Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

p-Index From 2019 - 2024

1.235

P-Index

This Author published in this journals

All Journal CogITo Smart Journal Sebatik TEPIAN

Khoirunnita, Aulia

Amikom University

Author-ID : 3781044

Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

Published : 6 Documents Claim Missing Document

Claim Missing Document

Articles

KLASIFIKASI PERINGKAT APLIKASI ANDROID DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN PREPROCESSING SQL SERVER Maringka, Rodney Giovanni; Khoirunnita, Aulia; Maringka, Raissa
Sebatik Vol 24 No 2 (2020): Desember 2020
Publisher : STMIK Widya Cipta Dharma

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

Semakin banyaknya aplikasi Android yang tersedia di Google Play Store dengan keuntungan yang didapatkan pengembangnya telah menarik perhatian banyak pengembang aplikasi Android. Untuk mendapatkan keuntungan dari mengembangkan aplikasi Android, salah satu caranya adalah dengan mengetahui karakteristik aplikasi berperingkat tinggi di Google Play Store. Penelitian ini akan menyelidiki fitur size, installs, reviews, type(gratis/bayar), rating, category, content rating, dan price pada aplikasi di Google Play Store untuk mengetahui karakteristik aplikasi berperingkat tinggi. Penelitian ini menggunakan algoritma Random Forest untuk mengidentifikasi fitur yang paling berpengaruh pada aplikasi dengan peringkat tinggi di Google Play Store. Pada tahap preprocessing, penelitian ini menggunakan metode data cleaning dan data reduction menggunakan sql server. Penelitian ini menggunakan feature important untuk mengetahui atribut yang paling berpengaruh pada peringkat tinggi aplikasi Android di Google Play Store. Untuk mengklasifikasi aplikasi berperingkat tinggi penulis menggunakan 8-fold cross validation menggunakan algoritma Random Forest dan mendapatkan hasil yang lebih baik dibandingkan dengan algoritma Gradient Boost, K-NN, dan Decision Tree yaitu dengan akurasi sebesar 83% . Hasil dari algoritma Random Forest ini juga mempunyai performa yang lebih baik dibandingkan dengan algoritma dari kesimpulan penelitian sebelumnya, dengan 0,8% penambahan akurasi.

MENINGKATKAN KUALITAS BASIS DATA DENGAN MENERAPKAN ASPEK KONSISTENSI PADA PENAMAAN FIELD DAN TABEL Khoirunnita, Aulia; Maringka, Raissa; Maringka, Rodney Giovanni
Sebatik Vol 24 No 2 (2020): Desember 2020
Publisher : STMIK Widya Cipta Dharma

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

Basis data merupakan salah satu tolak ukur yang berpengaruh pada kualitas sistem informasi. Suatu sistem informasi efektif tentunya memiliki basis data yang berkualitas. Aspek-aspek yang dapat diukur untuk menentukan kualitas basis data adalah aspek kebenaran, konsistensi, jangkauan, tingkat detail, kelengkapan, minimalitas, kemampuan untuk berintegrasi dan kemampuan untuk dibaca. Salah satu kesalahan yang sering didapati dalam basis data adalah berhubungan dengan aspek konsistensi. Aspek konsistensi yang tidak terlalu diperhatikan penerapannya dapat menimbulkan konflik data akibat ambiguitas serta duplikasi data. Penelitian ini bertujuan untuk meningkatkan kualitas basis data dengan menerapkan konsistensi pada penamaan field dan tabel. Suatu metode penamaan untuk menghasilkan konsistensi dalam standarisasi diterapkan pada penelitian ini. Dari hasil pengujian menggunakan SQL Server didapati bahwa metode yang ditawarkan dalam penelitian ini dapat menjadi salah satu solusi dari penamaan field dan tabel yang tidak konsisten dan menimbulkan ambiguitas.

Improving Database Quality by Applying Consistency Aspects to Naming Fields and Tables Raissa Maringka; Aulia Khoirunnita; Rodney Maringka; Ema Utami; Kusnawi
TEPIAN Vol 2 No 1 (2021): March 2021
Publisher : Politeknik Pertanian Negeri Samarinda

The database is one of the benchmarks that affect the quality of information systems. An effective information system certainly has a quality database. Aspects that can be measured to determine the quality of the database are aspects of truth, consistency, range, level of detail, completeness, minimalism, ability to integrate and readability. One of the mistakes that are often encountered in databases is related to the consistency aspect. Consistency aspects that are not paid much attention to its application can lead to data conflicts due to ambiguity and data duplication. This study aims to improve the quality of the database by applying consistency to the naming of fields and tables. A naming method to produce consistency in standardization was applied in this study.

Android App Rating Classification on Google Play Store Using Random Forest Algorithm with SQL Server Preprocessing Raissa Maringka; Aulia Khoirunnita; Rodney Maringka; Erna Utami; Kusnawi
TEPIAN Vol 2 No 2 (2021): June 2021
Publisher : Politeknik Pertanian Negeri Samarinda

The increasing number of Android applications available on the Google Play Store with the benefits the developers get has attracted the attention of many Android application developers. To benefit from developing Android apps, one way is to know the characteristics of highly rated apps on the Google Play Store. This research will investigate the features of size, installs, reviews, type (free / paid), rating, category, content rating, and price on applications on the Google Play Store to determine the characteristics of high-rated applications. This study uses the Random Forest algorithm to identify the most influential features in high ranking applications on the Google Play Store. At the preprocessing stage, this research uses data cleaning methods and data reduction using SQL Server. This study uses feature important to find out the attributes that most influence the high ranking of Android apps on the Google Play Store. To classify high-ranking applications, the authors use 8-fold cross validation using the Random Forest algorithm and get better results than the Gradient Boost, K-NN, and Decision Tree algorithms with an accuracy of 83%. The results of the Random Forest algorithm also have better performance than the algorithm from the previous research conclusions, with a 0.8% increase in accuracy. To classify high-ranking applications, the authors use 8-fold cross validation using the Random Forest algorithm and get better results than the Gradient Boost, K-NN, and Decision Tree algorithms with an accuracy of 83%. The results of the Random Forest algorithm also have better performance than the algorithm from the previous research conclusions, with a 0.8% increase in accuracy. To classify high-ranking applications, the authors use 8-fold cross validation using the Random Forest algorithm and get better results than the Gradient Boost, K-NN, and Decision Tree algorithms with an accuracy of 83%. The results of the Random Forest algorithm also have better performance than the algorithm from the previous research conclusions, with a 0.8% increase in accuracy.

Analysis of Indonesian Public Opinion Sentiment on Policy on Twitter Social Media “PPKM” Using K-Nearest Neighbor Aulia Khoirunnita; Kusnawi
TEPIAN Vol 2 No 4 (2021): December 2021
Publisher : Politeknik Pertanian Negeri Samarinda

COVID-19 or Coronavirus disease 2019 is currently a pandemic that is spreading very quickly throughout the world, including Indonesia. Various handling and policies have been carried out, one of which is called “PPKM” policy or what can also be called the Enforcement of Restrictions on Community Activities issued by the Indonesian government. “PPKM” is currently one of the topics that is often discussed by the public, one of which is on the Twitter social media platform. The existence of opinions given by the community, it is necessary to have a sentiment analysis. Sentiment analysis is an analytical process obtained from various social media platforms and the internet. The aim is to find out how the public's sentiment towards the implementation of “PPKM” policies in Indonesia is through tweets and comments on the Twitter social media platform. In this study, the process of analyzing public opinion regarding the “PPKM” policy will be carried out by classifying opinions into 3 sentiments, namely positive, negative or neutral. Classification is done using the K-Nearest Neighbor algorithm. The K-Nearest Neighbor (K-NN) algorithm is a classification method for a set of data based on previously classified data learning. Included in supervised learning, where the results of the new query instance are classified based on the majority of the distance proximity of the categories in K-NN. The results of data preprocessing and sentiment classification, in the first test positive sentiment 37.6% of 261 data, negative sentiment 65.9% of 636 data and neutral sentiment 9.

Analisa Perkembangan Musik Pada Spotify Menggunakan Structured Query Language (SQL) Raissa Camilla Maringka; Aulia Khoirunnita; Rodney Maringka; Ema Utami; Kusnawi Kusnawi
CogITo Smart Journal Vol 7, No 1 (2021): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v7i1.287.1-14

Musik mengalami perubahan dan berevolusi hingga mencapai abad ke 21. Tidak seperti jaman purbakala, generasi digital saat ini dapat menggunakan teknologi dalam menikmati musik. Spotify menjadi salah satu aplikasi yang banyak digunakan sebagai platform dalam music streaming. Perubahan musik yang signifikan setiap tahunnya mempengaruhi pembentukan pola pikir masyarakat terhadap preferensi pilihan musik. Oleh karena itu perlu dilakukan pemantauan terhadap trend perkembangan musik serta mengetahui faktor-faktor yang mempengaruhinya untuk melihat perubahan apa saja yang terjadi serta menjadi tolak ukur untuk membantu industri musik dalam menghasilkan musik yang layak didengarkan serta membawa pengaruh positif. Penelitian ini akan memberikan hasil analisa dari perkembangan trend perkembangan musik khususnya pada aplikasi Spotify menggunakan Structured Query Language. Dari hasil analisa didapatkan visualisasi dari trend genre musik dan fitur audio dalam jangkauan tahun 2010 hingga 2020 yang diolah menggunakan Power BI. Diharapkan hasil tersebut dapat membantu indusri musik dalam menghasilkan musik yang digemari serta memberikan pengetahuan yang baik terhadap penggemar musik.Kata kunci—Musik, Spotify, SQL, Power BI

Co-Authors Asro Nasiri Ema Utami Erna Utami Kusnawi Kusnawi Maringka, Raissa Maringka, Rodney Giovanni Raissa Camilla Maringka Raissa Maringka Rodney Maringka Wing Wahyu Winarno

Title

Found 6 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 6 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 6 Documents
Search