Article Per Year (5 Year)
p-Index From 2021 - 2026
1.683
P-Index
This Author published in this journals
All Journal Al-Hayat: Journal of Islamic Education Dedication : Jurnal Pengabdian Masyarakat Didaktik : Jurnal Ilmiah PGSD STKIP Subang PELS (Procedia of Engineering and Life Science) Dedication : Jurnal Pengabdian Masyarakat JOSAR (Journal of Students Academic Research) Jurnal Komputer, Informasi dan Teknologi Jurnal Ekonomi, Manajemen, Akuntansi dan Keuangan
Lestanti, Sri
Program Studi Teknik Informatika S1, Fakultas Teknologi Informasi, Universitas Islam Balitar
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Implementasi Algoritma Fuzzy Membership Function dan Naive Bayes untuk Diagnosis Penyakit Ayam Petelur Moch. Rahmadijaya; Sri Lestanti; Saiful Budiman
Jurnal Komputer, Informasi dan Teknologi Vol. 5 No. 2 (2025): Desember
Publisher : Penerbit Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53697/jkomitek.v5i2.3361

Abstract

Penyakit pada ayam petelur dapat menyebar cepat dalam satu kandang dan berisiko menyebabkan kematian massal. Keterbatasan akses dokter hewan yang hanya berkunjung setiap satu hingga dua bulan sekali memperlambat penanganan ketika ayam sakit. Penelitian ini bertujuan mengimplementasikan algoritma Fuzzy Membership Function dan Naive Bayes untuk membantu peternak dalam mengidentifikasi penyakit ayam petelur secara dini. Fuzzy Membership Function digunakan untuk mengubah data suhu, misalnya 37,2°C menjadi nilai fuzzy 0,483, yang kemudian diintegrasikan dengan dataset gejala penyakit pada Naive Bayes untuk menghitung probabilitas penyakit tertinggi. Pengukuran akurasi dilakukan dengan metode Accuracy Rate menunjukkan tingkat akurasi 93% dari 100 data uji, dengan 93 diagnosis tepat dan 7 tidak sesuai. Walaupun akurasinya cukup tinggi, hasil algoritma ini masih mengalami kesulitan dalam mendiagnosis penyakit dengan gejala ringan atau mirip antar penyakit.
Analisis Sentimen Terhadap Produk Kecantikan Emina Daily Matte Loose Powder di Emina Official Shop Menggunakan Metode Support Vector Machine Alvena Destria Wirahadi; Sri Lestanti; Abdi Pandu Kusuma
Jurnal Ekonomi, Manajemen, Akuntansi dan Keuangan Vol. 7 No. 1 (2026): January
Publisher : Penerbit Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53697/emak.v7i1.3624

Abstract

Pertumbuhan e-commerce meningkatkan jumlah ulasan konsumen yang dapat menjadi sumber informasi penting bagi produsen. Namun, ulasan tersebut sering ditulis dengan bahasa tidak baku sehingga sulit dianalisis secara manual. Penelitian ini bertujuan untuk mengetahui sentimen konsumen terhadap Emina Daily Matte Loose Powder di Emina Official Shop serta menilai efektivitas metode Support Vector Machine (SVM) dalam klasifikasi sentimen. Sebanyak 1.000 ulasan konsumen dikumpulkan dari Shopee dengan teknik web scraping. Data diproses melalui tahapan pembersihan teks, casefolding, penghapusan stopwords, stemming, dan tokenisasi. Representasi data dilakukan menggunakan TF-IDF, kemudian diklasifikasikan dengan SVM kernel Radial Basis Function (RBF). Hasil penelitian menunjukkan distribusi ulasan didominasi oleh sentimen positif, sedangkan model SVM menghasilkan akurasi 70%. Metode SVM dengan kernel RBF terbukti efektif dalam mengklasifikasikan sentimen produk kecantikan.
Co-Authors Abdi Pandu Kusuma Afirin Alvena Destria Wirahadi Fauzi Asrofi Kirom, Sabitul Moch. Rahmadijaya Ni'ma Kholila Riska Dhenabayu Saiful Budiman Saiful Nur Budiman Sendi Dwi Jayanti Yusniarsi Primasari