Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal CSRID (Computer Science Research and Its Development Journal)
Kusrini, Kusrini
Magister Teknik Informatika, Universitas AMIKOM Yogyakarta
Computer Science & IT

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

Found 3 Documents
Search

 1 
DETEKSI EMOSI MEDIA SOSIAL MENGGUNAKAN TERM FREQUENCY- INVERSE DOCUMENT FREQUENCY Rohman, Arif Nur; Handayani, Riska Dwi; Y. P., Ryan Dwi; Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 11, No 3 (2019): CSRID OKTOBER 2019
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (347.575 KB) | DOI: 10.22303/csrid.11.3.2019.140-148

Abstract

Pada saat ini, manusia cenderung mengekspresikan pendapat, dan emosi melalui media sosial. Keterbukaan ekspresi pada media sosial membuat batasan batasan pribadi seseorang menjadi lebur. Orang tidak lagi sungkan menulis kehidupan pribadinya melalui postingan status pembaharuan untuk dilihat oleh orang lain. Penulis mencoba menggunakan data dari media sosial agar dapat dilakukan analisis untuk mendapatan informasi kepribadian termasuk emosi. Sebelum dianalisis, data dilakukan pra pemrosesan membuang symbol dan icon, normalisasi teks, stemming dan membuang stopword terlebih dahulu untuk memperbaiki data dari media sosial yang menggunakan bahasa tidak baku. Pra pemrosesan memperoleh hasil akhir 365 dataset yang dipisah menjadi 265 data latih dan 100 data uji. Tiap data sudah memiliki label emosi yang diberikan secara manual oleh pengguna facebook selaku penulis dari postingan. Perhitungan dilakukan dengan TF IDF untuk mendapatkan bobot tiap kata atau token, lalu label emosi data latih dengan nilai tertinggi diberikan pada data yang diuji. Dari 100 data uji diperoleh akurasi 59%, selebihnya 41% tidak akurat. Emosi dianggap hal penting yang berpengaruh pada seseorang dalam pengambilan keputusan, sehingga deteksi emosi seseorang dapat dimanfaatkan sebagai input sistem pendukung keputusan penerimaan pegawai dan konseling kepribadian.
SISTEM PENUNJANG KEPUTUSAN UNTUK PROMO BUNDLING PRODUK DENGAN METODE SAW DAN APRIORI Rini, Rini; Yuliani, Enie; Sriyati, Sriyati; Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 11, No 3 (2019): CSRID OKTOBER 2019
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (659.061 KB) | DOI: 10.22303/csrid.11.3.2019.131-139

Abstract

Strategi pemasaran dengan bundling atau kombinasi beberapa produk yang dijual dalam satu paket sedang marak dilakukan oleh toko online maupun offline. Bundling produk tidak bisa dilakukan secara asal, perlu alasan mengapa produk tersebut dijual dalam satu paket. Beberapa yang perlu dipikirkan adalah: apakah paket produk tersebut akan banyak terjual jika dijual bersama-sama, dan produk apa yang seharusnya dibuatkan promo bundling. Penelitian ini berusaha memberikan solusi untuk pertanyaan tersebut. Tujuan penelitian ini untuk mengembangkan sistem rekomendasi berbasis web yang dapat digunakan oleh para pemilik toko untuk membuat bundling produk. Terdapat fitur rekomendasi produk yang akan dibuatkan promo, pemilik toko memiliki kebebasan untuk memilih kriteria yang digunakan untuk pemilihan produk menggunakan metode SAW. Setelah mendapatkan daftar produk yang akan dibuatkan promo, pengguna akan dihadapkan dengan proses bundling produk menggunakan metode aturan asosiasi yaitu apriori. Pengguna diizinkan untuk menentukan minimum support atau minimal jumlah transaksi yang disyaratkan. Hasil dari sistem ini adalah rekomendasi bundling produk sesuai dengan produk yang terpilih dari kriteria yang diinputkan oleh pengguna sistem. Data ditampilkan urut berdasarkan hasil perkalian nilai support dan confidence tertinggi. Berdasarkan pengujian sistem yang telah dilakukan, sistem ini dapat berjalan dengan baik dan memudahkan pengguna/pemilik toko untuk membuat bundling produk sesuai dengan kriteria yang diinginkan.
Deteksi Motif Batik Menggunakan Ekstraksi Tekstur dan Jaringan Syaraf Tiruan Amanullah, Raynaldi Fatih; Pujianto, Ade; Pratama, Bayu Trisna; Kusrini, Kusrini
CSRID (Computer Science Research and Its Development Journal) Vol 10, No 2 (2018): CSRID Juni 2018
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (252.605 KB) | DOI: 10.22303/csrid.10.2.2018.69-79

Abstract

Penelitian ini mengajukan sebuah metode klasifikasi batik menggunakan ekstraksi fitur tekstur serta klasifikasi menggunakan jaringan syaraf tiruan (artificial neural network). Metode ekstraksi fitur tekstur yang digunakan adalah DWT, GLCM dan Local Binary Pattern (LBP). Ekstraksi fitur dengan GLCM dan DWT menghasilkan 24 fitur yang terdiri dari 5 fitur GLCM dan koefisien energi dalam 4 sub-band channel hasil dekomposisi. Sementara ekstraksi fitur dengan LBP dilakukan dengan membangun histogram dari matriks hasil LBP. Fitur-fitur tersebut kemudian menjadi masukan bagi jaringan syaraf tiruan untuk kemudian diklasifikasi dalam 5 jenis batik: buketan, ceplok, kawung, parang dan truntum. Dataset yang digunakan adalah 50 gambar batik (10 untuk setiap motif) yang diambil secara acak di internet. Pengujian dilakukan dengan membandingkan dua kelompok fitur: DWT-GLCM dan DWT-GLCM-LBP untuk mengetahui metode ekstraksi fitur yang lebih baik dalam deteksi motif batik. Metode pengujian yang digunakan adalah K-Fold Cross Validation dengan hasil berupa confusion matriks untuk kemudian dihitung nilai akurasi dan F-Measure-nya. Hasil pengujian menunjukkan bahwa penggunaan ekstraksi fitur tekstur DWT-GLCM-LBP mampu mencapai akurasi 74% dengan jenis dekomposisi Daubechies 4 level 3.
Co-Authors Amanullah, Raynaldi Fatih Pratama, Bayu Trisna Pujianto, Ade Rini, Rini Riska Dwi Handayani Rohman, Arif Nur Sriyati, Sriyati Y. P., Ryan Dwi Yuliani, Enie