Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

7.998

P-Index

This Author published in this journals

All Journal Jurnal Ilmu Komputer dan Informasi MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) E-Bisnis : Jurnal Ilmiah Ekonomi dan Bisnis Elkom: Jurnal Elektronika dan Komputer Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Informatika Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Informatika Upgris Sistemasi: Jurnal Sistem Informasi Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial IJCIT (Indonesian Journal on Computer and Information Technology) Indonesian Journal on Software Engineering (IJSE) Jurnal Ilmiah Universitas Batanghari Jambi Jurnal CoreIT Jurnal Pilar Nusa Mandiri Techno Nusa Mandiri : Journal of Computing and Information Technology JURNAL ILMIAH INFORMATIKA JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Teknik Informatika UNIKA Santo Thomas INTECOMS: Journal of Information Technology and Computer Science Jurnal ULTIMA Computing J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informasi dan Komputer INTEK: Informatika dan Teknologi Informasi KOMPUTIKA - Jurnal Sistem Komputer JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) CSRID (Computer Science Research and Its Development Journal) JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar ScientiCO : Computer Science and Informatics Journal Jurnal Mantik Jusikom: Jurnal Sistem Informasi Ilmu Komputer Jurnal Ilmu Komputer dan Bisnis Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JATI (Jurnal Mahasiswa Teknik Informatika) Sains, Aplikasi, Komputasi dan Teknologi Informasi Dinasti International Journal of Digital Business Management Jurnal Sains Komputer dan Teknologi Informasi Jurnal Digital Teknologi Informasi Journal of Applied Data Sciences Jurnal AbdiMas Nusa Mandiri Yayasan Cita Cendikiawan Al Khwarizmi J-SAKTI (Jurnal Sains Komputer dan Informatika) Tridharmadimas: Jurnal Pengabdian Kepada Masyarakat Jayakarta Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Jurnal Pengabdian Masyarakat Bangsa Inspiration: Jurnal Teknologi Informasi dan Komunikasi Infomans: Jurnal Ilmu-ilmu Informatika dan Manajemen Jurnal Pengabdian Masyarakat Tekno SWAGATI: Journal of Community Service Journal of Innovation and Computer Science

Gata, Windu

STMIK Nusa Mandiri Jakarta

Author-ID : 1151715

Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 94 Documents Claim Missing Document

Claim Missing Document

Articles

1 2 3 4 5

Sentimen Analisis Twitter Terhadap Isolasi Diri Masyarakat Indonesia Akibat Dampak Covid-19 Taufan, Resi; Rivanie, Tri; Rahayu, Sri; Gata, Windu
MATICS Vol 12, No 2 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v12i2.9329

Maraknya penyebaran virus Corona atau Covid-19 di Indonesia mengakibatkan pemerintah menganjurkan agar masyarakat indonesia melakukan isolasi diri dan social distancing. Hal ini menyebabkan banyaknya tanggapan publik khusunya di media sosia twitter tentang anjuran tersebut. Dalam penelitan ini akan dilakukan analisis sentimen masyarakat terhadap dampak yang dirasakan masyarakat mengenai isolasi diri. Ada beberapa tahap untuk melakukan analisis sentimen, diantaranya adalah tahap pengumpulan data, preprocesing data, validasi data serta pengujian dilakukan dengan tools rapidminer dengan menggunakan fitur TF-IDF untuk melakukan pembobotan pada setiap kata. Pada penelitian ini setiap tweet diklasifikasikan menjadi sentimen positif dan negative. Metode Naive Bayes dalam klasifikasi sentimen memiliki akurasi yang cukup baik untuk melakukan klasifikasi sentimen.

Implementasi Algoritma Klasifikasi Terhadap Tweet Pornografi Kaum Homoseksual Pada Twitter Hidayat, Taopik; Pebrianto, Rangga; Pratiwi, Risca Lusiana; Gata, windu; Saputri, Daniati Uki Eka
Indonesian Journal on Software Engineering (IJSE) Vol 6, No 2 (2020): IJSE 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v6i2.9008

Abstract: Twitter is one of the social media with the number of users who reach millions of users. The number of Twitter users in 2019 increased by 17 percent in 2018 to 145 million users with a variety of good both positive and bad. The negative impacts that occur such as the spread of status, images, and videos that affect pornography especially among freedom groups. Homosexuals are sexually oriented people who like the same sex that occurs in men, the rejection often experienced by men makes one of the reasons intellectuals use Twitter social media to show their personal relationships, open to each other, socializing with same sex, looking for conversation, to become a place to find a partner. The purpose of this study is to determine the positive and negative sentiments to determine the level of accuracy of intellectual pornography tweets in Indonesia from data taken from Twitter tweets by using the TF-IDF and k-NN methods. The results of this study get an accuracy value of 88.25% containing pornography and the remaining 11.75% not containing pornography will contain news, news, and other information.Keywords: homosexual, sentiment analysis, twitterAbstrak: Twitter merupakan salah satu media sosial dengan jumlah pengguna mencapai jutaan pengguna. Jumlah pengguna Twit-ter pada tahun 2019 dicatat meningkat 17 persendari tahun 2018 menjadi 145 juta pengguna dengan berbagai dampak baik dampak positif maupun dampak negatif. Dampak negatif yang ditimbulkannya seperti penyebaran status, gambar, dan video yang bersifat pornografi khsusunya di kalangan kaum homoseksual. Homoseksual merupakan orang yang berorientasi seksual sebagai penyuka sesama jenis yang terjadi pada kaum pria, Penolakan yang sering dialami kaum homoseksual men-jadikan salah satu alasan kaum homoseksual menggunakan media sosial Twitter untuk menunjukkan identitas diri mereka, saling terbuka, bersosialisasi dengan sesama jenis, mencari penghasilan, hingga menjadi ajang pencarian pasangan. Tujuan dari penelitian ini adalah untuk mengetahui sentimen positif dan negatif untuk mengetahui tingkat akurasi terhadap tweet pornografi kaum homoseksual di Indonesia dari data yang diambil dari tweet Twitter dengan menggunakan metode TF-IDF dan k-NN. Hasil penelitian ini mendapatkan nilai accuracy sebesar 88,25% mengandung unsur pornografi dan sisanya sebesar 11,75 tidak mengandung unsur pornografi akan tetapi berisi iklan, berita, dan informasi lainnya.Kata kunci: homoseksual, sentimen analisis, twitter

Penerapan Data Mining Untuk Memprediksi Kompetensi Siswa Menggunakan Metode Decission Tree ( Studi Kasus SMK Multicomp Depok ) Rizmayanti, Ade Irma; Hidayati, Nadiyah; Nugraha, Fitra Septia; Gata, Windu
Swabumi Vol 9, No 1 (2021): Volume 9 Nomor 1 Tahun 2021
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v9i1.8363

Abstract- This study discusses the application of data mining to predict student competencies using the decision tree method. In this study applying data mining to predict student competency using the decision tree method. This research was conducted to predict student learning outcomes based on report card grades semester 1, semester 2 semester 3 and semester 4. Data were then managed using Rapid Miner to facilitate predicting student competencies. The study was conducted at Multicomp SMK which has 3 majors namely Hospitality Accommodation, Online Business and Marketing and Multimedia. Research using data from students in each department includes class X and class XI. The application of data mining is used to predict student competencies by using a decision tree and C 4.5 algorithm as a support as well as a comparison to determine the competency of students of Multicomp Depok Vocational School based on both methods. This method is able to measure the ability of students appropriately and be able to provide an understanding at a certain level according to the needs of Indonesian education has a pattern and learning strategy based on students' reasoning abilities. Students are expected to be able to analyze a problem well and find the right solution. students are not accompanied by an adequate education system or curriculum. Teacher competencies that are not evenly distributed in various schools and governments are felt to be very lacking in realizing reasoning based education systems.

TINGKAT KEMATANGAN ( MATURITY LEVEL ) TATA LAKSANA INFORMASI MENGGUNAKAN COBIT 5 PADA MANAJEMEN PROGRAM DAN PROYEK : STUDI KASUS PT. XYZ Triyanto, Toeko; Gata, Windu
Jurnal Gerbang STMIK Bani Saleh Vol 8 No 1 (2018): Informatics, Science and Technologies Journal
Publisher : LIPI

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

PT XYZ is established in 2013. The company is already using information technology and has the IT division with the program and information systems used by the company is the inhouse production of the IT division. Along with business development company then many changes also in the information system used, it brought a lot of development projects and the addition of the system carried out by the IT division. In this case the project is fully regulated by the IT division began the initial stage to implementation and is delivered to the user. Currently, there has never been an evaluation for project management carried out by IT. therefore it is necessary to evaluate the specific standardization, here the author uses COBIT 5 framework that focuses on the process BAI01 that manage program and project. To determine the selected responder is using RACI Chart for later than the specified responder responder list that will fill out a questionnaire with purposive sampling method. Making a questionnaire based on practical guidance BAI01 COBIT 5 process by using a scale of measurement methods guffman. From the evaluation of PT Morinaga Kino Indonesia has capabliity BAI process level at 3.04 with a target level of 4 so had a gap of 0.96 with a breakdown per sub process that is BAI01.01 = 2.50, BAI01.02 = 2.60, BAI01 .03 = 3.05, BAI01.04 = 2.91, BAI01.05 = 3.40, BAI01.06 = 2.28, BAI01.07 = 4.67, BAI01.08 = 1.93, BAI01.09 = 3.05, BAI01.10 = 3.17, BAI01.11 = 2.90, BAI01.12 = 3.37, BAI01.13 = 3.72,BAI01.14 = 3.07. things that need to be improved is planning a project that has a capability level of 1.93.

DIAGNOSA PENYAKIT BELLâ€™S PALSY MENGGUNAKAN ALGORITMA FINITE STATE AUTOMATA Fatiha, Zulfati Dinul; Krisnandi, Dwi; Putra, Jordy Lasmana; Novitasari, Hafifah Bella; Gata, Windu
ScientiCO : Computer Science and Informatics Journal Vol 4, No 2 (2021): Scientico : November
Publisher : Fakultas Teknik, Universitas Tadulako

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

Bell's Palsy is a neurological disorder that causes paralysis of the face. Delayed treatment will increase the risk of permanent disability and other problems such as psychological problems. Lack of knowledge, cost constraints, and limited places for consultations caused low public awareness for diagnosis. A diagnosis system is needed for Bell's Palsy disease, so recovery can be faster and reduce negative effects. The system design will use the Finite State Automata Algorithm to describe the pattern so that the program is more structured and directed. The design is expected to help create an early diagnosis system that is useful for the community and can be accessed easily, quickly, and efficiently.

Integrasi Metode Decision Tree dan SMOTE untuk Klasifikasi Data Kecelakaan Lalu Lintas Franseda, Afrilio; Kurniawan, Wawan; Anggraeni, Sita; Gata, Windu
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 8, No 3 (2020)
Publisher : Jurusan Informatika Universitas Tanjungpura

Kecelakaan lalu lintas merupakan suatu peristiwa yang tidak dapat diprediksi dengan pasti dan dapat mengakibatkan korban jiwa, korban luka ringan, korban luka berat atau kerugian materil seperti benda berharga. Permasalahan ini terjadi di seluruh dunia, tidak terkecuali Australia Selatan yang merupakan salah satu wilayah di Australia. Tercatat bahwa wilayah tersebut memiliki total kecelakaan yang memakan korban 4.953 pada tahun 2018. Oleh karena itu, dibutuhkan analisis untuk mengantisipasi kecelakaan agar tidak terulang kembali kejadian dengan faktor yang sama. Salah satu solusi untuk permasalahan ini yaitu diperlukan metode klasifikasi untuk mengelompokkan faktor-faktor yang mempengaruhi kecelakaan lalu lintas. Metode klasifikasi yang digunakan sebagai pengolah data adalah metode Decision Tree. Metode pada permasalahan ketidakseimbangan kelas menggunakan metode Synthetic MinorityOver-sampling Technique (SMOTE). Untuk proses dalam meningkatkan evaluasi pada penelitian ini menggunakan proses Knowledge Discovery in Database (KDD). Pengujian dilakukan dengan tiga desain model yaitu Split Validation Decision Tree dan SMOTE diperoleh akurasi 69.23%. Pengujian menggunakan Cross Validation Decision Tree dan SMOTE diperoleh akurasi 63.56%. Pengujian menggunakan Decision Tree dan SMOTE Split Data diperoleh akurasi 71.12% dengan perbandingan 1:9. Sehingga, setelah ketiga desain model tersebut dibandingkan, maka Decision Tree dan SMOTE Split Data mendapatkan akurasi yang paling baik. Selain itu diperoleh pula presisi 89.71% (3:7) dan area under curve (AUC) sebesar 0.773 (1:9). Penelitian ini masuk kedalam kategori fair classification (cukup).Traffic accidents are events that cannot be predicted with certainty and can result in casualties, minor injuries, serious injuries, or material losses such as valuable objects. This problem occurs throughout the world, including South Australia which is one of the regions in Australia. It is recorded that the area had a total of 4,953 casualties in 2018. Therefore an analysis is needed to anticipate the accident so that it does not happen again with the same factors. One solution to this problem is the classification method needed to classify the factors that affect traffic accidents. The classification method used for data processing is the Decision Tree method. The method for class imbalance problems uses the method of Synthetic Minority Over-sampling Technique (SMOTE). For the process of increasing evaluation in this study using the Knowledge Discovery in Database (KDD) process. The test was carried out with three model designs namely Split Validation Decision Tree and SMOTE model design obtained an accuracy of 69.23%. Testing using Cross Validation Decision Tree and SMOTE obtained an accuracy of 63.56%. Testing using the Decision Tree and SMOTE Split Data obtained an accuracy 71.12% with ratio of 1:9. So, after the three design models are compared, the split Decision Tree and SMOTE Split Data gets the best accuracy. Also, a precision of 89.71% (3:7) and area under curve (AUC) were obtained of 0.773 (1:9). This research belongs to the fair classification category.

Desain Vending Machine Ice Cream Di Sekolah Dengan Mengimplementasikan Konsep Finite State Automata Ellis Ermawati; Nida Umi Latifah; Laela Kurniawati; Ahmad Bayhaqi; Windu Gata
INTEK : Jurnal Informatika dan Teknologi Informasi Vol. 4 No. 2 (2021)
Publisher : Universitas Muhammadiyah Purworejo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37729/intek.v4i2.1258

Pentingnya pelayanan yang cepat, mudah dan praktis menjadi keinginan masyarakat pada era sosiety 5.0. Permasalahan di kota besar yang banyak dirasakan setiap orang yaitu kemacetan yang sangat menyita waktu. Marak nya kuliner dengan berbagai rasa dan varian membuat masyarakat kota selalu menginginkan hal baru. Untuk itu jasa pemesanan makanan secara daring sangat banyak digunakan saat ini. Ice cream menjadi salah satu makanan yang menjadi kegemaran baik anak-anak, remaja maupun orang dewasa. Vending machine ice cream merupakan salah satu solusi untuk menghadirkan makanan favorit di tempat yang terjangkau tanpa harus menunggu terlalu lama karena pengiriman makanan terhambat kemacetan. Penelitian ini menggunakan konsep Finite State Automata yang dapat menerima masukan dan keluaran sesuai dengan masukan yang diberikan oleh konsumen dengan penyimpanan yang terbatas. Dengan penelitian ini diharapkan dapat membantu konsumen terutama pelajar yang memiliki keterbatasan waktu istirahat untuk memperoleh makanan yang diinginkan.

Analisis Sentimen Physical Distancing pada Twitter Menggunakan Text Mining dengan Algoritma Naive Bayes Classifier Nila Hardi; Yuris Alkahfi; Popon Handayani; Windu Gata; Muhammad Rifqi Firdaus
Sistemasi: Jurnal Sistem Informasi Vol 10, No 1 (2021): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

AbstrakPhysical distancing kini sedang ramai menjadi perbincangan publik sebagai salah satu cara pemerintah dalam menekan penyebaran virus covid-19 yang sedang melanda beberapa negara di belahan dunia. Tidak tersaringnya cuitan terkait physical distancing bisa memunculkan berbagai macam opini, tidak hanya opini yang positif tapi juga yang negatif. Maka dari itu, Twitter di anggap lebih diminati oleh masyarakat indonesia dikarenakan twitter dirasa lebih mudah untuk mengungkapkan opininya. Metode yang digunakan yaitu Naive Bayes Classifier (NBC). Data terkumpul dilakukan filter dari cuitan tersebut dengan menghapus data yang double maka setelah di filter data yang terambil yaitu sebanyak 547 tweets. Pada perhitungan analisis sentimen terhadap physical distancing di tengah pandemi covid-19 menggunakan metode NBC memperoleh hasil akurasi sebesar 50,26%. Tujuan dari penelitian ini, agar dapat mengkategorikan opini negatif atau positif, dari pembahasan physical distancing. Nantinya informasi terkait kebijakan Physical Distancing bisa sampai tepat informasinnya kepada masayarakat.Kata Kunci: naïve bayes, physyical distancing, twitter AbstractPhysical distancing is now busy becoming a public conversation as a way for the government to spread the Covid-19 virus which is currently hitting several countries around the world. There are public tweets related to physical distance that is free from various kinds of opinions, not only positive but also negative ones. Therefore, Indonesian people consider Twitter to be more desirable because it is easier for Indonesians to express their opinion. The method used is the Naive Bayes Classifier (NBC). The data collected was filtered from the tweets with double data, then after filtering the data were taken as many as 547 tweets. In calculating the sentiment analysis of physical distance in the middle of the Covid-19 pandemic using the NBC method, it gets an accurate result of 50.26%. The purpose of this study, to find and categorize negative or positive opinions, from the discussion of physical distancing. So that the implementation of the Physical Distance policy can get accurate information to the public.Keywords: naïve bayes, physical distancing, twitter

Sentimen Analisis Terkait Lockdown pada Sosial Media Twitter Muhammad Dwison Alizah; Arifin Nugroho; Ummu Radiyah; Windu Gata
Indonesian Journal on Software Engineering (IJSE) Vol 6, No 2 (2020): IJSE 2020
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v6i2.8991

Abstract: Covid-19 has been set as a Pandemic by the World Health Organization (WHO). The very large impact and the infection that is fast enough are the reasons for making Covid-19 as a pandemic and efforts to overcome. One anticipation that can be done is to do lockdown. Making the decision to carry out a lockdown is intended to reduce the spread that occurs. Lockdown is certainly not a 100% good solution for all of individual. There are individual who agree that the lockdown will be implemented, also there are those who think that the lockdown is better not to be carried out considering the negative impacts that can occur. Therefore in this study will be presented the predictive modeling for sentiment analysis related to "lockdown" specially on social media Twitter. The method used to labeled was using Vader then the tweets are extracted using TF-IDF, and modeling is made for the prediction of sentiment using Naïve Bayes and Support Vector Machine. The results obtained from the two algorithms are more than 80%. Keywords: Covid-19, lockdown, TF-IDF, Naïve Bayes, Support Vector Machine Abstrak: Covid-19 telah ditetapkan sebagia Pandemi oleh World Health Organization (WHO). Dampak yang sangat besar dan penyebaran yang cukup cepat menjadi alsan untuk menjadikan Covid-19 sebagai Pandemi dan perlu dilakukan upaya penanggulangan. Salah satu upaya yang bisa dilakukan adalah dengan melakukan lockdown. Pengambilan keputusan untuk melakukan lockdown diperuntukan guna mengurangi penyebaran yang terjadi. Lockdown tentunya bukanlah solusi yang 100% baik bagi segala pihak. Terdapat pihak - pihak yang menyetujui akan dilaksanakannya lockdown, ada pula yang beranggapan bahwa lockdown lebih baik tidak dilaksanakan dengan pertimbangan dampak negatif yang bisa terjadi. Oleh karena itu, pada penelitian ini akan disampaikan mengenai pembuatan pemodelan prediksi terkait analisa sentimen terkait “Lockdown” yang dikhususkan pada media sosial Twitter. Metode yang digunakan adalah dengan melakukan labeling menggunakan Vader dan selanjutnya tweet tersebut dilakukan ekstraksi menggunakan TF-IDF, dan dibuatkan pemodelan untuk prediksi sentimen menggunakan Naïve Bayes dan Support Vector Machine. Hasil evaluasi yang didapat dari kedua algoritma tersebut ialah mencapai lebih dari 80%. Kata kunci: Covid-19, lockdown, TF-IDF, Naïve Bayes, Support Vector Machine Abstract: Covid-19 has been set as a Pandemic by the World Health Organization (WHO). The very large impact and the infection that is fast enough are the reasons for making Covid-19 as a pandemic and efforts to overcome. One anticipation that can be done is to do lockdown. Making the decision to carry out a lockdown is intended to reduce the spread that occurs. Lockdown is certainly not a 100% good solution for all of individual. There are individual who agree that the lockdown will be implemented, also there are those who think that the lockdown is better not to be carried out considering the negative impacts that can occur. Therefore in this study will be presented the predictive modeling for sentiment analysis related to "lockdown" specially on social media Twitter. The method used to labeled was using Vader then the tweets are extracted using TF-IDF, and modeling is made for the prediction of sentiment using Naïve Bayes and Support Vector Machine. The results obtained from the two algorithms are more than 80%. Keywords:Covid-19, lockdown, TF-IDF, Naïve Bayes, Support Vector Machine Abstrak: Covid-19 telah ditetapkan sebagia Pandemi oleh World Health Organization (WHO). Dampak yang sangat besar dan penyebaran yang cukup cepat menjadi alsan untuk menjadikan Covid-19 sebagai Pandemi dan perlu dilakukan upaya penanggulangan. Salah satu upaya yang bisa dilakukan adalah dengan melakukan lockdown. Pengambilan keputusan untuk melakukan lockdown diperuntukan guna mengurangi penyebaran yang terjadi. Lockdown tentunya bukanlah solusi yang 100% baik bagi segala pihak. Terdapat pihak - pihak yang menyetujui akan dilaksanakannya lockdown, ada pula yang beranggapan bahwa lockdown lebih baik tidak dilaksanakan dengan pertimbangan dampak negatif yang bisa terjadi. Oleh karena itu, pada penelitian ini akan disampaikan mengenai pembuatan pemodelan prediksi terkait analisa sentimen terkait “Lockdown” yang dikhususkan pada media sosial Twitter. Metode yang digunakan adalah dengan melakukan labeling menggunakan Vader dan selanjutnya tweet tersebut dilakukan ekstraksi menggunakan TF-IDF, dan dibuatkan pemodelan untuk prediksi sentimen menggunakan Naïve Bayes dan Support Vector Machine. Hasil evaluasi yang didapat dari kedua algoritma tersebut ialah mencapai lebih dari 80%. Kata kunci: Covid-19, lockdown, TF-IDF, Naïve Bayes, Support Vector Machine

Implementasi Algoritma Naïve Bayes dan K-Nearest Neighbor Dalam Menentukan Tingkat Keberhasilan Immunotherapy Untuk Pengobatan Penyakit Kanker Kulit F Lia Dwi Cahyanti; Windu Gata; Fajar Sarasati
Jurnal Ilmiah Universitas Batanghari Jambi Vol 21, No 1 (2021): Februari
Publisher : Universitas Batanghari Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33087/jiubj.v21i1.1189

Cancer is a disease that grows in the skin tissue where this condition is characterized by changes in the skin, such as the appearance of lumps, spots, or moles with abnormal sizes, one of the causes of skin cancer is exposure to ultraviolet rays from the sun. One of the treatments for skin cancer is immunotherapy, the immunotherapy method is the treatment of disease by activating or suppressing the immune system in the body. In this study, a comparison with data mining methods for classification was carried out, namely Naïve Bayes and K-Nearest Neighbor to predict the success rate of immunotherapy in curing skin cancer. In the testing process, the researcher uses the Weka application to process data and conduct tests. The results of the tests that have been carried out show that the K-Nearest Neighbor model has the best accuracy value of 91.1111%. while Naïve Bayes obtained a smaller accuracy value, namely 82.2222%. From the test results, it can be concluded that the K-Nearest Neighbor method has better accuracy in determining the success rate of immunotherapy.

Co-Authors Achmad Bayhaqy Ade Priyatna Aditya Adiguna Agung Sudrajat Agustiani, Sarifah Ahmad Bayhaqi Ali Ahmad Alizah, Muhammad Dwison Angga Ardiansyah Angga Ardiansyah - Anton . Ardiansyah Ardiansyah Ari Abdilah Ari Saputro Arif Budiarto Arifin Nugroho Awalloedin, Niki Badariatul Lailiah Balla, Imanuel Basri Basri Bayhaqy, Achmad Binti Husna, Modesta Bobby Suryo Prakoso Cucu Ika Agustyaningrum Daniati Uki Eka Saputri Dany Pratmanto Dedi Dwi Saputra Deny Robyanto Destiana Putri Diantika, Sri Dika Putri Metalica Dinar Ismunandar DWI SURYANTO Dwiza Riana Dwiza Riana Eko Supriyanto Elah Nurlelah Ellis Ermawati Eni Heni Hermaliani Eni Heni Hermaliani, Eni Heni F Lia Dwi Cahyanti Fabiyanto, Dedik Fahrul Rozi Faisal, Anas Fajar Sarasati Fathur Rahman Fatiha, Zulfati Dinul Fauzi Ahmad Muda Fauzi, Ahmad Ferda Ernawan Firmansyah, Maman Fitra Septia Nugraha Franseda, Afrilio Frieyadie Fuad Nur Hasan Grace Gata, Grace Hafez Aditya Hafidz, Noor Hafifah Bella Novitasari Hakim, Valianda Hamdan Hari Prasetyo, Basuki Harianto, Sony Harsono, Muhammad Luthfiy Kurniawan Hasan, Rosmani Hendra Budi Kusnawan Hendra Setiawan HENDRA SETIAWAN Hendri Hendri Hiya Nalatissifa iboy, rahmat satria buana Ida Ayu Putu Sri Widnyani Ida Zuniarti, Ida Imam Budiawan Ismaya, Fikri Jamil, Muh. Jordy Lasmana Putra Kadafi, Abdul Rahman Kartika Handayani Ketut Sakho Parthama Kholifah, Desiana Nur Khuluq, Anjahul Krisnandi, Dwi Kurniawan, Triadi Kusuma, Muhammad Romadhona Laela Kurniawati Laela Kurniawati, Laela Lawa Rizky, Joy Linda Marlinda Lindung Parningotan Manik M Ardiansyah M. Iqbal Alifudin M. Rangga Ramadhan Saelan Maghfiroh Maulani Manik, Lindung Parningotan Maria Irmina Prasetiyowati Maria Irmina Prasetiyowati Marta Dinata, Riadi Mawadatul Maulidah Mayangky, Nissa Almira Muchamad Bachram Shidiq Muchamad Bachram Shidiq Mudinillah, Adam Muhamad Azhar, Muhamad Muhammad Anif Muhammad Anif Muhammad Dwison Alizah MUHAMMAD HARIS Muhammad Haris Muhammad Rifqi Firdaus Mulyani, Astriana Nadiyah Hidayati Nawawi, Hendri Mahmud Nia Kusuma Wardhani Nia Kusuma Wardhani, Nia Kusuma Nida Umi Latifah Nila Hardi Nita Merlina Nita Merlina, Nita Noor, Mohamad Normah Normah, Normah Novitasari, Hafifah Bella Nufus, Fina Sifaul Nugraha, Fitra Septia Nugraha, Ranu Agastya Nugroho, Arifin Nurajijah Nurhasanah, Fitri Yani Nurlaelatul Maulidah Nurlaelatul Maulidah Nurmalasari Nurmalasari Nurul Qomariyah Panggabean, Supriadi Pinem, Tuahta Hasiolan Popon Handayani Prasetya, Arfhan Pratiwi, Risca Lusiana Prayogi, Kurnia Pribadi, Yogie Purnomo, Niko Putra, Septian Ade Rabiatus Sa’adah Rachmaliya Joi, Suciaty Rahayu, Cicih Sri Rangga Pebrianto Rhini Fatmasari, Rhini Rian Ardianto Ricko Anugrah Mulya Pratama Ridan Nurfalah Ridwan Muhammad Riefky Sungkar Riki Supriyadi Risnandar, Risnandar Ristyani Slamet rivan, almay faiz Rivanie, Tri Rizki Aulianita Rizky, Joy Lawa Rizmayanti, Ade Irma Romadhona Kusuma, Muhammad Ronny Tanjung Rousyati, Rousyati Rudianto, Biktra S Siswanto Salsabila, Nurul Jannah Saputra, Dedi Dwi Saputra, Surya Fajar Saragih, Gabriel Vangeran Septiani, Riska Kurnia Sidik Sidik Sigit Kurniawan Sigit Kurniawan Simatupang, Lamria Siswanto Siswanto, Siswanto Sita Anggraeni, Sita Siti Helmyati Siti Khotimatul Wildah SRI RAHAYU STMIK, Author Super Sukmawati Anggraeni Putri, Sukmawati Anggraeni Sulaeman, Okky Robiana Sulistyowati, Daning Nur Supriadi Panggabean Sutrisno Wanda, Sulistianto Syarifa, Naf'a SYUAIB, SYUAIB Taopik Hidayat Taufan, Resi Taufik Asra Thira, Indra Jiwana Tika Adilah M Tri Rivanie Trihardo, Rendra Triyanto, M.Kom., Toeko Triyanto, Toeko Tutopoli, Taranza Tutupoly, Taransa Agasya Ummu Radiyah Ummu Radiyah, Ummu Verra Sofica Waeisul Bismi warjiyono Wawan Kurniawan Wawan Kurniawan Widi Astuti Yamin Nuryamin YANTO YANTO Yuliazmi, Yuliazmi Yuris Alkahfi Yuris Alkhalifi

Title

Found 94 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 94 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 94 Documents
Search