Claim Missing Document
Check
Articles

Implementasi Metode Tf-idf Dan K-nearest Neighbor Untuk Seleksi Pelamar Kerja Jofardho Adlinnas; Kemas Muslim Lhaksmana; Donni Richasdy
eProceedings of Engineering Vol 7, No 3 (2020): Desember 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Indonesia merupakan salah satu negara dengan jumlah penduduk terbesar didunia dan mengalami peningkatan disetiap tahunnya, maka dari itu jumlah tenaga kerja juga terus meningkat pada setiap tahunnya dari berbagai jenis tingkatan pendidikan. Perekrutan pegawai merupakan salah satu proses penting menyaring pelamar yang berkualifikasi dan memenuhi standar organisasi/perusahaan. Proses perekrutan pelamar kerja yang dengan jumlah yang banyak menjadikan salah satu faktor bagi perusahaan membutuhkan waktu dan biaya lebih pada proses penyeleksian. Salah satu cara untuk memudahkannya proses seleksi, dengan memberi label/skor pada hasil wawancara pelamar oleh expert/ahli. Untuk menyelesaikan masalah tersebut digunakannya metode Term Frequency-Inverse Document Frequency (TF-IDF) sebagai extraksi fitur dan metode K-Nearest Neighbor (KNN) dengan cosine similarity untuk menghitung jarak tetangga terdekat, sebagai klasifikasi terhadap teks hasil wawancara pelamar. Hasil dari proses ini menunjukkan bahwa KNN merupakan pendekatan yang cukup efektif karena tingkat akurasi KNN mampu menghasilkan keakuratan ratarata mencapai 65.2%. Kata kunci: perekrutan pelamar kerja, klasifikasi teks, K Nearest-Neighbor, Cosine similarity Abstract Indonesia is one of the countries with the largest population in the world and has increased every year, therefore the number of workers also continues to increase every year from various types of education levels. Recruitment of employees is an important process of screening qualified applicants and meeting organizational / company standards. The recruitment process of job applicants with a large number makes one of the faktors for companies requiring more time and money in the selection process. One way to facilitate the selection process, by giving a label / score on the interview results of the applicant by the expert / expert. To solve this problem the term frequency-inverse document frequency (TFIDF) method is used as a feature extraction and the K-Nearest Neighbor (KNN) method K-Nearest Neighbor (KNN) method with cosine similarity to calculate the distance to the nearest neighbor, as a classification of the text of the interview applicants. The results of this process show that KNN is a quite effective approach because the accuracy of KNN is able to produce an average accuracy of 65.2%. Keywords: recruitment of job applicants, text classification, K Nearest-Neighbor, Cosine similarity
Analisis Sentimen Destinasi Wisata Kuliner Di Twitter Menggunakan Tf-idf Dan Complement Naïve Bayes Pada Dataset Tidak Seimbang Fakhrana Kurnia Sutrisno; Jondri Jondri; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 8, No 4 (2021): Agustus 2021
Publisher : eProceedings of Engineering

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

Abstract

Opini masyarakat terhadap suatu destinasi wisata kuliner sangat bermanfaat bagi pemilik maupun pengunjung tempat tersebut. Maka dari itu dilakukan analisis sentimen terhadap destinasi wisata kuliner di Kota Bandung, yaitu Cuanki Serayu dan Sate DJ. Analisis sentimen diawali dengan mengambil data dari Twitter dan dilabeli secara manual menjadi positif, netral, dan negatif. Data yang sudah dilabeli dilakukan preprocessing dan oversampling pada data yang tidak seimbang. Dataset dibagi menjadi data train dan data test dengan perbandingan 70:30. Pelatihan data dilakukan menggunakan metode Complement Naïve Bayes dengan ekstraksi fitur TF-IDF. Dari hasil pengujian diperoleh nilai f1-score terbesar sebesar 0,80 dari data yang telah dilakukan oversampling. Kata kunci: analisis sentimen, oversampling, TF-IDF, Complement Naïve Bayes, f1-score
Analisis Klasifikasi Tweet Suatu Akun Film Production Dengan Kontent-based Dan Time-based Menggunakan Metode Naive Bayes Rizki Luthfan Azhari; Jondri Jondri; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 9, No 3 (2022): Juni 2022
Publisher : eProceedings of Engineering

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

Abstract

AbstrakPada era digital yang serba modern ini, media sosial menjadi sarana atau platform untuk menyebarkan berbagai macam informasi secara mudah. Twitter merupakan salah satunya, twitter sendiri adalah sebuahmedia sosial yang bisa menyebarkan suatu informasi melalui tweet (kata kata yang diunggah oleh pengguna). Tweet bisa mengandung berbagai macam informasi, pembahasan, video, gambar maupun tautan ke suatu website. Suatu tweet akan disebarkan dari suatu pengguna ke pengguna lainnya dengan cara me-meretweetnya. Pada penelitian ini bertujuan untuk menganalisa apakah suatu tweet akan di retweet oleh pengguna lainnya dengan menggunakan fitur kontent-based dan time-based dengan metode klasifikasi naïve bayes serta menggunakan k-fold cross validation dengan nilai k=5 untuk melakukan splitdata. Hasil performansi yang didapatkan dengan menerapkan metode tersebut berupa nilai ratarata akurasi 61,36%, rata-rata precision yang didapatkan sebesar 65,06%, rata-rata untuk recall sebesar 55,61%, lalu rata-rata untuk f1-score sebesar 50,49%.
REVITALISASI PENAMPUNGAN DAN PENGOLAHAN SAMPAH RAMAH LINGKUNGAN ( STUDI PADA DESA CITEUREUP RW 8 KEC.BOJONGSOANG) Agus Kusnayat; Tri Widarmanti; Dino Caesaron; Kemas Muslim Lhaksmana; Murman Dwi Praseti; Denny Darlis; Dida Diah Damayanti
Prosiding COSECANT : Community Service and Engagement Seminar Vol 1, No 2 (2021)
Publisher : Universitas telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (182.344 KB) | DOI: 10.25124/cosecant.v1i2.17518

Abstract

Sampah merupakan salah satu masalah yang selalu dihadapi oleh masyarakat, melalui kegiatan pengabdian masyarakat dengan masyarakat sasar warga RW 8 Desa Citeureup Kecamatan Dayeuhkolot Kabupaten Bandung, Tim PkM yang merupakan gabungan dari 4 fakultas di Universitas Telkom, melakukan kegiatan Tahap 1 revitalisasi penampungan dan pengolahan sampah ramah lingkungan, melalui perbaikan infrastruktur sipil (perbaikan landasan mesin), sanitasi (pengaturan pembuangan air) dan kelistrikan (untuk mendukung fungsional mesin), respon masyarakat sasar terhadap kegiatan ini sangat baik 97% menyatakan kegiatan ini bermanfaat. Pengabdian kepada masyarakat tahap 1 ini merupakan awal dari optimalisasi TPS3R menuju penampungan dan pengolahan sampah yang berdaya ekonomi dengan pemanfaatan sampah organik untuk budidaya maggot, ikan lele dan tanaman hidroponik, pemanfaatan sampah anorganik melalui pemilahan sampah yang bisa dijual kembali.
Single-Label and Multi-Label Text Classification using ANN and Comparison with Naïve Bayes and SVM M. Mahfi Nurandi Karsana; Kemas Muslim L.; Widi Astuti
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 2 (2023): April 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i2.6024

Abstract

Machine learning has become useful in daily life thanks to improvements in machine learning techniques. Text classification as an important part in machine learning. There are already many methods used for text classification such as Artificial Neural Network (ANN), Naïve Bayes, SVM, Decision Tree etc.  ANN is a branch in machine learning which approximate the function of natural neural network. ANN have been used extensively for classification. In this research a simple architecture of ANN is used. But it needs to be pointed out that the architecture used in this research is relatively simple compared to the cutting edge in ANN development and research to show the potential that ANN have compared to other classification method. ANN, Naïve Bayes and SVM performance are measured using f1-macro. Performance of classification model is measured of multiple single-label and multi-label dataset. This research found that in single-label classification ANN have a comparable f1-macro with 0.79 compared to 0.82 for SVM. In multi-label classification ANN have the best f1-macro with 0.48 compared to 0.44 in SVM.
Analisis Sentimen Menggunakan Metode Naive Bayes dan Support Vector Machine pada Ulasan Aplikasi Spotify Muhammad Rifqi Fauzi Ramdhani; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Pergeseran kebiasaan memutar lagu secara digital didukung oleh kemudahan akses yang tersedia di berbagai perangkat, membuat pengguna bisa mendegarkan lagu kapanpun dan dimanapun waktunya. Spotify merupakan platform nomor satu sebagai penyedia jasa musik dan audio gratis dengan hampir 422 juta pengguna aktif dan menguasai 31% pangsa pasar skala global. Dengan banyaknya unduhan yang sudah mencapai satu juta kali, Spotify mendapatkan nilai rating 4.4 dan ulasan oleh para penggunanya. Pengguna diberikan kebebasan untuk mengekspresikan hasil kepuasaan, kritik, dan saran terhadap aplikasi. Ulasan tersebut bisa digunakan sebagai umpan balik untuk perusaahan dalam meningkatkan layanan dan mengembangkan inovasi selanjutnya. Analisis sentimen diperlukan untuk mengolah ulasan menjadi informasi yang bermanfaat dengan melalui beberapa tahapan pembersihan data terlebih dulu. Pembobotan menggunakan TF-IDF dilakukan sebelum masuk kedalam proses klasifikasi menggunakan Naive Bayes dan Support Vector Machine. Nilai F1-Score terbaik didapatkan pada metode SVM kernel RBF dengan nilai C & gamma optimum menghasilkan nilai F1-Score tertinggi sebesar 81% pada dataset ulasan aplikasi Spotify di layanan GooglePlay Store.Kata kunci-naive bayes, support vector machine, spotify, analisis sentimen, ulasan
Sentiment Analysis on Tweets of Kanjuruhan Tragedy Using Deep Learning IndoBERTweet Adhyaksa Diffa Maulana; Kemas Muslim Lhaksmana
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 3 (2023): Juli 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i3.6115

Abstract

The incident that occurred in Indonesian football at the Kanjuruhan Stadium was caused by unscrupulous supporters who entered the field and unscrupulous officers who fired tear gas into the stands. With this incident, many responses and opinions were given by the Indonesian people through social media Twitter in the form of positive, negative, and neutral opinions. This difference in opinion occurred because of the many victims who died or were injured, with many supporters who did not like the actions taken by the authorities during the riots. With this incident, the government must make decisions to ease the concerns of the community. Therefore, research will be conducted to analyze the sentiment of public opinion regarding the Kanjuruhan tragedy using the IndoBERTweet method with a comparison using naive Bayes. The results of this study using the IndoBERTweet method get better results than naive Bayes method. With the results of the IndoBERTweet method 88% accuracy, 82% precision value, 85% recall value, and 84% f1-score value, naive the Naive Bayes results are 62% accuracy, 59% Precision Value, 61% Recall Value, and f1-Score of 59%.
Retweet Prediction Based on User-Based, Content-Based, and Time-Based Features Using ANN Optimized with GWO Irgi Aditya Rachman; Jondri Jondri; Kemas Muslim L
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 1 (2023): Agustus 2023
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i1.1067

Abstract

Social media has emerged as immensely popular and favored platforms among the masses today. Twitter, being one of the most renowned social media platforms, allows users to express themselves through tweet postings. Retweeting is a crucial feature on Twitter, enabling users to disseminate tweets authored by others. In this context, this research aims to predict retweet behavior using User-Based, Content-Based, and Time-Based features, coupled with an Artificial Neural Network classifier optimized with Grey Wolf Optimization. One of the challenges in retweet prediction lies in class imbalance, where the number of retweets on certain tweets is significantly disproportionate compared to others. To address this issue, this study implements undersampling and oversampling techniques. Undersampling reduces the number of samples from the majority class, whereas oversampling involves duplicating or synthesizing samples from the minority class, thereby creating class balance. The research successfully achieves promising results in retweet prediction. After applying oversampling techniques, the classification process attains an accuracy of 85.58%, precision of 87.77%, recall of 83.92%, and F1-score of 85.80%. These results demonstrate the effectiveness of the proposed method in retweet prediction and handling class imbalance issues
Teknik Recommender System Menu Makanan dengan Pendekatan Contextual Model dan Multi-Criteria Decision Making pada Orang Dewasa Isabella Vichita Kacaribu; Erwin Budi Setiawan; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 10, No 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

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

Abstract

Wisata Kuliner adalah kegiatan yang popular pada saat ini. Banyak tempat makan yang menawarkan makanan-makanan dengan tampilan yang menarik, murah, atau enak. Beberapa masyarakat mendapatkan informasi mengenai wisata kuliner atau daftar makanan melalui media sosial, berita maupun melalui media cetak. Sehingga banyak dari mereka menentukan menu makanan yang mereka santap melalui media sosial. Banyak kriteria yang digunakan dalam memilih makanan, seperti ada yang melihat kandungan kalorinya, harganya, lokasinya, atau yang lainnya. Seiring berkembangnya teknologi informasi, sistem rekomendasi telah semakin dibutuhkan oleh masyarakat untuk membantu pengguna dalam mendapatkan informasi menu makanan yang relavan. Ada metode untuk merekomendasikan makanan berdasarkan contextual model dan multi-criteria decision yang dapat membantu pengguna memilih makanan yang cocok. Berdasarkan pada metode Weighted Sum Model, penelitian ini ingin membuat suatu teknik yang lebih baik dengan menggunakan terapan Contextual Model. Contextual Model membuat pengguna menjadi lebih mengerti dalam penggunaan sistem dan mudah dimengerti.Kata kunci— wisata kuliner, recommender system, contextual model, multi-criteria decision, weighted sum model.
Prediction Retweet Using User-Based and Content-Based with Artificial Neural Network-Harmony Search Rizky Ahmad Saputra; Jondri Jondri; Kemas Muslim Lhaksmana
Building of Informatics, Technology and Science (BITS) Vol 5 No 2 (2023): September 2023
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v5i2.4079

Abstract

Online social networking services allow users to post content in the form of text, images or videos. Twitter is a microblogging social networking service that enables its users to send and read text-based messages of up to 140 characters. Retweet is one of the features in Twitter that is important in disseminating information, popular tweets reflect the latest trends on Twitter, the main mechanism that encourages information dissemination is the possibility for users to re-share content posted by their social connections, then it can flow throughout the system. Retweets happen when someone republishes or forwards a post to their homepage and personal profile. Most retweets are credited to the original author of the original post. The retweet prediction system uses an Artificial neural network optimized for Harmony search with tweets about the Jakarta-Bandung Fast Train, which shows the best results when the oversampling method has been carried out with an f1 score of 96.8%.
Co-Authors Abdurrahman, Azzam Achmad Salim Aiman Adelia, Dila Adhyaksa Diffa Maulana Aditya Eka Wibowo Aditya Gifhari Soenarya Adiwijaya Aghi Wardani Agni Octavia Agus Kusnayat Ahmad Syafiq Abiyyu Ahmad, Alif Faidhil Al Faraby, Said Alberi Meidharma Fadli Hulu Amalia Elma Sari Andiani, Annisa Dwi Angraini, Nadya Arda Anisa Herdiani Annisa Miranda Arini Rohmawati Athallah, Muhammad Rafi Aura Sukma Andini Bayu Muhammad Iqbal Bonar Panjaitan Brata Mas Pintoko Chandra Jaya Riadi Chlaudiah Julinar Soplero Lelywiary Choirulfikri, Muhammad Rizqi Damayanti, Lisyana Dana Sulitstyo Kusumo Danang Triantoro Murdiansyah David Winalda Delva, Dwina Sarah Deni Saepudin Denny Darlis Dewantara, Muhammad Pascal Dida Diah Damayanti Didit Adytia dina juni restina Dino Caesaron Donni Richasdy Donny Rhomanzah Dzidny, Dimitri Irfan Edgarsa Bramandyo Widyarto Eki Rifaldi Eko Darwiyanto Ela Nadila Emrald Emrald Erwin Budi Setiawan Fakhrana Kurnia Sutrisno Farisi, Kamaludin Hanif Fathih Adawi Ahmad Ferdian Yulianto Fhira Nhita Ghina Annisa Shabrina Guido Tamara Haga Simada Ginting Harmandini, Keisha Priya Haura Athaya Salka Herodion Simorangkir Hutama, Nanda Yonda Ika Puspita Dewi Intan Khairunnisa Fitriani Iqmal Lendra Faisal Amien Irgi Aditya Rachman Isabella Vichita Kacaribu Isman Kurniawan Jofardho Adlinnas Jondri Jondri Jordan, Brilliant Kamaludin Hanif Farisi Kautsar Ramadhan Sugiharto Lukito Agung Waskito Luqman Bramantyo Rahmadi Luthfi, Muhammad Faris M. Mahfi Nurandi Karsana Mahendra Dwifebri Mahendra Dwifebri Purbolaksono Mahendra, Muhammad Hafizh Marendra Septianta Marozi, Ericho Mehdi Mursalat Ismail Meira Reynita Putri Mira Rahayu Moch Arif Bijaksana Mohamad Reza Syahziar Muhammad Abdurrohman Al Fatih Muhammad Adzhar Amrullah Muhammad Arif Kurniawan Muhammad Ilham Maulana Muhammad Rifqi Fauzi Ramdhani Muhammad Yuslan Abu Bakar Muhammad Zaid Dzulfikar muhammad zaky ramadhan Muhammad Zidny Naf'an Murman Dwi Praseti Musyafa’noer Sandi Pratama Nanda Yonda Hutama Naufal Furqan Hardifa Naufal Hilmiaji Naufal Rasyad Nibras Syihabil Haq Octaryo Sakti Yudha Prakasa Okky Zoellanda A. Tane Pamungkas, Danit Hafiz Praja, Yudhistira Imam Purwita, Naila Iffah Putri, Arla Sifhana Putrisia, Denada R. Fajrika hadnis Putra Rafi Hafizhni Anggia Rafisa Arif Irfan Rahadian, Muhammad Rafi Rastim Rastim Rayhan, Muhammad Aditya Resky Nadia Rizki Luthfan Azhari Rizki Nurhaliza Harahap Rizky Ahmad Saputra Rizky, Fariz Muhammad Salman Farisi Setya Hadi Seno Adi Putra Seto Sumargo Siddiq, Ikhsan Maulana Sindi Fatika Sari Sri Utami Sri Widowati Sukmawan Pradika Janusange Santoso Suwaldi Mardana Syadzily , Muhammad Hasan Tri Widarmanti Try Moloharto Try Moloharto Vitalis Emanuel Setiawan Wardhani, Fitri Herinda Widi Astuti Widi Astuti Youga Pratama Yuliant Sibaroni Yusuf Nugroho Doyo Yekti Zaena, Siffa Zaenal Abidin ZK Abdurahman Baizal Zulkarnaen, Imran