Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JSAI (Journal Scientific and Applied Informatics) Journal of Electrical Engineering and Computer (JEECOM)
Prasetyo, Yoga Adi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perbandingan Algoritma Boruvka Dan Algoritma Sollin Pada Optimasi Kebutuhan Kabel Fiber Optik Universitas Bengkulu Efendi, Rusdi; Susilo, Boko; Prasetyo, Yoga Adi
JSAI (Journal Scientific and Applied Informatics) Vol 4, No 2 (2021): Juni 2021
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v4i2.1623

Abstract

Optimasi adalah hal penting dalam suatu algoritma. Ini dapat menghemat kebutuhan dalam suatu kegiatan. Pada Minimum Spanning Tree, yang ingin dicapai adalah bagaimana semua vertexs terhubung dengan bobot terkecil. Tujuan penelitian ini adalah (i) mengetahui Model graf kebutuhan kabel fiber optik Universitas Bengkulu.; (ii) membandingkan efisiensi Algoritma Boruvka dan Algoritma Sollin dalam implementasi teori Minimum Spanning Tree. Untuk mendapatkan luaran diperlukan beberapa tahap: pengumpulan data: merancang model. Hasil penelitian ini adalah (i) menghasilkan sistem aplikasi sebagai simulasi dalam menentukan optimasi panjang kabel fiber optik menggunakan Algoritma Boruvka dan Algoritma Sollin.; (ii) Total panjang kabel fiber optik awal yang telah digunakan Universitas Bengkulu dalam membangun jalur fiber optik sebelum optimasi sebesar 9.490.76061796493 meter (9,49 km).; (iii) Hasil optimasi panjang kabel fiber optik, Algoritma Boruvka dan Algoritma Sollin menghasilkan hasil optimasi yang sama yaitu 4.438,521266107877 meter (4,438 km).; (iv) Waktu yang diperlukan Algoritma Boruvka dan Algoritma Sollin untuk menghasilkan hasil optimasi berbeda, Algoritma Boruvka sebesar 0.5376448631287 detik dan Algoritma Sollin sebesar 0.6970238685608 detik.
Pengaruh Komposisi Split Data Terhadap Performa Akurasi Analisis Sentimen Algoritma Naïve Bayes dan SVM Prasetyo, Yoga Adi; Utami, Ema; Yaqin, Ainul
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9188

Abstract

Analisis sentimen merupakan bidang yang penting dalam pengolahan bahasa alami dan aplikasi sosial media modern. Penelitian ini menginvestigasi pengaruh dari variasi komposisi split data terhadap performa akurasi model analisis sentimen menggunakan SVM dan Naive Bayes. Metode eksperimen menggunakan variasi dari teknik k-fold cross-validation untuk membandingkan hasil dari berbagai proporsi pembagian data latih dan uji. Hasil eksperimen menunjukkan bahwa komposisi split data memiliki dampak signifikan terhadap performa akurasi kedua algoritma, dengan beberapa proporsi split data menghasilkan hasil yang lebih konsisten dan stabil dibandingkan dengan yang lain. Temuan ini memberikan wawasan yang berharga dalam pengaturan praktis untuk pelatihan model analisis sentimen yang lebih efektif dan andal. Teknik ekstraksi fitur yang digunakan Term Frequency-Inverse Document Frequency (TF-IDF), dengan algoritma klasifikasi Naive Bayes dan Support Vector Machine (SVM). Performa model dievaluasi menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa signifikan model SVM dengan rasio 80:20 mencapai akurasi 76,66% dan F1-score 77 %, dibandingkan metode SVM dan Naïve Bayes dengan rasio lainnya. 
Co-Authors Ainul Yaqin Boko Susilo Ema Utami Rusdi Efendi