cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Moh. Dasuki
Contact Email
moh.dasuki22@unmuhjember.ac.id
Phone
+6281330472493
Journal Mail Official
jasie@unmuhjember.ac.id
Editorial Address
Jl. Karimata 49, Kab. Jember, Provinsi Jawa Timur, 68121
Location
Kab. jember,
Jawa timur
INDONESIA
Jurnal Aplikasi Sistem Informasi dan Elektronika
Published by Universitas Muhammadiyah Jember
ISSN : 2714612X     EISSN : 27981509     DOI : https://doi.org/10.32528/jasie.v3i1
Core Subject : Science,
Computer Science & IT
Journal of Information Systems and Electronics Applications is a media publication of scientific work in the field of electronics technology and information systems which can be in the form of analysis, development, or technology applications in that field.
Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Lunak
Articles 54 Documents
 2   3   4   5   6 
ANALISIS BIG DATA DENGAN METODE MULTINOMIAL NAÏVE BAYES TERHADAP KLASIFIKASI MEDIA PEMBERITAAN Asfik Alfain; Hardian Oktavianto; Yeni Dwi Rahayu
IPTEQ Vol 3, No 2 (2021): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v3i2.8522

Abstract

Media pemberitaan merupakan sebuah sebaran informasi berupa fakta yang disebarkan melalui media online, cetak, maupun siaran televisi dan radio. Saat ini media yang paling diminati adalah berbasis internet yang tersusun atas beberapa kategori berita contohnya kesehatan, seleb, news, olahraga, otomotif, travel, musik, dll. Pengklasifikasian artikel berita saat ini masih dilakukan secara manual sehingga memerlukan banyak waktu. Solusi yang diperlukan adalah sebuah sistem yang dapat mengklasifikasi artikel berita dengan otomatis. Pengklasifikasian ini menggunakan metode Multinomial Naïve Bayes dengan jumlah 19.200 dataset kemudian diukur dengan menggunakan confusion matrix dan diperoleh tingkat akurasi tertinggi sebear 74%, presisi 98%, recall 93%.
ANALISIS DAN PENGEMBANGAN USER INTERFACE DAN USER EXPERIENCE BERBASIS METODE LEAN UX PADA APLIKASI SISTEM INFORMASI AKADEMIK MOBILE Muhammad Rivansyah; Deni Arifianto; Wiwik Suharso
IPTEQ Vol 4, No 2 (2022): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v4i2.19025

Abstract

SIA UMJ Mobile adalah aplikasi sistem informasi akademik berbasis mobile merupakan aplikasi sistem informasi  akademik android yang dimiliki universitas Muhammadiyah Jember yang untuk membantu mencari informasi yang berkaitan dengan perkuliahan yang bisa diakses di manapun, kapanpun. Aplikasi ini telah dilakukan pre-research kepada 99 responden pengguna aplikasi dan menggunakan metode perhitungan UEQ (User Experience Questionnaire) dan menghasilkan nilai mean skala UEQ yaitu Attractiveness (0,414), Perspicuity (0,528), Effeciency (0,381), Dependability (0,326), Stimulation (0,109), Novelty (-0,013) yang apabila di ukur dengan mean rata rata perhitungan berbagai kumpulan data analisis tools UEQ adalah bad atau buruk. Oleh karena itu penelitian ini bertujuan meningkatkan nilai mean UEQ dengan melakukan redesign yang berdasarkan asumsi oleh ahli design dengan menggunakan metode Lean UX. Lean UX ialah metode berpusat pada UX yang berfokus pada pemangkasan proses yang tidak dibutuhkan dalam siklus pengembangan yang dihasilkan. Penerapan metode Lean UX meliputi Declare asumptions, create minimum viable product, run on experiments, feedback research. Hasil dari perbaikan menggunakan metode Lean UX yang telah dilakukan redesign mendapatkan nilai mean UEQ yaitu Attractiveness (1,714), Perspicuity (1,674), Effeciency (1,556), Dependability (1,614), Stimulation (1,417), Novelty (0,985) yang dapat dibandingkan dengan berbagai data di tools UEQ bernilai good.
KLASIFIKASI SENTIMEN ULASAN PELANGGAN LAYANAN EKSPEDISI MENGGUNAKAN ALGORITMA NAÏVE BAYES Amada Uzlyva Almie; Agung Nilogiri; Ari Eko Wardoyo
IPTEQ Vol 4, No 1 (2022): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v4i1.21022

Abstract

Pemanfaatan media sosial twitter memiliki potensi besar dalam menghasilkan informasi, dari banyaknya jumlah opini dari masyarakat yang didapatkan, diperlukan analisis sentimen untuk mengklasifikasikan opini tersebut agar memudahkan dalam menemukan kecenderungan opini dari ulasan pengguna ekspedisi guna mengetahui seberapa besar persentase sentimen positif, dan negatif. Penelitian ini akan membandingkan antara model klasifikasi multinomial naïve bayes dan gaussian naïve bayes tanpa dan dengan menerapkan teknik balancing untuk mengatasi imbalance data. Hasil akurasi yang didapatkan pada metode multinomial naïve bayes tanpa menggunakan teknik balancing hasil akurasi sebesar 95%, sedangkan dengan random undersampling sebesar 95%, dan untuk random oversampling sebesar 97%. Pada metode gaussian naïve bayes tanpa menggunakan teknik balancing hasil akurasi sebesar 85%, sedangkan dengan random undersampling sebesar 80%, dan untuk random oversampling didapatkan hasil akurasi sebesar 93%.
ANALISIS ALGORITMA GAUSSIAN NAÏVE BAYES TERHADAP KLASIFIKASI DATA PASIEN DEMAM TIFOID (TYPHOID FEVER) DI PUSKESMAS BALUNG JEMBER Dimas Widia Adi Nugroho; Hardian Oktavianto; Dewi Lusiana
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.21076

Abstract

Penelitian ini bertujuan untuk menganalisis algoritma Gaussian Naïve Bayes dalam klasifikasi data pasien demam Tifoid di Puskesmas Balung Jember. Data yang digunakan terdiri dari 515 pasien, dengan partisi data menggunakan 20% sebagai data uji dan 80% sebagai data latih. Pemodelan data dilakukan dengan skenario K Fold Cross Validation menggunakan nilai k = 2, 4, 5, 8, dan 10. Untuk mengatasi ketidakseimbangan data digunakan metode Synthetic Minority Over Sampling Technique (SMOTE) sehingga menjadi 337 data. Hasil pemodelan menggunakan skenario K Fold Cross Validation menunjukkan bahwa nilai rata-rata akurasi tertinggi sebesar 89,61%, nilai rata-rata presisi tertinggi sebesar 90,07%, dan nilai rata-rata recall tertinggi sebesar 89,62%. Pengujian model Gaussian Naïve Bayes yang dibangun menghasilkan akurasi sebesar 94%, presisi sebesar 90%, dan recall sebesar 93%. Pengujian juga dibandingkan dengan metode Baseline, yaitu Random Guess dan Threshold. Metode Gaussian Naïve Bayes menunjukkan hasil yang lebih unggul dibandingkan dengan Random Guess, dengan akurasi pemodelan sebesar 49,85% dan pada pengujian sebesar 37,86%. Selain itu, model Gaussian Naïve Bayes juga unggul dibandingkan dengan metode threshold, dengan akurasi pemodelan sebesar 73,3% dan pada pengujian sebesar 75,73%. Penelitian ini menunjukkan bahwa algoritma Gaussian Naïve Bayes efektif dalam klasifikasi data pasien demam Tifoid. Penggunaan SMOTE sebagai metode penyeimbang data juga berhasil meningkatkan performa model. Penelitian ini memberikan kontribusi dalam pemahaman dan penerapan algoritma klasifikasi untuk analisis data pasien demam tifoid.

Page 6 of 6 | Total Record : 54

 2   3   4   5   6 

Filter by Year

2019 2023


Reset
Filter By Issues
All Issue Vol 5, No 1 (2023): JASIE Vol 4, No 2 (2022): JASIE Vol 4, No 1 (2022): JASIE Vol 3, No 2 (2021): JASIE Vol 3, No 1 (2021): JASIE Vol 2, No 2 (2020): JASIE Vol 2, No 1 (2020): JASIE Vol 1, No 2 (2019): JASIE Vol 1, No 1 (2019): JASIE