Dipanegara Komputer Teknologi Informatika

Perbandingan Naïve Bayes dan Support Vector Machine dalam Analisis Sentimen Komentar tentang Brand Ambassador Shopee di Sosial Media

2026-03-05T19:37:21+08:00

Perkembangan media sosial yang pesat menjadikan platform digital sebagai sumber utama opini publik terhadap suatu merek. Salah satu fenomena yang banyak dibicarakan adalah penggunaan Brand Ambassador dalam strategi pemasaran, termasuk pada merek Shopee. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Brand Ambassador Shopee menggunakan metode text mining dan membandingkan kinerja dua algoritma klasifikasi, yaitu Naïve Bayes dan Support Vector Machine (SVM). Data penelitian diperoleh dari komentar pengguna pada media sosial YouTube dan TikTok yang membahas Brand Ambassador Shopee. Tahapan penelitian meliputi pengumpulan data, preprocessing teks (case folding, tokenizing, stopword removal, dan stemming), ekstraksi fitur menggunakan TF-IDF, pembagian data latih dan data uji, serta proses pelatihan dan pengujian model. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua algoritma mampu melakukan klasifikasi sentimen dengan baik. Namun, algoritma Support Vector Machine (SVM) menghasilkan kinerja yang lebih unggul dibandingkan Naïve Bayes, terutama dalam hal akurasi dan kemampuan menangani data berdimensi tinggi. Dengan demikian, SVM dinilai lebih efektif untuk analisis sentimen komentar media sosial pada kasus Brand Ambassador Shopee.

Rancang Bangun Sistem Deteksi Kendaraan pada Tikungan Berbasis Sensor PIR dan Ultrasonik

2026-03-06T12:16:02+08:00

Peningkatan jumlah kendaraan bermotor membawa dampak pada meningkatnya kemungkinan terjadinya kecelakaan lalu lintas, terutama di jalan dengan tikungan sempit dan ruang pandang yang terbatas. Kondisi visibilitas yang rendah sering menyebabkan pengendara tidak memiliki waktu yang cukup untuk merespons kendaraan dari arah berlawanan. Penelitian ini bertujuan untuk merancang dan menguji sistem peringatan dini berbasis ESP32 dengan mengintegrasikan sensor Passive Infrared (PIR) dan sensor ultrasonik untuk mendeteksi keberadaan kendaraan secara langsung. Metode penelitian meliputi perancangan perangkat keras dan perangkat lunak, pengujian akurasi sensor, serta evaluasi waktu respons sistem. Hasil pengujian menunjukkan bahwa sensor PIR mampu mendeteksi objek bergerak dengan tingkat keberhasilan 100% pada jarak 1–3 meter, 80% pada jarak 4 meter, dan 20% pada jarak 5 meter. Sensor ultrasonik menunjukkan akurasi pengukuran yang baik dengan rata-rata kesalahan sekitar 2,04% dan performa paling stabil pada jarak 1–4 meter. Sistem bekerja secara optimal pada jarak 1–3 meter dengan tingkat keberhasilan 80–100% dan waktu respons kurang dari 1,6 milidetik pada jarak operasional tersebut yaitu 1 hingga 3 meter. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat berfungsi sebagai solusi peringatan dini untuk meningkatkan kewaspadaan pengendara pada area tikungan dengan jarak pandang terbatas.

Pengembangan Aplikasi Sistem Absensi Keterlambatan SMK Mutiara Ilmu Berbasis Web

2026-03-04T20:32:16+08:00

Pencatatan keterlambatan siswa di SMK Mutiara Ilmu Makassar masih dilakukan secara terfragmentasi menggunakan Microsoft Excel dan Google Form, sehingga data tidak tersentralisasi, rawan kesalahan input, serta kurang efisien. Penelitian ini bertujuan mengembangkan aplikasi absensi keterlambatan berbasis web yang terintegrasi dengan notifikasi Telegram Bot secara real-time. Metode yang digunakan adalah Adaptive Prototype yang memungkinkan iterasi berulang antara pengembang dan pengguna. Sistem dibangun menggunakan PHP dan MySQL, dengan antarmuka responsif berbasis Bootstrap 5, serta dilengkapi modul koordinator siswa untuk rekapitulasi kehadiran harian. Kebaruan penelitian ini mencakup: integrasi Telegram Bot API yang bebas biaya (dibanding SMS/WhatsApp), modul koordinator siswa yang unik, pelaporan fleksibel berbasis rentang tanggal pengguna, dan metode Adaptive Prototype (berbeda dari Waterfall pada penelitian serupa). Pengujian blackbox terhadap 50 skenario menghasilkan tingkat keberhasilan 96% (48 berhasil, 2 gagal dengan penyebab teridentifikasi). Uji kepuasan pengguna menggunakan kuesioner Likert terhadap 26 responden menunjukkan nilai rata-rata 4,66/5,00 dengan Cronbach Alpha 0,743 (kategori reliabel). Perbandingan sebelum-sesudah menunjukkan pengurangan waktu pencatatan dari >10 menit menjadi 2-3 menit dan waktu notifikasi dari jam menjadi 2-3 detik. Dengan demikian, aplikasi ini terbukti efektif meningkatkan manajemen absensi dan kedisiplinan siswa di SMK Mutiara Ilmu.

Analisis Faktor Yang Mempengaruhi Pencapaian Akreditasi Unggul Pada Program Studi Teknik Informatika Menggunakan Regresi Logistik

2025-12-04T23:49:08+08:00

Pencapaian Akreditasi Unggul merupakan indikator penting dalam menilai mutu dan daya saing Program Studi Teknik Informatika. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang berpengaruh terhadap peluang pencapaian Akreditasi Unggul pada Program Studi Teknik Informatika Universitas Dipa Makassar. Metode yang digunakan adalah regresi logistik ordinal (proportional odds model) ordinal, mengingat variabel dependen berupa tingkatan akreditasi (Baik, Baik Sekali, Unggul). Data penelitian diperoleh melalui studi dokumen, observasi, serta pengumpulan data primer terkait sumber daya manusia, kurikulum, penelitian dan publikasi, kerjasama institusional, sarana prasarana, serta tata kelola. Proses analisis dilakukan menggunakan perangkat lunak Python yang mendukung pengolahan data, pemodelan statistik, dan visualisasi hasil. Hasil penelitian menunjukkan bahwa seluruh variabel independen berpengaruh positif terhadap peningkatan peluang pencapaian Akreditasi Unggul, dengan pengaruh terbesar berturut-turut berasal dari Sarana dan Prasarana (OR = 6,62), Kerjasama Institusional (OR = 5,01), Penelitian dan Publikasi (OR = 3,88), Kualitas SDM (OR = 3,39), Kurikulum (OR = 3,37), dan Tata Kelola (OR = 2,19). Model regresi logistik ordinal (proportional odds model) menunjukkan kemampuan prediktif yang kuat dengan probabilitas kategori Unggul mendekati 1 pada sebagian besar observasi. Temuan ini memberikan rekomendasi strategis bagi pengembangan mutu program studi, khususnya dalam penguatan sarana prasarana, pengembangan kolaborasi eksternal, dan peningkatan produktivitas tridharma dosen.

Analisis Perilaku Pemain Roblox Untuk Mengidentifikasi Pola Komunikasi Pada Remaja

2026-03-08T00:24:13+08:00

Interaksi sosial pada platform game online Roblox di kalangan remaja sering kali menimbulkan dinamika komunikasi yang kompleks, termasuk risiko paparan pelecehan verbal (cyberbullying) dan ajakan interaksi berisiko ke platform eksternal. Penelitian ini bertujuan untuk mengelompokkan perilaku komunikasi remaja pemain Roblox menggunakan metode K-Means Clustering guna mengidentifikasi karakteristik pola interaksi yang terbentuk. Data penelitian diperoleh melalui penyebaran kuesioner kepada 155 responden siswa SMK Mutiara Ilmu Makassar yang dianalisis berdasarkan lima variabel utama: keaktifan komunikasi, teman ngobrol, cara berkomunikasi, isi obrolan, dan perasaan saat berkomunikasi. Proses pengolahan data dilakukan melalui sistem berbasis web menggunakan bahasa pemrograman PHP, algoritma K-Means mencapai kondisi stabil pada iterasi ke-9. Hasil penelitian menunjukkan terbentuknya tiga kelompok perilaku utama Klaster 0 (Sehat/Pasif) sebanyak 42 siswa, Klaster 1 (Berisiko) sebanyak 85 siswa, dan Klaster 2 (Toksik) sebanyak 28 siswa. Kontribusi utama penelitian ini adalah tersedianya sistem pemetaan otomatis untuk mengidentifikasi tingkat risiko komunikasi siswa secara objektif, sehingga pihak sekolah dapat memberikan pendampingan tepat sasaran bagi siswa pada kategori perilaku berisiko. Penelitian ini menyimpulkan bahwa metode K-Means efektif dalam memetakan perilaku digital remaja secara objektif, yang dapat menjadi referensi dalam menyusun strategi pembinaan komunikasi digital yang lebih aman.

Perancangan Sistem Pembayaran Digital Cerdas Pada Sekolah Bunda Kasih Sudiang

2026-03-06T02:24:42+08:00

Penelitian ini bertujuan merancang sistem pembayaran digital cerdas pada Sekolah Bunda Kasih Sudiang yang sebelumnya masih menggunakan pencatatan manual dan belum terintegrasi secara digital. Kondisi tersebut menyebabkan keterlambatan pencatatan transaksi, potensi kesalahan data, serta kesulitan dalam proses rekonsiliasi dan pelaporan keuangan. Metode yang digunakan adalah Framework for the Application of System Thinking (FAST) yang mencakup tahapan analisis masalah dan kebutuhan, desain logis, desain fisik, konstruksi, dan pengujian sistem. Sistem dikembangkan berbasis web menggunakan framework laravel serta diintegrasikan dengan payment gateway Xendit. Untuk meningkatkan akurasi pencocokan transaksi, diterapkan algoritma Reconciliation Matching yang membandingkan data transaksi internal sekolah dengan data dari payment gateway secara otomatis. Hasil penelitian menunjukkan bahwa sistem mampu mengotomatisasi proses pembayaran, mempercepat proses rekonsiliasi, serta menghasilkan laporan keuangan secara real-time dan lebih akurat. Implementasi sistem ini meningkatkan efisiensi administrasi keuangan sekolah dan transparansi bagi pihak manajemen dan orang tua siswa.

Penerapan Metode SAW untuk Rekomendasi Kost Berbasis Mobile di Tamalanrea Indah

2026-03-05T19:14:54+08:00

Rumah kost merupakan kebutuhan utama bagi mahasiswa dan pendatang di wilayah Kelurahan Tamalanrea Indah, namun banyaknya pilihan yang tersedia dengan karakteristik dan kriteria yang beragam sehingga membuat pencari kost perlu mempertimbangkan lebih dalam menentukan hunian yang paling sesuai. Penelitian ini bertujuan merancang aplikasi mobile berbasis sistem rekomendasi menggunakan metode Simple Additive Weighting (SAW) berdasarkan 9 kriteria penilaian, yaitu biaya, fasilitas, luas kamar, jarak, keamanan, batas jam malam, jenis kost, jenis listrik, dan jenis air dengan 16 data alternatif rumah kost. Perhitungan SAW dilakukan dengan penentuan bobot kriteria dengan metode Rank Order Centroid (ROC), normalisasi matriks keputusan, serta perhitungan nilai preferensi setiap alternatif. Hasil penelitian menunjukkan bahwa pondok harmony 1 memperoleh nilai preferensi tertinggi sebesar 0,8150, serta sistem mampu menghasilkan rekomendasi rumah kost secara terurut berdasarkan nilai preferensi yang diperoleh. Melalui penerapan teknologi ini, proses penentuan rumah kost menjadi lebih terstruktur dan terukur sehingga mendukung pengambilan keputusan yang lebih efektif serta efisien bagi pengguna dalam menemukan rumah kost yang paling sesuai dengan kebutuhan mereka.

Perancangan Sistem Manajemen Kelas Sepak Bola Berbasis Website Menggunakan Algoritma K-Means

2026-03-10T22:08:45+08:00

FS 31 Soccer School menghadapi kendala dalam pengelompokan peserta didik yang selama ini dilakukan secara manual menggunakan spreadsheet dengan hanya mempertimbangkan faktor usia tanpa memperhitungkan kemampuan teknik dan fisik peserta. Penelitian ini bertujuan mengembangkan sistem manajemen kelas berbasis web dan mengimplementasikan algoritma K-Means untuk mengklasifikasikan peserta didik secara otomatis. Data penelitian melibatkan 118 peserta didik aktif dengan atribut usia (7–18 tahun) dan skor kemampuan teknik-fisik yang dinormalisasi menggunakan Min-Max Normalization. Algoritma K-Means dengan k=4 mengklasifikasikan peserta ke dalam empat cluster: U10 sebanyak 29 peserta (24,6%), U13 sebanyak 28 peserta (23,7%), U15 sebanyak 29 peserta (24,6%), dan U17 sebanyak 32 peserta (27,1%). Evaluasi kualitas clustering menghasilkan Silhouette Score 0,4972 dan Davies-Bouldin Index 0,6618, dengan konvergensi tercapai dalam tiga iterasi. Sistem berbasis web diimplementasikan dengan tiga modul pengguna (Administrator, Pelatih, Wali Peserta Didik). Pengujian User Acceptance Test terhadap 37 responden menghasilkan tingkat kepuasan 92,65% dengan kategori Sangat Baik. Secara praktis, sistem ini memungkinkan FS 31 Soccer School untuk menggantikan proses manual berbasis spreadsheet menjadi pengelompokan otomatis yang lebih objektif, sehingga pelatih dapat merancang program latihan yang lebih tepat sasaran sesuai usia dan kemampuan nyata setiap peserta didik.

Klasifikasi Penyakit pada Daun Tanaman Cabai Menggunakan Metode Convolutional Neural Network

2026-03-05T12:55:22+08:00

Cabai rawit (Capsicum frutescens L.) merupakan komoditas hortikultura bernilai ekonomi tinggi, namun produktivitasnya sering menurun akibat penyakit daun. Identifikasi manual masih bergantung pada pengalaman petani sehingga rawan kesalahan karena kemiripan gejala antar penyakit. Penelitian ini bertujuan mengembangkan model klasifikasi Tanaman penyakit daun cabai rawit berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) agar identifikasi dapat dilakukan secara otomatis, cepat, dan akurat. Dataset yang digunakan berjumlah 4.740 citra daun dengan enam kelas, yaitu Healthy Leaf, Cercospora Leaf Spot, Curl Virus, Nutrition Deficiency, White Spot, dan Bacterial Spot, yang diperoleh dari lahan pertanian Desa Kanaungan dan dataset publik Kaggle. Metode penelitian meliputi pre-processing, data augmentation, pembagian data latih, validasi, dan uji, serta pelatihan CNN menggunakan arsitektur MobileNetV2 dengan fine-tuning. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score melalui confusion matrix. Hasil menunjukkan model CNN mampu mengklasifikasikan penyakit daun cabai rawit dengan testing accuracy 99,30%, sehingga berpotensi menjadi dasar pengembangan sistem deteksi penyakit tanaman berbasis kecerdasan buatan untuk mendukung produktivitas pertanian.

Perbandingan Algoritma Shortest Job First Dan FIFO Terhadap Perlakuan Penjadwalan Bengkel Motor

2026-03-05T20:00:42+08:00

Penjadwalan servis di Bengkel Surya Motor masih dilakukan secara manual sehingga menyebabkan antrean layanan tidak teratur dan waktu tunggu pelanggan menjadi kurang efisien. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Shortest Job First (SJF) preemptive dan First In First Out (FIFO) dalam sistem penjadwalan servis bengkel motor berbasis web. Metode penelitian yang digunakan adalah quasi experiment dengan menggunakan 115 data transaksi servis kendaraan yang diperoleh melalui observasi selama tiga hari operasional bengkel. Data yang digunakan meliputi arrival time, service time, waiting time (WT), dan turnaround time (TAT). Kedua algoritma diimplementasikan pada sistem berbasis web menggunakan PHP dan MySQL, kemudian diuji menggunakan dataset yang sama untuk membandingkan kinerjanya. Hasil penelitian menunjukkan bahwa algoritma FIFO menghasilkan rata-rata waiting time sebesar 0,32 menit dan turnaround time sebesar 13,37 menit, lebih rendah dibandingkan algoritma SJF preemptive yang menghasilkan rata-rata waiting time sebesar 5,12 menit dan turnaround time sebesar 19,70 menit. Namun penelitian ini masih terbatas pada jumlah dataset yang relatif kecil dan hanya berasal dari satu bengkel.