Article Per Year (5 Year)
p-Index From 2021 - 2026
4.155
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Proceedings of KNASTIK Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Indonesian Journal on Computing (Indo-JC) JIKO (Jurnal Informatika dan Komputer) J-SAKTI (Jurnal Sains Komputer dan Informatika) Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Aiti: Jurnal Teknologi Informasi Idealis : Indonesia Journal Information System J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Nasional Teknik Elektro dan Teknologi Informasi International Journal on Advanced Technology, Engineering, and Information System (IJATEIS) IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Innovative: Journal Of Social Science Research Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science
Alz Danny Wowor
Universitas Kristen Satya Wacana
Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Innovative: Journal Of Social Science Research

 1 
Analisis Sentimen Terhadap Kualitas Perbandingan Satelit Starlink dan Telkom Menggunakan Pendekatan Machine Learning Aneria, Gianina Dea; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21085

Abstract

The development of satellite communication technology has created opportunities for high-speed internet services across various regions, including remote areas. Starlink, which operates using low Earth orbit (LEO) satellites, and Telkom, which utilizes geostationary (GEO) satellites alongside terrestrial infrastructure, are two major providers in Indonesia. This study examines sentiment analysis of the service quality of Starlink and Telkom using a machine learning approach. Data were collected from the X (Twitter) platform and processed through cleaning, case folding, tokenization, slang word normalization, stopword removal, and stemming. Three classification algorithms were employed: Naïve Bayes, Decision Tree, and Random Forest. The results show that Decision Tree achieved the highest accuracy of 100%, followed by Random Forest at 96% and Naïve Bayes at 80%. Sentiment analysis revealed that Starlink was favored for its speed and connection stability, whereas Telkom was more appreciated for its affordability and service coverage. These findings provide an objective overview of user perceptions that can be utilized to improve service quality and strategic planning.
Sistem Pakar Indikasi Penyakit Berasal Dari Virus Menggunakan Forward Chaining Juanito, Yunias; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 3 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i3.19936

Abstract

Peningkatan kasus penyakit atau kematian yang signifikan dan berpotensi menjadi wabah disebut sebagai Kejadian Luar Biasa (KLB). KLB tidak hanya disebabkan oleh penyakit menular, tetapi juga penyakit tidak menular dan keracunan. Keterbatasan informasi mengenai penyakit virus yang dapat memicu KLB menjadi kendala dalam pencegahan. Oleh karena itu, deteksi dini sangat penting untuk memberikan informasi kepada masyarakat agar tindakan pengobatan dan pencegahan dapat dilakukan sedini mungkin. Sistem pakar, yang merupakan program dengan basis pengetahuan dan sistem inferensi menawarkan solusi untuk deteksi dini penyakit virus. Sistem ini menggunakan metode Forward Chaining untuk menarik kesimpulan. Sistem pakar yang dihasilkan mampu mendeteksi tujuh jenis penyakit virus, menyajikan informasi berupa penyakit, nilai kepercayaan atau persentase, dan nilai kepercayaan gejala terhadap penyakit yang lain
Analisis Perbandingan Performa YOLO v11 Dan v12 menggunakan model N dan S Putra, Gidion Albeth Anoraga; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21004

Abstract

Penelitian ini bertujuan untuk menganalisis perbandingan kinerja model deteksi objek YOLO (You Only Look Once) versi 11 dan versi 12, dengan fokus pada variasi N dan S pada kedua versi tersebut. Analisis dilakukan terhadap parameter waktu inferensi, kecepatan pemrosesan, penggunaan memori, dan ukuran model. Data diperoleh melalui eksperimen terhadap kedua versi dengan melakukan 100 epoch pelatihan pada masing-masing model. Hasil penelitian menunjukkan bahwa YOLO versi 11 secara umum memiliki waktu eksekusi yang lebih cepat dibandingkan versi 12, dengan total waktu eksekusi 219 detik untuk versi 11 N dan 228 detik untuk versi 11 S, sementara versi 12 N membutuhkan 303 detik dan versi 12 S membutuhkan 420 detik. Versi 11 juga menunjukkan penggunaan memori yang lebih efisien, sekitar 126-127 MB dibandingkan dengan versi 12 yang membutuhkan memori sekitar 3674-4309 MB. Penelitian ini menyimpulkan bahwa YOLO versi 11 menunjukkan keunggulan signifikan dalam efisiensi waktu pelatihan, penggunaan memori, dan waktu inferensi, menjadikannya pilihan optimal dalam hal sumber daya atau kebutuhan pemrosesan real-time. Sebaliknya, YOLO versi 12 menawarkan konsistensi kinerja yang lebih baik dan potensi akurasi yang lebih tinggi dengan biaya komputasi yang substansial
Studi Normalisasi pada Pemodelan Klasifikasi Kondisi Pasien COVID-19 Berdasarkan Data Kualitas Udara (Studi Kasus Gradient Boosting, Extra Trees, dan Logistic Regression) Sakalaty, Alfa Krisnanugrah; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21040

Abstract

Abstrak Penelitian ini meneliti pengaruh penerapan normalisasi data terhadap kinerja model klasifikasi kondisi pasien COVID-19 berbasis data kualitas udara. Data diperoleh dari wilayah Lubang Buaya dan diolah menggunakan metode Min-Max Normalization untuk meningkatkan ketepatan prediksi. Tiga algoritma machine learning Logistic Regression, Gradient Boosting, dan Extra Trees diuji dalam mengklasifikasikan lima kategori kondisi pasien. Hasil penelitian mengungkap bahwa normalisasi mampu meningkatkan akurasi seluruh model secara signifikan, dengan Extra Trees mencatat kinerja tertinggi hingga 92,86% pada kategori Suspek. Meski demikian, kategori Rawat Inap tetap menjadi tantangan akibat ketidakseimbangan distribusi data dan keterbatasan fitur yang tersedia. Secara keseluruhan, Extra Trees tampil sebagai model dengan performa terbaik, disusul oleh Logistic Regression dan Gradient Boosting. Temuan ini menegaskan peran penting normalisasi dan strategi penanganan data tidak seimbang dalam meningkatkan akurasi, sekaligus menunjukkan potensi kualitas udara sebagai indikator pendukung prediksi kondisi pasien COVID-19.
Studi Normalisasi pada Pemodelan Klasifikasi Kondisi Pasien COVID-19 Berdasarkan Data Kualitas Udara (Studi Kasus: Gradient Boosting, Extra Trees, dan Logistic Regression) Sakalaty, Alfa Krisnanugrah; Wowor, Alz Danny
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.21058

Abstract

Penelitian ini meneliti pengaruh penerapan normalisasi data terhadap kinerja model klasifikasi kondisi pasien COVID-19 berbasis data kualitas udara. Data diperoleh dari wilayah Lubang Buaya dan diolah menggunakan metode Min-Max Normalization untuk meningkatkan ketepatan prediksi. Tiga algoritma machine learning Logistic Regression, Gradient Boosting, dan Extra Trees diuji dalam mengklasifikasikan lima kategori kondisi pasien. Hasil penelitian mengungkap bahwa normalisasi mampu meningkatkan akurasi seluruh model secara signifikan, dengan Extra Trees mencatat kinerja tertinggi hingga 92,86% pada kategori Suspek. Meski demikian, kategori Rawat Inap tetap menjadi tantangan akibat ketidakseimbangan distribusi data dan keterbatasan fitur yang tersedia. Secara keseluruhan, Extra Trees tampil sebagai model dengan performa terbaik, disusul oleh Logistic Regression dan Gradient Boosting. Temuan ini menegaskan peran penting normalisasi dan strategi penanganan data tidak seimbang dalam meningkatkan akurasi, sekaligus menunjukkan potensi kualitas udara sebagai indikator pendukung prediksi kondisi pasien COVID-19.
Co-Authors A.A. Ketut Agung Cahyawan W Andeka Rocky Tanaamah Aneria, Gianina Dea Ardika, Zefanya Aryatama, Andrew Ananta Bakar, Theis Huyo Rooney Bambang Susanto David Lihananto Dimara, Indri Dwi, Geizka Wasito Adi Febriyanti, Monica Dias Jesajas, Marthen Billy Juanito, Yunias Kaho, Monica Louisa Ratu Kuniarti Paraditasari Kuniarti Paraditasari Liwandouw, Vania Beatrice Magdalena A. Ineke Pekereng Magdalena Ariance Ineke Pakereng Maria Rosalina Yopeng Nathanael, Hizkia Pallangan, Jorghie Theodore Pallangan, Jorghie Theodore Kenzo Putra, Gidion Albeth Anoraga Putri, Febyola Kurnia Tiara Ramadhani, Ahmad Sakalaty, Alfa Krisnanugrah Salama, Aditya Simanjuntak, Yohanes Albryan Susilo Wibowo, Ayub Teguh Septianto Nahading Vania Beatrice Liwandouw Vania Beatrice Liwandouw Wibowo, Alvin Cahyo Widiana, Kadek Yopeng, Maria Rosalina