Article Per Year (5 Year)
p-Index From 2019 - 2024
1.512
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Eka Permana, Sandy
Unknown Affiliation
Computer Science & IT

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
ANALISIS SENTIMEN KOMENTAR POLITIK DI MEDIA SOSIAL X DENGAN PENDEKATAAN DEEP LEARNING Liawati, Ayu; Narasati, Riri; Solihudin, Dodi; Lukman Rohmat, Cep; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8248

Abstract

Media sosial, sebagai platform utama interaksi dan berbagi informasi, memberikan peluang bagi Masyarakat untuk mengungkapkan sudut pandang mereka. Salah satu contoh yang popular adalah media sosial X, suatu jejaring sosial yang memungkinkan penggunanya berbagi pesan singkat yang mencakup teks, gambar, video, dan tautan. Dampak media sosial sangat terasa, khususnya dalam konteks politik di mana penyebaran informasi dan alur komunikasi semakin mudah. Meskipun demikian, adanya peristiwa negatif seperti penyebaran informasi palsu dan ujaran kebencian memberikan tantangan yang perlu diatasi melalui analisis sentimen. Media sosial memainkan peran penting dalam membentuk opini publik. Proses penggalngan dukungan melalui media sosial X telah mempercepat penyebaran pesan politik. Oleh karena itu, analisis sentimen menjadi penting untuk memahami pandangan dan sikap masyarakat di media sosial terkait isu-isu tertentu. Maka berfokus pada analisis sentimen terhadap komentar politik di media sosial X dengan menggunakan metode Convolutional Neural Network (CNN) pemanfaatan model pelatihan Word2Vec. Analisis ini menunjukan bahwa model yang digunakan mampu memberikan hasil analisis sentimen dengan kinerja yang memuaskan, memberikan pemahaman yang lebih mendalam mengenai pandangan masyarakat terhadap permasalahan politik. Implikasi hasil ini dapat memberikan arahan bagi pengambil keputusan politik dan praktis yang tertarik memanfaatkan teknik deep learning dalam menganalisis sentimen, bukan hanya dalam konteks politik, melainkan juga dalam berbagai disiplin lainnya. Hasil yang telah dilakukan dengan menggunakan algoritma Convulation Neural Network menunjukan nilai akurasi tebaik yaitu 81%.
PENERAPAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI UNTUK IDENTIFIKASI POLA PEMBELIAN Wijaya, Arya; Faqih, Ahmad; Solihudin, Dodi; Rohmat, Cep Lukman; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8270

Abstract

Transaksi penjualan dalam dunia bisnis seringkali mengalami peningkatan penjualan yang melonjak, dalam hal ini perusahaan-perusahaan memiliki data penjualan bulanan yang terarsip, Masalah yang seringkali terjadi yaitu tidak teratur nya pada penyesuaian stok barang, Data Mining adalah sebuah kegiatan pengolahan data untuk mengenali pola pembelian atau kecenderungan pelanggan terhadap produk penjualan. Penelitian ini bertujuan melibatkan pertanyaan tentang bagaimana algoritma Apriori dapat diterapkan secara efektif untuk mengungkap pola pembelian yang signifikan dalam data transaksi penjualan. studi ini mendiskusikan pentingnya pemahaman pola pembelian dalam bisnis, termasuk manfaatnya untuk rekomendasi produk, strategi pemasaran, dan pengelolaan persediaan. Metode yang digunakan adalah pengumpulan data transaksi penjualan, dengan menggunakan metode KDD dengan algoritma apriori tahapan yang dilakukan antara nya seleksi data, preprocessing data, transformasi data, Data mining, evaluasi. Penggunaan algoritma Apriori untuk mengidentifikasi itemset yang sering muncul bersama dalam transaksi, serta menentukan ambang batas dukungan yang relevan. Hasil dan Diskusi menyoroti pola pembelian yang berhasil diidentifikasi dan menggambarkan implikasinya dalam konteks bisnis, seperti peningkatan penjualan, efisiensi persediaan, dan pengembangan strategi pemasaran yang lebih cermat. Untuk menguji hasil penelitan ini digunakan nilai minimum Support 3% dan nilai Confidence 50% serta tahap evaluasi menggunakan lift ratio minimum 100% dari hasil pengujian tersebtut terdapat beberapa yang memenuhi syarat aturan asosiasi. Misalnya kombinasi, medialuna dan coffee yang memiliki nilai Support 3,5%, nilai Confidence 57% dan nilai lift ratio 120%, Implikasi dari hasil penemuan pola pembelian ini bisa dijadikan strategi penjualan Contohnya, saran untuk penempatan produk, promo khusus untuk produk dan manajemen stok yang efisien.
PEMETAAN OPINI PUBLIK TERHADAP PERUBAHAN KEBIJAKAN BPJS KESEHATAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE(SVM) DALAM ANALISIS SENTIMEN Damayanti, Damayanti; Indriya Efendi, Dendy; Solihudin, Dodi; Rohmat, Cep Lukman; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8304

Abstract

Perubahan kebijakan iuran BPJS Kesehatan kerap menjadi topik hangat di dunia maya. Riset ini bertujuan untuk melakukan analisis sentimen terkait perubahan iuran BPJS Kesehatan dengan memanfaatkan algoritma Support Vector Machine (SVM). Fokus utama memahami respon masyarakat melalui komentar di media sosial, dimana SVM berperan dalam mengklasifikasikan sentimen teks, menyoroti pandangan masyarakat, dan mengidentifikasi potensi dampak kebijakan. Riset ini membincangkan aspek-aspek penting seperti analisis sentimen, implementasi SVM, dan kontribusi riset terhadap perkembangan metode analisis sentimen, pemahaman respons masyarakat terhadap perubahan kebijakan BPJS Kesehatan. SVM terbukti berhasil dengan tingkat akurasi mencapai 94.28%. Dalam mengevaluasi sentimen negatif, model SVM menunjukkan tingkat presisi, recall, dan F1-score mencapai 97% masing-masing. Sementara itu, untuk sentimen positif, presisi mencapai 35%, recall 42%, dan F1-score 39%. kesimpulan dari penelitian ini bahwa SVM memberikan kontribusi yang signifikan dalam menganalisis sentimen terkait kebijakan BPJS Kesehatan, khususnya dalam menghadapi sentimen negatif. Dampak praktisnya melibatkan peningkatan operasional BPJS Kesehatan berdasarkan evaluasi tanggapan masyarakat, dengan fokus peningkatan pelayanan dan komunikasi untuk mengurangi dampak negatif dan meningkatkan kepuasan pengguna. Penelitian ini menjadi dasar bagi pengambil kebijakan untuk keputusan yang responsif, sesuai harapan masyarakat. Latar belakang permasalahan menyoroti kompleksitas isu dan pentingnya pemahaman mendalam terhadap pandangan masyarakat terhadap perubahan kebijakan BPJS Kesehatan.
ESTIMASI PENJUALAN PADA TOKO DAMHIL CAKE AND BAKERY MENGGUNAKAN ALGORITMA REGRESI LINIER SEDERHANA DALAM MENENTUKAN STRATEGI PENJUALAN KUE KERING Kaslani, Kaslani; Putri Siti Nur Hajijah, Regi; Eka Permana, Sandy; Fatihanursari, Fatihanursari
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8433

Abstract

Damhil cake and Bakery merupakan perusahaan kecil dan menengah yang bergerak di bidang industri roti dan kue di tengah persaingan yang semakin ketat. Penelitian ini bertujuan untuk mengembangkan strategi penjualan kue kering di Toko Damhil cake and Bakery melalui estimasi hasil penjualan produk menggunakan algoritma regresi linier sederhana. Penelitian ini melibatkan pengumpulan data penjualan produk kue kering di Toko Damhil Cake and Bakery selama priode 1 tahun yaitu tahun 2022. Data ini mencakup informasi tentang harga produk, dan dampak musiman terhadap penjualan. Dalam analisis ini, algoritma regresi linier sederhana dengan pendekatan Knowledge Discorvery in Databases (KDD) digunakan untuk memodelkan hubungan antara variabel-variabel tersebut dengan hasil penjualan. Penelitian ini melibatkan analisis data historis penjualan kue kering, penerapan algoritma regresi linier sederhana untuk membangun model prediktif, dan penggunaan metode KDD untuk mengidentifikasi pola atau hubungan yang dapat meningkatkan strategi penjualan. Hasil estimasi penjualan diharapkan dapat membantu Toko Damhil cake and Bakery dalam mengambil keputusan yang lebih tepat terkait produksi, promosi, dan penetapan harga produk. Dengan menerapkan pendekatan ini, diharapkan toko dapat meningkatkan efisiensi operasionalnya dan merumuskan strategi penjualan yang lebih cerdas. adalah Hasil penelitian ini dapat memberikan jawaban terhadap permasalahan yang dirumuskan dalam latar belakang, yaitu kesulitan untuk menentukan strategi penjualan yang efektif, adapun relevensi dari penelitian ini yaitu bertujuan untuk membantu Toko Damhil Cake and Bakery untuk membuat keputusan yang lebih akurat dalam merencanakan strategi penjualan kue keringdan meningkatkan efisiensi bisnis. Hasil yang diperoleh dari prediksi penjualan kue kering untuk periode waktu tahun 2022 sebanyak 10.458pcs.
PERAMALAN HASIL PANEN PADI KABUPATEN CIREBON MENGGUNAKAN ALGORITMA REGRESI LINEAR BERGANDA Andia, Rita; Kaslani, Kaslani; Eka Permana, Sandy; Handayani, Tineka
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8446

Abstract

Pertanian telah lama menjadi sektor ekonomi yang signifikan di Indonesia. Pertanian berkontribusi dalam aspek perekonomian, kesejahteraan masyarakat dan pelestarian alam. Kabupaten Cirebon, sebagai bagian dari negara agraris, memiliki mayoritas penduduk yang menggeluti sektor pertanian, terutama dalam kegiatan bertani padi. Hasil produksi panen padi Kabupaten Cirebon mengalami fluktuasi setiap tahunnya, perubahan tersebut menjadi fokus pada penelitian ini. Pada tahun 2020 produksi padi Kabupaten Cirebon mencapai 709.105 Ton/GKP sedangkan pada tahun 2021 produksi padi mengalami penurunan menjadi 703.044 Ton/GKP. Kemudian pada tahun 2022 produksi padi mengalami penurunan kembali menjadi 701.059 Ton/GKP. Penurunan produksi padi selama dua tahun secara berurutan menimbulkan kekhawatiran akan produksi padi pada tahun yang akan datang. Tujuan dalam penelitian ini yaitu melakukan peramalan sebagai upaya untuk memberikan gambaran produksi padi pada tahun 2023 menggunakan algoritma regresi linear berganda dengan menerapkan tahapan Knowledge Discovery in Database (KDD). Regresi linear berganda merupakan teknik statistik yang digunakan untuk meramalkan nilai dari suatu indikator dependen (Y) berdasarkan lebih dari satu indikator independen (X). Hasil peramalan produksi padi tahun 2023 sebesar 685.403 Ton/GKP, dengan hasil evaluasi peramalan menggunakan matriks evaluasi yaitu MSE sebesar 1691845,33, RMSE sebesar 1300,70, MAE sebesar 844,70 dan R2-Score sebesar 0,99. Berdasarkan hasil peramalan, produksi padi tahun 2023 mengalami penurunan.
IMPLEMENTASI DATA MINING POLA PEMBELIAN DOMINOS PIZZA MENGGUNAKAN ALGORITMA APRIORI Eka Permana, Sandy; Salsa Nugraha, Ega; Handayani, Tineka; Rizki Rinaldi, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8694

Abstract

Studi ini bertujuan untuk menerapkan teknik data experience menggunakan algoritma apriori dalam menganalisis pola pembelian domino pizza. metode apriori digunakan untuk mengidentifikasi agregat yang sering terjadi untuk mengidentifikasi faktor dalam transaksi, sehingga memungkinkan peneliti menimbang sampel untuk memilih menu yang bermanfaat.data yang digunakan dalam studi yang diperoleh dari website kaggle termasuk riwayat transaksi pelanggan pembelian domino pizza. masalah yang dihadapi dominos pizza, tidak ada agregat penjualan di dominos pizza.untuk meningkatkan keuntungan perusahaan.salah satu hal yang harus diketahui dominos adalah pelanggan membeli pizza secara teratur.penerapan algoritma apriori ini harus memberikan efek yang berharga bagi perusahaan dominos pizza.tujuan penelitian ini adalah untuk memahami pembelian pizza dominos menggunakan pelajaran matematika apriori sehingga mendapatkan nilai dukungan dan kepercayaan terbaik menggunakan aplikasi rapidminer.hasil studi ini memiliki dukungan terbaik, yaitu spinach dan feta (brooklyn style) dengan nilai dukungan 0,30.untuk nilai kepercayaan pelengkap pembelian pizza terbaik jika anda membeli 6 pizza wisconsin keju, juga punya kesempatan membeli pizza crush crispy tipis dengan nilai trust 0.78.dari hasil ini dapat meningkatkan keuntungan usaha dominos pizza.
PENERAPAN DATA MINING PENGELOMPOKAN PRODUKTIVITAS PADI MENGGUNAKAN ALGORITMA K-MEANS PADA PROVINSI JAWA BARAT Wahyudin, Edi; Amir Rudin, Rizki; Kaslani, Kaslani; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8696

Abstract

Padi, sebagai makanan pokok di Indonesia, terus menghadapi peningkatan kebutuhan yang tidak sejalan dengan ketersediaan lahan pertanian di Jawa Barat. Belum adanya pemetaan produktivitas panen padi di setiap kabupaten atau kota menjadi tantangan bagi pemerintah provinsi. Penelitian ini menggunakan algoritma K-Means clustering dan aplikasi RapidMiner 10.2 yang mengacu metode penelitian Knowledge Discovery in Database (KDD) untuk mengelompokkan produktivitas padi di Jawa Barat, menghasilkan 18 cluster. Cluster 0 hingga 6 menunjukkan tingkat produktivitas tinggi, sementara cluster 9 adalah sedang. Informasi ini menjadi kontribusi berharga bagi pemerintah provinsi dalam merancang kebijakan pertanian dan pangan yang optimal untuk meningkatkan produktivitas padi di setiap daerah. Dengan demikian, hasil dari penelitian ini adalah diharapkan memberikan wawasan mendalam tentang potensi pertanian di kabupaten atau kota, membantu dalam perencanaan strategi tanam, dan mendorong optimalisasi luas area pertanian di Jawa Barat agar semakin maju lagi.
IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI CUACA MENGGUNAKAN RAPIDMINER Nur Kirana, Anita; Nurhakim, Bani; Eka Permana, Sandy; Prihartono, Willy; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8967

Abstract

Cuaca adalah kondisi udara di suatu tempat dalam waktu relatif singkat yang dinyatakan dengan nilai parameter oleh kecepatan angin, suhu, tekanan, curah hujan, dan faktor atmosfer lainnya. Keadaan cuaca dapat mempengaruhi berbagai aspek kegiatan manusia, termasuk transportasi, pertanian, perkebunan, pembangunan, dan bahkan aktivitas olahraga. Sehingga untuk memperoleh informasi cuaca yang dapat dimanfaatkan oleh masyarakat diperlukan pembuatan penentuan cuaca. Salah satu metode prediksi cuaca yang digunakan adalah dengan menggunakan algoritma Naive Bayes. Algoritma ini menghitung probabilitas dari setiap kelas untuk setiap atribut kelompok yang ada dan menentukan kelas yang paling optimal. Dengan kata lain, pengelompokan cuaca dapat dilakukan berdasarkan kategori yang diinputkan oleh pengguna pada aplikasi. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi cuaca dengan menerapkan metode data mining menggunakan algoritma Naive Bayes. Metode penelitian melibatkan pengklasifikasian data cuaca berdasarkan atribut kelompok seperti kecepatan angin, suhu, curah hujan, dan cuaca. Naive Bayes digunakan untuk menghitung probabilitas kelas cuaca berdasarkan input pengguna pada aplikasi. Hasil pengujian menunjukkan tingkat akurasi sebesar 84.26%, menunjukkan bahwa metode ini memiliki potensi untuk memberikan prediksi cuaca yang lebih akurat, yang dapat bermanfaat dalam berbagai aspek kegiatan manusia.
CLUSTERING JENIS SUMBER AIR DI PROVINSI JAWA BARAT MENGGUNAKAN ALORITMA K-MEDOIDS Apriliyani, Ela; Nurhakim, Bani; Eka Permana, Sandy; Dwilestari, Gifthera; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8982

Abstract

Air sangat penting bagi seluruh makhluk hidup di Bumi karena merupakan kebutuhan dasar yang harus dipenuhi dan dikonsumsi. Sumber air merupakan fondasi ekosistem dan keanekaragaman hayati. Terbatasnya ketersediaan air menunjukkan pentingnya melindungi dan mengelola penggunaannya secara bijaksana. Perubahan iklim dapat mempengaruhi siklus air di bumi. Dengan data sumber air yang di keluarkan dalam periode 1 tahun sekali oleh Dinas Pemberdayaan Masyarakat Tujuan penelitian ini adalah mengelompokkan jenis sumber air dengan metode K-Medoids dan menganalisis hasilnya dengan implementasinya menggunakan RapidMiner. Penelitian ini menghasilkan sebanyak 3 cluster, pada masing-masing cluster memiliki anggota yang berbeda. Cluster 0 memiliki 200 item, cluster 1 memiliki 96 items, dan cluster 2 memiliki 160 items yang, dengan total dari ketiga cluster tersebut sebanyak 456 items.
OPTIMALISASI KLASIFIKASI INDEKS DESA MEMBANGUN MENGGUNAKAN METODE ENSEMBLE DAN ALGORITMA RANDOM FOREST Rifai, Ahmad; Eka Permana, Sandy; Hamonangan, Ryan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10971

Abstract

Indeks Desa Membangun (IDM) adalah sistem klasifikasi yang digunakan untuk menentukan status pertumbuhan desa di Indonesia. Terdapat lima kategori status desa, yaitu desa mampu mandiri, desa telah berkembang, desa sedang dalam proses perkembangan, desa tertinggal, dan desa sangat tertinggal. IDM bertujuan membantu pembangunan desa dan memberikan saran kebijakan sesuai dengan status desa. Desa dengan status tertentu memerlukan intervensi kebijakan yang berbeda. Pertumbuhan desa terjadi jika status IDM meningkat dari tahun ke tahun, sedangkan jika status IDM menurun, maka desa tersebut mengalami penurunan. Penelitian ini menggunakan teknik ensemble, khususnya membangun banyak pohon keputusan pada setiap bootstrap data yang diambil dari data latih, mirip dengan metode Random Forest. Prediksi yang dihasilkan kemudian digabungkan untuk menghasilkan hasil akhir yang lebih akurat dan konsisten dalam klasifikasi desa berdasarkan IDM. Model ensemble ini dihasilkan secara iteratif dengan menyesuaikan bobot data yang salah diklasifikasikan oleh model sebelumnya sehingga akurasi klasifikasi desa pada setiap iterasi model menjadi lebih akurat dan dapat diandalkan. Hasil analisis data klasifikasi IDM menerapkan metode ensemble optimize parameters menunjukkan bahwa terdapat desa mandiri sebanyak 0,19%. Selain itu, empat desa memiliki indeks ketahanan sosial (IKS) tertinggi, enam desa memiliki indeks ketahanan ekonomi (IKE) tertinggi, dan tiga puluh desa memiliki indeks ketahanan lingkungan (IKL) tertinggi.
Co-Authors Ahmad Faqih Ahmad Rifai Amir Rudin, Rizki Andia, Rita Apriliyani, Ela Arya Wijaya, Arya Damayanti Damayanti Fatihanursari, Fatihanursari Gifthera Dwilestari Hamonangan, Ryan Handayani, Tineka Indriya Efendi, Dendy Kaslani Liawati, Ayu Lukman Rohmat, Cep Mulyawan, Mulyawan Narasati, Riri Narasati Nur Kirana, Anita Nurhakim, Bani Prihartono, Willy Putri Siti Nur Hajijah, Regi Rizki Rinaldi, Ade Rohmat, Cep Lukman Salsa Nugraha, Ega Solihudin, Dodi Wahyudin, Edi