Article Per Year (5 Year)
p-Index From 2019 - 2024
9.54
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) Jurnal Teknologi dan Sistem Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Jurnal Teknik Informatika (JUTIF) JINAV: Journal of Information and Visualization eProceedings of Engineering
Erwin Budi Setiawan
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics

Published : 84 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 84 Documents
Search

 1   2   3   4   5 
Deteksi Fake Review Berbasis Feature pada User Online Feature Menggunakan Metode Naive Bayes Annisa Cahya Anggraeni; Z K Abdurrahman Baizal; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Berkembangnya e-commerce saat ini memicu calon pembeli lebih mempercayai review yang ditulis oleh pembeli sebelumnya. Review positif cenderung akan membuat calon pembeli akan membeli barang tersebut, dan hal sebaliknya jika review produk tersebut negatif. Namun banyak review yang berkembang saat ini tidak lagi ditulis oleh pembeli sebenarnya. Review yang ditulis bukan sebenarnya disebut fake review/untruthful review yang termasuk kategori spam dan penulisnya disebut spammer. Pada penelitian ini akan dilakukan deteksi fake review dengan pendekatan beberapa kelas feature menggunakan metode Naïve Bayes. Penelitian ini akan menggunakan NLP dan sumber lexicon SentiwordNet dan menggunakan kamus untuk membantu ekstraksi sentiment yang belum pernah dilakukan peneliti sebelumnya untuk menghasilkan sistem yang lebih baik. Selanjutnya penelitian ini akan menganalisis apakah penggunaan tagger, kamus, dan pemilihan feature akan mempengaruhi sistem dan kelas feature apa yang paling mempengaruhi sistem. Hasilnya adalah penggunaan tagger dan kamus akan mempengaruhi sistem. Hasil terbaik diperoleh akurasi sebesar 83.33%. Pemilihan feature juga akan mempengaruhi sistem. Dari hasil penelitian diperoleh akan semakin baik bila semua kelas feature digunakan ke dalam sistem. Dan kelas feature yang paling berpengaruh adalah kelas personal feature.  
Recommender System Dengan Metode Fuzzy Analytic Hierarchy Process Untuk Produk Kompleks Grace Yohana; Z KA Baizal; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Dewasa ini perkembangan teknologi sudah semakin pesat dan kebutuhan akan sebuah produk semakin tinggi. Produk yang bermunculan juga semakin beraneka ragam, sehingga konsumen seringkali kesulitan dalam menentukan produk yang sesuai dengan kebutuhannya. Oleh karena itu dibutuhkan sebuah recommender system yang dapat membantu pengguna dalam menentukan pilihan. Recommender system merupakan suatu sistem yang mampu memberikan suatu rekomendasi kepada user terhadap item yang mungkin akan dipilih, berdasarkan informasi yang diperoleh dari pengguna. Dalam penelitian ini, metode yang digunakan untuk membuat recommender system adalah Fuzzy Analytic Hierarchy Process. Metode ini dapat memecahkan suatu masalah yang kompleks dan tidak terstruktur ke dalam beberapa susunan komponen yang hierarki, subjektif, relatif dan memiliki prioritas yang paling tinggi untuk mempengaruhi hasil dalam masalah tersebut. Setelah dilakukan analisis, didapatkan hasil akurasi sistem berdasarkan penilaian pakar sebesar 83.57% dan dengan ini menunjukkan bahwa hasil akurasi sistem sudah baik. Kemudian untuk hasil akurasi berdasarkan pengguna yang diuji dengan Mean Opinion Score, didapatkan hasil sebesar 1.4918 yang menunjukkan bahwa hasil rekomendasi yang diberikan oleh sistem sudah baik.  
Analisis Perbandingan Sistem Rekomendasi dengan Faktorisasi Matriks dan Pearson Berbasis Collaborative Filtering Pada Web E-Commerce Marissa Aflah Syahran; Erwin Budi Setiawan; Sri Suryani
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Recommender system merupakan suatu sistem yang mampu memberikan suatu rekomendasi kepada user terhadap item, seperti barang, musik, video, film, buku, dan sebagainya, yang mungkin akan dipilihnya. Penelitian ini mengimplementasikan dan menganalisis perbandingan recommender system dengan algoritma pearson serta faktorisasi matriks yang berbasis Collaborative Filtering. Analisis perbandingan didasarkan pada analisis algoritma, nilai Mean Absolute Error (MAE) dan Response time. Dari hasil analisis, didapatkan bahwa kompleksitas algortima faktorisasi matriks Lebih kompleks dari algoritma pearson. Selain itu didapat nilai MAE recommender system dengan algoritma faktorisasi matriks memiliki nilai MAE yang lebih kecil daripada recommender system dengan algoritma pearson serta nilai Response time recommender system dengan algoritma pearson lebih kecil daripada  algoritma faktorisasi matriks. Metode yang paling baik digunakan adalah faktorisasi matriks karena memiliki MAE lebih akurat dibandingkan dengan metode pearson. Perkembangan hardware juga membuat response time tidak berpengaruh secara signifikan
Analisis Dan Implementasi Perangkingan Pegawai Menggunakan Metode Analytical Hierarchy Process Dan Superiority Index Daniar Dwi Pratiwi; Erwin Budi Setiawan; Fhina Nhita
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Metode AHP (Analytical Hierarchy Process) dan Superiority Index merupakan metode untuk pengambilan keputusan dengan banyak kriteria dan berbagai alternatif. AHP merupakan metode untuk memecahkan masalah dengan cara membentuk hierarki dari permasalahan yang ada. Metode ini digunakan sebagai metode pembobotan kriteria yang diawali dengan penyusunan hierarki dan membuat matriks perbandingan berpasangan untuk mengetahui hubungan antara tiap kriteria yang selanjutnya akan dicari bobot masing-masing kriteria. Sedangkan metode Superiority Index digunakan sebagai metode perangkingan alternatif yang dimulai dengan merangking nilai alternatif pada tiap kriteria yang selanjutnya akan dibentuk matriks perbandingan rangking tiap alternatif dan urutan prioritasnya akan diurutkan berdasarkan besarnya jumlah perbandingan tiap alternatif tersebut. Hasil yang diperoleh dari penelitian ini adalah bobot kriteria dan urutan rangking pegawai yang bisa dijadikan alternatif dalam suatu pengambilan keputusan agar proses penilaian dan perangkingan pegawai lebih efektif.
Analisis Dan Implementasi Algoritma Id3 Dan Cart Pada Penilaian Kinerja Pegawai Fathurahman Alhikmah; Erwin Budi Setiawan; Mahmud Imrona
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Konsep yang dipakai untuk membuat sistem pendukung keputusan, salah satu nya adalah Decission Tree Learning (DCT). Algoritma ID3 dan CART merupakan bagian dari DCT, konsep daripada kedua algoritma tersebut akan menghasilkan sebuah generate dari pohon keputusan dan nantinya akan menjadi sebuah rule.Penelitian kali ini dibangun sebuah sistem yang dapat menganalisis implementasi penilaian kinerja pegawai dengan menggunakan algoritma ID3, dan CART.Data yang digunakan didapatkan dari perusahaan X tentang penilaian kinerja pegawai untuk merekomendasikan bonus tunjangan tahunan. Pada penelitian ini didapatkan performance dari ID3, dan CART, untuk nilai presisi pencapaian tertinggi ada pada masing masing algoritma antara lain ID3 ada pada pembagian partisi 70% data latih, dan 30% data uji, sedangkan untuk pembagian nilai presisipada CART ada pada pembagian partisi 80% data latih, dan 20% data uji. Untuk pencapaian tertinggi nilai recall pada algoritma ID3 ada pada pembagian partisi 50% data latih, dan 50% data uji, sedangkan untuk pencapaian nilai recall tertinggi pada CART ada pada pembagian partisi 30% data latih, dan 70% data uji. Untuk pencapaian nilai akurasipada algoritma ID3 ada pada pembagian partsi 70% data latih, dan 30% data uji, sedangkan untuk pencapaian tertinggi nilai recall pada CART ada pada pembagian partisi  80% data latih, dan 20% data uji.Secara dominan pada penelitian ini ID3 mempunyai nilai performance yang lebih baik dibandingkan dengan CART.
Simulasi Pengaturan Lampu Lalu Lintas Menggunakan Cellular Automata dan Fuzzy Inference System Septian Nugraha Kudrat; Yuliant Sibaroni; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

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

Abstract

Permasalahan kemacetan tidak mudah diatasi karena pertumbuhan populasi kendaraan bertambah. Salah satu efek pertumbuhan populasi kendaraan adalah menjadi sensitifnya pengaturan traffic light pada suatu persimpangan. Sistem pengaturan traffic light yang tidak sesuai dengan keadaan jumlah kendaraan dapat memicu kemacetan. Pada umumnya, sistem pengaturan traffic light menggunakan pengaturan fixed time. Pengaturan fixed time tidak menyesuaikan dengan keadaan jumlah kendaraan sehingga tundaan yang dihasilkan berpotensi lama. Dikembangkan skema pengaturan adaptif menggunakan Fuzzy Inference System (FIS). FIS menghasilkan durasi lampu hijau. FIS tidak memiliki parameter performa untuk menguji kemampuannya sehingga sistem perlu diintegrasikan dengan model Cellular Automata (CA). Pergerakan kendaraan yang dihasilkan CA dapat memunculkan tundaan dan kecepatan rata-rata. Indikator keberhasilan didasarkan pada waktu tunggu rata-rata dan kecepatan rata-rata yang dialami oleh setiap kendaraan dalam waktu pengamatan per time step. Selain itu, pembagian durasi lampu lalu lintas dalam satu siklus menjadi faktor pertimbangan tambahan untuk menganalisis performa sistem. Metode FIS menghasilkan hingga 76,2 % tundaan rata-rata pada kelas E dan menghasilkan hingga 23,8 % tundaan rata-rata pada kelas F. Skema Fixed Time menghasilkan 0 % tundaan rata-rata pada kelas E dan 100 % tundaan rata-rata pada kelas F sehingga tundaan yang dihasilkan skema Fixed Time lebih lama daripada tundaan yang dihasilkan metode FIS.  
Implementasi Deteksi Rumor pada Twitter Menggunakan Metode Klasifikasi SVM Annisa Rahmaniar Dwi Pratiwi; Erwin Budi Setiawan
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 4 No 5 (2020): Oktober 2020
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (339.961 KB) | DOI: 10.29207/resti.v4i5.2031

Abstract

Twitter is one of the popular social network sites, that was first launched in 2006. This service allows users to spread real-time information. However, the information obtained is not always based on facts and sometimes deliberately used to spread rumors that cause fear to the public. So detection efforts are needed to overcome and prevent the spread of rumors on Twitter. Much research regarding the detection of rumors but is limited to English and Chinese. In this study, the authors built a system to detect Indonesian-language rumors based on the implementation of the SVM classification and feature selection using the TF-IDF weighting. Data collection was conducted in November 2019 to February 2020 using crawling methods by keywords and manual labeling process. Research data used topics around government and trending with 47,449 records and features combination based on users and tweets. Stages of research include the process of collecting data on the Twitter social networking site which is then carried out preprocessing consists of case-folding, URL removal, normalization, stopwords removal, and stemming. The next stage is feature selection, N-Gram modeling, classification, and evaluation using a confusion matrix. Based on the results of the study, the system gets good performance in the test scenario using 10% of testing data and unigram features with the highest accuracy value of 78.71%. As for features twitter that affected the detection of rumors covering the number of following, the number of like and mention.
Perancangan Strategis Sistem Informasi IT Telkom untuk Menuju World Class University Erwin Budi Setiawan
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Organisasi Teknologi Informasi (TI) suatu institusi pendidikan seperti Insititut Teknologi Telkom (IT Telkom),harus memiliki suatu kerangka pedoman pengembangan sistem informasi dan dokumentasi yang memadaimengenai sistem dan teknologi yang ada. Oleh karena itu, perencanaan strategis sistem informasi yang bersifatmenyeluruh dan terintegrasi diperlukan oleh sebuah institusi pendidikan seperti Insititut Teknologi Telkom (ITTelkom).Makalah ini akan memaparkan perencanaan strategis sistem informasi pada IT Telkom untuk menujuWorld Class Universitas dengan Growing Enterprise Architecture Framework.Kata Kunci : sistem informasi, teknologi informasi, Framework
Penilaian Performansi Kerja Account Manager dengan Menggunakan Metode MBO (Management by Objective) dan Rich (Rank Inclusion in Criteria Hierarchies) Arki Rifazka; Dhinta Darmantoro; Erwin Budi Setiawan
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Management by Objectives (MBO) adalah metode penilaian kinerja karyawan yang berorientasi padapencapaian target kerja. Pada metode MBO, setiap individu karyawan diberikan target kerjanya masingmasing,yang bersesuaian dengan sasaran kerja unit dalam satu periode kerja. Penilaian kinerja dalam metodeMBO dilakukan di akhir periode mengacu pada realisasi target. Adapun Rank Inclusion in Criteria Hierarchies(RICH), metode yang dipergunakan pada proses pembobotan Key Performance Indicator (KPI) untukmemperoleh bobot prioritas atas sasaran kerja yang diberikan kepada karyawan. Dengan mengacu pada bobotsasaran kerja, maka sistem dapat melakukan komputasi atas performansi kerja pegawai.Penilaian performansi kerja karyawan ini mengambil lokasi pengamatan di PT Telekomunikasi Indonesia, Tbk.(Telkom). Posisi/jabatan karyawan yang dijadikan objek penilaian adalah Account Manager (AM). Yang manaAM merupakan ujung tombak Telkom dalam menjual produknya kepada Corporate Customer (CC).Dalam jurnal ini, aspek penilaian performansi kerja AM dikhususkan pada pencapaian revenue. Adapun prosesdalam menilai kinerja AM diperoleh yaitu; (i) penjabaran sasaran kerja unit, (ii) perumusan program kerja dansubprogram kerja, (iii) pemberian target pencapaian AM, (iv) penilaian SKI AM. Nilai akhir diperoleh daritotal nilai seluruh program kerja.Kata kunci : Penilaian Performansi Kerja Account Manager, Management By Objective, Rank InclusionCriteria Hierarchies
Pemilihan EA Framework Erwin Budi Setiawan
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2009
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Dalam mengembangkan arsitektur enterprise, perlu diadopsi atau dikembangkan sendiri suatu EA frameworkuntuk arsitektur enterprise. Terdapat berbagai macam framework yang dapat dimanfaatkan untukpengembangan arsitektur enterprise. Penggunaan dan pemilihan EA framework yang tepat akan mempercepatdan menyederhanakan pengembangan arsitektur, yaitu dengan memastikan cakupan yang lengkap dari solusidesain dan memastikan arsitektur yang terpilih akan memudahkan dalam pengembangan di masa depansebagai respon terhadap kebutuhan bisnis. Makalah ini bertujuan memberikan gambaran bagaimanamelakukan pemilihan EA Framework.Kata Kunci:EA, EA Framework, Zachman Framework, FEAF, TOGAF
Co-Authors Aditya Mahendra Zakaria Agung Toto Wibowo Ahmad Zahri Ruhban Adam Aji Reksanegara Alvi Rahmy Royyan Anang Furkon RIfai Ananta Ihza Ramadhan Anindika Riska Intan Fauzy Annisa Aditsania Annisa Aditsania Annisa Cahya Anggraeni Annisa Cahya Anggraeni Annisa Rahmaniar Dwi Pratiwi Arie Ardiyanti Arki Rifazka Athirah Rifdha Aryani Azrina Fazira Ansshory Bagas Teguh Imani Billy Anthony Christian Martani Brenda Irena Brigita Tenggehi Crisanadenta Wintang Kencana Damarsari Cahyo Wilogo Daniar Dwi Pratiwi Daniar Dwi Pratiwi Dede Tarwidi Dedy Handriyadi Dery Anjas Ramadhan Dhinta Darmantoro Diaz Tiyasya Putra Dion Pratama Putra Diyas Puspandari Faidh Ilzam Nur Haq Fathurahman Alhikmah Fathurahman Alhikmah Febiana Anistya Feby Ali Dzuhri Fhina Nhita Fhina Nhita Fida Nurmala Nugraha Ghani Kamil Ghina Dwi Salsabila Gita Safitri Grace Yohana Grace Yohana Hanif Reangga Alhakiem Helmi Sunjaya Ramadhan Hildan Fawwaz Naufal Hilman Bayu Aji Husnul Khotimah Farid I Gusti Ayu Putu Sintha Deviya Yuliani I Kadek Candradinata Ilyana Fadhilah Iqbal, Bayu Muhammad Irma Palupi Isabella Vichita Kacaribu Isep Mumu Mubaroq Isman Kurniawan Kartika Prameswari Kemas Muslim Lhaksmana, Kemas Muslim Kevin Usmayadhy Wijaya Luthfi Firmansah M. Arif Bijaksana Mahmud Imrona Mansel Lorenzo Nugraha Marissa Aflah Syahran Marissa Aflah Syahran Maulina Gustiani Tambunan Mela Mai Anggraini Moh Adi Ikfini M Muhammad Afif Raihan Muhammad Faiq Ardyanto Putro Muhammad Khiyarus Syiam Muhammad Kiko Aulia Reiki Muhammad Noer Ibnu Sina Muhammad Nur Ilyas Muhammad Shiba Kabul Muhammad Tsaqif Muhadzdzib Ramadhan Nabilla Kamil Naufal Adi Nugroho Nisa Maulia Azahra Nur Ihsan Putra Munggaran Rafi Anandita Wicaksono Raisa Sianipar Rakhmat Rifaldy Rayhan Rahmanda Refka Muhammad Furqon Rendo Zenico Ridho Maulana Cahyudi Rizki Annas Sholehat Rizki Tri Setiawan Roji Ellandi Sari Ernawati Saut Sihol Ritonga Septian Nugraha Kudrat Septian Nugraha Kudrat Shakina Rizkia Siti Inayah Putri Sri Suryani Sri Suryani Sukmawati Dwi Lestari Wida Sofiya Windy Ramadhanti Yoan Maria Vianny Yuliant Sibaroni ZK Abdurahman Baizal