Article Per Year (5 Year)
p-Index From 2019 - 2024
0.947
P-Index
This Author published in this journals
All Journal Teknika INTECOMS: Journal of Information Technology and Computer Science Jurnal Teknologi Informatika dan Komputer
Ipin Sugiyarto
Universitas Nusa Mandiri
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Analisa Pengaruh Kualitas Layanan Website J&T Dengan Menggunakan Metode Webqual Sita Anggraeni; Fariz Caisar Harum; Gilang Fatur Ramadhan; Ipin Sugiyarto
Jurnal Teknologi Informatika dan Komputer Vol 8, No 1 (2022): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v8i1.825

Abstract

Website merupakan teknologi yang sangat penting untuk menyampaikan informasi dengan mudah karena di zaman sekarang akses internet sangat mudah. Pelaku bisnis seperti PT Global Jet Express atau sering dikenal dengan PT JT ini sangat mengandalkan teknologi yang ada saat ini. Mereka menggunakan website untuk memberi kepuasan terhadap pelanggan yang menggunakan jasa pengirimannya. Karena melalui website PT JT bisa memberikan kemudahan bagi pelanggan karena websitenya bisa memberikan informasi tentang keberadaan barang pelanggan, harga pengiriman barang antar wilayah dan lain-lain. Penelitian ini membahas tentang pengaruh website terhadap kepuasan pelanggan melalui metode webqual. Webqual yaitu metode pengujian yang mengutamanakan  Usability, Information Quality, Service Interaction dan Kepuasan Pelanggan maka dari itu webqual adalah metode sangat praktis untuk menguji suatu website. Hasil yang diperoleh dalam penelitian menggunakan metode webqual pada website JT sangat baik terutama pada point Usability
Perancangan Aplikasi Anjungan Pendaftaran Mandiri Pasien Rawat Jalan RSUD Pasar Rebo Yudha Tri Putra; Sita Anggaraeni; Ipin Sugiyarto
Jurnal Teknologi Informatika dan Komputer Vol 9, No 1 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i1.1444

Abstract

Sistem administrasi pelayanan rawat jalan di masa pandemi Covid-19 saat ini mengharuskan pelayanan berjalan dengan efektif dan efisien untuk menghindari kerumunan pasien terutama di rumah sakit dengan jumlah poliklinik dan pasien rawat jalan yang sangat banyak. RSUD Pasar Rebo merupakan rumah sakit umum daerah tipe B milik pemerintah provinsi DKI Jakarta yang mempunyai pasien rawat jalan sekitar 800 sampai 900 pasien setiap harinya. Penerapan pelayanan rawat jalan menggunakan Anjungan Pendaftaran Mandiri mampu mengurai kerumunan dan mempersingkat waktu tunggu pasien dalam melakukan pendaftaran atau verifikasi kehadiran pasien rawat jalan yang sudah terjadwal baik pasien BPJS atau non BPJS. Metode yang digunakan adalah melakukan pengamatan dengan melihat proses pelayanan pasien rawat jalan, mengumpulkan data yang dibutuhkan dalam penelitian termasuk saran-saran yang diberikan pasien pada aplikasi e-saran yang ada di RSUD Pasar Rebo terkait pelayanan rawat jalan juga melakukan wawancara dengan petugas terutama di bagian pelayanan (Front Office) juga bagian data informasi (Datin). Dengan adanya aplikasi anjungan pendaftaran pasien (APM) pada pelayanan rawat jalan terbukti dapat mempercepat proses pendaftaran dan verifikasinya.
Implementasi Data Mining Untuk Memprediksi Penyakit Diabetes Menggunakan Algoritma Naives Bayes dan K-Nearest Neighbor Fitrokh Nur Ikhromr; Ipin Sugiyarto; Umi Faddillah; Bibit Sudarsono
INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 1 (2023): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v6i1.5916

Abstract

Diabetes merupakan salah satu penyakit kronis penyebab kematian tertinggi di Indonesia berdasarkan data Riskesdas 2018 menunjukkan jumlah keseluruhan kasus penyakit diabetes yang ada di Indonesia yakni sebesar 8.5 %, meningkat dibandingkan data Riskesdas 2013 yang hanya sebesar 6.9 %. Salah satu faktor penyebab penyakit diabetes adalah obesitas yang tidak tertangani. Pada pasien Pra diabetes ditandai dengan gula darah yang naik. Permasalahan tersebut menjadi sangat penting untuk memprediksi secara dini sebagai langkah antisipasi untuk menekan kasus diabetes. Penelitian ini dilakukan dengan menggunakan metode klasifikasi dalam penggalian data untuk mencari informasi penting pasien diabetes. Algoritma Naïve Bayes dan K-Nearest Neighbor digunakan untuk penyelesaian kasus ini. Performa algoritma Naïve Bayes dan K-Nearest Neighbor menjadi bagian evaluasi untuk mencari algortima terbaik. Hasil evaluasi, menggunakan 2000 data pasien diabetes dengan metode K- Nearest Neighbor memiliki hasil accuracy sebesar 99% sedangkan Naïve Bayes memiliki hasil accuracy sejumlah 75%, selisih akurasi terhadap dua metode tersebut sejumlah 24%. Selanjutnya, dari hasil evaluasi uji coba model mengunakan 30 data yang dibagi menjadi data uji dan data latih, menggunakan K-Nearest Neighbor memiliki hasil accuracy sejumlah 53%, sedangkan Naïve Bayes memiliki hasil accuracy sejumlah 66%, memiliki selisih accuracy sejumlah 13%. Dapat disimpulkan bahwa perbandingan implementasi untuk mengklasifikasikan prediksi diabetes dengan menggunakan 2000 data dan 30 data untuk uji coba model K-Nearest Neighbor dan Naïve Bayes menghasilkan accuracy yang berbeda. Pada implementasi untuk mengklasifikasikan prediksi diabetes dengan 2000 data algoritma K- Nearest Neighbor dapat menghasilkan tingkat nilai accuracy prediksi diabetes lebih baik dibandingkan dengan memakai algoritma Naïve Bayes. sedangkan saat menggunakan data untuk uji coba model yaitu 30 data algoritma Naïve Bayes dapat menghasilkan tingkat nilai accuracy prediksi diabetes lebih baik dibandingkan dengan memakai alogoritma K-Nearest Neighbor. Berdasarkan penilaian algoritma tersebut dapat di tarik kesimpulan bahwa algoritma KNN bekerja lebih baik saat jumlah data lebih besar sedangkan sebaliknya untuk algoritma Naives Bayes memiliki hasil evaluasi tertinggi saat jumlah dataset lebih sedikit. Algoritma KNN menjadi rekomendasi terbaik dalam penggalian data besar untuk melihat pola dalam dataset 2000 record dari sumber dataset diabetes.
Analisis Usability pada Aplikasi Universitas123 Portal Universitas dan Beasiswa Menggunakan Metode Heuristic Evaluation dan Cognitive Walkthrough Eric Setiyo Bekti; Sita Anggraeni; Ipin Sugiyarto
Jurnal Teknologi Informatika dan Komputer Vol 9, No 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1838

Abstract

Universitas123 adalah start up pendidikan digital. Portal yang dapat diakses melalui aplikasi Universitas123 ini menyediakan database lengkap tentang perguruan tinggi dan beasiswa, baik lokal maupun luar. Tujuan utama Universitas123 adalah untuk membantu mahasiswa mengidentifikasi perguruan tinggi yang sesuai dan mendapatkan beasiswa berdasarkan kebutuhan. Namun, berdasarkan komentar dari pengguna tertentu, pengguna terus mengalami masalah dengan aplikasi tersebut. Sehingga perlu adanya evaluasi terhadap aplikasi Universitas123. Penilaian kegunaan (usability evaluation) adalah salah satu metode yang sangat signifikan dalam mengevaluasi sistem informasi. Evaluasi usabilitas yakni penilaian terhadap tingkat keberhasilan dalam pencapaian tujuan yang telah ditetapkan dalam program. Prosedur evaluasi dapat menemukan cacat aplikasi dan masalah usability dengan menggunakan pendekatan Heuristic Evaluation dan Cognitive Walkthrough. Heuristic Evaluation  secara umum merupakan pengujian dengan cara melibatkan ahli atau profesional dalam proses pengerjaannya dan proses pengevaluasian interface. Pada metode Cognitive walkthrough, untuk setiap tindakan pengguna, evaluator menganalisis apa yang ingin dilakukan oleh pengguna, apakah antarmuka mendukung langkah selanjutnya dari pengguna untuk menyelesaikan tugas. Dengan memberikan kuesioner kepada pengguna aplikasi Universitas123 dan memberikan skenario tugas kepada partisipan. Setelah melakukan uji heuristic evaluation dan cognitive walkthrough dihasilkan rekomendasi pebaikan. Evaluasi aplikasi Universitas123 menunjukkan perlu perbaikan pada Aesthetic and Minimalist Design (77%), saran termasuk menyederhanakan tampilan dan meningkatkan navigasi. Aspek Help and Documentation berhasil (89%). Hasil cognitive walkthrough menunjukkan keberhasilan pengguna 100% dengan tingkat usabilitas 85% (kategori “Sangat Tinggi”). Rekomendasi termasuk memperbaiki tampilan dan navigasi. Ini akan memudahkan pengguna mendapatkan informasi penting di halaman utama. 
Sentimen Analisis Pengguna Aplikasi Grab Menggunakan Algoritma Naive Bayes Classifier dan Support Vector Machine Ipin Sugiyarto; Sita Anggraeni; Umi Faddilah; Ali Alamuddin Muzaffar
TEKNIKA Vol. 18 No. 1 (2024): Teknika Januari - Juni 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.11118182

Abstract

Grab Indonesia termasuk perusahaan ojek online terkemuka di Indonesia, pemrosesan terhadap saran dan keluhan dari pengguna Grab secara real time dapat disampaikan melalui akun twitter @GrabID, sehingga Grab Indonesia dapat mengetahui tanggapan secara cepat tingkat kepuasan pelanggan terhadap pelayanan yang diberikan, dibutuhkan analisis sentimen terhadap saran ataupun keluhan yang diterima oleh perusahaan Grab Indonesia. Proses dalam pengumpulan data pada penelitian ini yaitu mengambil data primer yang diperoleh secara langsung dari sumber asli. Data diambil dari twitter sebanyak 787 data. Model evaluasi juga menggunakan coding dengan hasil visual model confusion matrix berbasis Phython. Pada penelitian ini tahapan yang dilakukan Pengumpulan Data, Preprocessing Data, Fitur Extraction, Klasifikasi dan Evaluasi. Maka didapatkanlah akurasi 96,02% data training dan akurasi data testing 84,17 % untuk algoritma SVM dengan perbandingan 80:20 data training dan data testing, sedangkan untuk algoritma NBC didapatkan akurasi 54,37% data training dan akurasi 66,45% data testing dengan perbandingan 80:20 data training dan data testing. Adanya penelitian diharapkan dapat memberikan pengetahuan tentang implementasi algoritma Naïve Bayes Classifier dan Support Vector untuk mengetahui respon masyarakat terhadap aplikasi atau produk tersebut apakah mempunyai respon positif atau negatif.
Co-Authors Ali Alamuddin Muzaffar Bibit Sudarsono Eric Setiyo Bekti Fariz Caisar Harum Fitrokh Nur Ikhromr Gilang Fatur Ramadhan Sita Anggaraeni Sita Anggraeni Sita Anggraeni Umi Faddilah Umi Faddillah Yudha Tri Putra