Article Per Year (5 Year)
p-Index From 2019 - 2024
0.947
P-Index
This Author published in this journals
All Journal jurnal ilmiah hospitality Bakti Sekawan : Jurnal Pengabdian Masyarakat Jurnal Informatika dan Bisnis
Budi Wasito
Institut Bisnis dan Informatika Kwik Kian Gie
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Health Professions Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
IMPLEMENTASI METODE SMART BERBASIS WEB DALAM MEMBUAT SISTEM PENUNJANG KEPUTUSAN SMARTPHONE SESUAI KEBUTUHAN MASYARAKAT PADA MARKETPLACE TOKOPEDIA Raynor Raynor; Humdiana Humdiana; Elis Sondang Dasawaty; Sigit Birowo; Budi Wasito; Akhmad Budi
Jurnal Ilmiah Hospitality Vol 11 No 1: Juni, 2022 (Sepcial Issue)
Publisher : Sekolah Tinggi Pariwisata Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47492/jih.v11i1.1934

Abstract

Sejauh ini belum ada marketplace yang menjual smartphone dengan sistem pendukung keputusan. Dengan adanya sistem pendukung keputusan, masyarakat dapat lebih mudah untuk menentukan smartphone sesuai dengan kebutuhan masing – masing. Marketplace dengan sistem pendukung keputusan dapat diambil datanya dari kriteria – kriteria smartphone yang masyarakat utamakan dalam memilih smartphone. Sehingga dengan kriteria – kriteria tersebut, masyarakat dapat menentukan pilihan. Penelitian ini didasari oleh penelitian terdahulu yang berkaitan denga metode SMART untuk mengumpulkan data – data yang berkatikan dengan metode SMART. Penelitian ini didasari dengan metode pengembangan sistem waterfall. Metode waterfall memiliki proses berurutan sehingga penulis dapat membuat program yang terkontrol. Penulis mulai mengumpulkan data – data yang diperlukan melalui teknik pengumpulan kuesioner untuk mendapatkan kriteria – kriteria yang diinginkan responden. Lalu penulis juga melakukan studi pustaka dimana penulis mendapat teori – teori yang mendukung penelitian penulis melalui buku digital dan jurnal. Hasil penelitian ini diimplementasikan dengan metode SMART, dimana penulis melakukan perhitungan dengan rumus – rumus yang tersedia di dalam metode SMART. Aplikasi berbasis web yang telah dibuat dengan sistem pendukung keputusan dapat mempermudah masyarakat umum untuk memilih smartphone sesuai kebutuhan berdasarkan empat kriteria yaitu harga, merk, kapasitas memori internal, dan RAM. Metode yang digunakan yaitu metode SMART mempunyai hasil cukup akurat dengan melalui beberapa proses perhitungan
“YUK NABUNG SAHAM” Antara Untung dan Buntung Deteksi Dini dengan ICHIMOKU Budi Wasito; Brastoro Brastoro; Sigit Birowo
Bakti Sekawan : Jurnal Pengabdian Masyarakat Vol 2 No 2 (2022): Desember
Publisher : Puslitbang Sekawan Institute Nusa Tenggara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (246.901 KB) | DOI: 10.35746/bakwan.v2i2.302

Abstract

Yuk Nabung Saham (YNS) is a campaign to invite the public as potential investors to invest in the capital market by buying stocks regularly and periodically. This campaign is intended to change the habits of the Indonesian people from the habit of saving to investing, so that the Indonesian people begin to move f om a saving society to an investment society. Since the Yuk Nabung Saham campaign was launched on the 12 November 2015 by the Vice President of the Republic of Indonesia Mr. Muhammad Jusuf Kalla, it turned out that the Indonesia Stock Exchange (IDX) was able to encourage an increase in the number of investors including millennial investors. Based on IDX data, the number of single investor identification (SID) at the end of 2020 increased by 1.39 million, a jump of 61% compared to the end of 2019. So that the number of SID increased from 2.4 million to 3.88 million. In fact, as of 4 February 2021, the number of SIDs on the capital market has exceeded 4.1 million. In this regard, people who have chosen the capital market as a medium for saving, however, need to be enlightened about the need for indicators to be used to anticipate whether stock savings will increase or vice versa. Deep downtrend conditions have an impact on the risk of eroding the value of stock deposits so that you must take cut-loss steps as soon as possible so that the losses will deepen. For this reason, the team of lecturers, through community service activities in collaboration with DEKOPINDA, gave a webinar with the title "Let's Save Stocks", between the advantages and disadvantages of early detection with ICHIMOKU.
Analisa Testimonial Wisatawan Menggunakan Text Mining Dengan Metode Naive Bayes dan Decision Tree, Studi Kasus Pada Hotel-Hotel Di Jakarta Budi Wasito
Jurnal Informatika dan Bisnis Vol. 3 No. 2 (2014): Edisi Desember 2014
Publisher : Institut Bisnis dan Informatika Kwik Kian Gie

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

Abstract

The ability to express the opinion of lines of text can be extremely useful, and this is a goodarea to be studied, no doubt because of the possibility of commercial value because most informationis now stored as text. In this age of the internet today many reviews, opinions, comments or opinionsare so abundant and scattered in internet media in the form of text, thus giving rise to the term oroverflow of text that can be used as the object of the new knowledge that is what is called Text Mining.Currently, Text mining is believed to have a high potential commercial value. Text Mining is a processthat aims to find the information or the latest trends previously revealed, to process and analyze largeamounts of data. In analyzing part or all unstructured text, text mining to try to associate one with theother parts of the text based on certain rules.Besides text mining is also interpreted as a data mining activities from the data in the form oftext or a document, with the aim of searching for words that can represent what is in the document so itcan be analyzed in text mining connectedness, In the processing Text Mining conducted priorTokenizing process, Filtering, Stemming, Tagging and Analyzing. Stages of the process is carried outwith the help of tools Semantria. Results semantria process tool is a classification based sentimentanalysis. After appearing classification sentiment analysis, the next step was measured by the methodof Naive Bayes and Decision Tree. Baselines to generate corresponding processed products is to ensurethe characteristics of the data related to the objectives to be achieved from the study.In the context in the field of Text Mining There are a variety of processing one of which is withProcess Mining with a focus on the classification.The processed text mining based on sentimentclassification, the region with the sequence that has the highest positive sentiment Central Jakarta(80.7%) and North Jakarta (71.2%), East Jakarta (65.1%), West Jakarta (65% ) and South Jakarta(63.8%).
PENERAPAN FUZZY DATABASE TAHANI PADA APLIKASI PEREKRUTAN KARYAWAN Budi Wasito; Hartawan Budiman
Jurnal Informatika dan Bisnis Vol. 8 No. 2 (2019): Edisi Desember 2019
Publisher : Institut Bisnis dan Informatika Kwik Kian Gie

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

Abstract

PT XYZ is a company that provides consulting services, software, and hardware. In conducting its business PT XYZ requires human resources. The existence of human resources needs to make PT XYZ need to recruit employees. Currently, PT XYZ still uses a manual system in its recruitment process starting from the candidate selection process of employee, recording progress of candidate of the employee, process of data archiving of the candidate, until notification to parties related to the recruitment process. The absence of integration of employee candidate data files between recruiters causes refractions of each recruiter to be limited only to the recruiter candidate's data re-fertion. Psychotest process that is applied also still use application-based desktop application. This leads to a psychotest stage for an employee candidate who is outside the city to be performed by the service bureau. Keywords: Recruitment, Fuzzy Tahani, laravel
ANALISIS SENTIMEN TERHADAP PARA KANDIDAT PRESIDEN 2024 BERDASARKAN NETIZEN PENGGUNA TWITTER DENGAN METODE DATA MINING DAN TEXT MINING Budi Wasito
Jurnal Informatika dan Bisnis Vol. 11 No. 2 (2022): Edisi Desember 2022
Publisher : Institut Bisnis dan Informatika Kwik Kian Gie

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

Abstract

AbstrakDalam era digital modern saat ini, internet telah menjadi bagian tak terpisahkan dari kehidupan manusia, dan salah satu fenomena yang muncul adalah jejaring sosial media. Twitter merupakan salah satu platform jejaring sosial yang paling populer di Indonesia dan digunakan oleh berbagai lapisan masyarakat, termasuk dalam mengutarakan opini terhadap calon kandidat presiden Indonesia pada pemilihan umum 2024. Oleh karena itu, dilakukan penelitian dengan tema Analisis Sentimen pengguna Twitter terhadap kandidat pencalonan presiden 2024 untuk mengetahui bagaimana opini publik tentang kandidat-kandidat tersebut dalam bentuk sentimen positif, negatif, atau netral, sehingga dapat diketahui calon kandidat yang memiliki image positif, negatif, dan netral di mata masyarakat pengguna Twitter. Data Mining merupakan sebuah proses untuk mencari informasi yang berguna dalam penyimpanan yang besar berdasarkan metodologi CRISP-DM (Cross Industry Standard Process For Data Mining). Text Mining sama halnya seperti Data Mining dalam hal tujuan dan menggunakan proses yang sama, namun pada text mining input prosesnya adalah kumpulan file data yang tidak terstruktur (dokumen Word, file PDF, cuplikan teks, file XML, dan sebagainya). Sumber data dalam penelitian ini adalah data tweet pada platform Twitter pada bulan Februari 2023. Data ini diambil langsung dengan cara Crawling Dataset melalui Application Programming Interface (API) pada website developer.twitter.com. Penelitian ini membandingkan hasil Analisis Sentimen menggunakan Machine learning berbasis aplikasi dekstop Orange Data Mining dan bahasa pemrogramman Python. Hasil sentimen positif, negatif dan netral nantinya dihitung masing-masing total keseluruhan pada masing-masing kandidat Presiden. Hasil seluruh proses data mining - text mining pada Orange Data Mining dan Python disajikan kedalam bentuk Graphic User Interface (GUI) sebagai tampilan dashboard. Hasil analisis sentimen terhadap Ganjar Pranowo, Prabowo Subianto dan Anies Baswedan berdasarkan Orange Data Mining menunjukkan skor positif, yakni masingmasing sebesar 61,80%, 33,60% dan 25,80%. Sedangkan, berdasarkan Python masing-masing sebesar 64,40%, 32,20% dan 28,34%. Baik skor menggunakan Orange Data Mining maupun Python secara konsisten menunjukkan nama kandidat Ganjar Pranowo memiliki skor tertinggiKata Kunci: Data Mining, Text Mining, Application Programming Interface (API), Twitter, Orange Data Mining, Python, Graphic User Interface (GUI), Crawling Dataset
Penerapan Teknik Deep Learning (Long Short Term Memory) dan Pendekatan Klasik (Regresi Linier) dalam Prediksi Pergerakan Saham BRI Raihanda Luthfiansyah; Budi Wasito
Jurnal Informatika dan Bisnis Vol. 12 No. 2 (2023): Edisi Desember
Publisher : Institut Bisnis dan Informatika Kwik Kian Gie

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46806/jib.v12i2.1059

Abstract

Perkembangan teknologi telah memengaruhi dunia investasi, termasuk investasi saham. Saham Bank Rakyat Indonesia (BRI) menjadi populer di pasar modal Indonesia karena kinerja keuangan yang baik. Namun, investor sering kesulitan dalam memilih saham yang tepat karena kurangnya informasi yang akurat dan efektif. Oleh karena itu, diperlukan analisis yang akurat dalam memilih saham yang tepat. Salah satu model prediksi adalah model algoritma LSTM yang memanfaatkan teknologi kecerdasan buatan (AI) dan machine learning. Penelitian ini bertujuan untuk membandingkan kinerja model algoritma LSTM dengan regresi linear dalam memprediksi harga saham BRI periode 2001-2022 untuk mengevaluasi keefektifannya dalam memprediksi harga saham BRI di masa depan. Data mining merupakan sebuah proses untuk mencari informasi yang berguna dalam penyimpanan yang besar berdasarkan metodologi CRISP-DM (Cross Industry Standard Process For Data Mining). Sumber data dalam penelitian ini adalah data saham BBRI dari tahun 2001-2022. Peneliti mendapatkan data pada website kaggle.com. Penelitian ini membandingkan tingkat akurasi prediksi pada algoritma Long Short-Term Memory (LSTM) dan Regresi Linear berbasis Python maupun aplikasi Orange. Hasil komparasi ditentukan berdasarkan skor Root Mean Square Error (RMSE). Hasil prediksi disajikan dalam bentuk Graphic User Interface dengan media antarmuka. Hasil komparasi algoritma prediksi terhadap dua model dalam data mining, maka model yang lebih akurat adalah algoritma Regresi Linear pada Python. Hal ini dibuktikan dengan nilai RMSE yang lebih rendah, yaitu 286.992.
Co-Authors Akhmad Budi Brastoro Brastoro Elis Sondang Dasawaty Hartawan Budiman Humdiana Humdiana Raihanda Luthfiansyah Raynor Raynor Sigit Birowo