Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal Jurnal Kridatama Sains dan Teknologi Jurnal Ilmu Komputer dan Bisnis
Pati, Gergorius Kopong
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Social Sciences

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

Found 3 Documents
Search

 1 
Analisis Sentimen Komentar SIAKAD Menggunakan Metode Naive Bayes Classifier Kaka, Dualu Lado; Pati, Gergorius Kopong; Rato, Karolus Wulla
Jurnal Kridatama Sains dan Teknologi Vol 5 No 02 (2023): JURNAL KRIDATAMA SAINS DAN TEKNOLOGI
Publisher : Universitas Ma'arif Nahdlatul Ulama Kebumen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53863/kst.v5i02.933

Abstract

In all industries, information and communication technology is expanding very quickly. All administrative tasks have ramifications that genuinely call for technology. When the innovation successfully mixes technology with information, the position of this technology becomes increasingly significant. Information technology has permeated so deeply into even the most insignificant aspects of human life, such as the use of academic information systems (SIAKAD) in raising the caliber of academic services, that there are many users who use it in their daily lives who have witnessed an acceleration of change that was previously unimaginable. Public sentiment was categorized and then used to conduct the analysis. The Navie Bayes Classifier is the main technique applied in this study. To assess the degree of accuracy, a comparison will be made using this approach. Positive and negative emotions are classified as sentiments. The purpose of this study is to tell the public about SIAKAD by utilizing student feedback and understanding the degree of accuracy of the techniques examined for method comparison. The test results will undergo method testing and accuracy testing using the Rapidminer tool.Keywords: Navie Bayes Classifier, SIAKAD
Analisis Penggunaan Fingerprint Dengan Metode K-Nearest Neighbors Bagi Pegawai dan Dosen: Studi Kasus Universitas Stella Maris Sumba Asi, Fransiska; Pati, Gergorius Kopong; Adis, Alexander
Jurnal Ilmu Komputer dan Bisnis Vol. 16 No. 1 (2025): Vol. 16 No. 1 Mei (2025)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v16i1.931

Abstract

Penelitian ini mengukur keakuratan dan efektivitas K-Nearest Neighbors dalam menganalisis pemakaian fingerprint. Dalam penelitian ini, penulis mengumpulkan data terbaru dengan teknik web scraping. Data tersebut kemudian dibersihkan dan diberi label, menghasilkan ulasan positif dan ulasan negatif. Proses preprocessing dilakukan, termasuk case folding, tokenisasi, filtering, dan stemming. Setelah tahap pengolahan data, penulis menerapkan algoritma K-Nearest Neighbor (KNN). Data tersebut diuji untuk menghasilkan ulasan negatif dan ulasan positif.. Hasil penelitian menunjukkan tingkat akurasi KNN. Penelitian ini diharapkan memberikan pemahaman tentang penggunaan KNN dalam menganalisis sentimen pengguna fingerprint. Dataset melibatkan parameter berat badan dan faktor-faktor lain yang berpengaruh. Model dikembangkan dan diuji menggunakan teknik cross-validation untuk memastikan konsistensi kinerja. Temuan penelitian menunjukkan bahwa penerapan Algoritma K-NN dengan Wrapper preprocessing dapat meningkatkan akurasi penentuan Fingerprint Dengan Metode K-Nearest Neighbors Bagi Pegawai Dan Dosen. Penerapan metode K-Nearest Neighbor dan K-Nearest Neighbor dengan Wrapper sebagai tahap preprocessing dalam menentukan keterangan berat manusia mendapatkan hasil nilai akurasi yang sama yaitu sebesar 90,48%.
Analisis Tingkat Kepuasan Masyarakat Terhadap Pembangunan Taman Kota Tambolaka: Studi Kasus Pt. Bumi Indah Rara, Febronia Angelina Gadi; Pati, Gergorius Kopong; Ledi, Dian Fransiska
Jurnal Ilmu Komputer dan Bisnis Vol. 16 No. 1 (2025): Vol. 16 No. 1 Mei (2025)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v16i1.934

Abstract

Perkembangan teknologi dan informasi yang semakin pesat membawa banyak pengetahuan dan keuntungan bagi penggunanya. Dalam mengerjakan semua pekerjaan tidak pernah terlepas dari teknologi dan media komunikasi. Perkembangan teknologi di indonesia sendiri cukup signifikan ditandai dengan adanya kemajuan di berbagai sektor. Di era digital seperti saat ini, penggunaan aplikasi sebagai media informasi dan interaksi antara pengguna dengan suatu layanan di berbagai bidang semakin meningkat, termasuk dalam bidang Pembangunan kontruksi. PT. Bumi Indah  yang sering mendapatkan sentimen pengguna melalui media sosial adalah PT. Bumi Indah. Adanya sentimen opini dari konsumen tentang Toko Bumi Indah dapat dianalisis dan dimanfaatkan untuk mendapatkan informasi yang berguna bagi pelanggan lain maupun pihak toko Bumi Indah. Dengan menggunakan teknik Text Mining metode klasifikasi, akan diketahui suatu sentimen bernilai positif, netral atau negatif. Salah satu algoritme yang banyak digunakan dalam analisis sentimen adalah metode klasifikasi Naïve Bayes. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) dengan pembobotan tf-idf disertai penambahan fitur konversi ikon emosi (emoticon) untuk mengetahui kelas sentimen yang ada dari tweet tentang toko PT. Bumi Indah. Hasil penelitian menunjukkan bahwa metode Naïve Bayes tanpa penambahan fitur mampu mengklasifikasi sentimen dengan nilai akurasi sebesar 76,92% sementara jika ditambahkan fitur pembobotan tf-idf disertai konversi ikon emosi mampu meningkatkan nilai akurasi menjadi 76,92%.
Co-Authors Adis, Alexander Asi, Fransiska Kadiwano, Ivoni Angraini Kaka, Dualu Lado Ledi, Dian Fransiska Rara, Febronia Angelina Gadi Rato, Karolus Wulla