Articles
<![CDATA[ANALISIS ISI (CONTENT) BLOG SEBAGAI MEDIA KAMPANYE CALON ANGGOTA LEGISLATIF (CALEG) PADA PEMILU LEGISLATIF 2009 ]]>
<![CDATA[Wibowo, Arief]]>;
<![CDATA[Utari, Dyah Retno]]>
<![CDATA[ Seminar Nasional Informatika (SEMNASIF) Vol 1, No 6 (2009): E-Democracy ]]>
Publisher : <![CDATA[Jurusan Teknik Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pesta demokrasi dalam Pemilihan Umum (Pemilu) Legislatif menghadirkan maraknya persaingan di antara para calon anggota legislatif (caleg). Setiap caleg berlomba untuk menyampaikan aspirasinya melalui berbagai media komunikasi, mulai dari media cetak hingga media elektronik. Salah satu media elektronik yang mulai digunakan oleh para caleg adalah blog yang merupakan layanan internet. Berbeda dengan media komunikasi pada umumnya seperti televisi, radio, koran, spanduk, brosur atau leaflet, blog menawarkan berbagaikeunggulan seperti kemudahan akses kapan dan dari manapun, mudah dan secara cepat dapat dimutakhirkan isiny serta memilliki daya jangkau yang relatif tak terbatas. Penelitian ini merupakan analisis terhadap blog yang digunakan oleh para caleg sebagai media kampanye menghadapi Pemilihan Umum Legislatif. Tujuan penelitian ini adalah untuk mengetahui bagaimana kandungan pesan yang termuat pada blog milik para caleg sebagai media kampanye. Analisis dilakukan berdasarkan parameter yang ditetapkan sesuai perspektif teori ilmu komunikasi politik, terhadap kandungan/isi (content) dari blog-blog yang dipilih secara acak. Penelitian ini menghasilkan satu luaran berisi hasil evaluasi penggunaan blog sebagai media kampanye para caleg pada Pemilu Legislatif 2009.]]>
<![CDATA[PEMODELAN DAN PROTOTIPE SISTEM INFORMASI UNTUK PREDIKSI PEMBAHARUAN POLIS ASURANSI MOBIL MENGGUNAKAN ALGORITMA C.45 ]]>
<![CDATA[Pattipeilohy, William Frado]]>;
<![CDATA[Wibowo, Arief]]>;
<![CDATA[Utari, Dyah Retno]]>
<![CDATA[ Prosiding SNATIF 2017: Prosiding Seminar Nasional Teknologi dan informatika (BUKU 3) ]]>
Publisher : <![CDATA[Prosiding SNATIF ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[AbstrakTeknologi data mining sangat berguna untuk membantu perusahaan asuransi menemukan informasi yang sangat penting dari gudang data mereka. Data mining mengeksplorasi basis data untuk menemukan pola-pola yang tersembunyi, meramalkan tren dan sifat-sifat perilaku bisnis yang sangat berguna untuk mendukung pengambilan keputusan, mencari informasi pemrediksi yang mungkin saja terlupakan oleh para pelaku bisnis karena terletak di luar ekspektasi mereka. Analisis yang diotomatisasi yang dilakukan oleh data mining menjawab pertanyaan-pertanyaan bisnis yang dengan cara tradisional memerlukan banyak waktu untuk menjawabnya. Hasil dari sistem adalah menggali informasi dari basis data pelanggan dan transaksi yang dilakuan pelanggan meliputi pembayaran premi asuransi dan maupun proses claim yang terjadi sehingga dapat memprediksi seberapa besar kemungkinan pelanggan tersebut akan melakukan renewal atas polis asuransi mereka. Pada penelitian ini, akan dilakukan analisis klasifikasi untuk menentukan keputusan pembaharuan (renewal) polis pelanggan dengan menggunakan data polis asuransi kendaraan roda empat. Algoritma yang akan digunakan adalah C4.5 untuk kemudian dapat menjadi aturan-aturan untuk menentukan keputusan renewal polis. Dengan algoritma C4.5 yang dievaluasi menggunakan cross validation k=10, menghasilkan confussion matrix dengan tingkat akurasi sebesar 82,14%. Evaluasi menggunakan data baru yang dilakukan dengan Prototipe Sistem Informasi Prediksi yang diimplementasi dari rule C4.5 menghasilkan nilai akurasi 86% dengan error rate 14%. Kata kunci: Algoritma C4.5, Data Mining, Renewal Polis Asuransi]]>
<![CDATA[ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD.ID MENGGUNAKAN METODE NAÃVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI ]]>
<![CDATA[Sari, Fransiska Vina]]>;
<![CDATA[Wibowo, Arief]]>
<![CDATA[ Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 10, No 2 (2019): JURNAL SIMETRIS VOLUME 10 NO 2 TAHUN 2019 ]]>
Publisher : <![CDATA[Universitas Muria Kudus ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (772.2 KB)
|
DOI: 10.24176/simet.v10i2.3487
<![CDATA[Analisis Sentimen adalah suatu teknik mengekstrak data teks untuk mendapatkan informasi tentang sentimen bernilai positif, netral maupun negatif. Analisis sentimen diberikan oleh pengguna internet pada media sosial untuk memberikan suatu penilaian atau opini pribadi. Salah satu toko online Indonesia yang sering mendapatkan sentimen pengguna melalui media sosial adalah JD.id. Adanya sentimen opini dari konsumen tentang JD.id dapat dianalisis dan dimanfaatkan untuk mendapatkan informasi yang berguna bagi pelanggan lain maupun pihak toko. Dengan menggunakan teknik Text Mining metode klasifikasi, akan diketahui suatu sentimen bernilai positif, netral atau negatif. Salah satu algoritme yang banyak digunakan dalam analisis sentimen adalah metode klasifikasi Naïve Bayes. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) dengan pembobotan tf-idf disertai penambahan fitur konversi ikon emosi (emoticon) untuk mengetahui kelas sentimen yang ada dari tweet tentang toko JD.id. Hasil penelitian menunjukkan bahwa metode Naïve Bayes tanpa penambahan fitur mampu mengklasifikasi sentimen dengan nilai akurasi sebesar 96,44%, sementara jika ditambahkan fitur pembobotan tf-idf disertai konversi ikon emosi mampu meningkatkan nilai akurasi menjadi 98%.]]>
<![CDATA[Algoritma Naive Bayes untuk Menentukan Kelayakan Perpanjangan Kontrak pada PT. Gemilang ]]>
<![CDATA[Widiyaningrum, Diyah Kiki]]>;
<![CDATA[Septiani, Riska]]>;
<![CDATA[Larasati, Pamela]]>;
<![CDATA[Wibowo, Arief]]>
<![CDATA[ Jurnal Ilmu Komputer dan Bisnis Vol. 11 No. 2 (2020): Vol. 11 No. 2 (2020) ]]>
Publisher : <![CDATA[STMIK Dharmapala Riau ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47927/jikb.v11i2.5
<![CDATA[Kerjasama dengan customer merupakan kegiatan rutin yang menjadi salah satu kunci berkembangnya suatu perusahaan. PT Gemilang perusahaan yang bergerak di bidang jasa pelayanan pada sektor tekomunikasi di indonesia. Untuk dapat terus meningkatkan pelayanan dan mengembangkan kerjasama dengan customer tentunya juga harus didukung dengan cashflow yang baik. Maka dari itu tujuan penulis membuat penelitian ini adalah untuk mengetahui dan mengukur ketepatan waktu pembayaran dari customer atas penyediaan jasa layanan yang disediakan oleh PT. Gemilang dan sebagai salah satu bahan pertimbangan untuk menentukan kelayakan perpanjangan kontrak kerjasama dengan customer dimasa mendatang. Penelitian ini menggunakan data pembayaran customer dari bulan januari sd desember 2019 yang kemudian diimplementasikan menggunakan algoritma Naive Bayes. Hasil penelitian yang dilakukan membuktikan bahwa dalam penerapan algoritma naive bayes dapat digunakan dalam menilai kelayakan perpanjangan kontrak pada PT. Gemilang. Tahap pengolahan data yang dilakukan sangat berpengaruh pada nilai hasil accuracy serta evaluasi perbandingan dalam menggunakan aplikasi RapidMiner dan aplikasi Weka. Hasil dari pengolahan data menggunakan aplikasi RapidMiner adalah sebesar 90.62%, sedangkan data yang hasilkan oleh aplikasi Weka menghasilkan accuracy sebesar 96.8553%. Berdasarkan hasil accuracy yang dihasilkan dapat diambil kesimpulan bahwa kedua aplikasi ini mampu menghasilkan probabilitas ketepatan waktu pembayaran tagihan untuk menentukan kelayakan perpanjangan kontrak kerjasama dengan customer.]]>
<![CDATA[Komunikasi Word of Mouth sebagai Penentu Keputusan Membeli Produk ]]>
<![CDATA[Wibowo, Arief]]>;
<![CDATA[Satiri, Satiri]]>;
<![CDATA[Ruliana, Poppy]]>;
<![CDATA[Yulianto, Kresno]]>
<![CDATA[ Jurnal Pewarta Indonesia Vol 3, No 2 (2021): Jurnal Pewarta Indonesia ]]>
Publisher : <![CDATA[Persatuan Wartawan Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25008/jpi.v3i2.84
<![CDATA[Tujuan penelitian ini adalah untuk mengetahui pengaruh komunikasi Word of Mouth (WOM) terhadap keputusan pembelian barang di Nano Komputer, sebuah toko yang mempunyai fokus dalam menjual barang elektronik berupa komputer serta kebutuhan kantor lainnya. Nano Komputer melakukan metode penyampaian pesan kepada konsumen dengan cara promosi dari mulut ke mulut. Metode yang digunakan adalah survei yang diberikan kepada kelompok yang akan diteliti. Rancangan penelitian ini memiliki tujuan untuk mencari pengaruh antar dua variable yaitu Variabel (X), Word of Mouth sedangkan variabel (Y) adalah Keputusan Pembelian. Responden yang dilibatkan dalam penelitian ini adalah karyawan Kompleks Perkantoran Kartini Depok yaitu 96 orang. Metode pengambilan sampel menggunakan purposive sampling. Pengumpulan data menggunakan kuesioner akan diberikan kepada responden. Hasil dari penelitian menunjukkan terdapat pengaruh yang positif antara variabel Word of Mouth (WOM) terhadap Keputusan Pembelian yang didukung oleh hasil survei dan perhitungan secara statistik menggunakan software SPSS, dengan kata lain seluruh karyawan Kompleks Perkantoran Kartini Depok yang membeli kebutuhan computer di NanoKomputer dipengaruhi oleh komunikasi Word of Mouth.]]>
<![CDATA[PEMODELAN DAN PROTOTIPE SISTEM INFORMASI UNTUK PREDIKSI PEMBAHARUAN POLIS ASURANSI MOBIL MENGGUNAKAN ALGORITMA C.45 ]]>
<![CDATA[Pattipeilohy, William Frado]]>;
<![CDATA[Wibowo, Arief]]>;
<![CDATA[Utari, Dyah Retno]]>
<![CDATA[ Prosiding SNATIF 2017: Prosiding Seminar Nasional Teknologi dan informatika (BUKU 3) ]]>
Publisher : <![CDATA[Prosiding SNATIF ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[AbstrakTeknologi data mining sangat berguna untuk membantu perusahaan asuransi menemukan informasi yang sangat penting dari gudang data mereka. Data mining mengeksplorasi basis data untuk menemukan pola-pola yang tersembunyi, meramalkan tren dan sifat-sifat perilaku bisnis yang sangat berguna untuk mendukung pengambilan keputusan, mencari informasi pemrediksi yang mungkin saja terlupakan oleh para pelaku bisnis karena terletak di luar ekspektasi mereka. Analisis yang diotomatisasi yang dilakukan oleh data mining menjawab pertanyaan-pertanyaan bisnis yang dengan cara tradisional memerlukan banyak waktu untuk menjawabnya. Hasil dari sistem adalah menggali informasi dari basis data pelanggan dan transaksi yang dilakuan pelanggan meliputi pembayaran premi asuransi dan maupun proses claim yang terjadi sehingga dapat memprediksi seberapa besar kemungkinan pelanggan tersebut akan melakukan renewal atas polis asuransi mereka. Pada penelitian ini, akan dilakukan analisis klasifikasi untuk menentukan keputusan pembaharuan (renewal) polis pelanggan dengan menggunakan data polis asuransi kendaraan roda empat. Algoritma yang akan digunakan adalah C4.5 untuk kemudian dapat menjadi aturan-aturan untuk menentukan keputusan renewal polis. Dengan algoritma C4.5 yang dievaluasi menggunakan cross validation k=10, menghasilkan confussion matrix dengan tingkat akurasi sebesar 82,14%. Evaluasi menggunakan data baru yang dilakukan dengan Prototipe Sistem Informasi Prediksi yang diimplementasi dari rule C4.5 menghasilkan nilai akurasi 86% dengan error rate 14%. Kata kunci: Algoritma C4.5, Data Mining, Renewal Polis Asuransi]]>
<![CDATA[Survey of Chatbot Testing Methods on Social Media to Measure Accuracy ]]>
<![CDATA[Ratna Ayu Sekarwati]]>;
<![CDATA[Ahmad Sururi]]>;
<![CDATA[Rakhmat Rakhmat]]>;
<![CDATA[Miftahul Arifin]]>;
<![CDATA[Arief Wibowo]]>
<![CDATA[ SISFOTENIKA Vol 11, No 2 (2021): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v11i2.1099
<![CDATA[The design of Chatbot aims to facilitate social activities in all areas to be considered. A Chatbot is one type of machine that can communicate with humans using natural language. Chatting is used to communicate, and it is a written conversation. Chatbot is a form of application implementation Natural Language Processing (NLP) that belongs to one branch of artificial intelligence or Artificial Intelligent AI social media now provides a service that allows developers to process and integrate chatbot applications. This paper aims to review the papers that build chatbot applications for various social media using various testing methods. The contribution to this paper is to determine which method can measure the level of chatbot accuracy best. This review paper will choose the equations of the most widely used test methods and social media from various papers, so that further research is expected to implement the right testing methods and use better social media in terms of user experience, features, and services. According to the review papers and papers, the Black-box and System Usability Scale testing methods are the most commonly used in the review papers. This testing method is a type of method that performs testing for the flow and how the chatbot works to achieve functional validation completely.]]>
<![CDATA[Analisis Sentimen Data Twitter Tentang Pasangan Capres-Cawapres Pemilu 2019 Dengan Metode Lexicon Based Dan Support Vector Machine ]]>
<![CDATA[Danar Wido Seno]]>;
<![CDATA[Arief Wibowo]]>
<![CDATA[ Jurnal Ilmiah FIFO Vol 11, No 2 (2019) ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22441/fifo.2019.v11i2.004
<![CDATA[Social media writing content growing make a lot of new words that appear on Twitter in the form of words and abbreviations that appear so that sentiment analysis is increasingly difficult to get high accuracy of textual data on Twitter social media. In this study, the authors conducted research on sentiment analysis of the pairs of candidates for President and Vice President of Indonesia in the 2019 Elections. To obtain higher accuracy results and accommodate the problem of textual data development on Twitter, the authors conducted a combination of methods to conduct the sentiment analysis with unsupervised and supervised methods. namely Lexicon Based. This study used Twitter data in October 2018 using the search keywords with the names of each pair of candidates for President and Vice President of the 2019 Elections totaling 800 datasets. From the study with 800 datasets the best accuracy was obtained with a value of 92.5% with 80% training data composition and 20% testing data with a Precision value in each class between 85.7% - 97.2% and Recall value for each class among 78, 2% - 93.5%. With the Lexicon Based method as a labeling dataset, the process of labeling the Support Vector Machine dataset is no longer done manually but is processed by the Lexicon Based method and the dictionary on the lexicon can be added along with the development of data content on Twitter social media.]]>
<![CDATA[PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS DALAM KLASTERISASI PRODUK ASURANSI PERUSAHAAN NASIONAL ]]>
<![CDATA[Frenda Farahdinna]]>;
<![CDATA[Irfan Nurdiansyah]]>;
<![CDATA[Apriati Suryani]]>;
<![CDATA[Arief Wibowo]]>
<![CDATA[ Jurnal Ilmiah FIFO Vol 11, No 2 (2019) ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22441/fifo.2019.v11i2.010
<![CDATA[Asuransi mempunyai peran penting dalam rangka mengalihkan resiko, baik resiko bisnis maupun non bisnis. Asuransi merupakan suatu lembaga ekonomi yang bertujuan mengurangi resiko, dengan menggabungkan sejumlah unit-unit yang mempunyai resiko sama atau hampir sama dalam jumlah memadai, agar probabilitas dapat disalurkan kepada unit yang mengalami resiko. Dalam asuransi terdapat istilah premi, dimana premi tersebut berada pada hak dari pemilik asuransi dalam pembayaran premi tersebut. Perusahaan asuransi nasional yang menjadi obyek penelitian ini menyediakan berbagai produk asuransi yang memiliki beberapa variabel seperti nilai premi, jumlah nasabah dan tahun rilis dari produk. Diperlukan suatu teknik yang dapat mengelompokan produk-produk asuransi dengan tujuan mempermudah perusahaan dalam melihat produk-produk unggulan dan memilih produk yang sesuai dengan kebutuhan nasabah. Tujuan penelitian ini yaitu melakukan analisis dan pengolahan data dengan membandingkan metode K-Means dan K-Medoids dalam klasterisasi produk asuransi perusahaan nasional. Berdasarkan penelitian yang telah dilakukan, jika dibandingkan metode K-Means dengan K-Medoids maka metode K-Means lebih optimal dilihat dari nilai Davies Boldin Index (DBI) terendah 0,018 dengan k=5, tahun rilis 2004, premi Rp. 7.500.000 dan jumlah nasabah sebanyak 392 nasabah.]]>
<![CDATA[Komparasi Performa Algoritma ID3, C4.5, CHAID Dalam Profiling Tersangka Kasus Narkoba Di Jawa Barat ]]>
<![CDATA[Asep Permana]]>;
<![CDATA[Arief Wibowo]]>;
<![CDATA[Agustia Hananto]]>;
<![CDATA[Sigit Budi Nugroho]]>
<![CDATA[ Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 6 No 1 (2021): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi ]]>
Publisher : <![CDATA[Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36805/technoxplore.v6i1.1087
<![CDATA[Strategi dalam pengendalian kejahatan narkoba tidak bisa didasari melalui intervensi berupa larangan saja, akan tetapi memahami pola kejahatan narkoba akan menjadi lebih baik dalam pengendaliannya, terutama untuk pencegahan dan kewaspadaan. Dengan menggunakan teknik data mining, insigth terhadap kejahatan narkoba dapat didefinisikan dengan baik, salah satunya dengan algoritma klasifikasi decision tree. Ada beberapa algoritma dengan basis decision tree, seperti ID3, C4.5, dan CHAID. Dengan banyaknya pilihan algoritma, maka metode perbandingan algoritma dipilih oleh penulis dalam penelitian ini, tujuannya untuk menentukan algoritma yang paling tepat dalam menganalisis data. Performa akurasi menjadi tolok ukur dalam perbandingannya, dan hasil dari perbandingan yang dilakukan, penulis memilih algoritma CHAID sebagai pemodelannya dengan nilai akurasi sebesar 73.89%, sedangkan yang lainnya masing-masing memiliki nilai akurasi sebesar 70.14% untuk ID3 dan 72.44% untuk C4.5.]]>
