Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer Paradigma
Windu Gata
STIMIK Nusa Mandiri
Computer Science & IT Education

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sentimen Analisis Stay Home menggunakan metode klasifikasi Naive Bayes, Support Vector Machine, dan k-Nearest Neighbor Ikhwanul Hakim; Arifin Nugroho; Sulaeman Hadi Sukmana; Windu Gata
Paradigma Vol 22, No 2 (2020): Periode September 2020
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (141.56 KB) | DOI: 10.31294/p.v22i2.8237

Abstract

Dunia sedang dilanda pandemi Corona Virus, virus yang berasal dari kota Wuhan di negara Cina sebagai awal pusat dari pandemi virus tersebut. Virus tersebut menyerang pernafasan akut dan menyebar dengan cepat hampir keseluruh dunia karena proses penularannya yang relatif mudah. Pemberitaan terkait virus tersebut terjadi dengan saat masif baik dimedia nasional maupun internasional. Hampir seluruh media memberitakan tentang penyebaran virus tersebut. Salah satunya melalui media sosial, twitter adalah salah satu media sosial yang cukup banyak penggunanya dan cukup digemari. Banyak pengguna twitter membagikan informasi, mengeluarkan pendapat, maupun berbagi beberapa hal. Penelitian ini fokus pada sentimen analisis stay home pada pengguna twitter, untuk dapat melihat efek dari kebijakan tersebut terhadap kehidupan mereka. Karena hampir diseluruh negara yang terkena pandemi ini mengeluarkan kebijakan seperti itu. Data yang diperoleh akan diolah menggunakan tiga metode klasifikasi yaitu Naive Bayes (NB), Support Vector Machine (SVM), dan k-Nearest Neighbor (k-NN). Dengan ketiga metode klasifikasi tersebut, akan dicari metode mana yang akan menghasilkan akurasi yang paling baik terkait dengan stay home dari tweets para penggunanya. Setelah dilakukan percobaan, algoritma Support Vector Machine + Smote mendapatkan hasil akurasi yang paling baik jika dibandingkan dengan dua algoritma lainnya. Hasil akurasi yang didapat sebesar 80,05%.
ANALISA ASOSIASI DATA MINING PENJUALAN MEUBEL MENGGUNAKAN ALGORITMA APRIORI PADA MASTER BORNEO PONTIANAK SELATAN Rabiatus; Badariatul Lailiah; Windu Gata; Muhammad Ifan Rifani Ihsan
Elkom : Jurnal Elektronika dan Komputer Vol 13 No 2 (2020): Desember: Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

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

Abstract

Dunia bisnis khususnya dalam industri penjualan dimana-mana tidak di ambil kemungkinan banyak resiko yang di hadapi pembisnis untuk bisa melangsungkan usaha yang telah di dirikan akan selalu ada dan mendapatkan konsumen yang tetap membeli barang yang telah disediakan maka dari itu seorang entrepreneur dituntut untuk memiliki strategi dalam membaca peluang. Untuk menyiasati hal tersebut, tentunya pihak manajemen harus mampu menganalisa data yang ada untuk dijadikan bahan acuan untuk strategi diperlukan untuk komputerisasi. Pencarian judul penelitian dan abstraknya dipermudah dengan kata-kata kunci tersebut. berbisnis selanjutnya. Meubel Master borneo merupakan salah satu perusahaan yang memiliki resiko mendapatkan konsumen yang tetap dan harus memberikan atau meyediakan barang yang memiiki kualitas tinggi dan memberikan pelayanan yang akan diberikan kepada pelanggan yang setia membeli produk yang telah disediakan. Dengan menggunakan data mining yang merupakan knowledge discovery dikarenakan bidang yang berupaya untuk menemukan informasi yang memiliki arti yang berguna dari jumlah data yang besar, untuk menemukan pola (pattern) data dan memprediksi kelakuan (trend) dimasa mendatang [7]. Untuk mengetahui produk yang sering terjual dalam periode bulan Januari sampai bulan Mei 2019 diperlukan algoritma apriori yang ada di data mining. Dengan melakukan analisa keranjang belanja menggunakan metode asosiasi dengan Algoritma Apriori, dimana kombinasi itemset transaksi penjualan barang pada meubel master borneo menghasilkan 6 rules dimana minimum confidence sebesar 41,6 % dan minimum support sebesar 0,08% berdasarkan 35 transaksi penjualan dari 63 jenis barang pada meubel Master Borneo.
ANALISA ASOSIASI DATA MINING PENJUALAN MEUBEL MENGGUNAKAN ALGORITMA APRIORI PADA MASTER BORNEO PONTIANAK SELATAN Rabiatus; Badariatul Lailiah; Windu Gata; Muhammad Ifan Rifani Ihsan
Elkom : Jurnal Elektronika dan Komputer Vol 13 No 2 (2020): Desember: Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

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

Abstract

Dunia bisnis khususnya dalam industri penjualan dimana-mana tidak di ambil kemungkinan banyak resiko yang di hadapi pembisnis untuk bisa melangsungkan usaha yang telah di dirikan akan selalu ada dan mendapatkan konsumen yang tetap membeli barang yang telah disediakan maka dari itu seorang entrepreneur dituntut untuk memiliki strategi dalam membaca peluang. Untuk menyiasati hal tersebut, tentunya pihak manajemen harus mampu menganalisa data yang ada untuk dijadikan bahan acuan untuk strategi diperlukan untuk komputerisasi. Pencarian judul penelitian dan abstraknya dipermudah dengan kata-kata kunci tersebut. berbisnis selanjutnya. Meubel Master borneo merupakan salah satu perusahaan yang memiliki resiko mendapatkan konsumen yang tetap dan harus memberikan atau meyediakan barang yang memiiki kualitas tinggi dan memberikan pelayanan yang akan diberikan kepada pelanggan yang setia membeli produk yang telah disediakan. Dengan menggunakan data mining yang merupakan knowledge discovery dikarenakan bidang yang berupaya untuk menemukan informasi yang memiliki arti yang berguna dari jumlah data yang besar, untuk menemukan pola (pattern) data dan memprediksi kelakuan (trend) dimasa mendatang [7]. Untuk mengetahui produk yang sering terjual dalam periode bulan Januari sampai bulan Mei 2019 diperlukan algoritma apriori yang ada di data mining. Dengan melakukan analisa keranjang belanja menggunakan metode asosiasi dengan Algoritma Apriori, dimana kombinasi itemset transaksi penjualan barang pada meubel master borneo menghasilkan 6 rules dimana minimum confidence sebesar 41,6 % dan minimum support sebesar 0,08% berdasarkan 35 transaksi penjualan dari 63 jenis barang pada meubel Master Borneo.
Co-Authors Arifin Nugroho Badariatul Lailiah Hadi Sukmana, Sulaeman Ikhwanul Hakim Muhammad Ifan Rifani Ihsan Rabiatus