Claim Missing Document
Check
Articles

Found 21 Documents
Search

Model Delone and Mclean Untuk Mengukur Kesuksesan E-Government Kota Pekalongan Saputro, Pujo Hari; Budiyanto, Djoko; Santoso, Joko
Scientific Journal of Informatics Vol 2, No 1 (2015): May 2015
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v2i1.4523

Abstract

Pemerintah Kota Pekalongan saat ini sudah menjadi salah satu kota percontohan dalam penggunaan E-government di Indonesia, banyak sistem sudah diterapkan dan berhasil membantu dalam pelayanan pemerintah kota kepada masyarakat dan juga mempermudah dalam pekerjaan pegawai pemerintahan. Metode DeLone and McLean yaitu metode yang mempunyai 6 variabel evaluasi yaitu: information quality, system quality, service quality, use, user satisfaction dan net benefit. Metode DeLone and McLean akan digunakan sebagai model mengukur kesuksesan E- government dalam penggunaannya untuk membantu kinerja pegawai pemerintahan kota pekalongan. Dengan model ini diharapkan dapat diketahui komponen-komponen yang mendukung atau menghambat dalam penggunaan E-government, sehingga ke depan diharapkan dapat menjadi bahan evaluasi untuk perbaikan. 
Model Delone and Mclean Untuk Mengukur Kesuksesan E-Government Kota Pekalongan Saputro, Pujo Hari; Budiyanto, Djoko; Santoso, Joko
Scientific Journal of Informatics Vol 2, No 1 (2015): May 2015
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v2i1.4523

Abstract

Pemerintah Kota Pekalongan saat ini sudah menjadi salah satu kota percontohan dalam penggunaan E-government di Indonesia, banyak sistem sudah diterapkan dan berhasil membantu dalam pelayanan pemerintah kota kepada masyarakat dan juga mempermudah dalam pekerjaan pegawai pemerintahan. Metode DeLone and McLean yaitu metode yang mempunyai 6 variabel evaluasi yaitu: information quality, system quality, service quality, use, user satisfaction dan net benefit. Metode DeLone and McLean akan digunakan sebagai model mengukur kesuksesan E- government dalam penggunaannya untuk membantu kinerja pegawai pemerintahan kota pekalongan. Dengan model ini diharapkan dapat diketahui komponen-komponen yang mendukung atau menghambat dalam penggunaan E-government, sehingga ke depan diharapkan dapat menjadi bahan evaluasi untuk perbaikan.
KOMPARASI METODE NAÏVE BAYES DAN C4.5 DALAM KLASIFIKASI LOYALITAS PELANGGAN TERHADAP LAYANAN PERUSAHAAN Pradana, Musthofa Galih; Saputro, Pujo Hari
Indonesian Journal of Business Intelligence (IJUBI) Vol 3, No 1 (2020): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Program Studi S1 Sistem Informasi Fakultas Komputer Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v3i1.1205

Abstract

Keberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki  kecenderungan yakni  untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan  adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma,  skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%. AbstrakKeberadaan pelanggan bagi jalannya sebuah usaha sangatlah penting. Pelanggan memiliki  kecenderungan yakni  untuk tetap lanjut berlangganan dengan perusahaan atau sebaliknya berhenti berlangganan. Salah satu teknik yang dapat digunakan untuk mengidentifikasi kecenderungan loyalitas pelanggan  adalah dengan klasifikasi data. Berdasarkan data pelanggan yang dimiliki perusahaan dapat dilakukan pengolahan data atau data mining dengan mengkelompokan pelanggan yang loyal dan yang tidak loyal. Ada banyak metode yang dapat diterapkan untuk klasifikasi data, diantaranya adalah algortima Naïve Bayes dan C4.5. Kedua metode ini menghasilkan akurasi yang berbeda ketika digunakan untuk proses klasifikasi data. Digunakan 2 skenario dalam proses pengujian kedua algoritma,  skenario membagi data dalam data testing dan training serta skenario pengujian menggunakan cross validation. Hasil kedua skenario ini menunjukan bahwa metode C4.5 lebih unggul dibandingkan dengan metode Naïve Bayes dengan akurasi skenario 1 sebesar 78,6086 % dan skenario 2 akurasi sebesar 78,61%.
Steganography Technique and Modification of Substitution Cipher Using ASCII Code and Fibonacci Sequences Pradana, Musthofa Galih; Saputro, Pujo Hari; Pamekas, Bondan Wahyu
CSRID (Computer Science Research and Its Development Journal) Vol 13, No 2 (2021): CSRID JUNI 2021
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid.13.2.2021.77-86

Abstract

Cryptography is widely used to secure data and information so that it is not easily misused by parties who are not interested in the data. One type of cryptographic algorithm is Caesar Cipher and Vigenere Cipher. Both of these algorithms are classic cryptographic algorithms that need to be modified so that they become more optimal in the data security process. The first modification is to modify the Vigenere key using Fibonacci. In general, Vigenere Cipher will repeat the same keyword to complete the number of characters that are lacking so that the number of characters is the same as the number of characters in the plaintext. The second modification is to change or convert plaintext letters into ASCII letters so that the code is more difficult to solve. After the ASCII conversion process is done, the next results will be converted back in Hexa letters. In addition to the two modifications made, the steganography technique is also added by hiding the code behind the media in the form of images. Images that are sampled will be renamed and stored in different places.
Model Delone and Mclean Untuk Mengukur Kesuksesan E-Government Kota Pekalongan Saputro, Pujo Hari; Budiyanto, Djoko; Santoso, Joko
Scientific Journal of Informatics Vol 2, No 1 (2015): May 2015
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v2i1.4523

Abstract

Pemerintah Kota Pekalongan saat ini sudah menjadi salah satu kota percontohan dalam penggunaan E-government di Indonesia, banyak sistem sudah diterapkan dan berhasil membantu dalam pelayanan pemerintah kota kepada masyarakat dan juga mempermudah dalam pekerjaan pegawai pemerintahan. Metode DeLone and McLean yaitu metode yang mempunyai 6 variabel evaluasi yaitu: information quality, system quality, service quality, use, user satisfaction dan net benefit. Metode DeLone and McLean akan digunakan sebagai model mengukur kesuksesan E- government dalam penggunaannya untuk membantu kinerja pegawai pemerintahan kota pekalongan. Dengan model ini diharapkan dapat diketahui komponen-komponen yang mendukung atau menghambat dalam penggunaan E-government, sehingga ke depan diharapkan dapat menjadi bahan evaluasi untuk perbaikan. 
Portfolio Optimization With Buy-in Thresholds Constraint Using Simulated Annealing Algorithm Indana Lazulfa; Pujo Hari Saputro
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai-Nilai Islami) Vol 1 No 1 (2017): Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami )
Publisher : Mathematics Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (465.342 KB)

Abstract

Portfolio optimization is a solution for investors to get the return as much as possible and also to minimize risk as small as possible. In this research, we use risk measures for portfolio optimization, namely mean-variance model. For single objective portfolio optimization problem, especially minimizing risk of portfolio, we used mean-variance as risk measure with constraint such as buy-in thresholds. Buy-in thresholds set a lower limit on all assets that are part of portfolio. All this portfolio optimization problems will be solved by simulated annealing algorithm. The performance of the tested metaheuristics was good enough to solve portfolio optimization.
Penerapan Metode K-Means Klustering Untuk Menentukan Kepuasan Pelanggan Musthofa Galih Pradana; Azriel Christian Nurcahyo; Pujo Hari Saputro
Creative Information Technology Journal Vol 7, No 1 (2020): Januari - Juni
Publisher : UNIVERSITAS AMIKOM YOGYAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/citec.2020v7i1.185

Abstract

Pengolahan data dapat dilakukan dengan banyak cara dan teknik. Peran data saat ini menjadi sangat penting bagi sebuah perusahaan atau penyedia layanan untuk pelanggan. Pentingnya data saat ini menjadikan proses pengolahan data dilakukan secara mandiri menggunakan metode-metode data mining yang ada. Beberapa metode yang dapat diterapkan diantaranya klasifikasi, prediksi maupun klustering. Masing-masing teknik tersebut memiliki hasil yang dapat dijadikan acuan evaluasi dan perencanaan yang lebih baik lagi. Penelitian ini menerapkan teknik klustering yaitu memisahkan dan mengelompokan data berdasarkan kluster. Dalam klustering ada banyak algortima atau metode yang dapat diterapkan, salah satunya adalah K-Means Klustering. Algoritma K-Means merupakan algoritma yang banyak digunakan untuk mengelompokan data. Hasil dari penelitian ini terbagi menjadi 2 kluster yaitu Kluster 0 yaitu puas dan Kluster 1 yaitu tidak puas ataupun netral. Pengelompokan kluster tersebut berdasarkan dataset yang dimiliki dimana responden mengisi data dan menghasilkan 2 jenis kluster tersebut. Adapun hasil dari proses klustering adalah sebanyak 1303 data masuk kategori kluster 0 atau sebesar 65% dan 697 data masuk kategori kluster 1 atau sebesar 35%. Kata Kunci— Data Mining, Klustering, K-MeansData processing can be done in many ways and techniques. The role of data is now very important for a company or service provider for customers. The importance of data now makes data processing carried out independently using existing data mining methods. Some methods that can be applied include classification, prediction and clustering. Each of these techniques has results that can be used as a reference for evaluation and better planning. This study applies clustering techniques, namely separating and grouping data based on clusters. In clustering there are many algorithms or methods that can be applied, one of which is K-Means Klustering. K-Means algorithm is an algorithm that is widely used to group data. The results of this study are divided into 2 clusters, namely Cluster 0, which is satisfied and Cluster 1, which is not satisfied or neutral. Clustering is based on a dataset that is owned by where the respondent fills in data and produces 2 types of clusters. The results of the clustering process are as many as 1303 data in the category of cluster 0 or 65% and 697 data in the category of cluster 1 or 35%. Keywords— Data Mining, Clustering, K-Means
Exploratory Data Analysis & Booking Cancelation Prediction on Hotel Booking Demands Datasets Pujo Hari Saputro; Herlino Nanang
Journal of Applied Data Sciences Vol 2, No 1: JANUARY 2021
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v2i1.20

Abstract

Online ordering is the latest breakthrough in the hospitality industry, but when it comes to booking cancellations, it has a negative impact on it. To reduce and anticipate an increase in the number of booking cancellations, we developed a booking cancellations prediction model using machine learning interpretable algorithms for hotels. Both models used Random Forest and the Extra Tree Classifier share the highest precision ratios, Random Forest on the other hand has the highest recall ratio, this model predicted 79% of actual positive observations. These results prove that it is possible to predict booking cancellations with high accuracy. These results can also help hotel owners or hotel managers to predict better predictions, improve cancellation regulations, and create new tactics in business.
Selection Index (PSI) Method in Developing a Student Scholarship Decision Support System Nur Arifin; Pujo Hari Saputro
International Journal of Computer and Information System (IJCIS) Vol 3, No 1 (2022): IJCIS : Vol 3 - Issue 1 - 2022
Publisher : Institut Teknologi Bisnis AAS Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/ijcis.v3i1.55

Abstract

Scholarships are the provision of financial assistance for students or students with the aim that these students can continue their education that is being achieved. Decision Support System (DSS) is a system that can provide a problem or a communication capability for problems in unstructured and semi-structured conditions. The Preference Selection Index (PSI) method was developed by Maniya Bhatt (2010) to solve multiple decision criteria (MCDM). In the proposed method of weighting it is not necessary to assign relative importance between attributes, in fact, there is no need for attributes involved in decision making in this method. Compared to other MCDM methods, the PSI method is easier to reach because it involves fewer numerical calculations..
KLASIFIKASILAGU DAERAH INDONESIA BERDASARKANLIRIKMENGGUNAKANMETODE TF-IDF DAN NAÏVE BAYES Pujo Hari Saputro; Michael Aristian; Dyah ListianingTyas
Jurnal Teknologi Informasi dan Terapan Vol 4 No 1 (2017)
Publisher : Jurusan Teknologi Informasi Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/jtit.v4i1.20

Abstract

Penelitian ini merupakan salah satu upaya untuk mengklasifikasikan lagu daerah di Indonesia berdasarkan daerahnya. Pengklasifikasian ini diharapkan bisa menjadi salah satu cara untuk mengetahui dan memetakan lagu-lagu daerah di Indonesia sehingga bangsa Indonesiadapat mengenali budayanya sendiri. Jumlah data yang digunakan dalam penelitian ini adalah 90 lagu dari berbagai daerah. Lagu daerah akan diklasifikasikan berdasarkan daerahnya. penelitian ini akan mengujimetodeekstraksi fitur term frequency – inverse document frequency (TF-IDF) dan snaïvebayessebagai metode klasifikasinya. Penelitian ini membuktikan bahwa metode ekstraksi TF-IDF dan klasifikasi dengan naïve bayes dapat digunakan untuk melakukan klasifikasi lirik lagu daerah berdasarkan daerah lagunya dengan akurasi sebesar 73,4% pada set Indonesia Barat dan Indonesia Timur.