Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Journal of Intelligent Systems Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Perspektif : Jurnal Ekonomi dan Manajemen Universitas Bina Sarana Informatika ILKOM Jurnal Ilmiah
Lila Dini Utami, Lila Dini
STMIK Nusa Mandiri Jakarta
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Integrasi Metode Information Gain untuk Seleksi Fitur dan AdaBoost untuk Mengurangi Bias pada Analisis Sentimen Review Restoran Menggunakan Algoritma Naive Bayes Utami, Lila Dini; Wahono, Romi Satria
Journal of Intelligent Systems Vol 1, No 2 (2015)
Publisher : IlmuKomputer.Com

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (643.616 KB)

Abstract

Internet merupakan bagian penting dari kehidupan sehari-hari. Saat ini, tidak hanya dari anggota keluarga dan teman-teman, tetapi juga dari orang asing yang berlokasi diseluruh dunia yang mungkin telah mengunjungi restoran tertentu. Konsumen dapat memberikan pendapat mereka yang sudah tersedia secara online. Ulasan yang terlalu banyak akan memakan banyak waktu dan pada akhirnya akan menjadi bias. Klasifikasi sentimen bertujuan untuk mengatasi masalah ini dengan cara mengklasifikasikan ulasan pengguna ke pendapat positif atau negatif. Pengklasifikasi Naive Bayes adalah tekhnik machine learning yang populer untuk klasifikasi teks, karena sangat sederhana, efisien dan memiliki performa yang baik pada banyak domain. Namun, Naive Bayes memiliki kekurangan yaitu sangat sensitif pada fitur yang terlalu banyak, sehingga membuat akurasi menjadi rendah. Oleh karena itu, dalam penelitian ini menggunakan Information Gain sebagai seleksi fitur dan metode AdaBoost untuk mengurangi bias agar dapat meningkatkan akurasi pengklasifikasi Naive Bayes. Penelitian ini menghasilkan klasifikasi teks dalam bentuk positif dan negatif dari review restoran. Pengukuran berdasarkan akurasi Naive Bayes sebelum dan sesudah penambahan metode pemilihan fitur. Validasi dilakukan dengan menggunakan 10 fold cross validation. Sedangkan pengukuran akurasi diukur dengan confusion matrix dan kurva ROC. Hasil penelitian menunjukkan peningkatan akurasi Naive Bayes dari 73.00% jadi 81.50% dan nilai AUC dari 0.500 jadi 0.887. Sehingga dapat disimpulkan bahwa integrasi metode Information Gain dan AdaBoost pada analisis sentimen review restoran ini mampu meningkatkan akurasi algoritma Naive Bayes.
Algoritma Klasifikasi Naïve Bayes untuk Analisa Sentimen Aplikasi Shopee Masripah, Siti; Utami, lila Dini
Swabumi Vol 8, No 2 (2020): Volume 8 Nomor 2 Tahun 2020
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v8i2.8444

Abstract

Perkembangan dunia perdangangan dalam era industry 4.0 sudah semakin berkembang, di era social masyarakat 5.0 menuntut para pelaku bisnis untuk terus melakukan inovasi-inovasi terkait bagaimana cara memasarkan produk yang akan dijual. Sehingga banyak bermunculan marketplace-marketplace untuk memasarkan produk pelaku bisnis. Salah satu marketplace yang sering digunakan oleh masyarakat social 5.0 adalah shopee. Shopee adalah sebuah aplikasi marketplace yang dapat didownload hanya dengan bermodalkan quota internet. Keberadaan shopee tentunya sangat membantu para penjual barang-barang untuk menjajakan barang dagangannya, tentunya yang sangat diharapkan adalah pelayanan. Cara melihat apakah aplikasi tersebut baik atau buruk pelayanannya adalah melihat dari komentar-komentar baik positif maupun negative atas pelayanan maupun atas aplikasi yang sudah mereka download. Keberadaan komentar-komentar inilah yang nantinya akan menjadi pertimbangan bagi masyarakat dalam mengambil tindakan, apakah akan mendownload atau melakukan trasaksi di shopee. Komentar-komentar yang ada dapat kita rubah menjadi sebuah informasi data, yang diolah dengan baik menggunakan algoritma, komentar-komentar tersebut akan dilakukan Analisa sentiment menggunakan algoritma klasifikasi Naïve Bayes, sehingga menghasilkan ilmu baru berupa seberapa akuratkah hasil dari Analisa sentiment menggunakan algoritma naïve bayes, sehingga setelah dilakukan Analisa sentiment terhadap komentar-komentar shopee menghasilkan akurasi sebesar 71.50% dan AUC sebesar 0,500. Sehingga dapat dikatakan algoritma klasifikasi Naïve bayes dapat digunakan untuk Analisa sentiment terhadap aplikasi shopee.
Simple Additive Weighting untuk Front-end Framework Terbaik Yusuf, Lestari; Hidayatulloh, Taufik; Nurlaela, Dini; Utami, Lila Dini; Hasan, Fuad Nur
ILKOM Jurnal Ilmiah Vol 12, No 2 (2020)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i2.593.136-142

Abstract

Web applications that used to run on a desktop in recent years have received huge demand for this area to be more sophisticated and complex, not only that, but users also want web applications to run on mobile devices. Web appearance that is only designed for computer devices will make users difficult when opening a web page display on a different device. By using the CSS framework library, web developers will be greatly helped in making the program more responsive and can also be run on a variety of Open Source both Windows, iOS, and Android. Decision-making system that can determine the best front-end Framework can be an alternative solution for web developers to determine which front-end framework is easier and more convenient to use. Simple Additive Weighting is used to analyze and decide which the best alternative with calculations that take five main criteria in this research that is Preprocessor, Responsive, Browser Support, Easy to Use, and Template. In this study the highest prefects were obtained by Bootstrap 1,000 while for foundation and bulma get a large prefensie s 0.868 and 0.820.
Pengolahan Data Keuangan Dengan Menggunakan Zahir Accounting 5.1 Pada PT. Sigma Pikir Teladan Utami, Lila Dini; Hidayat, Rahmat
Perspektif : Jurnal Ekonomi dan Manajemen Akademi Bina Sarana Informatika Vol 16, No 1 (2018): Maret 2018
Publisher : www.bsi.ac.id

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (583.742 KB) | DOI: 10.31294/jp.v16i1.3163

Abstract

In this era of globalization, technology is growing very fast, especially in the field of software technology and hardware, where the development of many provide many benefits for us. The various areas of the company are greatly assisted in the advancement of this technology. The weakness of financial data processing process manually will be vulnerable to mistakes in the process of financial records, resulting in less accurate reports made. PT Sigma Pikir Teladan is a company engaged in forestry consulting services. Existing systems in PT Sigma Pikir Teladan still done manually, ranging from recording corporate expenses to income receivedby the company. On this occasion the author tries to make the final task by implementing the process of recording financial data at PT Sigma Pikir Teladan using Zahir Accounting Software Version 5.1, which during this process has not been computerized. It is expected that with the application of this application process of financial recording at PT Sigma Pikir Teladan become more effective and efficient in supporting activity of financial data processing at this company.
Co-Authors Hasan, Fuad Nur Nurlaela, Dini Rahmat Hidayat Romi Satria Wahono Siti Masripah Taufik Hidayatulloh Yusuf, Lestari -