Jurnal Surya Informatika

Analisis Sentimen Ulasan Aplikasi Gopay Pada Google Play Store Menggunakan Algoritma Support Vector Machine

2024-05-12T11:16:27+00:00

Gopay adalah salah satu aplikasi di google play store. Aplikasi Gopay sudah diunduh sebanyak 10 juta kali namun hanya memiliki rating 4,4. Pada google play store pemberian rating aplikasi diikuti dengan ulasan dari para pengguna terhadap aplikasi. Ulasan yang ada cukup banyak dan tidak terstruktur serta mengandung opini dari para pengguna tentang kepuasan mereka terhadap aplikasi tersebut sehingga sering dijadikan pertimbangan oleh calon pengguna untuk memilih aplikasi yang digunakan. Berdasarkan hal tersebut, maka dilakukan analisis sentimen menggunakan algoritma Support Vector Machine untuk mengetahui bagaimana sentimen para pengguna terhadap aplikasi GOPAY di google play store. Penelitian ini menggunakan metode Knowledge Discovery in Database (KDD). Data yang digunakan merupakan ulasan aplikasi GOPAY sebanyak 29554 data yang terdiri dari 23961 ulasan positif dan 5593 ulasan negatif. Hasil terbaik diperoleh pada skenario 1 (90:10) menggunakan kernel RBF (Radial Basis Function) yang menghasilkan accuracy 65% precision 71,43%, recall 50%, dan f1-score 58,82%.

Analisis Penggunaan Skedda dengan Metode Webqual 4.0 pada Fakultas Ilmu Kesehatan Universitas Muhammadiyah Pekajangan Pekalongan

2024-05-14T09:58:37+00:00

Penelitian ini bertujuan untuk menganalisis kepuasan pengguna dan efisiensi peminjaman ruang kuliah menggunakan sistem reservasi ruang kuliah Skedda di Fakultas Ilmu Kesehatan Universitas Muhammadiyah Pekajangan Pekalongan. Dengan menggunakan pendekatan kuantitatif, data dikumpulkan melalui kuesioner yang diberikan kepada pengguna sistem reservasi ruang kuliah Skedda. Hasil analisis data menunjukkan adanya pengaruh yang signifikan antara variabel kualitas sistem (usefulness, ease of use, information quality, service interaction) dengan kepuasan pengguna. Hasil analisa menunjukkan bahwa kualitas interaksi dan kualitas kemudahan penggunaan tidak memberikan pengaruh terhadap kepuasan penggunaan skadda. Sedangkan kualitas kegunaan dan kualitas informasi memberikan pengaruh yang signifikan tetapi pada kualitas kegunaan memberikan pengaruh yang negatif, sedangkan pada kualitas informasi memberikan pengaruh yang positif. Dari hasil analisis menunjukkan bahwa kualitas kegunaan, kualitas kemudahan penggunaa, kualitas informasi dan kualitas interaksi layanan memberikan pengaruh kepada kepuasan penggunaan skedda sebesar 96.5%.

Algoritma Support Vector Machine dalam Analisis Sentimen Aplikasi Primer League Pada Google Play Store

2024-05-14T10:55:46+00:00

Aplikasi ini tidak hanya memberikan informasi terkini tentang liga sepakbola Primer Inggris tetapi juga menyediakan fitur-fitur yang memperkaya pengalaman pengguna. Ulasan-ulasan ini memberikan gambaran yang jelas mengenai kehandalan, kualitas, dan fungsionalitas aplikasi, sehingga membantu konsumen membuat keputusan yang lebih terinformasi. Dari feedback pengguna, kita dapat mengevaluasi responsifitas pengembang terhadap masukan pelanggan, potensi perbaikan, dan kemajuan fitur-fitur yang ditawarkan. Oleh karena itu, ulasan di Play Store bukan hanya sebagai sumber referensi, tetapi juga sebagai panduan yang berharga bagi konsumen yang mencari pengalaman sepakbola Primer Inggris yang terbaik melalui aplikasi ini. Penelitian ini menghasilkan akurasi sebesar 79.67% menggunakan algoritma SVM. Hasil ini menunjukkan bahwa algoritma SVM dapat dengan cukup akurat menganalisis sentimen ulasan aplikasi bola seperti Primer League di Google Play Store.Analisis sentimen ulasan aplikasi Primer League dapat memberikan informasi yang berharga bagi pengembang aplikasi. Informasi tersebut dapat digunakan untuk meningkatkan kualitas aplikasi, sehingga dapat meningkatkan kepuasan pengguna.

Sistem Informasi Pembelajaran Online Pada Perkumpulan Penggiat Programmer Indonesia

2024-05-14T16:04:28+00:00

Perkumpulan Penggiat Programmer Indonesia (P3I) merupakan wadah interaktif bagi para praktisi dan penggiat teknologi terutama untuk wilayah Kabupaten Pekalongan. Dalam perkembangan teknologi, kebutuhan akan metode pelatihan yang efektif dan terstruktur menjadi semakin penting. Untuk memenuhi tuntutan ini, Sistem Informasi Pembelajaran Online (SIPO) diimplementasikan sebagai solusi yang dapat memudahkan penyelenggaraan pelatihan dalam konteks P3I. SIPO menjadi alat yang strategis untuk memperluas aksesibilitas, mendiversifikasi materi, dan memberikan fleksibilitas kepada anggota P3I dalam memperdalam pengetahuan dan keterampilan mereka. Dibuat sebuah sistem informasi pembelajaran online yang digunakan sebagai media pembelajaran online. Dimana sistem informasi pembelajaran online tersebut memiliki 2 user yaitu admin dan siswa pelatihan. Dimana admin dapat melakukan penambahan penghapusan dan pengeditan pada siswa, materi, tugas dan kelas. Sedangkan siswa memiliki akses untuk melihat materi dan mengirim tugas. Dari sistem informasi pembelajaran online yang telah dibuat telah dilakukan pengujian dengan blackbox testing. Dari pengujian didapatkan bahwa sistem informasi pembelajaran online telah sesuai dengan desain perancangan sistem yang dibuat.

Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store

2024-05-14T16:13:33+00:00

LIVIN adalah salah satu aplikasi platform di google play store. Aplikasi Livin sudah diunduh sebanyak 10 juta kali namun hanya memiliki rating 3,5. Pada google play store pemberian rating aplikasi diikuti dengan ulasan dari para pengguna terhadap aplikasi. Ulasan yang ada cukup banyak dan tidak terstruktur serta mengandung opini dari para pengguna tentang kepuasan mereka terhadap aplikasi tersebut sehingga sering dijadikan pertimbangan oleh calon pengguna untuk memilih aplikasi yang digunakan. Berdasarkan hal tersebut, maka dilakukan analisis sentimen menggunakan algoritma Support Vector Machine untuk mengetahui bagaimana sentimen para pengguna terhadap aplikasi LIVIN di google play store. Penelitian ini menggunakan metode Knowledge Discovery in Database (KDD). Data yang digunakan merupakan ulasan aplikasi LIVIN sebanyak 209395 data yang terdiri dari 125736 ulasan positif dan 8359 ulasan negatif. Hasil terbaik diperoleh pada skenario 1 (90:10) menggunakan kernel RBF (Radial Basis Function) yang menghasilkan accuracy 83.61% precision 87.07%, recall 76.52%, dan f1-score 81.45%

Pengembangan Aplikasi Web Augmented Reality Sebagai Registrasi Kehadiran

2024-06-04T13:28:02+00:00

Salah satu metode registrasi kehadiran dapat menggunakan sistem registrasi tanda di atas kertas, namun hal ini tidak efektif dalam registrasi kehadiran karena orang dapat mengubah dan mengubah data dengan mudah. Penggunaan browser AR berbasis penanda gambar dimungkinkan dapat digunakan sebagai metode otentikasi pengguna, dengan penanda sistem AR akan menidentifikasi pengguna. Kemudian dengan menggunakan penanda sebagai input sensor, meminimalkan penggunaan perangkat sensor secara langsung dan pengguna telah terlepas dari perangkat sensor tesebut. tujuan dari penelitian ini diharapkan dengan adanya penggunaan teknologi augmented reality dapat mencatat kehadiran secara real time tanpa harus berinteraksi langsung dengan perangkat sensor. Evaluasi dari penelitian ini, akan mengukur kinerja peralatan pemproses pada saat aplikasi dijalankan. pengukuran pada tiga kondisi, pada saat kondisi marker terdeteksi sama dengan 1 detik, 2 detik dan 3 detik. Setiap kondisi tersebut akan diuji berulang sebanyak 5 kali pengujian. kecenderungan kinerja dari processor bekerja pada rentang perform 86% sampai dengan 100%, prosentase rata-rata terendah terjadi pada pengujian A yaitu dengan rata-rata perform 86,0%. Sedangkan prosentase rata-rata tertingga pada pengujian F yaitu dengan rata-rata perform 99,0%. Rata-rata perform processor kesulurhan adalah 93,5%, untuk mengoptimalkan kinerja dari aplikasi disarankan untuk meningkatkan spesifikasi perangkat pemproses, semakin besar spesifikasi perangkat pemrposes yang digunakan semakin bagus pula kinerja dari aplikasi web augmented reality yang dijalankan.

Penerapan Data Mining Untuk Klasifikasi Penyakit Artritis Gout Menggunakan Algoritma KNN

2024-07-03T12:12:14+00:00

Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan penyakit Artritis Gout berdasarkan data klinis pasien. Artritis Gout adalah jenis artritis yang disebabkan oleh penumpukan kristal asam urat di dalam sendi, yang dapat menyebabkan nyeri hebat dan pembengkakan. Metode penelitian menggunakan dataset yang terdiri dari 500 entri, termasuk informasi seperti gejala klinis, faktor risiko, riwayat medis, dan respons terhadap pengobatan. Data ini diproses melalui tahapan pra-pemrosesan untuk membersihkan data yang tidak valid dan mengubah data kategorikal menjadi format yang sesuai untuk analisis. Selanjutnya, dataset dibagi menjadi data latih dan uji untuk pembangunan serta evaluasi model. Algoritma KNN diterapkan pada data latih untuk membangun model klasifikasi yang dapat mengenali pola-pola penting terkait dengan diagnosis Artritis Gout. Evaluasi dilakukan menggunakan dataset uji untuk memverifikasi keakuratan dan keandalan prediksi model. Hasil penelitian menunjukkan bahwa algoritma KNN pada nilai K=5 mencapai nilai akurasi 87,76%, recall 92,31%, dan precision 90,48% dalam mengklasifikasikan penyakit Artritis Gout. Implikasi dari penelitian ini adalah potensi penggunaan teknik data mining untuk mendukung diagnosis dan manajemen penyakit secara lebih efektif dalam praktik klinis