Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JURNAL REKAYASA TEKNOLOGI INFORMASI Journal of Engineering and Scientific Research (JESR) Jurnal WIDYA LAKSMI (Jurnal Pengabdian Kepada Masyarakat)
Waas, Devi Valentino
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Comparison of SVM & Naïve Bayes Methods in Sentiment Analysis of Electric Vehicle Subsidy Policy Based on X Data Wiguna, I Wayan Darma; Waas, Devi Valentino; Wiguna, I Komang Arya Ganda; Radhitya, Made Leo
Journal of Engineering and Scientific Research Vol. 6 No. 1 (2024)
Publisher : Faculty of Engineering, Universitas Lampung Jl. Soemantri Brojonegoro No.1 Bandar Lampung, Indonesia 35141

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jesr.v6i1.158

Abstract

The policy of subsidizing electric vehicles has become a widely discussed issue on social media platform X. The provision of electric vehicle subsidies by the Indonesian government aims to stimulate higher adoption of electric vehicles, with the overarching goal of mitigating air pollution. However, the presence of electric vehicle subsidies continues to elicit both support and opposition among the public. On social media platform X, there is a wealth of data suitable for text mining, particularly concerning the current hot topic of electric vehicle subsidies. This research aims to compare the performance of Support Vector Machine (SVM) and Naïve Bayes methods in conducting sentiment analysis on discussions related to the electric vehicle subsidy policy on social media platform X. The testing technique involves using 20% of the total dataset, comprising 5553 data points, and employing 10-fold cross-validation. The results from the 20% test data indicate that the Support Vector Machine (SVM) method's confusion matrix performance is superior, with the highest values achieved using the RBF kernel: accuracy 83.02%, precision 84.61%, and recall 83.02%. In the performance evaluation testing with 10-fold cross-validation, the Support Vector Machine (SVM) method outperforms, especially with the RBF kernel, yielding an average accuracy of 82.88% over 10 iterations.
Penerapan konsep data mining dengan Metode Seasonal ARIMA dalam Peramalan Produksi Padi Radjabaycolle, Jefri Esna Thomas; Waas, Devi Valentino; Pattiradjawane, Victor Eric; Wattimena, Emanuella M. C.; Upuy, Doms; Palembang, Citra Fathia
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 1 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i1.17485

Abstract

Pendekatan data mining menjadi elemen kunci dalam analisis data skala besar untuk mendapatkan informasi yang berguna dalam berbagai bidang, termasuk sektor pertanian. Melalui penerapan teknik data mining, penelitian ini bertujuan untuk mengeksplorasi, mengolah, dan menganalisis data produksi padi di kecamatan Denpasar Selatan dan kecamatan Denpasar Timur, Provinsi Bali, guna mendukung pengambilan keputusan yang lebih akurat. Metode yang digunakan dalam penelitian ini adalah Seasonal ARIMA (SARIMA), yang secara khusus dirancang untuk menangani pola musiman pada data time series. Penelitian ini menitikberatkan pada proses pengolahan data, pemilihan model prediktif yang tepat, dan evaluasi kinerja model. Model SARIMA yang dipilih untuk kedua kecamatan yaitu SARIMA (0,0,1)(1,1,1)6 untuk kecamatan Denpasar Selatan dan SARIMA (0,0,0)(1,1,0)6 untuk kecamatan Denpasar Timur. Hasil penelitian menunjukkan bahwa model SARIMA mampu memberikan prediksi produksi padi yang baik, sehingga dapat menggambarkan tren kenaikan atau penurunan produksi pada periode berikutnya. Temuan ini menunjukkan bahwa penerapan metode SARIMA yang didukung oleh teknik data mining dapat menjadi alat bantu yang efektif untuk analisis data produksi padi.
PKM DESCRIPTIVE ANALYSIS PADA ELY’S CAFE ADIWANA UNAGI SUITE Saraswati, Ni Wayan Sumartini; Muku, I Dewa Made Krishna; Suryawan, I Wayan Dharma; Martarini, Ni Made Lisma; Novitasari, Dwi; Nirwana, Ni Kade Ayu; Agetania, Ni Luh Putu; Yanti, Christina Purnama; Waas, Devi Valentino; Marlinda, Ni Luh Putu Mery; Juniartini, Ni Komang Tri
Jurnal Widya Laksmi: Jurnal Pengabdian Kepada Masyarakat Vol. 3 No. 2 (2023): Jurnal WIDYA LAKSMI (Jurnal Pengabdian Kepada Masyarakat)
Publisher : Yayasan Lavandaia Dharma Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59458/jwl.v3i2.61

Abstract

Di tengah persaingan yang makin ketat, Business Intelligence (BI) menjadi solusi dalam tantangan bisnis perusahaan yang lebih solutif. BI dalam prosesnya memanfaatkan data historis yang selalu bertumbuh semakin banyak. Dengan BI perusahaan dapat memiliki strategi yang lebih kuat dan pengambilan keputusan yang lebih matang. Penelitian ini membangun BI pada Adiwana Unagi Suites yang menghasilkan visualisasi data untuk mengambil keputusan yang tepat. Adapun tool yang digunakan adalah Tableau, software BI dan visualisasi data yang cepat, powerful, dan efektif digunakan. Dari penelitian ini, dihasilkan tujuh visualisasi data berdasarkan pertanyaan yang telah dikemukakan terlebih dahulu untuk membantu strategi bisnis. Adapun hasilnya berupa visualisasi data dengan berbagai bentuk grafik, seperti butterfly bar chart, vertical bar chat, line chart, tabel pivoting, serta box plot.
Co-Authors Christina Purnama Yanti Dwi Novitasari I Dewa Made Krishna Muku I Wayan Dharma Suryawan Juniartini, Ni Komang Tri NI LUH PUTU AGETANIA . NI LUH PUTU MERY MARLINDA Ni Made Lisma Martarini Nirwana, Ni Kade Ayu Palembang, Citra Fathia Pattiradjawane, Victor Eric Radhitya, Made Leo Radjabaycolle, Jefri Esna Thomas Saraswati, Ni Wayan Sumartini UPUY, DOMS Wattimena, Emanuella M C Wiguna, I Komang Arya Ganda Wiguna, I Wayan Darma