Garuda - Garba Rujukan Digital

Study of Public Sentiment Towards Beauty Products Using A Machine Learning Approach: Random Forest Analysis On Social Media Tresya Noviania Pasaribu; Tanjung, Juliansyah Putra; Dosma Hutauruk; Endang Sapriana Hutagalung; Saputra Silitonga
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 3 (2024): Research Artikel Volume 8 Issue 3, July 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i3.13969

In this digitalized era, the development of technology and the internet has brought significant changes in various aspects of life, including the way we shop. The trend of online shopping is increasingly prevalent and favored by the public, not least for cosmetic products. This research uses a quantitative approach to analyze public opinion or sentiment towards beauty products, especially beauty products. The data used in this research comes from online platforms. This research uses a beauty product dataset obtained from Kaggle. This research uses the Random Forest algorithm to analyze the data and produce findings, This algorithm is one of the advanced tools in Machine Learning that is focused on sorting data into the right categories, which in this context is used to classify public sentiment towards beauty products into categories such as positive, negative or neutral. Random Forest achieved a very high accuracy rate of 94.68% in the evaluation. However, it should be noted that the positive class has a low recall (25%) and a low F1-score (40%), indicating that the model may struggle to detect positive sentiment towards beauty products beauty products. In general, the model did well in classifying neutral and negative sentiments. Sentiment analysis shows that the majority of public sentiment towards beauty products is neutral, with a significant amount of negative and positive sentiment. It is evident that user opinions are informative or descriptive without conveying strong positive or negative emotions.

Implementasi Algoritma K-Means Dalam Mengukur Tingkat Kepuasan Siswa Terhadap Pelayanan Pada SMA Swasta Bani Adam AS Tanjung, Juliansyah Putra; Wijaya, Bayu Angga; Ridho, Muhammad
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, December 2023
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2775

Pendidikan merupakan aspek penting dalam pembangunan suatu negara. Peningkatan kualitas pendidikan adalah suatu hal yang krusial bagi kemajuan suatu bangsa. Dalam rangka meningkatkan kualitas pendidikan, perlu adanya evaluasi yang teratur terhadap kinerja sekolah. SMA Swasta Bani Adam As merupakan salah satu sekolah swasta yang berkomitmen untuk memberikan pelayanan terbaik bagi siswa. Namun, perlu adanya evaluasi terhadap tingkat kepuasan siswa terhadap pelayanan yang diberikan oleh sekolah secara teratur Algoritma k-means merupakan salah satu algoritma clustering yang digunakan untuk mengelompokkan data berdasarkan kesamaan fitur atau atribut. Dengan tahapan awal melakukan pengumpulan data set, menganalisis data yang didapatkan, melakukan clustering dan implementasi. Setelah dilakukan semua proses sampai iterasi atau perulangan berhenti maka data dengan cluster tidak berpindah lagi dan merupakan data akhir dari pengujian. terlihat bahwa 8 dari 10 data menunjukkan bahwa jarak terdekat berada pada K1 yang merupakan kategori “Kurang Puas” terhadap pelayanan yang diberikan. Sedangkan sisa data untuk kategori “Cukup Puas” dan “Puas” oleh karena itu dapat disimpulkan bahwa Dari penerapan metode clustering dengan menggunakan algoritma K-Means yang diaplikasikan pada data set menghasilkan grafik kepuasan siswa dengan data kurang puas sebanyak 86 siswa atau sejumlah 43 %, cukup puas sebanyak 69 siswa atau sejumlah 34,5 % dan puas 45 siswa atau sejumlah 22,5 %.

Implementation of Transfer Learning on CNN using DenseNet121 and ResNet50 for Brain Tumor Classification Putri, Farah Azhari Pranata Restia; Tanjung, Juliansyah Putra; Dharshini, N P
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol. 8 No. 2 (2025): Issues January 2025
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v8i2.13952

Brain tumors are conditions characterized by abnormal cell growth in the brain, which can disrupt brain function. Early detection and accurate classification are crucial to ensuring effective treatment. This study aims to improve the accuracy of brain tumor classification by implementing Convolutional Neural Networks (CNN) using Transfer Learning approaches on DenseNet121 and ResNet50 models. Transfer Learning leverages knowledge from pre-trained models on larger datasets, thereby accelerating the training process and enhancing performance on the brain tumor dataset. The dataset used consists of medical images, including images of brain tumors and images without tumors. The data was divided into two parts, with 80% for training and 20% for validation. This split ensures that the model learns optimally from the training data and is tested on unseen data to objectively evaluate its performance. Experimental results show that the ResNet50 model achieved an accuracy of 98.44% on the validation data, while the DenseNet121 model achieved an accuracy of 96.31%. In conclusion, the ResNet50 model outperformed DenseNet121 in brain tumor classification. The implications of this study demonstrate that the Transfer Learning approach with ResNet50 can serve as an effective tool for automated brain tumor diagnosis, potentially improving patient outcomes through more accurate detection and classification

Implementasi Algoritma K-Means Dalam Mengukur Tingkat Kepuasan Siswa Terhadap Pelayanan Pada SMA Swasta Bani Adam AS Tanjung, Juliansyah Putra; Wijaya, Bayu Angga; Ridho, Muhammad
Data Sciences Indonesia (DSI) Vol. 3 No. 1 (2023): Article Research Volume 3 Issue 1, June 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i1.2775

Pendidikan merupakan aspek penting dalam pembangunan suatu negara. Peningkatan kualitas pendidikan adalah suatu hal yang krusial bagi kemajuan suatu bangsa. Dalam rangka meningkatkan kualitas pendidikan, perlu adanya evaluasi yang teratur terhadap kinerja sekolah. SMA Swasta Bani Adam As merupakan salah satu sekolah swasta yang berkomitmen untuk memberikan pelayanan terbaik bagi siswa. Namun, perlu adanya evaluasi terhadap tingkat kepuasan siswa terhadap pelayanan yang diberikan oleh sekolah secara teratur Algoritma k-means merupakan salah satu algoritma clustering yang digunakan untuk mengelompokkan data berdasarkan kesamaan fitur atau atribut. Dengan tahapan awal melakukan pengumpulan data set, menganalisis data yang didapatkan, melakukan clustering dan implementasi. Setelah dilakukan semua proses sampai iterasi atau perulangan berhenti maka data dengan cluster tidak berpindah lagi dan merupakan data akhir dari pengujian. terlihat bahwa 8 dari 10 data menunjukkan bahwa jarak terdekat berada pada K1 yang merupakan kategori “Kurang Puas” terhadap pelayanan yang diberikan. Sedangkan sisa data untuk kategori “Cukup Puas” dan “Puas” oleh karena itu dapat disimpulkan bahwa Dari penerapan metode clustering dengan menggunakan algoritma K-Means yang diaplikasikan pada data set menghasilkan grafik kepuasan siswa dengan data kurang puas sebanyak 86 siswa atau sejumlah 43 %, cukup puas sebanyak 69 siswa atau sejumlah 34,5 % dan puas 45 siswa atau sejumlah 22,5 %.

Title

Found 14 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 14 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 14 Documents
Search