Adhistya Erna Permanasari
Jurusan Teknik Elektro dan Teknologi Informasi, Universitas Gadjah Mada Jl Ring Road Utara, Condongcatur, Sleman, Yogyakarta 55281

Published : 22 Documents
Articles

Found 22 Documents
Search

PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Setyonugroho, Budho; Permanasari, Adhistya Erna; Kusumawardani, Sri Suning
METIK JURNAL Vol 1 No 1 (2017): METIK Jurnal
Publisher : LP3M Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peramalan jumlah pengguna kereta api merupakan salah satu komponen penting dalam perencanaan untuk menentukan langkah-langkah strategis dalam suatu perusahaan. Jaringan syaraf tiruan merupakan salah satu metode yang telah banyak digunakan untuk menyelesaikan kasus peramalan. Kesulitan utama dalam implementasi metode jaringan syaraf tiruan dalam peramalan adalah menemukan kombinasi arsitektur yang tepat, menentukan nilai parameter laju pembelajaran yang sesuai dan pemilihan algoritme pelatihan yang optimal. Dalam makalah ini akan melakukan simulasi dengan menerapkan algoritme bayesian regularization (trainbr), algoritme Scaled Conjugate Gradient (trainscg), algoritme levenber-marquart (trainlm) dengan variasi jumlah neuron pada lapisan tersembunyi dan laju pembelajaran yang berbeda untuk menemukan kombinasi arsitektur yang tepat untuk menyelesaikan kasus peramalan pengguna kereta api. Dari simulasi yang dilakukan pada proses pelatihan yang menggunakan data runtun waktu dalam periode sepuluh tahun, arsitektur 12-30-1 dengan laju pembelajaran 0,5 dengan menggunakan algoritme pelatihan levenberg marquardt menunjukan hasil yang paling optimal dengan nilai MSE 0,000192 dan pada proses pengujian menunjukan nilai MAPE 23% yang termasuk dalam kategori cukup untuk digunakan dalam peramalan.
SOCIAL-CHILD-CASE DOCUMENT CLUSTERING BASED ON TOPIC MODELING USING LATENT DIRICHLET ALLOCATION Tresnasari, Nur Annisa; Adji, Teguh Bharata; Permanasari, Adhistya Erna
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 14, No 2 (2020): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (755.04 KB) | DOI: 10.22146/ijccs.54507

Abstract

Children are the future of the nation. All treatment and learning they get would affect their future. Nowadays, there are various kinds of social problems related to children.  To ensure the right solution to their problem, social workers usually refer to the social-child-case (SCC) documents to find similar cases in the past and adapting the solution of the cases. Nevertheless, to read a bunch of documents to find similar cases is a tedious task and needs much time. Hence, this work aims to categorize those documents into several groups according to the case type. We use topic modeling with Latent Dirichlet Allocation (LDA) approach to extract topics from the documents and classify them based on their similarities. The Coherence Score and Perplexity graph are used in determining the best model. The result obtains a model with 5 topics that match the targeted case types. The result supports the process of reusing knowledge about SCC handling that ease the finding of documents with similar cases
ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN KOMBINASI RFM MODEL DAN TEKNIK CLUSTERING Adiana, Beta Estri; Soesanti, Indah; Permanasari, Adhistya Erna
Jurnal Terapan Teknologi Informasi Vol 2 No 1 (2018): Jurnal Terapan Teknologi Informasi
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (873.652 KB) | DOI: 10.21460/jutei.2018.21.76

Abstract

Intense competition in the business field motivates a small and medium enterprises (SMEs) to manage customer services to the maximal. Improve of customer royalty by grouping cunstomers into some of groups and determining appropriate and effective marketing strategies for each group. Customer segmentation can be performed by data mining approach with clustering method. The main purpose of this paper is customer segmentation and measure their loyalty to a SME’s product. Using CRISP-DM method which consist of six phases, namely business understanding, data understanding, data preparatuin, modeling, evaluation and deployment. The K-Means algorithm is used for cluster formation and RapidMiner as a tool used to evaluate the result of clusters. Cluster formation is based on RFM (recency, frequency, monetary) analysis. Davies Bouldin Index (DBI) is used to find the optimal number of clusters (k). The customers are divided into 3 clusters, total of customer in first cluster is 30 customers who entered in typical customer category, the second cluster there are 8 customer whho entered in superstar customer and 89 customers in third cluster is dormant cluster category.
PENENTUAN KARAKTERISTIK PENGGUNA SEBAGAI PENDUKUNG KEPUTUSAN DALAM MEMILIH SMARTPHONE MENGGUNAKAN FORWARD CHAINING Sandika, Ian Gatra; Permanasari, Adhistya Erna; Sumaryono, Sujoko
Prosiding SNATIF Vol 1, No 1 (2014): Prosiding Seminar Nasional Teknologi dan Informatika
Publisher : Prosiding SNATIF

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak  Saat ini  smartphone sudah menjadi kebutuhan primer bagi semua kalangan masyarakat kelas atas maupun kalangan bawah. Seiring kebutuhan tersebut banyak vendor-vendor smartphone yang menawarkan harga, fitur, operating sistem dan teknologi yang berbeda-beda. Akan tetapi, keinginan dan kebutuhan masyarakat yang semakin meningkat sering tidak sesuai dengan smartphone yang diinginkan dan yang dibutuhkan. Hal tersebut menyebabkan pengguna smartphone tidak dapat menentukan pilihan yang tepat sesuai dengan kebutuhannya karena seringnya pemilihan smartphone didasarkan pada gengsi dan perilaku konsumtif masyarakat. Penelitian ini dilakukan untuk memberikan saran kepada masyarakat agar dapat memilih smartphone yang sesuai dengan karakteristik masing-masing pengguna (kebutuhan pengguna). Karakteristik pengguna didapatkan dari pengolahan 16  pertanyaan yang diajukan oleh sistem. Metode yang digunakan dalam mengolah 16 pertanyaan tersebut adalah forward chaining. Forward chaining digunakan karena dalam sistem ini memberikan beberapa pertanyaan yang akan diolah menjadi suatu kesimpulan.  Pertanyaan-pertanyaan tersebut diolah menggunakan software Swi prolog berdasarkan production rules untuk mendapatkan keluaran berupa saran kepada pengguna. Pengolahan tersebut didasarkan pada jawaban Y(Yes) dan  N(No) serta tambahan range harga yang dimasukkan oleh pengguna. Hasil saran yang dikeluarkan sistem berupa karakteristik pengguna, harga dan jenis smartphone. Smartphone yang disarankan untuk pengguna didasarkan pada karakteristik yang telah ditentukan sistem, yaitu Adventures, Entertainer, Elegan dan Sosial media addict.   Kata kunci :smartphone, karakteristik pengguna, forward chaining
EVALUASI KESUKSESAN IMPLEMENTASI APLIKASI PENGELOLAAN TUGAS BELAJAR DI BPK Wisnu Groho, Tri Cahya; Winarno, Wing Wahyu; Permanasari, Adhistya Erna
Seminar Nasional Informatika (SEMNASIF) Vol 1, No 1 (2014): Business Intelligence
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini melakukan evaluasi kesuksesan implementasi Aplikasi Pengelolaan Tugas Belajar (APTB) di Badan Pemeriksa Keuangan diukur dari tingkat kepuasan dan manfaat yang dirasakan penggunanya. Model penelitian mengadaptasi dan menggabungkan Technology Acceptance Model dan Information System Success Model DeLone dan McLean yang diperbarui. Terdapat tujuh variabel yaitu kualitas sistem, kualitas informasi, kualitas layanan, kegunaan yang dirasakan, kemudahan yang dirasakan, kepuasan pengguna, dan manfaat-manfaat bersih. Evaluasi dilakukan dengan menguji apakah kualitas sistem, kualitas informasi, dan kualitas layanan berpengaruh secara signifikan terhadap kegunaan yang dirasakan dan kemudahan yang dirasakan, yang selanjutnya akan mempengaruhi kepuasan pengguna serta menguji apakah kepuasan pengguna berpengaruh terhadap manfaat-manfaat bersih. Penelitian dilakukan dengan menganalisis hasil kuesioner yang terkumpul dari 90 responden. Metode analisis yang digunakan adalah Partial Least Square (PLS) dengan perangkat lunak SmartPLS. Hasil analisis dengan tingkat keyakinan 90% menunjukkan bahwa kualitas sistem berpengaruh signifikan terhadap kemudahan yang dirasakan, tetapi tidak berpengaruh terhadap kegunaan yang dirasakan. Kualitas informasi berpengaruh terhadap kegunaan yang dirasakan dan kemudahan yang dirasakan. Kualitas layanan berpengaruh signifikan terhadap kegunaan yang dirasakan, tetapi tidak berpengaruh terhadap kemudahan yang dirasakan. Kemudahan yang dirasakan mempengaruhi secara signifikan kegunaan yang dirasakan. Kegunaan yang dirasakan dan kemudahan yang dirasakan mempengaruhi secara signifikan kepuasan pengguna, dan kepuasan pengguna mempengaruhi secara signifikan manfaat-manfaat bersih. Selain itu, didapatkan evaluasi kesuksesan implementasi APTB yang belum sepenuhnya memenuhi harapan pengguna.
ANALISIS SENTIMEN DATA PRESIDEN JOKOWI DENGAN PREPROCESSING NORMALISASI DAN STEMMING MENGGUNAKAN METODE NAIVE BAYES DAN SVM Saputra, Nurirwan; Adji, Teguh Bharata; Permanasari, Adhistya Erna
Dinamika Informatika Vol 5, No 1 (2015): Jurnal Dinamika Informatika
Publisher : Dinamika Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jokowi merupakan seorang tokoh masyarakat dengan jenjang karir yang sangat cepat, dan tidak luput dari pandangan masyarakat baik itu positif, netral maupun negatif. Data mengenai Jokowi yang berisikan komentar positif , netral dan negatif yang berasal dari media sosial dan blog politik diperlukan dalam menentukan langkah-langkah yang harus diambil oleh Jokowi untuk mendapatkan kepercayaan dari masyarakat. Selain itu data yang sudah didapat perlu dievaluasi untuk menunjukkan urgensi diimplementasikannya preProcessing terhadap data, yaitu normalisasi dan stemming. Analisis sentimen merupakan ilmu yang berguna untuk menganalisis pendapat seseorang, sentiment seseorang, evaluasi seseorang, sikap seseorang dan emosi seseorang ke dalam bahasa tertulis. Penelitian ini menggunakan search techniques dalam pengambilan data, sehingga pengambilan data dilakukan dengan efektif dan efisien. Search techniques dalam penelitian ini menggunakan Boolean searching dengan operator “AND”. Data yang sudah didapat dilabeli positif, netral dan negatif oleh penulis kemudian dikoreksi oleh ahli bahasa. Setelah itu dilakukan preProcessing baik itu mengubah kata tidak baku menjadi baku atau biasa disebut normalisasi menggunakan kamus dan mencari akar kata yaitu stemming dengan bantuan aplikasi Sastrawi Master. Selanjutnya dilakukan juga tokenisasi N-Gram, Unigram, Bigram, dan Trigram terhadap kalimat,  kemudian menghilangkan kata-kata yang umum digunakan dan tidak mempunyai Informasi yang berharga pada suatu konteks atau biasa disebut stopword removal, dan mempertahankan emoticon karena emoticon merupakan simbol yang menunjukkan ekspresi seseorang ke dalam tulisan. Akurasi yang terbaik dalam penelitian ini adalah dengan dilakukan normalisasi dan stemming pada data sebesar 89,2655% menggunakan metode SVM, dan kemudian data yang dinormalisasi saja sebesar 88,7006% menggunakan metode SVM. Dalam penelitian ini, tidak ada ujicoba terhadap data yang dilakukan stemming saja, dikarenakan tahap yang harus dilakukan dalam stemming adalah melakukan normalisasi terlebih dahulu terhadap data.
ANALISIS SENTIMEN DATA PRESIDEN JOKOWI DENGAN PREPROCESSING NORMALISASI DAN STEMMING MENGGUNAKAN METODE NAIVE BAYES DAN SVM Saputra, Nurirwan; Adji, Teguh Bharata; Permanasari, Adhistya Erna
Dinamika Informatika Vol 5, No 1 (2015): Jurnal Dinamika Informatika
Publisher : Dinamika Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jokowi merupakan seorang tokoh masyarakat dengan jenjang karir yang sangat cepat, dan tidak luput dari pandangan masyarakat baik itu positif, netral maupun negatif. Data mengenai Jokowi yang berisikan komentar positif , netral dan negatif yang berasal dari media sosial dan blog politik diperlukan dalam menentukan langkah-langkah yang harus diambil oleh Jokowi untuk mendapatkan kepercayaan dari masyarakat. Selain itu data yang sudah didapat perlu dievaluasi untuk menunjukkan urgensi diimplementasikannya preProcessing terhadap data, yaitu normalisasi dan stemming. Analisis sentimen merupakan ilmu yang berguna untuk menganalisis pendapat seseorang, sentiment seseorang, evaluasi seseorang, sikap seseorang dan emosi seseorang ke dalam bahasa tertulis. Penelitian ini menggunakan search techniques dalam pengambilan data, sehingga pengambilan data dilakukan dengan efektif dan efisien. Search techniques dalam penelitian ini menggunakan Boolean searching dengan operator “AND”. Data yang sudah didapat dilabeli positif, netral dan negatif oleh penulis kemudian dikoreksi oleh ahli bahasa. Setelah itu dilakukan preProcessing baik itu mengubah kata tidak baku menjadi baku atau biasa disebut normalisasi menggunakan kamus dan mencari akar kata yaitu stemming dengan bantuan aplikasi Sastrawi Master. Selanjutnya dilakukan juga tokenisasi N-Gram, Unigram, Bigram, dan Trigram terhadap kalimat,  kemudian menghilangkan kata-kata yang umum digunakan dan tidak mempunyai Informasi yang berharga pada suatu konteks atau biasa disebut stopword removal, dan mempertahankan emoticon karena emoticon merupakan simbol yang menunjukkan ekspresi seseorang ke dalam tulisan. Akurasi yang terbaik dalam penelitian ini adalah dengan dilakukan normalisasi dan stemming pada data sebesar 89,2655% menggunakan metode SVM, dan kemudian data yang dinormalisasi saja sebesar 88,7006% menggunakan metode SVM. Dalam penelitian ini, tidak ada ujicoba terhadap data yang dilakukan stemming saja, dikarenakan tahap yang harus dilakukan dalam stemming adalah melakukan normalisasi terlebih dahulu terhadap data.
Model Konseptual Faktor-Faktor yang Mempengaruhi Literasi Komputer Pegawai Pemerintah Oktifiani, Sufi; Permanasari, Adhistya Erna; Nugroho, Eko
Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya) Vol 4 (2017): Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)
Publisher : Prosiding Snatika (Seminar Nasional Teknologi, Informasi, Komunikasi dan Aplikasinya)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kebijakan penerapan e-government yang dicanangkan oleh Pemerintah Indonesia masih menghadapi banyak  tantangan. Salah satu masalah yang muncul adalah kesiapan dari Sumber Daya Manusia (SDM) untuk menggunakan Teknologi Informasi dan Komunikasi (TIK) dalam pekerjaan mereka. Tidak banyak kajian yang meneliti tentang literasi komputer pegawai pemerintah, walau demikian kami menduga masih terjadi kesenjangan digital dalam dunia pemerintahan. Penelitian ini mengajukan model yang disusun dari kecemasan berkomputer, keinovatifan personal terhadap teknologi informasi (TI) dan faktor-faktor demografis seperti umur, tingkat pendidikan dan kepemilikan komputer untuk mengetahui faktor yang mempengaruhi literasi komputer pegawai. Kami memilih menggunakan tes prestasi untuk mengukur literasi komputer ketimbang menggunakan variabel yang sudah banyak diteliti, seperti keyakinan diri atas komputer. Responden akan dibagi menjadi dua kelompok: tingkat literasi komputer tinggi dan rendah. Validasi dari pemodelan ini dapat dilakukan dengan regresi logistik.
Sentiment Analysis in the Sales Review of Indonesian Marketplace by Utilizing Support Vector Machine Lutfi, Anang Anggono; Permanasari, Adhistya Erna; Fauziati, Silmi
Journal of Information Systems Engineering and Business Intelligence Vol 4, No 1 (2018): April
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/jisebi.4.1.57-64

Abstract

The online store is changing people’s shopping behavior. Despite the fact, the potential customer’s distrust in the quality of products and service is one of the online store’s weaknesses. A review is provided by the online stores to overcome this weakness. Customers often write a review using languages that are not well structured. Sentiment analysis is used to extract the polarity of the unstructured texts. This research attempted to do a sentiment analysis in the sales review. Sentiment analysis in sales reviews can be used as a tool to evaluate the sales. This research intends to conduct a sentiment analysis in the sales review of Indonesian marketplace by utilizing Support Vector Machine and Naive Bayes. The reviews of the data are gathered from one of Indonesian marketplace, Bukalapak. The data are classified into positive or negative class. TF-IDF is used to feature extraction. The experiment shows that Support Vector Machine with linear kernel provides higher accuracy than Naive Bayes. Support Vector Machine shows the highest accuracy average. The generated accuracy is 93.65%. This approach of sentiment analysis in sales review can be used as the base of intelligent sales evaluation for online stores in the future.
CLASSIFICATION OF METACOGNITIVE INTO TWO CATAGORIES TO SUPPORT THE LEARNING PROCESS Sakinnah, Husnul Rahmawati; Permanasari, Adhistya Erna; Soesanti, Indah
Jurnal Pendidikan Sains Vol 5, No 1: March 2017
Publisher : Pascasarjana Universitas Negeri Malang (UM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (439.506 KB) | DOI: 10.17977/jps.v5i1.9069

Abstract

Abstract: Learning outcomes are the patterns of actions, values, understanding, attitudes, appreciation and skills. Learning outcomes are related to the metacognitive of student where the elements contained in metacognitive is cognitive. The relationship between cognitive and metacognitive which is the foundation of cognitive is metacognitive. There are two components such as knowledge of metacognitive and regulation of metacognitive. In the learning process, cognitive factors are not the only one that can support, but also a metacognitive factor is a very influential factor for the success of the learning process. Thus, it is very important to do with a deeper analysis about metacognitive by identifying me-tacognitive level to support the learning process. Identification of metacognitive is performed by using Naïve Bayes Classifier algorithm (NBC) which NBC is one of an algorithm that is used for classification algorithm for data mining. In these studies, it is obtained that the accuracy scored 88,0597% when tested using NBC.Key Words: metacognitive, knowledge of metacognitive, regulation of metacognitive, cognitive, Naïve Bayes Classifier (NBC) Abstrak: Hasil pembelajaran merupakan pola tindakan, nilai-nilai, pemahaman, sikap, apresiasi dan keterampilan. hasil belajar terkait dengan metakognitif siswa di mana unsur-unsur yang terkandung dalam metakognitif adalah kognitif. Hubungan antara kognitif dan metakognitif merupakan dasar dari kognitif adalah metakognitif. Terdapat dua komponen dalam pengetahuan metakognitif dan regulasi metakognitif. Dalam proses pembelajaran, faktor kognitif bukan satu-satunya yang dapat mendukung, tetapi juga faktor metakognitif adalah faktor yang sangat berpengaruh bagi keberhasilan proses pembelajaran. Jadi, sangat penting untuk melakukan analisis yang lebih mendalam tentang metakognitif dengan mengidentifikasi tingkat metakognitif untuk mendukung proses pembelajaran. Identifikasi metakognitif dilakukan dengan menggunakan algoritma Naïve Bayes Classifier (NBC) dimana NBC merupakan salah satu algoritma yang digunakan untuk algoritma klasifikasi untuk data mining. Dalam penelitian tersebut diperoleh bahwa nilai akurasi adalah 88,0597% saat diuji menggunakan NBC.Kata kunci: Metakognitif, Pengetahuan Metakognitif, Peraturan Metakognitif, Kognitif, Naïve Bayes Classifier (NBC)