateway in high school IP. YAKIN Jakarta. With this application it can make it easier for teachers to do attendance to students, making it easier for teachers to do the process of calculating student attendance and making it easier for parents to supervise students while at school.  Abstrak - Sistem kehadiran siswa yang di pakai saat ini oleh SMA IP. YAKIN Jakarta saat ini masi menggunakan sistem absensi secara manual, berupa pencatataan di kertas, yaitu menggunakan buku absensi kehadiran siswa sehingga sering adanya kesalahan dalam proses perhitungan absensi siswa. Untuk itu dibutuhkan sistem informasi berupa aplikasi yang dapat membantu dalam proses melakukan absensi kepada siswa. Maka artikel ini menyajikan proses Perancangan Sistem Informasi Kehadiran Siswa Berbasis Web Dengan SMS Gateway Pada SMA IP. YAKIN Jakarta. Dengan adanya aplikasi ini  dapat memepermudah guru untuk melakukan absensi pada siswa, mempermudah guru untuk melakukan proses perhitungan absensi siswa dan mempermudah orang tua dalam mengawasi siswa selama di sekolah.Keywords: PHP, MySql, Sms Gateway, Information System, Student Attendance.
Komparasi Algoritma Support Vector Machine Dan Naïve Bayes Dengan Algotima Genetika Pada Analisis Sentimen Calon Gubernur Jabar 2018-2023 Deni Gunawan; Dwiza Riana; Dian Ardiansyah; Fajar Akbar; Salman Alfarizi
JURNAL TEKNIK KOMPUTER Vol 6, No 1 (2020): JTK-Periode Januari 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (610.409 KB) | DOI: 10.31294/jtk.v6i1.6866

Abstract

Abstrak – Kontestasi politik dalam penentuan menjadi pemimpin tingkat provinsi dalam hal ini gubernur jawa barat 2018-2023. Masyarakat yang memberikan opininya berupa tweet  pada media sosial twitter menentukan bentuk dukungan atau tidaknya, sehingga perlu adanya analisis sentimen terhadap calon Gubernur agar mengetahui tingkat kepercayaan masyarakat serta terbentuk citra kepada calon Gubernur Jawa Barat 2018-2023. Akan tetapi membaca keseluruhan tweet  yang tersebar dalam twitter yang berkaitan dengan masing-masing calon gubernur akan memakan waktu dan membingungkan dalam pengambilan keputusan. Klasifikasi sentimen akan mengurai masalah mengenai opini, pendapat, emosi dan prilaku dengan studi komputasi. Metode klasifikasi yang akan dibahas dalam penelitian yaitu dengan algoritma Naïve Bayes serta Support Vector Machine. Penentuan fitur menentuka hasil akurasi, dalam penentuan fitur seleksi digunakan Genetic Algorithm agar dapat meningkatan akurasi pengklasifikasian pada Support Vector Machine dan Naive Bayes. Perolehan penelitian ini yaitu klasifikasi teks dalam pola negatif atau positif dari tweet  calon gubernur jawa barat 2018-2023. Pada dataset tidak seimbang Support Vector Machine menghasilkan rata-rata akurasi 92.61% dengan AUC 0,950, Naive Bayes menghasilkan rata-rata akurasi 93,29% dengan AUC 0,525, Support Vector Machine berbasis Genetic Algorithm menghasilkan rata-rata akurasi 93,03% dengan AUC 0,869, Naive Bayes berbasis Genetic Algorithm menghasilkan rata-rata akurasi 92,85% dengan AUC 0,543. Hasil ini menunjukan bahwa Support Vector Machine dapat digunakan untuk membangun deteksi tweet  klasifikasi positif dan negatif dengan tingkat akurasi yang tinggi. Kebaruan dari penelitian ini adalah bahwa Support Vector Machine dapat digunakan untuk mendeteksi tweet  pada dataset twitter berbahasa indonesia penulis.