Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Suprianto Suprianto
Informatika, Universitas Muhammadiyah Sidoarjo
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
SISTEM PAKAR DETEKSI DINI PENYAKIT STROKE MENGGUNAKAN METODE HYBRID BERBASIS WEB Muhammad Fahruddin Mahfudhoni; Hindarto Hindarto; Novia Ariyanti; Suprianto Suprianto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16919

Abstract

Stroke merupakan penyakit serius yang berpotensi menyebabkan kematian dan kecacatan permanen apabila tidak ditangani secara cepat dan tepat. Rendahnya pemahaman masyarakat terhadap gejala awal stroke serta keterbatasan akses layanan kesehatan menjadi salah satu faktor utama keterlambatan penanganan. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web untuk mendukung deteksi dini penyakit stroke dengan menerapkan metode hybrid Forward Chaining dan Certainty Factor. Metode Forward Chaining digunakan untuk menelusuri aturan diagnosis berdasarkan gejala yang dipilih pengguna, sedangkan Certainty Factor dimanfaatkan untuk menentukan tingkat keyakinan terhadap hasil diagnosis. Sistem dibangun menggunakan bahasa pemrograman JavaScript dan basis data MySQL, serta menyediakan fitur pengelolaan data oleh admin dan layanan diagnosis bagi pengguna. Pengujian fungsional menggunakan metode Black Box menunjukkan seluruh fitur sistem berjalan dengan baik, sementara hasil pengujian pengguna menunjukkan sistem mudah digunakan dan mampu menyajikan informasi yang jelas. Sistem ini diharapkan dapat membantu masyarakat dalam mengenali gejala awal stroke serta memberikan diagnosis awal sebagai pendukung pengambilan keputusan sebelum melakukan pemeriksaan medis lanjutan
PEMODELAN SENTIMEN KOMENTAR YOUTUBE TERKAIT KEBIJAKAN HILIRISASI NIKEL MENGGUNAKAN ALGORITMA SUPERVISED LEARNING Ditta Adelia; Uce Indahyanti; Yunianita Rahmawati; Suprianto Suprianto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18003

Abstract

Kebijakan hilirisasi nikel Indonesia sejak 2020 menuai respon beragam, mulai dari dukungan kedaulatan ekonomi hingga kritik dampak lingkungan dan ketimpangan distribusi manfaat. Platform YouTube dengan 139 juta pengguna aktif menjadi ruang diskusi publik yang dinamis terkait kebijakan ini. Namun, analisis sentimen sering menghadapi kendala ketidakseimbangan kelas yang menyebabkan model bias terhadap kelas mayoritas dan gagal mendeteksi kelas minoritas. Penelitian ini bertujuan menganalisis sentimen publik terhadap kebijakan hilirisasi nikel melalui komentar YouTube dan mengevaluasi efektivitas metode SMOTE-Tomek Links dalam menangani ketidakseimbangan kelas. Dataset 7.850 komentar YouTube yang telah melalui tahap text processing dan pelabelan, menghasilkan distribusi tidak seimbang (81,04% negatif vs 18,96% positif). Tiga algoritma supervised learning (Naive Bayes, Random Forest, Support Vector Machine) diuji pada dua skenario yaitu sebelum dan sesudah penerapan SMOTE-Tomek Links. Hasil menunjukkan bahwa model terbaik diperoleh menggunakan SVM rasio 80:20 dengan SMOTE-Tomek Links, mencapai akurasi 96,37% dan recall kelas positif 89%. Metode ini efektif mengurangi bias dengan penurunan selisih recall dari 14% menjadi 9%. Analisis sentimen mengungkapkan opini negatif didominasi kekhawatiran kerusakan lingkungan dan ketimpangan ekonomi, sementara opini positif berfokus pada kemajuan industri dan kedaulatan negara.
Co-Authors Ditta Adelia Hindarto Hindarto Muhammad Fahruddin Mahfudhoni Novia Ariyanti Uce Indahyanti Yunianita Rahmawati