Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Linguistik Komputasional
Danny Matthew Saputra
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Library & Information Science Other

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

Found 2 Documents
Search

 1 
Pengaruh Synthetic Minority Oversampling Technique pada Analisis Sentimen Menggunakan Algoritma K-Nearest Neighbors Raisha Fatiya; Novi Yusliani; Mastura Diana Marieska; Danny Matthew Saputra
Jurnal Linguistik Komputasional Vol 5 No 1 (2022): Vol. 5, NO. 1
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v5i1.63

Abstract

Salah satu permasalahan yang kerap timbul dan mempengaruhi proses pengklasifikasian adalah data tidak seimbang (imbalanced data). Suatu data dikatakan tidak seimbang apabila data tersebut terbagi menjadi kelas minoritas dan mayoritas. Hal tersebut akan memberikan pengaruh berupa dampak buruk pada hasil klasifikasi karena hasil yang didapatkan akan bias terhadap kelas mayoritas. Penelitian ini bertujuan untuk mengetahui pengaruh Synthetic Minority Oversampling Technique untuk menangani permasalahan imbalance data pada analisis sentimen menggunakan algoritma K-Nearest Neighbors. Synthetic Minority Oversampling Technique (SMOTE) adalah salah satu metode yang dapat digunakan untuk melakukan pembentukan data synthetic untuk mengatasi imbalanced data. Metode klasifikasi yang digunakan adalah K-Nearest Neighbors (KNN) dengan nilai k=3. Penelitian ini menggunakan tiga dataset sentimen yang memiliki topik Covid, Pilkada 1, dan Pilkada 2. Hasil evaluasi dari ketiga dataset tersebut menghasilkan nilai rata-rata accuracy sebesar 70% pada KNN tanpa SMOTE dan menghasilkan 78% pada KNN+SMOTE. Hal ini menunjukkan bahwa SMOTE dapat mengatasi permasalahan imbalanced data dan dapat memberikan pengaruh berupa peningkatan akurasi pada penelitian ini.
Implementasi Metode Fuzzy Simple Additive Weighting (Fuzzy - Saw) Dalam Sistem Pendukung Keputusan Dengan Pendekatan Variabel Benefit Dan Cost Danny Matthew Saputra; Rusdi Efendi; Yunita -
Jurnal Sistem Informasi Vol 10, No 2 (2018)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (383.863 KB) | DOI: 10.36706/jsi.v10i2.8056

Abstract

AbstrakDalam banyak kasus informasi ini kurang memadai untuk membuat sebuah keputusan yang spesifik guna memecahkan permasalahan tertentu. Oleh karena itulah Sistem Pendukung Keputusan dibuat sebagai suatu cara untuk memenuhi kebutuhan ini. Konsep sistem pendukung pengambilan keputusan yang berbasis komputer (computer based decision support system) saat ini sedang berkembang sangat pesat. Didalam proses pengambilan keputusan terdapat benyak kriteria yang digunakan, serta banyak juga metode yang bisa dipakai untuk mendapatkan solusi dari permasalahan tersebut. Metode yang akan dipakai dalam penelitian ini adalah fuzzy simple additive weighting, yang merupakan metode gabungan antara teori fuzzy dan metode penjumlahan bobot dalam system pendukung keputusan. Dalam metode ini terdapat dua bagian utama yang akan dibahas, yaitu proses pembobotan dan proses perengkingan. Dimana didalam proses pembobotannya terdapat proses normalisasi data yang membagi setiap variabel inputnya menjadi variabel benefit dan variabel cost. Adapun data uji yang akan digunakan sebanyak 120 buah data. Hasil perengkingan yang didapatkan dari metode ini nantinya akan dibandingkan dengan mengalikan nilai kepentingan data dengan data itu sendiri. Kata Kunci— Sistem Pendukung Keputusan, Metode Fuzzy SAWAbstractIn many cases this information is insufficient to make a specific decision to solve a particular problem. Therefore, Decision Support Systems are made as a way to meet these needs. The concept of computer-based decision support systems is currently developing very rapidly. In the decision making process there are a number of criteria used, as well as many methods that can be used to obtain solutions to these problems. The method that will be used in this research is fuzzy simple additive weighting, which is a combined method of fuzzy theory and weight sum method in decision support systems. In this method there are two main parts to be discussed, namely the weighting process and the cracking process. Where in the weighting process there is a data normalization process that divides each input variable into benefit variables and cost variables. The test data will be used as many as 120 pieces of data. The results of the cracking obtained from this method will be compared to multiplying the value of the importance of the data with the data itself Keywords- Decision Support System, Fuzzy SAW Method
Co-Authors Mastura Diana Marieska Novi Yusliani Raisha Fatiya Rusdi Efendi Yunita -