This Author published in this journals
All Journal Jurnal Informatika
Agus Subekti
Pusat Penelitian Elektronik dan Telekomunikasi Lembaga Ilmu Pengetahuan Indonesia (LIPI)

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

Found 2 Documents
Search

Integrasi SMOTE Dan Ensemble AdaBoost Untuk Mengatasi Imbalance Class Pada Data Bank Direct Marketing Amin Nur Rais; Agus Subekti
Jurnal Informatika Vol 6, No 2 (2019): September 2019
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (336.77 KB) | DOI: 10.31294/ji.v6i2.6186

Abstract

Kampanye pemasaran produk bank secara langsung dapat dibantu dengan adanya teknologi informasi. Dengan terus bertambahnya data dan penggunaan teklogi informasi, data yang didapatkan dapat dimanfaatkan lebih maksimal untuk membuat keputusan. Dengan teknik klasifikasi dari, didapatkan hasil penambangan data berupa akurasi dari pembelajaran yang dilakukan. Metode dalam penelitian ini dengan menggunakan preprocessing SMOTE dan ensemble AdaBoost yang dikombinasikan dengan algoritma Naïve Bayes, SVM, dan J48. Hasil eksperimen yang diperoleh menunjukkan klasifikasi dengan menggunakan Naïve Bayes untuk akurasi sebesar 88,30%, sedangkan SVM 89,68%, dan J48 memiliki akurasi sebesar 95,73%. Maka dapat disimpulkan bahwa dengan menggunakan teknik klasifikasi Decision Tree J48 yang dikombinasikan dengan preprocessing SMOTE dan ensemble AdaBoost dapat memprediksi untuk menentukan objek pemasaran secara langsung kepada konsumen.
ANALISA SENTIMENT PADA ULASAN FILM DENGAN OPTIMASI ENSEMBLE LEARNING Andreyestha Andreyestha; Agus Subekti
Jurnal Informatika Vol 7, No 1 (2020): April 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (231.288 KB) | DOI: 10.31294/ji.v7i1.6171

Abstract

Dalam dunia hiburan khususnya film, kini situs web ulasan film menjadi media bagi orang-orang untuk memberikan penilaian mengenai seberapa bagus film tersebut. Mereka tidak harus menjadi pakar dalam dunia perfilman untuk menilai kualitas dari film yang mereka saksikan, semua orang dapat memberikan penilaian. Sentimen yang ditemukan dalam komentar, umpan balik atau kritik memberikan indikator yang berguna untuk berbagai tujuan dan dapat dikategorikan berdasarkan polaritas, polaritas tersebut cenderung akan dicari tahu apakah secara keseluruhan positif atau negatif. Algoritma Naïve Bayes  dan Random Forest merupakan algoritma yang dapat memberikan hasil analisa klasifikasi sesuai yang diharapkan pada penelitian ini, analisa akan dilakukan dengan membandingkan beberapa kombinasi algoritma untuk diuji pada Polarity Dataset 2.0 dari Cornell University, diantaranya  yaitu Algoritma tersebut akan dikombinasikan dengan seleksi fitur Chi Square, Adaboost, dan Voting. Dari hasil pengujian yang didapat algoritma AdaBosst dan Voting mampu meningkatkan akurasi dari metode Naïve Bayes (NB) and Random Forest (RF). Model yang diusulkan dengan Chi Square + Voting 2 (RF + SVM) memiliki nilai akurai 84,6%, dan model ini memiliki nilai akurasi yang lebih tinggi.