Article Per Year (5 Year)
p-Index From 2020 - 2025
4.932
P-Index
This Author published in this journals
All Journal Teknika PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Sistemasi: Jurnal Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science Jurnal Sains dan Teknologi Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jurnal Ilmiah Wahana Pendidikan International Journal for Applied Information Management AJAD : Jurnal Pengabdian kepada Masyarakat International Journal Software Engineering and Computer Science (IJSECS) Indonesian Journal of Multidisciplinary Science Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Artificial Intelligence and Digital Business Jurnal Indonesia : Manajemen Informatika dan Komunikasi Journal Innovations Computer Science
Setiawan, Kiki
Unknown Affiliation
Religion Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Sains dan Teknologi

 1 
Komparasi Metode K-Nearest Neighbor Dan Support Vector Machine Menggunakan Particle Swarm Optimization Untuk Analisis Sentimen Produk Skincare Skintific Yrain, Beatrice; Setiawan, Kiki
Jurnal Sains dan Teknologi Vol. 5 No. 1 (2023): Jurnal Sains dan Teknologi
Publisher : CV. Utility Project Solution

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

Abstract

Seringkali banyak kesalahan saat memilih skincare karena belum mengenali jenis wajah kita maupun hanya tergiur karenaproduk tersebut sedang viral. Dari pembahasan ini banyak pro dan kontra yang disampaikan melalui sosial media mengenai produkskincare. Melalui penelitian ini akan dilakukan Analisis Sentimen terhadap produk skincare menggunakan metode K-NearestNeighbour dan Support Vector Machine yang akan memberikan hasil uji dan hasilnya akan di optimalkan dengan fitur selection yaituParticle Swarm Optimization. Adapun tahapan yang dilakukan dalam penelitian ini adalah pengumpulan data, pelabelan data, pre-processing data, pembobotan, penerapan metode, pengujian dan diakhiri hasil/evaluasi. Tujuan dari penelitian agar hasil uji akanmenentukan skincare yang baik supaya para konsumen tidak salah lagi memilih jenis skincare dan bertujuan untuk menentukan apakahpenggunaan skincare bersentimen positif atau negatif dan diharapkan bisa menghasilkan nilai akurasi yang baik yang sudah dilakukanoleh 2 metode tersebut, dan didapatkan hasilnya dari metode Support Vector Machine 91,37% sedangkan K-Nearest Neighbour 70,78%.Setelah ditingkatkan nilai akurasinya dengan fitur seleksi maka hasil akurasi yang dihasilkan dari metode Support Vector Machine94,90% sedangkan K-Nearest Neighbour 72,75%. Lalu di dapatkan 667 sentimen positif dan 76 sentimen negatif.
Implementasi Algoritma Naive Bayes Menggunakan Particle Swarm Optimization Untuk Prediksi Penjualan Produk Air Mineral Fricco, Arjun; Setiawan, Kiki
Jurnal Sains dan Teknologi Vol. 5 No. 1 (2023): Jurnal Sains dan Teknologi
Publisher : CV. Utility Project Solution

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

Abstract

Kepuasan Pelanggan dalam menjual Air minum Alkali Ph 9 adalah air minum yang di konsumsi oleh tubuh yang mengandung mineral, memiliki rasa yang manis dan ringan. Mengingat penjualan air minum semakin meningkat di setiap daerah selama perkembangannya khususnya dii wilayah Jakarta Pulogebang dan sekitarnya. Saat ini masyarakat sangat berhati hati dan teliti dalam memilih air minum dan harus memiliki ph diatas dari 8, Karena membuat tubuh jauh lebih sehat bugar, berenergi dan vitalitas juga akan meningkat serta menghemat waktu dalam pemesanan. Peningkatan penjualan Air Mineral di toko juga di sebabkan sulitnya mendapatkan air bersih di kota kota yang terdampak kemarau dan kekurangan air bersih pada saat itu. Permasalahan selanjutnya yaitu sulitnya mengalokasikan sumber daya untuk melakukan produksi pada saat permintaan pasar melonjak. Dari permasalahan tersebut, diperlukan suatu prediksi sebagai alat penunjang pengambilan keputusan untuk mengetahui perkiraan permintaan pasar. Pemanfaatan Algoritma Naïve Bayes akan di gunakan pada data penjualan air mineral sehingga di hasilkan suatu prediksi / perkiraan. Berdasarkan prediksi Algoritma Naïve Bayes Produsen ingin mengalokasikan sumber daya untuk memenuhi kebutuhan Konsumen.
Co-Authors Abdullah Aimar, Muqorrobin Akbar, Yuma Alafia, Evi Alifia, Tiara Ratu Amelia, Ika Amini, Tasya Aisyah Apriyanto, Kevin Jonathan Ardiyansyah, Ferry Aryanti, Putri Gea Asyrofie, Maulana Azhar Aula, Raisah Fajri Az-zahra, Haura Salsabila Azhar, Anisah Nurul Badzlin, Rosyiqoh Betty Yel, Mesra Christina Juliane, Christina Eldina, Ratih Fadillah, M. Rafli Fricco, Arjun Ghazi, Ahmad Imam Imam Kastum Lailany, Afyra Ar’bah Marindah, Marindah Marlia, Sari Miswanto Miswanto Mufid, Ahmad Raihan Mumtahaen, Ikmal Nabilah, Laila Nauvalsalam, Nauvalsalam Nila Nopianti Oktavian, Nur Pratama, Yuliya Putri Purwasih, Intan PUTRI WULANDARI Qibthiyah, Mariyatul Raharjo, Pratama Putra Rahmawati, Dwita Ramdhani, Fauzi Regita, Anggit Nur Hannaa Rodhiyah Rodhiyah Rosidi, Raihan Putra Mohammad Salam, Nauval Saputra, Rizqi Kurniawan Saputry, Yulia Yanti Ayu Sarikah, Dede Sarimole, Frencis Matheos Sibarani, Julvan Marzuki Putra Sodik Sri Lestari Surapati, Untung Sutisna Sutisna, Nandang Syaputra, Ilham Adi Tundo, Tundo Tutuarima, Chelvin Joines Yrain, Beatrice Zakaria, Aditya Zidan, Muhammad Rohyan