Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) eProceedings of Engineering
Kemas M Lhaksmana
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Generating Travel Itinerary Using Ant Collony Optimization ZK. Abdurahman Baizal; Aniq A Rahmawati; Kemas M Lhaksmana; Moh Z Mubarok; M. Qadrian
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 16, No 3: June 2018
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v16i3.7268

Abstract

Travelling is one of the activities needed by everyone to overcome weariness. The number of information about the tourism destination on the internet sometimes does not provide easiness for oncoming tourists. This paper proposes a system capable of making travel itinerary, for tourists who want to visit an area within a few days. For generating itinerary, the system considers several criterias (Multi-criteria-based), which include the popularity level of tourist attractions to visit, tourist visits that minimize budgets or tourist visits with as many destinations as possible. To handle multi criteria-based itinerary, we use the concept of multi attribute utility theory (MAUT). The running time of multi criteria-based itinerary is not significantly different from time-based itinerary. In addition, the number of tourist attractions in the itinerary is more than time-based itinerary, because the combination of solutions from each ant becomes more diverse.
Analisis Sentimen Pemilihan Presiden Amerika 2020 Di Twitter Menggunakan Naive Bayes Dan Support Vector Machine Gery Nugroho; Danang Triantoro Murdiansyah; Kemas M Lhaksmana
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Analisis sentimen adalah suatu cara untuk mengekstrak emosi dari suatu teks. Tujuan dari analisis sentiment ini adalah untuk mengetahui sentiment positif atau negatif dalam suatu tweet dari twitter mengenai pemilihan Presiden Amerika 2020. Salah satu cara untuk menentukannya adalah dengan melakukan klasifikasi teks. Dengan melakukan klasifikasi teks, kita dapat melakukan prediksi sentimen dari suatu tweet. Namun terdapat suatu masalah yaitu banyaknya atribut yang dimiliki oleh suatu teks. Oleh karena itu dilakukan seleksi fitur menggunakan metode TF-IDF (Term Frequency – Inverse Document Frequency). TF-IDF merupakan teknik pembobotan suatu kata dalam dokumen. Pada penelitian ini peneliti mencoba membandingkan 2 algoritma klasifikasi yaitu Naïve Bayes dan Support Vector Machine. Hasil evaluasi menggunakan cross-validation dengan nilai K sebesar 10 serta menggunakan mean approach menunjukkan bahwa model memberikan hasil akurasi terbaik sebesar 82% menggunakan kernel linear. Berdasarkan 10000 data tweet mengenai Donald Trump dengan akurasi terbaik 82% model berhasil memprediksi 36.88% orang memiliki pandangan netral terhadap Trump, 30.78% orang memilki pandangan positif terhadap Trump, dan 32.34% memiliki pandangan pandangan negatif terhadap Trump. Lalu 10000 data tweet mengenai Joe Biden, model berhasil memprediksi atau 42.39% orang memiliki pandangan netral terhadap Biden, 29.62% orang memilki pandangan positif terhadap Biden, dan 27.99% memiliki pandangan pandangan negatif terhadap Biden Kata kunci : Pemilihan Presiden Amerika 2020,Sentiment Analysis, SVM, Naïve Bayes, TF-IDF
Co-Authors Aniq A Rahmawati Danang Triantoro Murdiansyah Gery Nugroho M. Qadrian Moh Z Mubarok ZK Abdurahman Baizal