Claim Missing Document
Check
Articles

Found 36 Documents
Search

Klasterisasi Penerima Kartu Indonesia Pintar (KIP) dengan Agglomerative Hierarchical Clustering untuk Analisis Profil Penerima Abilo, Steven Hansel; Sianturi, Riswan Septriayadi; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

naskah ini akan diterbitkan di JIST (Jurnal Indonesia Sosial Teknologi)
Klasterisasi Tenaga Kerja Menggunakan Metode Fuzzy Geographically Weighted Clustering untuk Penanganan Ketimpangan Sosial Ekonomi di Indonesia Ramadhan, Mohammad Haikal; Sianturi, Riswan Septriayadi; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Jurnal Teknologi dan Manajemen Industri Terapan
Klasterisasi Karakteristik Sosioekonomi Masyarakat Dropout Sekolah di Indonesia dengan Algoritma K-Prototype Karsanto, Daniel Gifted; Sianturi, Riswan Septriayadi; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JIST (Jurnal Indonesia Sosial Teknologi)
Klasterisasi Kondisi Ketahanan Finansial Masyarakat Indonesia dengan Metode K-Prototypes untuk Analisis Tingkat Resiliensi Pratama, Aditya Rizki; Sianturi, Riswan Septriayadi; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Segmentasi Inklusi Keuangan Formal di Indonesia dengan Agglomerative Hierarchical Clustering Berdasarkan Faktor Pendidikan, Ketenagakerjaan dan Akses Keuangan Ramadhan, Noval Raihan; Sianturi, Riswan Septriayadi; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JIEET (Journal of Information Engineering and Educational Technology)
ANALISIS KINERJA NAIVE BAYES PADA KLASIFIKASI SENTIMEN TWITTER DENGAN TEKNIK OVERSAMPLING ADASYN Fajar, M.; Kurnianingtyas, Diva; Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Ketidakseimbangan kelas (imbalanced dataset) merupakan salah satu tantangan utama dalam analisissentimen, karena model cenderung bias terhadap kelas mayoritas sehingga menurunkan kemampuandalam mengenali kelas minoritas. Penelitian ini mengusulkan penerapan teknik oversampling ADASYN(Adaptive Synthetic Sampling) untuk meningkatkan performa model Naïve Bayes pada data sentimenterkait kebijakan PPKM di Indonesia. Dataset yang digunakan berisi sekitar 20.000 tweet berbahasaIndonesia yang telah dilabeli menjadi tiga kelas sentimen: positif, negatif, dan netral, dengan distribusikelas yang didominasi oleh sentimen netral sebesar ±75%. Tahap preprocessing dilakukan melalui casefolding, tokenization, cleaning, normalization, dan stemming, kemudian pembobotan teks dihitungmenggunakan TF-IDF. Model Naïve Bayes diuji pada berbagai nilai parameter α (alpha) pada ADASYN untuk menentukan tingkat oversampling terbaik. Hasil menunjukkan bahwa model baseline tanpa penyeimbangan data menghasilkan akurasi tinggi namun memiliki recall dan F1-score rendah pada kelas minoritas. Penerapan ADASYN mampu meningkatkan performa keseluruhan, khususnya recall pada kelas positif dan negatif. Nilai α antara 0,3–0,4 memberikan keseimbangan terbaik antara stabilitas akurasi dan peningkatan performa kelas minoritas. Penelitian ini menegaskan bahwa teknik penyeimbangan data berperan penting untuk meningkatkan keadilan dan kualitas prediksi pada analisis sentimen berkelas tidak seimbang.