Claim Missing Document
Check
Articles

ANALISIS SENTIMEN OPINI MASYARAKAT TERHADAP PILKADA 2024 DI MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES Hidayat, Taufik; Siddiq, Muhammad Jafar; Jayasri, Sandika; Suhendi, Aldi; Rizky, Robby
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6280

Abstract

Penelitian ini membahas analisis sentimen opini masyarakat terhadap Pilkada 2024 di media sosial Twitter menggunakan algoritma Naïve Bayes dan pembobotan TF-IDF. Data dikumpulkan melalui proses crawling menggunakan Python, menghasilkan 5.182 tweet yang kemudian diproses melalui tahap preprocessing, termasuk case folding, cleansing, stemming, dan labeling. Setelah preprocessing, 4.041 data digunakan untuk analisis sentimen dengan kategori sentimen Netral, Positif, dan Negatif. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu memberikan akurasi sebesar 77%, dengan F1-score tertinggi pada kategori Netral sebesar 0,85. Tema dominan yang ditemukan melalui pembobotan TF-IDF meliputi keamanan, partisipasi masyarakat, dan keberhasilan Pilkada. Evaluasi menggunakan Confusion Matrix membuktikan bahwa metode Naïve Bayes efektif untuk memahami opini masyarakat, sehingga hasil analisis ini dapat memberikan wawasan berharga bagi pemangku kepentingan dalam meningkatkan strategi komunikasi dan keterlibatan publik
ALGORITMA MACHINE LEARNING RANDOM FOREST DAN DECISION TREE DALAM KLASIFIKASI STATUS GIZI BALITA Hidayat, Taufik; Febriyanti, Zalfa Ridha; Sukisno, Sukisno; Nugroho, Asep Hardiyanto; Rizky, Robby; Hakim, Zaenal
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7545

Abstract

Gizi pada balita merupakan sebuah isu strategis baik ditingkat nasional maupun daerah, terutama stunting, wasting, underweight dan overweight masih menjadi isu penting di Indonesia, termasuk di Kabupaten Tangerang. Periode usia 12-59 bulan merupakan masa kritis dalam pertumbuhan dan perkembangan anak, sehingga pemantauan dan intervensi gizi yang tepat sangat diperlukan. Tujuan penelitian ini mengembangkan model klasifikasi dengan machine learning pada gizi balita, serta memberikan kontribusi dalam identifikasi dini balita berisiko gizi buruk atau obesitas. Penelitian ini berfokus pada bagaimana menerapkan algoritma machine learning Random Forest dan Decision Tree untuk klasifikasi status gizi balita, serta bagaimana perbandingan kinerja kedua algoritma tersebut dalam deteksi dini masalah gizi. Dalam model yang telah dibuat, dengan algoritma Random Forest dan Decision Tree diperoleh hasil yang menunjukkan akurasi yang tinggi, masing-masing mencapai 92%. Dengan menggunakan GridSearch untuk menemukan nilai parameter terbaik, akurasi model meningkat menjadi 93% untuk Random Forest dan 94% untuk Decision Tree. Hasil ini menunjukkan potensi kedua algoritma dalam klasifikasi status gizi balita secara akurat.
Improving the performance of wireless sensor network using multi-hopping clustering partition Rizky, Robby; Mustafid, Mustafid; Mantoro, Teddy; Amien Syafei, Wahyul
Indonesian Journal of Electrical Engineering and Computer Science Vol 42, No 1: April 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v42.i1.pp81-92

Abstract

Wireless sensor networks (WSNs) enable large-scale event monitoring; however, their performance is often constrained by low throughput. This study aims to develop a cluster-based routing protocol by implementing the multi-hopping clustering partition (MHCP) method. The MHCP process consists of three main stages: (i) cluster head (CH) selection, (ii) evaluation of node proximity to their respective CHs, and (iii) cluster partitioning to reduce intra-cluster variation. Four clusters were formed and interconnected through multi-hop communication, achieving throughput values of 142.0033, 244.1318, 119.0804, and 305.6159, respectively. In addition to the development of MHCP, the scientific contribution of this study is strengthened through the integration of the LEACH protocol and the K-means algorithm as a complementary methodological approach. LEACH improves energy efficiency through adaptive CH rotation, while K-means optimizes spatial node grouping. The combination of these methods ensures a balance between energy consumption and spatial proximity, resulting in improved throughput and extended network lifetime. Experimental results demonstrate that the proposed MHCP protocol achieves higher throughput than the conventional LEACH protocol across all clusters while maintaining acceptable delay and packet loss. These findings confirm that the integration of multi-hop communication and cluster partitioning effectively enhances data transmission efficiency and overall network performance in WSNs.
Implementasi Algoritma A* untuk Menentukan Jalur Tercepat Penjemputan Ambulans di RSUD Aulia Pandeglang, Banten Setiyowati, Sri; Rizky, Robby; Maesaroh, Mamay; Susilawati, Susilawati; Yunita, Ayu Mira; Sugiarto, Agung; Hakim, Zaenal; Pratama, Aghy Gilar; Wibowo, Andrianto Heri; Susanti, Ervi NUrafliyan; Wardah, Neli Nailul; Hakim, Moh Azizi; Qudratullah, Fahmi
JUKI : Jurnal Komputer dan Informatika Vol. 8 No. 1 (2026): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v8i1.2330

Abstract

Permasalahan keterlambatan penjemputan pasien oleh ambulans dapat terjadi akibat pemilihan rute yang kurang tepat, kondisi jalan yang bervariasi, serta jarak tempuh yang tidak efisien. Penelitian ini bertujuan untuk mengimplementasikan Algoritma A dalam menentukan jalur tercepat penjemputan ambulans di RSUD Aulia Pandeglang, Banten. Metode yang digunakan adalah pendekatan pencarian jalur terpendek berbasis graf, dengan titik lokasi direpresentasikan sebagai node dan jalan sebagai edge. Algoritma A* digunakan karena mampu mencari rute optimal dengan mempertimbangkan nilai biaya perjalanan dan estimasi jarak menuju tujuan melalui fungsi heuristik. Data yang digunakan berupa titik lokasi awal ambulans, lokasi penjemputan pasien, serta hubungan antarjalur yang tersedia. Hasil dari penelitian ini adalah rancangan sistem yang mampu memberikan rekomendasi jalur tercepat bagi ambulans sehingga proses penjemputan pasien menjadi lebih efektif dan efisien. Dengan adanya penerapan Algoritma A*, diharapkan pengambilan keputusan rute ambulans dapat dilakukan secara lebih cepat, tepat, dan mendukung peningkatan kualitas pelayanan kesehatan.