Article Per Year (5 Year)
p-Index From 2020 - 2025
2.374
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Khatulistiwa Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Informatika Terpadu JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Rohmat, Cep Lukman
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Aplikasi Layanan Perkara Menggunakan Web Service Berbasis Android Rohmat, Cep Lukman; Dikananda, Arif Rinaldi; Ali, Irfan; Nurdiawan, Odi
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 9, No 3 (2021)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v9i3.44220

Abstract

Pengadilan Agama Sumber telah menerapkan sistem terkomputerisasi yang bernama Sistem Informasi Penelusuran Perkara (SIPP). Sistem tersebut dalam penerapan di lapangan masih terdapat kekurangan. Diantaranya yaitu sistem ini belum dapat diakses dengan baik melalui perangkat mobile seperti Android. Selain itu langkah-langkah yang dilakukan untuk menemukan informasi perkara dianggap belum efisien. Layanan informasi perkara pada penelitian ini menggunakan teknologi web service, yaitu sekumpulan data atau aplikasi yang dapat diakses secara jarak jauh melalui jaringan internet. Web service nantinya akan diakses oleh client yang berupa aplikasi Android. Sedangkan dalam pengembangan aplikasi, pada penelitian ini menggunakan metode waterfall. Metode waterfall merupakan salah satu metode dalam SDLC yang memiliki ciri khas pengerjaan yaitu setiap fase dalam waterfall harus diselesaikan terlebih dahulu sebelum melanjutkan ke fase berikutnya. Pada penelitian ini dihasilkan sebuah aplikasi layanan informasi perkara berbasis Android dengan memanfaatkan teknologi web service. Dengan adanya layanan informasi perkara berbasis Android, dapat memudahkan pegawai dalam melakukan aktifitas pekerjaan dimana informasi perkara dapat diakses kapanpun dan dimanapun sehingga dapat meningkatkan kinerja pegawai Pengadilan Agama Sumber lebih dari 60%.
PENERAPAN MODEL REGRESI LINIER UNTUK PREDIKSI HARGA SAHAM BANK BCA PADA BURSA EFEK INDONESIA Zapar, Rizky; Pratama, Denni; Kaslani, Kaslani; Rohmat, Cep Lukman; Faturrohman, Faturrohman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8215

Abstract

Dalam era globalisasi dan kompleksitas pasar modal, analisis prediksi harga saham menjadi elemen krusial bagi keberhasilan investor dan perusahaan. Fluktuasi harga saham yang tidak menentu menciptakan tantangan dalam meramalkan pergerakan pasar. Metodologi KDD (Knowledge Discovery in Databases) digunakan untuk mengekstraksi pengetahuan berharga dari data historis harga saham Bank BCA. Dengan fokus pada metode regresi linier, penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga saham dan memvalidasi model menggunakan K-Fold Cross-Validation. Hasil evaluasi menunjukkan nilai RMSE sebesar 0.032, menandakan tingkat kesalahan yang rendah dan konsistensi kinerja model. Absolute Error sebesar 0.024 dengan rentang 0.007 mengindikasikan kemampuan model memberikan perkiraan yang akurat terhadap pergerakan harga saham. Root Relative Squared Error sebesar 0.138 dengan rentang 0.036 mencerminkan tingkat kesalahan relatif terhadap variasi data yang dapat dipertahankan oleh model. Dengan Squared Error sebesar 0.001 dan rentang 0.001, sebaran kesalahan prediksi model menunjukkan bahwa sebagian besar prediksi model berada dalam kisaran nilai sebenarnya. Model regresi linier dengan pendekatan KDD mampu memberikan prediksi harga saham Bank BCA dengan tingkat akurasi yang tinggi dan konsistensi yang baik, memberikan landasan yang kuat untuk pengambilan keputusan investasi di masa depan.
PENERAPAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI UNTUK IDENTIFIKASI POLA PEMBELIAN Wijaya, Arya; Faqih, Ahmad; Solihudin, Dodi; Rohmat, Cep Lukman; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8270

Abstract

Transaksi penjualan dalam dunia bisnis seringkali mengalami peningkatan penjualan yang melonjak, dalam hal ini perusahaan-perusahaan memiliki data penjualan bulanan yang terarsip, Masalah yang seringkali terjadi yaitu tidak teratur nya pada penyesuaian stok barang, Data Mining adalah sebuah kegiatan pengolahan data untuk mengenali pola pembelian atau kecenderungan pelanggan terhadap produk penjualan. Penelitian ini bertujuan melibatkan pertanyaan tentang bagaimana algoritma Apriori dapat diterapkan secara efektif untuk mengungkap pola pembelian yang signifikan dalam data transaksi penjualan. studi ini mendiskusikan pentingnya pemahaman pola pembelian dalam bisnis, termasuk manfaatnya untuk rekomendasi produk, strategi pemasaran, dan pengelolaan persediaan. Metode yang digunakan adalah pengumpulan data transaksi penjualan, dengan menggunakan metode KDD dengan algoritma apriori tahapan yang dilakukan antara nya seleksi data, preprocessing data, transformasi data, Data mining, evaluasi. Penggunaan algoritma Apriori untuk mengidentifikasi itemset yang sering muncul bersama dalam transaksi, serta menentukan ambang batas dukungan yang relevan. Hasil dan Diskusi menyoroti pola pembelian yang berhasil diidentifikasi dan menggambarkan implikasinya dalam konteks bisnis, seperti peningkatan penjualan, efisiensi persediaan, dan pengembangan strategi pemasaran yang lebih cermat. Untuk menguji hasil penelitan ini digunakan nilai minimum Support 3% dan nilai Confidence 50% serta tahap evaluasi menggunakan lift ratio minimum 100% dari hasil pengujian tersebtut terdapat beberapa yang memenuhi syarat aturan asosiasi. Misalnya kombinasi, medialuna dan coffee yang memiliki nilai Support 3,5%, nilai Confidence 57% dan nilai lift ratio 120%, Implikasi dari hasil penemuan pola pembelian ini bisa dijadikan strategi penjualan Contohnya, saran untuk penempatan produk, promo khusus untuk produk dan manajemen stok yang efisien.
PEMETAAN OPINI PUBLIK TERHADAP PERUBAHAN KEBIJAKAN BPJS KESEHATAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE(SVM) DALAM ANALISIS SENTIMEN Damayanti, Damayanti; Indriya Efendi, Dendy; Solihudin, Dodi; Rohmat, Cep Lukman; Eka Permana, Sandy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8304

Abstract

Perubahan kebijakan iuran BPJS Kesehatan kerap menjadi topik hangat di dunia maya. Riset ini bertujuan untuk melakukan analisis sentimen terkait perubahan iuran BPJS Kesehatan dengan memanfaatkan algoritma Support Vector Machine (SVM). Fokus utama memahami respon masyarakat melalui komentar di media sosial, dimana SVM berperan dalam mengklasifikasikan sentimen teks, menyoroti pandangan masyarakat, dan mengidentifikasi potensi dampak kebijakan. Riset ini membincangkan aspek-aspek penting seperti analisis sentimen, implementasi SVM, dan kontribusi riset terhadap perkembangan metode analisis sentimen, pemahaman respons masyarakat terhadap perubahan kebijakan BPJS Kesehatan. SVM terbukti berhasil dengan tingkat akurasi mencapai 94.28%. Dalam mengevaluasi sentimen negatif, model SVM menunjukkan tingkat presisi, recall, dan F1-score mencapai 97% masing-masing. Sementara itu, untuk sentimen positif, presisi mencapai 35%, recall 42%, dan F1-score 39%. kesimpulan dari penelitian ini bahwa SVM memberikan kontribusi yang signifikan dalam menganalisis sentimen terkait kebijakan BPJS Kesehatan, khususnya dalam menghadapi sentimen negatif. Dampak praktisnya melibatkan peningkatan operasional BPJS Kesehatan berdasarkan evaluasi tanggapan masyarakat, dengan fokus peningkatan pelayanan dan komunikasi untuk mengurangi dampak negatif dan meningkatkan kepuasan pengguna. Penelitian ini menjadi dasar bagi pengambil kebijakan untuk keputusan yang responsif, sesuai harapan masyarakat. Latar belakang permasalahan menyoroti kompleksitas isu dan pentingnya pemahaman mendalam terhadap pandangan masyarakat terhadap perubahan kebijakan BPJS Kesehatan.
ANALISIS SENTIMEN PADA ULASAN PRODUK PAKAIAN ZIRDIGO DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES Rohmat, Cep Lukman; Tito Aprilianto, Rizky; Fathurrohman, Fathurrohman; Iin, Iin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8697

Abstract

Teknologi informasi terus berkembang, mengubah cara berkomunikasi, model kerja, serta akses terhadap informasi. Bisnis modern sangat dipengaruhi oleh kemajuan informatika, dengan e-commerce menjadi salah satu contoh terkemuka dalam perubahan tersebut. Pendidikan juga menjalani perubahan, dengan pemanfaatan teknologi untuk pendidikan jarak jauh dan akses ke sumber daya pendidikan yang lebih luas. Selain itu, perkembangan pesat di bidang Informatika juga membuka peluang untuk penelitian dan analisis data yang lebih luas. Permasalahan dalam mengidentifikasi ulasan dapat menyebabkan kesalahan dalam mengevaluasi kualitas produk, yang pada akhirnya dapat berdampak pada keputusan konsumen. Oleh karena itu, penting untuk dapat mengidentifikasi dengan akurat apakah suatu ulasan bersifat positif atau negatif. Tujuan penelitian ini untuk meningkatkan kualitas produk dan layanan pada produk pakaian Zirdigo. Metode penelitian yang digunakan adalah Sample Explore Modify Model&Access (SEMMA) dengan menggunakan data ulasan produk pakaian Zirdigo sebagai data latih dan uji. Penelitian ini akan menggunakan teknik analisis data dengan menggunakan algoritma Naive Bayes untuk melakukan klasifikasi sentimen pada ulasan produk pakaian Zirdigo. Hasil analisis sentimen pada ulasan produk pakaian Zirdigo dengan menggunakan algoritma Naïve Bayes menghasilkan accuracy sebesar 81.00%, precision 100% dan recall 80%.
ALAT PEMBERIAN PAKAN GLOWFISH PADA AQUARIUM BERBASIS MIKROKONTROLER : IOT SMART FEED IKAN GLOWFISH MENGGUNAKAN MIKROKONTROLER Rizki Rinaldi, Ade; Maulana, Rendi; Fathurrohman, Fathurrohman; Rohmat, Cep Lukman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8791

Abstract

Pemeliharaan ikan hias dalam aquarium merupakan kegiatan yang diminati oleh berbagai kalangan masyarakat di Indonesia. Namun, pemeliharaan ikan dalam aquarium tidak dapat dilakukan secara sembarangan. Ada banyak aspek yang harus diperhatikan, salah satunya adalah pemberian makan. Banyak pemelihara ikan yang sering lupa memberikan makanan pada ikan-ikan mereka. Untuk mempermudah pemberian pakan ikan, pemilik ikan harus menyediakan alat pemberi pakan otomatis. Penelitian ini bertujuan untuk membuat alat pemberi pakan ikan otomatis di aquarium dengan menggunakan Arduino Uno, Motor Servo, Sensor Waktu RTC, Kabel Jumper, dan Lcd. Alat ini dapat memudahkan pemeliharaan ikan hias yang populer di Indonesia, khususnya dalam hal pemberian pakan yang tepat sesuai dengan waktu yang ditentukan. Metode penelitian ini meliputi observasi dan wawancara langsung. Hasil penelitian menunjukkan bahwa alat berfungsi dengan baik sesuai dengan perencanaan.
OPTIMASI MODEL KLASIFIKASI CITRA SAMPAH DAUR ULANG DENGAN ALGORITMA YOLO11 Aprilla, Anggita; Prihartono, Willy; Rohmat, Cep Lukman
Jurnal Khatulistiwa Informatika Vol 12, No 2 (2024): Periode Desember 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jki.v12i2.24646

Abstract

Masalah pengelolaan limbah, terutama sampah anorganik seperti plastik, kaca, kardus, dan logam, menjadi tantangan signifikan dalam mewujudkan keberlanjutan lingkungan. Penelitian ini bertujuan meningkatkan akurasi klasifikasi sampah daur ulang berbasis citra dengan memanfaatkan algoritma YOLO11 yang telah dioptimalkan. Dataset penelitian terdiri dari 400 gambar sampah yang dikumpulkan melalui observasi lapangan, menggunakan latar belakang putih untuk mempertegas kontras objek. Proses penelitian mencakup tahap preprocessing data (meliputi resizing dan pembagian data), pelatihan model dengan rasio data 80:20, serta evaluasi kinerja menggunakan metrik akurasi, precision, recall, dan F1-score. Model dilatih selama lima epoch menggunakan bobot awal pada algoritma YOLO11. Hasil penelitian menunjukkan model mampu mencapai akurasi keseluruhan sebesar 98,7%, dengan precision 98,8%, recall 98,7%, dan F1-score 98,7%. Pengujian pada data eksternal juga membuktikan kemampuan model dalam menggeneralisasi, meskipun terdapat beberapa kendala pada pencahayaan dan sudut pandang tertentu. Temuan ini menggarisbawahi potensi besar algoritma YOLO11 untuk mendukung otomatisasi pengelolaan sampah daur ulang, seperti dalam pemisahan material di fasilitas daur ulang atau aplikasi berbasis edukasi mobile. Untuk pengembangan lebih lanjut, disarankan memperluas variasi dataset dan mengeksplorasi algoritma lain guna mendukung pengelolaan sampah yang lebih optimal dan berkelanjutan.
ANALISIS SENTIMEN PENGGUNA APLIKASI MYBLUEBIRD DENGAN ALGORITMA NAÏVE BAYES DI PLAYSTORE Prasetia, Deni; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5687

Abstract

Transportasi berbasis aplikasi digital, termasuk MyBlueBird , menjadi kebutuhan penting di era modern. Namun, kualitas layanan aplikasi ini sering menjadi sorotan, terutama dari ulasan pengguna yang mengindikasikan adanya keluhan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi MyBlueBird guna memancarkan kualitas layanannya. Analisis dilakukan menggunakan algoritma Naïve Bayes untuk mengklasifikasikan ulasan menjadi sentimen positif, negatif, dan netral. Penelitian menggunakan data sekunder dari Google Playstore dengan total 1.000 ulasan yang diproses melalui tahapan pengumpulan data, preprocessing teks, dan evaluasi model menggunakan akurasi, presisi, dan recall. Hasil menunjukkan algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan akurasi 92%. Sebagian besar ulasan bersifat positif, menunjukkan tingkat kepuasan yang tinggi, meskipun terdapat keluhan terkait kelemahan pengemudi dan kualitas kendaraan. Analisis ini menjadi alat strategi untuk meningkatkan layanan berbasis data pengguna dan dapat diterapkan pada sektor lain.
OPTIMASI ANALISIS SENTIMEN APLIKASI GLINTS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Rahmasari, Fanny; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5681

Abstract

Teknologi informasi telah mengubah cara orang mencari pekerjaan, dan aplikasi seperti Glints adalah salah satu contohnya. Namun, lebih banyak ulasan pengguna membuat analisis sentimen sulit. Pengelolaan fitur yang relevan dan pemilihan parameter yang ideal adalah masalah utama. Dengan menggunakan algoritma Support Vector Machine (SVM), penelitian ini mengoptimalkan analisis sentimen ulasan Glints. Sebanyak 2000 ulasan dari Playstore dikumpulkan melalui scraping, dengan 69,2% positif, 16,6% netral, dan 14,2% negatif. Dalam proses pra-pemrosesan, case folding dan transformasi fitur menggunakan TF-IDF dengan unigram dan bigram dilakukan. Model SVM memiliki tingkat akurasi tinggi sebesar 92 persen, presisi sebesar 87%, recall sebesar 86%, dan F1-Score sebesar 86%. Implementasi berbasis Streamlit memungkinkan analisis sentimen dalam waktu nyata. Hasil ini membantu pengembang Glints meningkatkan layanan yang diberikan oleh pengguna.Keyword : Analisis Sentimen, Support Vector Machine (SVM), Aplikasi Glints, Klassifikasi Sentimen.
Penerapan Algoritma Naive Bayes dalam Analisis Sentimen Ulasan Aplikasi KitaLulus di Google Play Store Nurrochmah, Dina Siti; Rahaningsih, Nining; Dana, Raditya Danar; Rohmat, Cep Lukman
Jurnal Informatika Terpadu Vol 11 No 1 (2025): Maret, 2025
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jit.v11i1.1544

Abstract

Online job search applications are proliferating and are crucial for job seekers in Indonesia. As seen in Google Play Store reviews, KitaLulus, a leading platform, faces technical issues, unresponsive services, and limited job postings. This study analyzes user sentiment using the Naive Bayes algorithm. Data was collected from 1,000 reviews through web scraping between September and November 2024. The pre-processing steps included text cleaning, tokenization, stopword removal, and stemming. It classified reviews into positive, neutral, and negative sentiments. A confusion matrix evaluated the model using accuracy, precision, recall, and F1-score. Results showed positive reviews, but some users reported performance issues and limited features. The Naive Bayes model achieved 88% accuracy, 87% precision, 88% recall, and an 85% F1 score. This method efficiently processes extensive text data with lower computational costs than KNN and SVM. This research helps improve application development, enhance service quality, and expand sentiment analysis studies in IT. The findings will guide the creation of innovative strategies to benefit the community.
Co-Authors Ahmad Faqih Angraeni, Devita Fitri Aprilla, Anggita Arya Wijaya, Arya Damayanti Damayanti Dikananda, Arif Rinaldi Dimin, Egi Susanto Eka Permana, Sandy Fathurrohman Fathurrohman Faturrohman, Faturrohman Iin, Iin Indriya Efendi, Dendy Irfan Ali, Irfan Kaslani Lestari, Gifthera Dwi Lita, Arlita lita Nining Rahaningsih Nurrochmah, Dina Siti Odi Nurdiawan Prasetia, Deni Pratama, Denni Prihartono, Willy R, Nining Raditya Danar Dana Rahmasari, Fanny Rendi Maulana Rizki Rinaldi, Ade Solihudin, Dodi Tito Aprilianto, Rizky Zapar, Rizky