Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah FIFO JRST (Jurnal Riset Sains dan Teknologi)
Adi Hartanto
Universitas Mercu Buana
Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Pembuatan Aplikasi Buta warna untuk penderita buta warna Adi Hartanto; Nur Ismawati
Jurnal Ilmiah FIFO Vol 10, No 2 (2018)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2018.v10i2.005

Abstract

Color blindness is the reason a person is unable to distinguish certain colors. Color blindness is experienced by someone from birth because of lack or absence of pigment in the retinal cone cells of the eye. So that someone will be difficult to distinguish and identify colors. The purpose of making this color-blind application is to help people with color blindness and know the color by making color transfusion and color correction to display names, RGB and HSV values of a color. This Color Blind application is an Android OS application that will be embedded in a smartphone that can be easily used by people with color blindness
Klasifikasi Sentimen Support Vector Machine Berbasis Optimasi Menyambut Pemilu 2024 William Silalahi; Adi Hartanto
JRST (Jurnal Riset Sains dan Teknologi) Volume 7 No. 2 September 2023: JRST
Publisher : Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/jrst.v7i2.18133

Abstract

Ajang pesta demokrasi di tahun 2024 yang disertai dengan narasi politik akan kembali diadakan. Beragam komentar negatif dan isu hoaks mulai bermunculan di media sosial untuk menjatuhkan pihak oposisi. Hal ini menimbulkan ketidakpercayaan masyarakat hingga muncul golongan putih. Oleh karena itu, klasifikasi sentimen berdasarkan opini di Twitter dilakukan agar mengetahui bagaimana pandangan masyarakat mengenai fenomena ini.  Algoritma yang dipakai adalah Support Vector Machine dan Particle Swarm Optimization dengan metode tambahan seperti Term Frequency-Inverse Document Frequency dalam pembuatan vektor dan Synthetic Minority Oversampling Technique untuk menyeimbangkan data pada setiap kelas. Karena algoritma machine learning tersebut bersifat supervised learning, maka pelabelan otomatis dilakukan menggunakan Valence Aware Dictionary sEntiment Reasoner sebagai data latih. WordCloud sebagai sarana pendukung dalam mempersiapkan pemilu tahun depan juga diterapkan. Hasil pelabelan otomatis mendapatkan 1000 data sentimen positif dan 400 data sentimen negatif. Perolehan akurasi Support Vector Machine tanpa optimasi dengan metode pengujian split 70% data latih dan 30% data uji adalah sebesar 87.33%. Sedangkan persentase akurasi Support Vector Machine (Particle Swarm Optimization) adalah 87.50%. WordCloud sentimen positif dan negatif menunjukkan bahwa masyarakat mendukung adanya pemilu 2024 meskipun ada yang kurang menyukai publik figur atau partai politik tertentu.
Co-Authors Nur Ismawati William Silalahi