Media Informatika

Analisis Bibliometrik Metode PROMETHEE untuk Pemilihan Smartphone

2024-07-24T11:20:53+07:00

Penelitian ini membahas penggunaan metode PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluation) untuk membantu memilih smartphone. Metode ini digunakan karena mampu menangani berbagai kriteria seperti harga, spesifikasi, dan fitur, yang sering membingungkan konsumen. Data penelitian dikumpulkan dari Google Scholar menggunakan aplikasi Publish or Perish untuk periode 2019–2024. Kemudian, data dianalisis menggunakan VOSviewer untuk menampilkan hubungan antara istilah-istilah yang sering muncul dalam penelitian terkait. Hasil penelitian menunjukkan bahwa metode PROMETHEE banyak digunakan dalam sistem pendukung keputusan dan terbukti membantu pengguna memilih smartphone dengan lebih mudah. Sebanyak 269 artikel ditemukan yang membahas tentang metode ini, mencakup berbagai aplikasi seperti penilaian produk dan rekomendasi pembelian. Artikel-artikel tersebut dikelompokkan berdasarkan tema tertentu, seeperti pemilihan produk elektronik dan aplikasi PROMETHEE di berbagai bidang. Hasil tersebut menunjukkan masih banyak yang menggunakan metode PROMETHEE untuk membantu dalam mempermudah proses pemilihan smartphone berdasarkan kebutuhan pengguna.

Analisis Sentimen Terhadap Pengguna Aplikasi Jamsostek Mobile pada Google Play Store Menggunakan Metode Naïve Bayes

2025-02-05T04:24:39+07:00

Dalam perkembangan teknologi informasi saat ini, aplikasi mobile telah menjadi bagian tak terpisahkan dari kehidupan sehari-hari, termasuk aplikasi Jamsostek Mobile (JMO) yang menyediakan layanan bagi pengguna Jamsostek. Ulasan pengguna di platform seperti Google Play Store sering kali menjadi sumber informasi penting yang mencerminkan kualitas dan kepuasan pengguna terhadap aplikasi. Namun, untuk dapat memahami sentimen yang terkandung dalam ulasan tersebut secara otomatis, diperlukan metode analisis sentimen yang efektif. Salah satu algoritma yang sering digunakan dalam analisis sentimen adalah Naive Bayes.

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi JMO di Google Play Store menggunakan algoritma Naive Bayes, dengan fokus untuk mengidentifikasi sentimen yang terkandung dalam ulasan tersebut serta mengevaluasi performa model dalam mengklasifikasikan sentimen. Metode yang digunakan dalam penelitian ini adalah Naive Bayes, yang diterapkan untuk mengklasifikasikan ulasan pengguna ke dalam kategori sentimen positif, negatif, dan netral. Data ulasan yang digunakan dalam penelitian ini diperoleh dari Google Play Store dengan periode pengambilan data antara September hingga Oktober 2024.

Hasil penelitian menunjukkan bahwa sebagian besar ulasan aplikasi JMO memiliki sentimen positif (74,1%), diikuti oleh sentimen negatif (25,9%). Namun, model ini menunjukkan kesulitan dalam mengidentifikasi kelas netral yang memiliki data yang sangat terbatas. Evaluasi model menghasilkan akurasi sebesar 86,06%, dengan precision, recall, dan F1-score yang cukup baik pada kelas positif dan negatif, namun kurang optimal pada kelas netral. Penelitian ini bertujuan untuk mengidentifikasi sentimen yang terkandung dalam ulasan pengguna aplikasi JMO, menerapkan metode Naive Bayes dalam analisis sentimen, serta mengukur kinerja algoritma dalam mengklasifikasikan sentimen tersebut. Hasil penelitian memberikan wawasan mengenai potensi dan keterbatasan metode Naive Bayes dalam analisis sentimen ulasan pengguna aplikasi JMO.

Model Sentimen Analisis Berdasarkan Ulasan Aplikasi Webtoon pada Google Play Store Ditingkatkan dengan Algoritma Random Forest

2025-02-05T04:23:20+07:00

Penelitian ini bertujuan untuk meningkatkan model analisis sentimen berdasarkan ulasan aplikasi Webtoon di Google Play Store dengan algoritma Random Forest. Data ulasan dikumpulkan melalui metode web scraping, mencakup teks ulasan, skor, dan tanggal. Proses praproses teks dilakukan, termasuk penghapusan stopwords, tokenisasi, stemming, dan normalisasi untuk menghasilkan data bersih dan terstruktur. Teknik TF-IDF digunakan untuk ekstraksi fitur, mengubah teks menjadi representasi numerik yang relevan bagi algoritma pembelajaran mesin.Random Forest dipilih karena kemampuannya menangani data kompleks dan mengurangi overfitting melalui pendekatan ensemble. Algoritma ini membangun beberapa pohon keputusan yang bekerja secara kolektif untuk memprediksi sentimen ulasan. Model dilatih dan diuji pada data yang telah dibagi, menghasilkan akurasi sebesar 67,5%. Evaluasi lebih lanjut menunjukkan bahwa Random Forest memberikan performa yang baik pada metrik precision, recall, dan F1-score, terutama dalam menangani keragaman bahasa informal pada ulasan pengguna.Hasil penelitian menunjukkan bahwa Random Forest mampu meningkatkan akurasi analisis sentimen dibandingkan model baseline seperti Naïve Bayes dan SVM. Penelitian ini memberikan kontribusi signifikan dalam memahami persepsi pengguna aplikasi Webtoon, membantu pengembang untuk meningkatkan layanan berdasarkan analisis sentimen yang lebih akurat. Selain itu, penelitian ini mendemonstrasikan potensi penerapan Random Forest dalam analisis data teks di platform digital dengan volume data besar.

Peningkatan Pembelajaran Anak melalui Game Edukatif Around the World ASEAN

2025-02-23T21:02:08+07:00

Around the World ASEAN adalah game edukatif yang dirancang untuk membantu anak-anak menjelajahi budaya dan kekayaan alam di Asia Tenggara. Game ini berfokus pada kurikulum pendidikan dasar dengan pendekatan interaktif. Penelitian ini menggunakan teori SDT dan metode ADDIE, serta menerapkan eksperimen pretest-posttest pada 10 siswa kelas 4 SDN Girimukti 2. Hasilnya menunjukkan peningkatan 20% dalam minat belajar dan keterampilan pemecahan masalah. Integrasi game edukatif terbukti efektif meningkatkan kualitas pendidikan anak di era digital.

Analisis dan Perancangan Sistem Informasi Penjualan dan Pengelolaan Stok Barang pada Divisi Lokal di Perusahaan PT Leading Garment

2025-04-14T00:17:17+07:00

Sistem informasi berperan penting dalam mengelola data perusahaan untuk menghasilkan informasi yang akan digunakan dalam pengambilan keputusan. Untuk mengatasi berbagai permasalahan yang ada di PT Leading Garment, maka dibuatlah rancangan sistem informasi yang membantu perusahaan dalam mengoperasikan usahanya. Pengembangan sistem informasi yang dilakukan menggunakan metode terstruktur, dimulai dari pembuatan Data Flow Diagram, Entity Relationship Diagram, dan model keterhubungan antar tabel.

Rancangan sistem informasi berbasis komputerisasi ini ditujukan untuk menjaga asset perusahaan agar terhindar dari kecurangan yang mungkin timbul, pengendalian sistem informasi juga semakin ditingkatkan serta adanya validasi input agar informasi yang ada dapat terjaga integritas serta keutuhannya.

Penerapan Sistem Keamanan Berbasis Internet of Things (IoT) dengan Sensor Alarm Buzzer

2025-03-27T17:34:36+07:00

Keamanan ruangan menjadi perhatian utama dalam menjaga aset dan lingkungan dari potensi ancaman pencurian atau intrusi. Penelitian ini bertujuan untuk menerapkan sistem keamanan berbasis Internet of Things (IoT) dengan menggunakan sensor alarm buzzer dan notifikasi WhatsApp sebagai sistem peringatan real-time. Sistem ini dirancang untuk memberikan solusi keamanan yang lebih responsif dan efisien dalam berbagai kondisi.

Metode yang digunakan dalam penelitian ini adalah Approach Research, yang berfokus pada penerapan teknologi dalam lingkungan nyata serta evaluasi kinerja sistem. Sistem ini dikembangkan menggunakan Wemos D1 Mini sebagai mikrokontroler utama, yang terhubung dengan sensor Passive Infrared (PIR), buzzer alarm, serta layanan Twilio API untuk mengirimkan notifikasi WhatsApp secara otomatis saat terjadi deteksi pergerakan mencurigakan. Pengujian dilakukan dalam berbagai skenario untuk menilai akurasi sensor, kecepatan notifikasi, serta keandalan sistem dalam mendeteksi ancaman keamanan.

Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi gerakan mencurigakan dengan akurasi tinggi dan waktu respons rata-rata 4 detik. Implementasi sistem berbasis IoT ini memungkinkan pengguna untuk menerima peringatan secara instan, sehingga dapat mengambil tindakan cepat dalam menghadapi potensi ancaman. Selain itu, sistem ini juga mudah diterapkan di berbagai lingkungan, seperti rumah, kantor, atau kamar kost, dengan fleksibilitas tinggi dalam konfigurasi dan penggunaan daya yang efisien. Kesimpulan dari penelitian ini adalah bahwa penerapan sistem keamanan berbasis IoT mampu meningkatkan efektivitas pengawasan ruangan secara otomatis, real-time, dan jarak jauh. Untuk pengembangan lebih lanjut, disarankan agar sistem ini dilengkapi dengan fitur tambahan seperti kamera pengawas dan kecerdasan buatan (AI) guna meningkatkan akurasi deteksi dan analisis ancaman secara lebih presisi.

Analisis Faktor-Faktor yang Mempengaruhi Perilaku Pengguna Aplikasi Pegipegi

2025-04-14T13:26:52+07:00

Marketplace merupakan sebuah platform yang disediakan untuk para penjual dan pembeli agar dapat melakukan transaksi secara online dan dapat melakukan transaksi pembelian dengan mudah dan praktis. Pegipegi adalah sebuah layanan situs pemesanan secara online untuk hotel, tiket pesawat, tiket kereta api dan bus. Pada penelitian ini penulis membuat tabel review pengguna yang didapatkan dari playstore aplikasi Pegipegi dengan tujuan agar penulis bisa melihat tanggapan konsumen tentang pengalamannya dalam menggunakan aplikasi Pegipegi dan ulasannya memiliki respon yang positif terhadap aplikasi Pegipegi. Sehingga melalui ulasan tersebut, Penulis ingin melakukan penelitian untuk mengetahui faktor-faktor yang berpengaruh terhadap perilaku pengguna Pegipegi, maka model UTAUT2 digunakan dalam penelitian ini.

Populasi dalam penelitian ini adalah pengguna Pegipegi dan jumlah responden sebanyak 312 responden, dengan 58 responden yang tidak menggunakan aplikasi Pegipegi, 25 responden yang memberikan jawaban yang bertentangan dengan pertanyaan validasi dan juga jawaban yang sama di seluruh pertanyaan sehingga data yang dapat diolah dalam penelitian ini sebanyak 229 responden. Pengolahan data dalam penelitian ini menggunakan SPSS.

Hasil dari penelitian uji parsial menyatakan bahwa performance expectancy, effort expectancy, social influence, facilitating condition, dan price value tidak berpengaruh terhadap behavioral intention. Sedangkan hedonic motivation dan habit berpengaruh terhadap behavioral intention. facilitating condition tidak berpengaruh terhadap use behavior, sedangkan habit dan behavioral intention berpengaruh terhadap use behavior.

Hasil dari penelitian uji simultan menyatakan bahwa variabel independen performance expectancy, effort expectancy, social influence, facilitating condition, hedonic motivation, habit dan price value secara bersama-sama berpengaruh terhadap behavioral intention. Dan facilitating condition, habit dan behavioral intention secara bersama-sama berpengaruh terhadap use behavior.

Hasil persamaan regresi dalam penelitian ini yaitu

Y₁ = –0,003X₁ + 0,080X₂ – 0,042X₃+ 0,063X₄ + 0,213X₅+ 0,086X₆+ 0,518X₇+ 0,673

Y₂ = 0,064X₄ + 0,380X₇+ 0,364Y₁+ 0,709