Refine Search

New Search

Advanced search

Journal Jurnal Eksplora Informatika

-
39 articles
Page of 4
Articles per Page
by
Show export options
  Select all
Sciprofile linkM. Azman Maricar, Dian Pramana
Published: 31 March 2020
Jurnal Eksplora Informatika, Volume 9, pp 124-129; doi:10.30864/eksplora.v9i2.326

Abstract:
Dalam setiap membangun suatu sistem, sangat penting untuk memastikan bahwa sistem yang telah dibangun tersebut mampu digunakan dengan mudah oleh penggunanya. Untuk mengetahui seberapa mudah suatu sistem dapat digunakan, dapat dilakukan pengujian usability. Salah satu metode yang dapat digunakan dalam pengujian usability adalah System Usability Scale (SUS). Dalam penelitian ini dilakukan pengujian usability dengan metode tersebut terhadap sistem peramalan untuk meramalkan rentang waktu kerja alumni ITB STIKOM Bali. Rentang waktu kerja yang dimaksud adalah seberapa lama alumni ITB STIKOM Bali mendapatkan pekerjaan selepas mereka wisuda. Total responden yang digunakan adalah 105 responden. Dari pengujian tersebut didapatkan skor 67, kemudian skor tersebut diinterpretasikan dalam tiga jenis. Pertama interpretasi Acceptability Ranges, skor tersebut masuk ke range Marginal/Marginal-High. Kedua, interpretasi Grade Scale, skor tersebut masuk ke grade D. Dan ketiga, interpretasi Adjective Rating, skor tersebut masuk ke rating OK yang hampir mendekati Good. Skor 67 menandakan bahwa sistem yang telah dibangun masih harus diperbaiki agar mampu diterima dengan baik oleh penggunanya.
Published: 31 March 2020
Jurnal Eksplora Informatika, Volume 9, pp 105-110; doi:10.30864/eksplora.v9i2.323

Abstract:
Wilayah kota Depok merupakan kota yang berkembang dari berbagai sektor. Salah satunya adalah sektor wisata kuliner. Wisata kuliner di wilayah kota Depok berkembang cukup pesat. Banyak tempat-tempat yang menjual berbagai jenis makanan, dari kaki lima sampai tempat modern. Banyaknya wisata kuliner di wilayah kota Depok menjadi masalah tersendiri dalam menentukan lokasi yang tepat untuk berkuliner. Dari banyaknya wisata kuliner, maka dibutuhkan suatu sistem pengambilan keputusan yang dapat membantu menentukannya. Dengan Simple Additive Weighting (SAW) menjadi sistem pengambilan keputusan pada permasalahan ini. Proses SAW dengan melakukan pencarian jumlah terbobot dari kinerja hasil proses penghitungan pada tiap alternatif. Kelebihan SAW menjadi pemecah permasalahan pemilihan wisata kuliner. Kriteria yang digunakan antara lain Lokasi, Harga, Transportasi, Jarak, Fasilitas, Parkir, Variasi Menu, dan Waktu Operasional. Alternatif lokasinya antara lain Pondok Laras, Mang Engking, Saung Talaga, Mang Kabayan, Warung SS Spesial, Daebak Fan Cafe, Soto Bu Tjondro, Warung Pasta Depok, Ayam Bakar Christina, Café Hello Bingsu, dan What’s Up. Hasil dari penghitungan metode SAW diperoleh rekomendasi wisata kuliner di wilayah Depok adalah Warung Pasta Depok dengan nilai 0,93.
Published: 31 March 2020
Jurnal Eksplora Informatika, Volume 9, pp 140-153; doi:10.30864/eksplora.v9i2.333

Abstract:
Penggunaan mobile banking meningkat seiring dengan kemajuan teknologi. Hampir setiap bank di Indonesia memiliki layanan mobile banking, termasuk BNI. Menurut survei dari Top Brand Award, BNI Mobile Banking menurun menjadi nomor 4 pada tahun 2016 dan 2017. Artinya terdapat relasi yang kuat antara ulasan pemakai aplikasi terhadap kinerja aplikasi. Dengan demikian membawa akibat pada pentingnya mempertahankan kualitas layanan serta kemampuan untuk bersaing dengan bank lain. Beberapa penelitian analisis sentimen sebelumnya belum melihat ketersediaan apakah dataset sudah dieksplorasi keseimbangannya atau tidak untuk meningkatkan performa model yang dipilih. Oleh karena itu, dalam artikel ini mencoba melakukan analisis sentimen pada ulasan pengguna aplikasi BNI Mobile Banking di Google Play sebanyak 6954 data terpilih dengan label positif dan negatif dan menggunakan 7 metode dasar sebagai baseline untuk dipilih satu yang mempunyai performa terbaik yitu Support Vector Classifier, setelah dilakukan resampling dataset dengan Repeated Edited Nearest Neighbours dan hyperparameter model C=1, degree=2 kernel poly didapatkan akurasi sebesar 98.54% pada data training dan akurasi 100% pada data uji. Selanjutnya dari 26 data mentah baru dilakukan eksperimen dan menghasilkan prediksi benar sebesar 19 sementara 7 salah dengan error rate sebesar 27%.
Published: 31 March 2020
Jurnal Eksplora Informatika, Volume 9, pp 154-162; doi:10.30864/eksplora.v9i2.367

Abstract:
Sistem crafting sebagai mekanik utama dapat menjadi solusi mengatasi kemonotonan gameplay dalam suatu serious game. Sistem crafting dapat diaplikasikan dalam game aritmatika yang mempunyai banyak materi berupa perhitungan. Permasalahan yang terjadi adalah sistem crafting yang kombinasi itemnya sedikit dan sudah diketahui sebelumnya sehingga membuat pemain game cepat merasa bosan, oleh karena itu perlu dirancang sebuah sistem crafting yang dinamis menggunakan kecerdasan buatan. Logika fuzzy adalah metode dalam kecerdasan buatan yang dapat menangani permasalahan yang bersifat intuitif. Metode tersebut digunakan dalam penelitian ini untuk membuat hasil dari kombinasi item dalam sistem crafting menjadi lebih terlihat dinamis dan tidak monoton. Item yang dikombinasikan dalam penelitian ini berupa batuan dan menggunakan parameter masukan berupa nilai dari batuan dasar untuk perhitungan dalam menentukan kualitas batu yang dihasilkan. Sedangkan nama atau jenis batu baru yang dihasilkan ditentukan dari nama batuan dasar yang digunakan dan sudah ditentukan sebelumnya supaya terlihat lebih bervariasi. Sistem crafting ini akan diterapkan dalam serious game berupa game pendidikan aritmatika dasar. Hasil dari penelitian ini yaitu sistem fuzzy berhasil menciptakan batu baru dengan kualitas yang lebih variatif, tidak monoton dan lebih terlihat dinamis sesuai dengan nilai dari batu dasar yang digunakan untuk crafting.
Published: 31 March 2020
Jurnal Eksplora Informatika, Volume 9, pp 111-123; doi:10.30864/eksplora.v9i2.306

Abstract:
Sebagai alternatif Global Positioning System (GPS) yang berbasis satelit, jaringan seluler yang tersebar di berbagai daerah bisa digunakan untuk penentuan lokasi seperti Enhanced Observed Time Difference (EOTD) yang merupakah teknik penentuan lokasi menggunakan perangkat seluler seperti Base Transceiver Station (BTS) dan Mobile Station (MS). Sistem EOTD membutuhkan komponen tambahan BTS berupa Location Measurement Unit (LMU) dan Serving Mobile Location Center (SMLC). LMU berfungsi memberitahu MS tentang waktu pengiriman sinyal sedangkan SMLC berfungsi sebagai server yang menerima request dari MS dan LMU. Jarak antara MS dan BTS bisa diperkirakan dengan mengalikan selisih waktu dengan kecepatan cahaya. Dengan menggunakan dua buah jarak dari dua buah BTS, maka dua buah hiperbola bisa dibuat dengan titik pusat pada masing-masing koordinat BTS. Posisi dari MS bisa ditentukan dari titik temu dua hiperbola tersebut. Evaluasi teknik penentuan lokasi ini dilakukan dengan simulasi pada berbagai kondisi medan mulai dari kondisi diam dan bergerak dengan kecepatan tertentu dengan frekuensi carrier yang beragam. Sebagai perbandingan, untuk kondisi Non-Line of Sight (NLOS) pada model kanal urban 3GPP, simulasi sistem yang menggunakan laterasi dua buah kurva hiperbola dengan selisih pengukuran maksimum 0.0148 Km yang lebih akurat daripada metode pembanding Estimated-Time of Arrival (ETOA) dengan selisih pengukuran maksimum 0.31858 Km.
Sciprofile linkRizqa Luviana Musyarofah, Ema Utami Utami, Suwanto Raharjo Raharjo
Published: 31 March 2020
Jurnal Eksplora Informatika, Volume 9, pp 130-139; doi:10.30864/eksplora.v9i2.360

Abstract:
Komentar di Instagram sangat berharga, informatif dan sangat membantu. Bagi penjual komentar adalah fitur yang menunjukkan respons pengguna Instagram terhadap produk yang ditawarkan, dan melalui fitur komentar penjual dapat menemukan pelanggan yang potensial. Manfaat tersebut diperoleh apabila penjual melakukan analisis pada komentar di toko Instagram-nya. Sangat dimungkinkan untuk menganalisis secara manual apabila data komentar pada tokonya berjumlah sedikit namun apabila komentar yang dimiliki banyak maka akan lebih cepat apabila menggunakan sistem. Banyaknya spam dapat mengganggu informasi yang ada pada komentar, sehingga tidak menjamin banyaknya komentar pada sebuah posting-an maka banyak pula yang ingin membeli produk tersebut. Oleh karena itu dibutuhkan sistem yang bisa memfilter komentar agar penjual dapat menemukan pelanggan yang tepat untuk produknya. Penelitian ini menggunakan algoritma TF-IDF untuk mengklasifikasikan komentar ke dalam 2 kelas (potensial dan tidak potensial) dan memperoleh akurasi sebesar 80%, presisi 0,76 dan recall 0,94. Berdasarkan hasil penelitian pada 294 komentar, 27% di antaranya adalah komentar tidak potensial. Kata yang menunjukkan minat beli seseorang adalah “berapa”, ”kak”, ”ada”, dan ”tidak”, sedangkan kata dominan pada komentar tidak potensial adalah kata “mention” yang menunjukkan aktivitas mention.
Published: 31 March 2020
Jurnal Eksplora Informatika, Volume 9, pp 163-172; doi:10.30864/eksplora.v9i2.336

Abstract:
Mesin pendeteksi uang kertas menjadi salah satu objek yang diperhatikan untuk diteliti dan dikembangkan. Mesin pendeteksi uang kertas Indonesia yang ditemukan seperti di stasiun kereta api di suatu kota, terdapat kegagalan dalam mengenali nilai uang kertas tertentu. Tujuan dari penelitian ini adalah membangun model dari pengenalan nilai uang kertas menggunakan K-Nearest Neighbor (KNN) yang merupakan metode yang paling sederhana dan paling penting dalam pengenalan pola, hal ini ditunjukkan pada akurasi yang diperoleh lebih tinggi dibandingkan metode lainnya seperti Artificial Neural Networks (ANN) dan Feedforward Neural Network (FNN). Model yang diusulkan menggunakan ekstraksi fitur, terdapat beberapa fitur yang digunakan untuk pengenalan uang kertas seperti yang pernah dilakukan menggunakan ekstraksi fitur tekstur. Penelitian ini menggunakan ekstraksi fitur warna. Warna memberikan informasi yang berarti dan nilai-nilai yang penting dalam proses mendeskripsikan suatu objek. Warna yang digunakan adalah Red, Green, Blue (RGB). Hasil disajikan pada dataset 40 gambar uang kertas yang terdiri dari pecahan 2000 rupiah keluaran lama, 2000 rupiah keluaran baru, 5000 rupiah keluaran lama, dan 5000 rupiah keluaran baru. Pendekatan yang diusulkan terlihat kinerja yang cukup baik dengan menggunakan metode KNN. Dari 16 data uji menunjukkan 15 objek uang kertas berhasil dideteksi dengan benar. Akurasi yang dihasilkan sebesar 93,7% dengan nilai K=5.
Herpendi Herpendi, Agustin Noor, Rabini Sayyidati
Published: 31 March 2020
Jurnal Eksplora Informatika, Volume 9, pp 96-104; doi:10.30864/eksplora.v9i2.270

Abstract:
Pemborosan pemakaian listrik terjadi di antaranya pada kebiasaan masyarakat yang membiarkan televisi dalam keadaan mode standby dan meninggalkan televisi dalam keadaan menyala saat tidak ditonton. Televisi yang menyala mengonsumsi listrik hingga 110 watt/jam dan mode standby sebesar 10.96 watt/jam. Kebiasaan ini jika tidak ditanggulangi maka akan memberikan dampak dalam hal persediaan listrik. Penelitian ini bertujuan mengembangkan sebuah sistem yang dapat mengendalikan tombol power on/off dan stop kontak televisi lewat Smartphone Android dan internet. Sistem dibangun menggunakan metode Waterfall dengan tahapan Analisis, Desain, Pengodean, dan Pengujian. Pengendalian dapat dilakukan dengan menekan tombol, perintah suara dan pengaturan waktu pada Smartphone Android. Pengendalian juga dapat dilakukan dengan media internet dengan mengakses URL dan pemilihan button on/off pada website. Pengujian menunjukkan respons waktu pengendalian kurang dari 1 detik dengan jarak di bawah 11 meter menggunakan Smartphone Android dan 1-3 detik dengan media internet. Konsumsi listrik dari hardware yang dibangun sebesar 30 watt/jam. Pemilik televisi dapat menghemat listrik lewat sistem yang dibangun khususnya yang terbiasa tertidur di depan televisi dan lupa mematikan televisi ketika meninggalkan rumah hingga 60 watt/hari.
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 60-69; doi:10.30864/eksplora.v9i1.254

Abstract:
Dalam penelitian ini akan dilakukan analisis sentimen terhadap calon presiden Indonesia tahun 2019 berdasarkan komentar publik di jejaring sosial Facebook. Selanjutnya akan melalui beberapa tahapan dalam melaukan analisis sentimen, antara lain adalah tahap pengumpulan data, data correction, preprocessing data, dan klasifikasi menggunakan Naïve Bayes Classifier serta dilakukan asosiasi teks. Hasil dari penelitian ini diperoleh bahwa calon presiden Joko Widodo didapatkan postingan sebanyak 40 data dan calon presiden Prabowo Subianto didapatkan 12 data postingan dengan pengumpulan data pada tanggal 17 april 2019 sampai 22 mei 2019. Dari data sebanyak 5.000 komentar yang dipilih secara acak dan melalui tahap preprocessing menghasilkan polaritas sentimen, Joko Widodo memeperoleh 85% untuk sentimen positif, 15% sentimen negatif. Sedangkan Prabowo Subianto memperoleh 76% sentimen positif, dan 24% sentimen negatif. Untuk hasil klasifikasi menggunakan Naïve Bayes Classifier memperoleh hasil tingkat akurasi sebesar 86,4%, serta kata yang berasosiasi dengan kata masyarakat terhadap Joko Widodo didapatkan kata upaya, mental, dan kondisi untuk sentimen positif dan kata pemerintahan, pembangunan, kelompok untuk sentimen negatif. Sedangkan yang berasosiasi dengan kata masyarakat terhadap Prabowo Subianto didapatkan kata sistem, berkomitmen, dan kritis untuk sentimen positif dan kata bodohi, kelayakan, diusung untuk sentimen negatif.
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 1-10; doi:10.30864/eksplora.v9i1.237

Abstract:
Pemilihan umum presiden yang diselenggarakan setiap lima tahun sekali merupakan momen yang penting untuk mewujudkan demokrasi dalam Negara Kesatuan Republik Indonesia. Penyampaian dukungan dilakukan baik tim sukses, buser maupun pendukung untuk mencitrakan positif calon masing-masing. Berbagai media digunakan salah satunya adalah Twitter, masyarakat menyampaikan komentar positif dan negatif bahkan cenderung “kampanye hitam” dan hoax sebelum pemilu dilaksanakan maupun saat pemilu sedang berlangsung mengenai pemilu yang diadakan, komentar di Twitter saat ini belum dapat ditentukan lebih ke arah positif atau negatif, oleh karena itu perlu dilakukan analisis sentimen untuk mengetahui kecenderungan opini masyarakat terhadap pemilu. Tujuan dari penelitian ini memperoleh analisis dokumen text untuk mendapatkan sentimen positif atau negatif. Metode yang digunakan K-Means untuk melakukan klastering pada data latih dan Naive Bayes classifier untuk mengklasifikasi pada data testing. Hasil dari pembobotan ini berupa sentimen positif dan negatif. Data diambil dari Twitter mengenai pemilu presiden 2019 sebanyak 500 data tweet. Dari hasil pengujian 100 dan 150 data uji diperoleh akurasi rata-rata 93.35% dan error rate sebesar 6.66%.
Page of 4
Articles per Page
by
Show export options
  Select all