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

Published : 16 Documents
Articles

Found 16 Documents
Search

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 | Full PDF (226.102 KB)

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 | Full PDF (165.285 KB)

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.
Corrigendum: 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 2 (2018): October
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (111.387 KB) | DOI: 10.20473/jisebi.4.2.169

Abstract

In the version of this article initially published, there were some errors in Section III, Methods and Section VI, Conclusions. In Preprocessing of Methods, there is a sentence “The informal words may be in the form of slang words or abbreviations that are often used in daily life like cp at (from “cepat” or fast), blum (from “belum” or not yet), and gak (from “tidak” or no).”. The correct sentence is “The informal words may be in the form of slang words or abbreviations that are often used in daily life like cpat (from “cepat” or fast), blum (from “belum” or not yet), and gak (from “tidak” or no).”. In Text Classification of Methods, there is a sentence “Where P(B|A) is the probability of B appearance when A is known? The value P(A|B) is the probability of an appearance if B is known. P(A) is the probability of an appearance, while P(B) is the probability of B appearance.”. The correct sentence is “Where P(B│A) is the probability of the appearance of B when A is known. The value of P(A|B) is the probability of the appearance of A if B is known. P(A) is the probability of the appearance of A, while P(B) is the probability of the appearance of B.”. In Conclusions, a sentence “The accuracy reaches 93.42%; using 25% features with highest TF-IDF” should be changed to “The accuracy reaches 93.65%; using 25% features with highest TF-IDF” based on the results in Fig.3. These errors have been corrected in the PDF versions of the article.
A scoring rubric for automatic short answer grading system Hasanah, Uswatun; Permanasari, Adhistya Erna; Kusumawardani, Sri Suning; Pribadi, Feddy Setio
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 17, No 2: April 2019
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (543.434 KB) | DOI: 10.12928/telkomnika.v17i2.11785

Abstract

During the past decades, researches about automatic grading have become an interesting issue. These studies focuses on how to make machines are able to help human on assessing students’ learning outcomes. Automatic grading enables teachers to assess student's answers with more objective, consistent, and faster. Especially for essay model, it has two different types, i.e. long essay and short answer. Almost of the previous researches merely developed automatic essay grading (AEG) instead of automatic short answer grading (ASAG). This study aims to assess the sentence similarity of short answer to the questions and answers in Indonesian without any language semantic's tool. This research uses pre-processing steps consisting of case folding, tokenization, stemming, and stopword removal. The proposed approach is a scoring rubric obtained by measuring the similarity of sentences using the string-based similarity methods and the keyword matching process. The dataset used in this study consists of 7 questions, 34 alternative reference answers and 224 student’s answers. The experiment results show that the proposed approach is able to achieve a correlation value between 0.65419 up to 0.66383 at Pearson's correlation, with Mean Absolute Error (????????????) value about 0.94994 until 1.24295. The proposed approach also leverages the correlation value and decreases the error value in each method.
Analisis Constructivist Multimedia Learning Environment dengan Pendekatan Bayesian Structural Equation Model Rahayu, Eny Sukani; Permanasari, Adhistya Erna; Hareswary, Dewa Ayu Putu Nadya; Prisabtini, Inas Ulfah
Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI) Vol 7, No 4 (2018)
Publisher : Jurusan Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1511.263 KB) | DOI: 10.22146/jnteti.v7i4.454

Abstract

Constructivist Multimedia Learning Environment (CMLE) is a learning model where the teacher gives the student an experience that can help them to develop high order thinking skills such as critical thinking, developing solutions, and be creative around their environment. CMLE uses multimedia as their main source of information and as a tool to deliver learning materials. For that purpose, evaluation is needed to assess the effectiveness of the learning model. This evaluation is known as CMLE Survey (CMLES). Data obtained from CMLES needs to be analysed using analytical methods that can show the relationship between each variable and the indicator. Bayesian Structural Equation Model (SEM) is considered as the right approach because of many advantages of Bayesian Approach, such as using prior information to get posterior result and not affected by the number of samples. The seven existing hypotheses are accepted with the following results. RTH has a positive influence on CHL while CHL has a positive effect on COM. RLV has a positive influence on COM. RTH has a positive influence on INQ while INQ has a positive influence on NEG. Nevertheless, CHL gives a negative influence on INQ and RLV gives a negative influence on CHL.