Article Per Year (5 Year)
p-Index From 2021 - 2026
2.391
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic CESS (Journal of Computer Engineering, System and Science) Jurnal Elementer (Elektro dan Mesin Terapan) Nation State : Journal of International Studies Jurnal Informatika Ekonomi Bisnis SUPREMASI Jurnal Hukum KLIK: Kajian Ilmiah Informatika dan Komputer International Journal Software Engineering and Computer Science (IJSECS) DEARSIP: Journal of Architecture and Civil Polinomial : Jurnal Pendidikan Matematika Journal of Artificial Intelligence and Digital Business Jurnal Administrasi Karya Dharma Jurnal Informatika Ekonomi Bisnis Jurnal Teknologi dan Informatika (JEDA) Media Hukum Indonesia (MHI)
Pangestu, Yoga
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : CESS (Journal of Computer Engineering, System and Science)

 1 
Analisis Perbandingan Multinominal Naïve Bayes dan Adaboost dalam Mengklasifikasikan Sentimen Terkait Pinjaman Online Pangestu, Yoga; Basri, Muhammad
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.57844

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Multinomial Naive Bayes (MNB) dan AdaBoost dalam mengklasifikasikan sentimen masyarakat terkait pinjaman online. Data yang digunakan dalam penelitian ini adalah komentar pengguna di media sosial twitter terkait pinjaman online. Metode yang digunakan untuk mengolah data adalah SEMMA (Sample, explore, modify, model, acces), tahapan tersebut menncakup tahap preprocessing data pemodelan dan evaluasi. Sentiment diklasifikasikan kedalam kelas positif, negatif dan netral dengan menggunakan kamus lexicon base bahasa indonesia. Model yang dibangun menggunakan Algoritma MNB dan AdaBoost untuk dibandingkan performanya. Hasil evaluasi model menunjukan menunjukkan bahwa algoritma AdaBoost memiliki kinerja yang lebih baik dibandingkan dengan algoritma MNB dalam mengklasifikasikan sentimen masyarakat terkait pinjaman online. Hal ini dibuktikan dengan nilai akurasi dari algoritma AdaBoost sebesar 76%, sedankan akurasi dari algoritma MNB sebesar 71%.
Analisis Perbandingan Multinominal Naive Bayes dan Adaboost dalam Mengklasifikasikan Sentimen Terkait Pinjaman Online Pangestu, Yoga; Basri, Muhammad
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.57844

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Multinomial Naive Bayes (MNB) dan AdaBoost dalam mengklasifikasikan sentimen masyarakat terkait pinjaman online. Data yang digunakan dalam penelitian ini adalah komentar pengguna di media sosial twitter terkait pinjaman online. Metode yang digunakan untuk mengolah data adalah SEMMA (Sample, explore, modify, model, acces), tahapan tersebut menncakup tahap preprocessing data pemodelan dan evaluasi. Sentiment diklasifikasikan kedalam kelas positif, negatif dan netral dengan menggunakan kamus lexicon base bahasa indonesia. Model yang dibangun menggunakan Algoritma MNB dan AdaBoost untuk dibandingkan performanya. Hasil evaluasi model menunjukan menunjukkan bahwa algoritma AdaBoost memiliki kinerja yang lebih baik dibandingkan dengan algoritma MNB dalam mengklasifikasikan sentimen masyarakat terkait pinjaman online. Hal ini dibuktikan dengan nilai akurasi dari algoritma AdaBoost sebesar 76%, sedankan akurasi dari algoritma MNB sebesar 71%.
Co-Authors Adi Putra Angel, Grace Arif Gunawan Dianni Yusuf Didik Setiyadi Fata Nidaul Khasanah Febry Triantama Halizhah, Nur Hilda Dwi Yunita Indriyani, Yulia Irma Handayani, Irma Jasril Jasril Khozainuz Zuhri Maharani, Bintang Mira Amelia Amri, Mira Amelia Muhammad Basri Nazruddin Safaat Novia, Hedri Pasya, Nadya Isfahany Rahmadani, Ardita Esti Sahar, Muzni Sri Wulandari Sujiat Surya Agustian Suwanto Sanjaya Tumanggor, Raja Oloan Victorio, William Wibowo, Galih Hendra