Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Sains dan Teknologi

Analisis Sentimen Terhadap Aplikasi Satu Sehat Pada Twitter Menggunakan Algoritma Naive Bayes Dan Support Vector Machine Matheos Sarimole, Frencis; Kudrat, Kudrat
Jurnal Sains dan Teknologi Vol. 5 No. 3 (2024): Jurnal Sains Dan Teknologi
Publisher : CV. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/saintek.v5i3.2702

Abstract

Perbandingan Klasifikasi dan Nilai Akurasi Sentimen Analisis yang dilakukan dengan Algoritma Naive Bayes dan Support Vector Machine dalam menganalisa label sentimen positif dan negative Dapat mengetahui sentimen masyarakat mengenai Informasi dan edukasi Aplikasi SATUSEHAT dengan lebih efisien dari segi waktu dan tenaga.Mengetahui faktor-faktor yang mempengaruhi nilai Akurasi dari Algoritma Naive Bayes dan Support Vector Machine dalam menganalisa label sentimen positif dan negatif.Pengambilan data dilakukan lewat media sosial Twitter dengan menggunakan API Twitteruntuk pengambilan crawling data untuk pengambilan data Twitter dengan kata kunci yang digunakan yaitu " SatuSehat” Total jumlah sampel yang digunakan dalam penelitian ini minimal 1046 data komentar atau lebih. Sampel data yang akan diambil memiliki rentang waktu setahun yaitu pada tahun 2023.Hasil akhir dari Perbandingan dengan dua metode pengujian ini, yaitu hasil prediksi Sentimen Masyakarat Terhadap Isu Aplikasi SatuSehat berdasarkan data yang didapat dari Twitter dan diimplementasikan dengan metode SVM (Support Vector Machine) menunjukkan nilai akurasi sebesar 87.95 %. Dari 1080 data uji, terprediksi 132 data sebagai Sentimen Positif dan 947 data sebagai Sentimen Negatif. Untuk hasil prediksi dari Sentimen Negatif, terdapat 1080 data terprediksi Negatif dan 1 data yang terprediksi Positif. dan Metode Naive bayes menunjukkan nilai akurasi sebesari 81.65%. Dari 1081 data uji, terprediksi sebesar 947 data sebagai Sentimen Negatif dan 132 data sebagai Sentimen Positif Untuk hasil prediksi dari Sentimen Negatif, terdapat 947 data terprediksi Negatif dan 1 data yang terprediksi Positif.
Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam Penentuan Prediksi Stok Barang Sarimole, Frencis Matheos; Hakim, Lukamanul
Jurnal Sains dan Teknologi Vol. 5 No. 3 (2024): Jurnal Sains Dan Teknologi
Publisher : CV. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/saintek.v5i3.2709

Abstract

TB Bambu Kuning merupakan toko yang bergerak dalam penjualan bahan – bahan bangunan yang tingkat penjualannya cukup tinggi dan berlokasi di desa Muara Bakti Bekasi. Saat ini TB Bambu Kuning masih melakukan pemenuhan stok barang atau produk dan melakukan pencatatan transaksi secara manual sehingga sering terjadi kesalahan dalam pencatatan data data yang ada dan juga kurangnya efisiensi waktu yang diperlukan. Maka diperlukan suatu proses pengolahan data besar dengan menggunakan suatu teknik data mining. Teknik data mining yang akan digunakan pada penelitian ini adalah metode K-Means Clustering. Metodologi yang diterapkan dalam penelitian ini adalah CRISP-DM, dengan data penjualan di toko TB Bambu kuning bulan januari sampai maret 2023. Tujuannya Mempermudah pengendalian barang yang dikelola, Mendapatkan proses yang lebih akurat dan efektif dalam menentukan prediksi stok barang dan Mengukur tingkat akurasi dan efektifitas penerapan algoritma K-Means clustering untuk menentukan prediksi stok barang menggunakan Algoritma K-means diterapkan dalam pembentukan cluster berdasarkan model Recency, Frequency dan Monetary (RFM). Dengan bantuan tools jupiter notebook. Pada penentuan jumlah cluster (k) terbaik digunakan metode Elbow. Hasil yang didapat dengan 20 data transaksi terbagi menjadi tiga cluster penjualan terlaris, sedang dan kurang laris. Dari akurasi yang dihasilkan dengan nilai SSE yang rendah yaitu 0,0041 dapat disimpulkan bahwa metode Clustering K-Means dapat digunakan untuk proses clustering dengan hasil cluster yang baik.
Komparasi Analisis Sentimen Masyarakat Terhadap Isu Penundaan Pemilu 2024 Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine Septian, Wahyu; Frencis Matheos Sarimole
Jurnal Sains dan Teknologi Vol. 5 No. 3 (2024): Jurnal Sains Dan Teknologi
Publisher : CV. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/saintek.v5i3.2789

Abstract

Penelitian ini dilakukan untuk mengetahui pendapat masyarakat terhadap Isu Penundaan Pemilu 2024 pada media sosial Twitter Isu ini dilontarkan pertama kali oleh Luhut Binsar Panjaitan (LBP) selaku Menteri Koordinator Bidang Maritim dan Investasi terkait big data pengguna internet yg diduga mendukung penundaan pemilu 2024. Salah satu algoritma yang dapat digunakan untuk melakukan analisis sentimen adalah Naïve Bayes dan Support Vector Machine. Hasil akhir dari Perbandingan dengan dua metode pengujian ini, yaitu hasil prediksi Sentimen Masyakarat Terhadap Isu penundaan pemilu 2024 berdasarkan data yang didapat dari Twitter dan diimplementasikan dengan metode SVM (Support Vector Machine) menunjukkan nilai akurasi sebesari 91.61%. Dari 585 data uji, terprediksi 204 data sebagai Sentimen Positif dan 380 data sebagai Sentimen Negatif. Untuk hasil prediksi dari Sentimen Negatif, terdapat 584 data terprediksi Negatif dan 1 data yang terprediksi Positif. dan Metode Naive bayes menunjukkan nilai akurasi sebesari 98.80%. Dari 585 data uji, terprediksi sebesar 380 data sebagai Sentimen Negatif dan 204 data sebagai Sentimen Positif Untuk hasil prediksi dari Sentimen Negatif, terdapat 584 data terprediksi Negatif dan 1 data yang terprediksi Positif.
Co-Authors Abdillah, Junindo Abdulloh Achmad Syaeful Aditya Zakaria Hidayat Ahmad Baidowi Akbar, Firman Aulia Akbar, Yuma Alannuari, Fiky Alwi Renaldhy Amelia, Ika Andrian Nur Ihsan Anita Rosiana Apriyanto, Kevin Jonathan Ari Ramadhan Arinal, Veri Aryanti, Putri Gea Awang Hariman, Aloisius Azis, Abd Barronzoeputra, Gaoeng Qalbun Beay, Richardviki Betty Yel, Mesra Bili, Yudisman Ferdian Bimantoro, Dava Sevtiandra Brian - Pangestu Candra Milad Ridha Eislam Dadang Iskandar Mulyana` Dava Septya Arroufu Diadi, Randitia Ridad Fadhil Khanifan Achmad Fahmi Chairulloh Fahmi, Hakon Feni Putriani Fentri Boy Pasaribu Ginting, Yafet Nikolas Guntara, Arya Hakim, Lukamanul Haryati Heri Rizky Firdaus Ikhwanul Kurnia Rahman Karim, Lutfi Kudrat, Kudrat Kurnia, Mega Tri Lingga, Tracy Olivera Lutfi Karim Marjuki Marliani, Tiara Meilisa Miftahul Huda Muhammad Ilham Fadillah Novianto, Firza Nufaisa Almazar Nugraha, Pramudya Nur Arif Khairudin Nurmayanti, Laily Nurmaylina, Vivi Oky Tria Saputra7 Praja Raymond , Samuel Purwandono, Eddy Purwanto, Helmi Purwasih, Intan Rahmah, Shafira Azzahra Nurul Raihan, Farid Raihanah, Syifa Randitia Ridad Diadi Rasiban Rizky Adawiyah Romadan, Diva Putra Saepudin Septian, Wahyu Septiansyah, Muhamad Aqil Septianto, Ahas Eko Setiawan, Kiki Siahaan, Bangun Sugiono Sugiono Sugiyono Surapati, Untung Sutisna Syaeful, Achmad Tanjung, Cici Yolanda Tasya Aisyah Amini Tundo, Tundo Untung Wahyudi Wibawa, Andri Putra Widianto Putro, Faris Yakob, Galih Satria Yuliantoro, Dita Tri