Article Per Year (5 Year)
p-Index From 2021 - 2026
11.994
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) TEKNIK INFORMATIKA SITEKIN: Jurnal Sains, Teknologi dan Industri Prosiding Semnastek Scientific Journal of Informatics Sistemasi: Jurnal Sistem Informasi Jurnal CoreIT JURNAL MEDIA INFORMATIKA BUDIDARMA IT JOURNAL RESEARCH AND DEVELOPMENT Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi INFORMASI (Jurnal Informatika dan Sistem Informasi) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Teknik Informatika (JUTIF) Information System Journal (INFOS) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal UNITEK Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Knowbase : International Journal of Knowledge in Database Indonesian Journal of Innovation Multidisipliner Research Bulletin of Informatics and Data Science Jurnal Informatika: Jurnal Pengembangan IT Indonesian Journal of Innovation Multidisipliner Research Jurnal Komtika (Komputasi dan Informatika)
Elvia Budianita
Universitas Islam Negeri Sultan Syarif Kasim Riau
Religion Aerospace Engineering Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Transportation Veterinary Other

Published : 121 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 121 Documents
Search

 1   2   3   4   5 
Penerapan Algoritma Canny Dan LVQ 3 Untuk Klasifikasi Jenis Tanaman Mangga Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1389.558 KB)

Abstract

Tanaman Mangga merupakan jenis tanaman buah dengan nama ilmiah Mangifera Indica yang termasuk dalam marga Mangifera, mangga terdiri dari 35-40 anggota dan termasuk dalam suku Anacardiaceae. Identifikasi morfologi daun hasil persilangan antar jenis (intraspesifik) maupun antar sifat baru  yang  berbeda dari kedua tetuanya akan lebih memperkaya keragaman genetik tanaman mangga, sehingga sulit membedakan antar spesies mangga karena setiap jenis memiliki kemiripan satu dengan lainnya. Oleh karena itu, untuk dapat membedakan jenis tanaman mangga lokal dan mangga setelah dilakukan persilangan dibutuhkan suatu sistem informasi.  Pengambilan data  dilakukan melalui 2 tahapan yaitu menggunakan scanner dan kamera hp.  Metode yang digunakan untuk proses deteksi tepi dan ekstraksi ciri adalah algoritma canny dan Gray Level Co-occurence (GLCM). Proses klasifikasi menggunakan metode Learning Vector Quantization 3. Berdasarkan 2 bentuk citra dilakukan 3 kali pengujian , yaitu pengujian Learning Rate, window dan pembagian data. Berdasarkan hasil pengujian, didapatkan hasil akurasi tertinggi pada citra menggunakan kamera hp daun tampak depan yaitu 57 % pada pembagian data latih 70% dan data uji 30%.  Kata kunci: Mangga, LVQ 3, GLCM, Learning Rate, Window
Penerapan Algoritma Jaringan Syaraf Tiruan Backpropagation Untuk Prediksi Jumlah Jamaah Pendaftar Haji Provinsi Riau Elvia Budianita; Ihlal Hanafi Harahap; Iis Afrianty
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Indonesia merupakan negara yang berpenduduk mayoritas muslim terbanyak dan terbesar di Asia Tenggara, dari jumlah total penduduk Indonesia tersebut 229 juta jiwa atau sekitar 87,2 % yang menganut agama Islam. kantor wilayah kementerian agama Provinsi Riau ini memiliki bidang penyelenggaraan haji dan umrah yang mempunyai tugas sebagai pelaksana dan pemberi layanan ibadah haji terhadap masyarakat yang meliputi pelayanan teknis. Di daerah Riau setiap bulannya jumlah pendaftar haji mengalami kenaikan dan penurunan yang signifikan. Penelitian ini bertujuan untuk melakukan prediksi terhadap jumlah jamaah pendaftar haji provinsi Riau. Data yang digunakan yaitu data primer yang di kumpulkan dan diolah dari Kantor Wilayah Kementerian agama Provinsi Riau. Data yang digunakan yaitu jumlah jamaah pendaftar haji perbulan dari tahun 2008 sampai dengan tahun 2021. Data tersebut akan di olah menggunakan metode backpropagation. Metode backpropagation adalah metode sistematika yang di pergunakan untuk melakukan peramalan atau prediksi tentang karakteristik atau kuantitas. Dari penelitian yang telah dilakukan menghasilkan aplikasi untuk memprediksi jumlah Jamaah pendaftar haji provinsi Riau dengan menggunakan time series data dan metode backpropagation. Hasil dari penelitian ini dengan learning rate 0.9, maks epoch 600 dengan arsitektur jaringan syaraf tiruan 12-12-1 dan pembagian data 90% : 10% menghasilkan akurasi MSE pengujian terkecil yaitu 0.03264. Hasil prediksi pada 3 bulan kedepan tahun 2021 terdapat beberapa kabupaten yang mengalami kenaikan jumlah pendaftar haji yang signifikan dan ada juga yang tidak mengalami kenaikan seperti pada bulan Agustus pada kabupaten siak. Sedangkan bulan agustus pada kabupaten kampar jumlah penumpang justru mengalami penurunan.Indonesia merupakan negara yang berpenduduk mayoritas muslim terbanyak dan terbesar di Asia Tenggara, dari jumlah total penduduk Indonesia tersebut 229 juta jiwa atau sekitar 87,2 % yang menganut agama Islam. kantor wilayah kementerian agama Provinsi Riau ini memiliki bidang penyelenggaraan haji dan umrah yang mempunyai tugas sebagai pelaksana dan pemberi layanan ibadah haji terhadap masyarakat yang meliputi pelayanan teknis. Di daerah Riau setiap bulannya jumlah pendaftar haji mengalami kenaikan dan penurunan yang signifikan. Penelitian ini bertujuan untuk melakukan prediksi terhadap jumlah jamaah pendaftar haji provinsi Riau. Data yang digunakan yaitu data primer yang di kumpulkan dan diolah dari Kantor Wilayah Kementerian agama Provinsi Riau. Data yang digunakan yaitu jumlah jamaah pendaftar haji perbulan dari tahun 2008 sampai dengan tahun 2021. Data tersebut akan di olah menggunakan metode backpropagation. Metode backpropagation adalah metode sistematika yang di pergunakan untuk melakukan peramalan atau prediksi tentang karakteristik atau kuantitas. Dari penelitian yang telah dilakukan menghasilkan aplikasi untuk memprediksi jumlah Jamaah pendaftar haji provinsi Riau dengan menggunakan time series data dan metode backpropagation. Hasil dari penelitian ini dengan learning rate 0.9, maks epoch 600 dengan arsitektur jaringan syaraf tiruan 12-12-1 dan pembagian data 90% : 10% menghasilkan akurasi MSE pengujian terkecil yaitu 0.03264. Hasil prediksi pada 3 bulan kedepan tahun 2021 terdapat beberapa kabupaten yang mengalami kenaikan jumlah pendaftar haji yang signifikan dan ada juga yang tidak mengalami kenaikan seperti pada bulan Agustus pada kabupaten siak. Sedangkan bulan agustus pada kabupaten kampar jumlah penumpang justru mengalami penurunan.
Implementasi Segmentasi Spatial Fuzzy C-Means Pada Identifikasi Citra Daging Sapi dan Babi jasril jasril jasril; Fikry Utri Amri; elvia - budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (727.271 KB)

Abstract

AbstrakBerdasarkan firman Allah SWT, Agama Islam melarang umatnya untuk memakan daging babi. Indonesia merupakan Negara dengan mayoritas penduduknya beragama Islam. Maraknya pengoplosan daging sapi dan babi di Indonesia, menyebabkan perlu dirancang suatu aplikasi yang dapat mengidentifikasi daging sapi, babi dan oplosan dengan mudah. Pada penelitian ini dibuat suatu aplikasi identifikasi citra daging sapi, babi dan oplosan dengan konsep pengenalan pola citra yakni segmentasi sFCM, cropping,  ekstraksi ciri warna HSV dan tektur GLCM serta  klasifikasi MK-NN. Untuk mengukur tingkat keakuratan aplikasi yang dibangun, pengujian dilakukan dengan variasi data citra yang berbeda-beda seperti pengujian berdasarkan jenis kamera (DSLR, CAMDIG, HP), warna background  (putih, merah, hitam) dan jarak kamera (±5cm,  ±10cm,  ±15cm) serta penggunaan nilai k dalam klasifikasi MK-NN (3,5,7). Dari berbagai variasi pengujian yang dilakukan, pengunaan nilai k pada metode MK-NN, jenis kamera, warna background, jarak kamera pada citra daging yang berbeda-beda dapat mempengaruhi akurasi identifikasi citra daging. Dengan demikian aplikasi identifikasi citra daging yang dibangun mampu mengenali citra daging sapi, babi dan oplosan dengan persentase akurasi rata-rata sebesar 62% untuk klasifikasi 2 kelas (sapi & babi) dan 38% untuk kalsifikasi 3 kelas (sapi,babi & oplosan). Kata kunci:ekstraksi tektur GLCM, ekstraksi ciri warna HSV, identifikasi citra daging, klasifikasi MK-NN, segmentasi sFCM
Optimasi Pada Radial Basis Function Menggunakan Tabu Search Untuk Menentukan Jenis Serangan Pada Jaringan Iwan Iskandar; Iis Afrianty; Elvia Budianita; suwanto sanjaya
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (515.372 KB)

Abstract

Serangan jaringan komputer semakin berkembang dan rentan dalam pembobolan sehingga merugikan pengguna jaringan. Keamanan jaringan merupakan hal yang sangat penting dalam perkembangan teknologi informasi dan dapat menimbulkan banyak masalah yang cukup serius terhadap keamanan suatu sistem jaringan komputer. Namun dengan banyaknya jenis serangan dapat dicegah secara dini. Pada penelitian ini dibuat sebuah aplikasi yang dapat membantu dalam mengklasifikasi jenis serangan pada jaringan komputer. Aplikasi ini menerapkan metode Radial Basis Function (RBF) yang telah dioptimasi menggunakan algoritma Tabu Search. Algoritma Tabu Search digunakan sebagai perbaikan bobot awal pada metode RBF. Data yang digunakan sebanyak 1000 data dari data KDD CUP 1999. Terdapat lima kelas jenis serangan yaitu normal, DoS, U2R, U2L dan probes. Pada pengujian data dibagi menjadi data latih 70%, 80%, 90% dan data uji 30%, 20%, 10%. Nilai spread yang digunakan bervariasi, diantaranya yaitu 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2 dan menggunakan epoch 1000. Hasil dari penelitian ini diperoleh target akurasi tertinggi mencapai 99% pada spread 1.2. Kesimpulan akhir penelitian ini telah berhasil menerapkan metode radial basis function yang telah dioptimasi menggunakan algoritma tabu search.
Klasifikasi Kepribadian Big Five Pengguna Twitter dengan Metode Naïve Bayes Yusra Yusra; Muhammad Fikry; Rinaldi Syarfianto; Reski Mai Candra; Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (258.681 KB)

Abstract

Untuk dapat memahami kepribadian seseorang, postingannya di media sosial dapat digunakan sebagai sumber informasi. Pada penelitian ini, metode Naïve Bayes digunakan untuk mengklasifikasikan kepribadian pengguna Twitter ke dalam salah satu dari lima kelas, yaitu Openness, Conscientiousness, Extraversion, Agreeableness, dan Neuroticism. Tweet diunduh dari 15 akun Twitter dengan menggunakan Twitter API, dengan total keseluruhan sebanyak 1.500 tweet. Setiap akun ditetapkan sifat kepribadian dominannya berdasarkan hasil kuesioner kepribadian yang diinterpretasikan oleh seorang pakar psikologi. Setiap tweet dipraproses menjadi huruf kecil, dibersihkan, ditokenisasi menjadi kata, ditemukan kata dasarnya, kemudian dihilangkan kata-kata yang tidak penting. Setiap kata dibobot berdasarkan frekuensinya. Dataset dibagi menjadi data latih dan uji dengan perbandingan 60:40, 70:30, 80:20 dan 90:10. Setelah dilakukan pengujian, diperoleh akurasi tertinggi pada perbandingan data latih dan uji 70:30 sebesar 86,66%
IMPLEMENTASI METODE SEGMENTASI DAN LVQ UNTUK IDENTIFIKASI CITRA DAGING SAPI DAN BABI Jasril Jasril; Lestari Handayani; Elvia Budianita; Fikri Utri Amri
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2017: SNTIKI 9
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1039.897 KB)

Abstract

Tingginya permintaan daging sapi menjadi celah bagi pedagang nakal untuk melakukan pencampuran daging sapi dengan daging babi (oplosan). Hal ini sangat merugikan konsumen khususnya umat  muslim yang diharamkan mengkonsumsi daging babi. Pada penelitian ini dibangun system pengolahan citra untuk mengidentifikasi daging sapi dan babi.Terdapat dua tahapan dalam proses identifikasi yaitu tahap pelatihan (training) dan pengujian (testing). Pengambilan data latih dan uji (citradaging) menggunakan 3 jenis kamera yaitu kamera DSLR Canon EOS 70D, CAMDIG Sony DSC-W810 dan HP Lenovo A369i. Proses  identifikasi dimulai dengan melakukan segmentasi citra menggunakan metode Spatial Fuzzy C-Means untuk memisahkan objek (daging) dan background. Setelah diperoleh objek kemudian dilakukan  proses  ekstraksi ciri warna menggunakan metode HSV dan ciri tekstur dengan GLCM. Berdasarkan nilai hasil ekstrasi ciri warna (HSV) dan tekstur (GLCM), dilakukan proses klasifikasi menggunakan Learning Vector Quatization (LVQ). Data yang digunakan sebanyak 65 dengan dua variasi yaitu pertama jumlah data latih 50 dan data uji 15 serta jumlah data latih 30 dan data uji 15. Pengujian dilakukan dengan berbagai learning rate (α) yaitu 0.03, 0.05, 0.075 dan 0.1. Hasil pengujian memperlihatkan sistem yang dibangun dapat mengenali citra daging sapi dan citra daging babi dengan persentase nilai akurasi tertinggi 80 % dengan nilai learning rate (α) 0.1 dan jumlah data latih 30, nilai minimal learning rate (Mina) yang digunakan adalah 0,01 dan nilai pengurangan α adalah 0,1.
Penerapan Learning Vector Quantization 3 (LVQ 3) untuk Menentukan Penyakit Gangguan Kejiwaan Elvia Budianita; Fadhilah Syafria; Iis Afrianty
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (832.855 KB)

Abstract

Beberapa pendapat yang berkembang di kalangan masyarakat bahwa gangguan jiwa itu identik dengan gila (sakit jiwa), sedangkan gangguan jiwa tidak sama dengan sakit jiwa. Seseorang yang mengalami gangguan pada kesehatan mentalnya (gangguan jiwa), jika tidak segera ditangani akan berkembang menjadi sakit jiwa. Pasien yang mengalami sakit jiwa dirawat di rumah sakit (rawat inap), sedangkan pasien yang mengalami gangguan jiwa melakukan perawatan jalan atau diagnosa oleh Dokter yang memerlukan waktu hingga satu bulan. Oleh karena itu, untuk membantu masyarakat agar bisa dengan cepat mengetahui seseorang terkena gangguan jiwa, maka dibutuhkan suatu sistem penerapan dibidang teknologi informasi. Metode yang digunakan adalah Learning Vector Quantization 3 (LVQ3) dengan inputan 14 gejala dan hasil keluaran 5 jenis penyakit kejiwaan yaitu penyakit Skizofernia, Gangguan  Mental Organik (GMO), Gangguan mental dan perilaku akibat pengguna zat, Gangguan suasana perasaan dan Gangguan perkembangan psikologis. Parameter yang digunakan adalah learning rate 0.02, 0.025, 0.045, 0.050, 0.75, pengurangan learning rate 0.005, minimal learning rate 0.01, dan nilai window 0, 0.2, 0.4. Jumlah data yang digunakan yaitu 190 data latih dan 20 data uji. Berdasarkan hasil pengujian nilai window dan jumlah data latih mempengaruhi hasil akurasi. Akurasi tertinggi diperoleh adalah 95%. Metode Learning Vector Quantization 3 dapat diterapkan untuk menentukan jenis gangguan kejiwaan. Kata kunci: gangguan jiwa, learning vector quantization 3, window
Implementasi Algoritma Jaringan Syaraf Tiruan (Jst) Hopfield untuk Klasifikasi Kualitas Kesuburan Pria Elvia Budianita; Fadhilah Syafria
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (271.191 KB)

Abstract

Reproduksi adalah suatu proses dalam ilmu biologis untuk suatu individu agar dapat menghasilkan individu baru. Tingkat kesuburan (fertilitas) dalam setiap individu sangat mempengaruhi dalam sistem reproduksi. Masalah infertilitas (ketidak suburan) seringnya ditujukan pada pihak wanita, padahal pria juga cukup berpeluang infertilitas sebesar 30-40%. Dengan adanya masalah infertilitas (ketidak suburan) akan menyulitkan bagi pasangan suami istri untuk mendapatkan keturunan. Oleh sebab itu untuk mengatasi masalah tersebut dilakukan penelitian implementasi algoritma Jaringan Syaraf Tiruan (JST) Hopfield untuk klasifikasi kualitas kesuburan pria sehingga dapat mengatasi lebih awal masalah yang dihadapi oleh pria tentang kesuburannya. Parameter yang digunakan yaitu usia, penyakit pada masa anak-anak, kecelakaan atau trauma, operasi bedah, kosumsi alkohol dan kebiasaan merokok. Total data yang digunakan dalam penelitian ini 100 data. Jumlah kelas yang digunakan terdapat 2 kelas yaitu N (Normal) dan O (Altered). Hasil penelitian dengan menggunakan metode Hopfield menghasilkan akurasi tertinggi 88,51% dan 100 data dengan vektor inisialisasi N (0,1,0,0,1,-1) dan O (1,1,1,0,0,-1). Diperoleh kesimpulan bahwa metode Hopfield adalah metode yang dapat diimplementasikan untuk klasifikasi kesuburan pria.
Implementasi Algoritma Canny Dan Backpropagation Untuk Mengklasifikasi Jenis Tanaman Mangga Elvia Budianita; Febi Yanto
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2019: SNTIKI 11
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1397.384 KB)

Abstract

Indonesia merupakan negara yang banyak memiliki keanekaragaman jenis tanaman, salah satunya adalah tanaman mangga. Tanaman mangga banyak sekali di jumpai di Indonesia serta tanaman mangga memiliki banyak jenis diantaranya yaitu mangga golek, mangga apel dan lainnya. Meskipun tanaman ini banyak ditanam oleh orang, pengenalan jenis tanaman mangga juga masih kurang optimal. Pengenalan sebuah tanaman bisa dilihat dari bagian daun, karena setiap jenis tanaman mangga memiliki bentuk yang berbeda-beda.. Penelitian ini bertujuan untuk mengidentifikasi citra daun mangga menggunakan deteksi tepi Canny dan ekstraksi ciri tekstur GLCM (Grey Level Co-occurent Matrix) serta menggunakan metode klasifikasi Backpropagation. Pada penelitian ini menggunakan 2 tahapan pengambilan data yaitu menggunakan scanner dan kamera hp. Tanaman manggga yang digunakan terdiri dari 10 jenis untuk data scanner dan 5 jenis data kamera hp. Akurasi tertinggi didapat pada pengujian data scanner menggunakan 450 citra data dengan perbandingan 90% data latih :10% data uji yaitu sebesar 49% dengan menggunakan 1 hidden layer yang terdiri dari 1000 neuron dengan learning rate 0.01. Akurasi terendah pada pengujian perbandingan 90% data latih :10% data uji yaitu sebesar 31% menggunakan learning rate 0.001.
Klasifikasi Sentimen Terhadap Vaksin Covid-19 Menggunakan Algoritma C4.5 Pada Media Sosial Instagram Elvia Budianita; Muhammad Affandes
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Covid-19 (Corona Virus Disease 2019) merupakan virus baru yang ditemukan pada akhir tahun 2019 di China. Virus ini menyebar luas di dunia dan menyebabkan kerugian banyak hal. Salah satu cara yang dapat mencegah penyebaran virus ini adalah dengan vaksinasi. Banyak dari masyarakat yang memberikan tanggapan terhadap vaksinasi ini dari berbagai hal, salah satunya media sosial Instagram. Tanggapan masyarakat ini dapat dijadikan sebuah penelitian mengenai klasifikasi sentimen masyarakat terhadap vaksin menggunakan algoritma C4.5. Melakukan analisis sentimen bertujuan untuk mengetahui pendapat atau opini negatif atau positif terhadap sebuah masalah atau objek. Penelitian dilakukan dengan menggunakan data berjumlah 1200, dimana 600 merupakan data positif dan 600 data tidak positif. Algoritma C4.5 telah diuji menggunakan confusion matrix dengan perbandingan 70:30, 80:20, 90:10 dan memperoleh hasil akurasi terbaik 90%. Berdasarkan hasil pengujian menggunakan tahapan text processing dan algoritma C4.5 terhadap komentar mengenai vaksinasi diperoleh bahwa komentar tidak positif (negatif) lebih banyak dikenali sebagai komentar positif.
Co-Authors Abdul Halim Adzhima, Fauzan Afrianti, Liza Afriyanti, Iis Agnesti, Syafira Agung Syaiful Rahman Agustina, Auliyah Aji Pangestu Adek Akbar, Lionita Asa Akhyar, Amany Al Rasyid, Nabila Alfaiza, Raihan Zia Alfarabi.B, Alif Alwis Nazir Alwis Nazir Alwis Nazir Amalia Hanifah Artya Ammar Muhammad Anggi Pranata Aprilia, Tasya Aprima, Muhammad Dzaky Arif Pratama Budiman Azhima, Mohd Berliana, Trisia Intan Boni Iqbal buhfi arides hanyodi Chely Aulia Misrun Damayanti, Elok Desra Rizki Riyandi Dicky Abimanyu Dodi Efendi doli fancius silalahi Dwitama, Raja Zaidaan Putera Eka Pandu Cynthia Eka Pandu Cynthia Eka Pandu Cynthia Eka Pandu Cynthia, Eka Pandu Eka Suryani Indra Septiawati Elin Haerani Elin Haerani Elin Haerani Elin Haerani Ellin Haerani Fadhilah Syafria Fahrozi, Aqshol Al Faska, Ridho Mahardika Fatma Hayati Fauzan Adzim Febi Yanto Fikri Utri Amri Fikry Utri Amri Fitri Astuti Fitri Insani Fitri Insani Fitri Insani Fitri Insani Fitri, Anisa Fratiwi Rahayu Gusrifaris Yuda Alhafis Gusti, Siska Kurnia Guswanti, Widya Habibi Al Rasyid Harpizon Habibi, M. Ilham Hara Novina Putri Hariansyah, Jul Hasibuan, Ilham Habibi Ibnu Afdhal Ichsan Permana Putra Ihda Syurfi Ihlal Hanafi Harahap Iis Afrianty Iis Afrianty Iis Afrianty Iis Afrianty Iis Afrianty Iis Afrianty Ikhsanul Hamdi Indah Wulandari Isra Almahsa, Muhammad Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Jasril Jasril Jasril Jasril jasril jasril jasril Jeki Dwi Arisandi Khair, Nada Tsawaabul Kurnia Gusti, Siska Lestari Handayani Lestari Handayani Lili Rahmawati Lola Oktavia M Fikry M Ikhsan Maulana M ridwan Ma'rifah, Laila Alfi Masaugi, Fathan Fanrita Mawadda Warohma Mazdavilaya, T Kaisyarendika Megawati Megawati Meiky Surya Cahyana Mhd. Kadarman Mohd. Ridho Zarkasih Rahim Muhammad Affandes Muhammad Fikry Muhammad Fikry Muhammad Fikry Muhammad Fikry Muhammad Irsyad Muhammad Rizky Ramadhan Mulyati, Sabar Mulyono, Makmur Musa Irfan Mustasaruddin Mustasaruddin Nabyl Alfahrez Ramadhan Amril Nanda Sepriadi Nazir, Alwis Nazruddin Safaat H Neni Sari Putri Juana Novi Yanti Novi Yanti Novriyanto Novriyanto Nur Iza Nuradha Liza Utami Nurafni Syahfitri Nurfadilah, Nova Siska Okfalisa Okfalisa Pasiolo, Lugas Permata, Rizkiya Indah Pizaini Pizaini Putri, Widya Maulida Rahmad Abdillah Rahmad Kurniawan Ramadani, Repi Ramadhan, Aweldri Ramadhani, Astrid Ramadhani, Siti Reni Susanti Reski Mai Candra Reski Mai Candra Rinaldi Syarfianto Robby Azhar Roni Salambue Rusnedy, Hidayati Said Nurfan Hidayad Tillah Saktioto Saktioto Sephia Pratista Silfia Silfia Siska Kurnia Gusti Siti Sri Rahayu Surya Agustian Suwanto Sanjaya Syahputra, Armadani Ulti Desi Arni, Ulti Desi Wahyuni, Ayu Sri Widodo Prijodiprodjo Wiranti, Lusi Diah Yeni Fariati Yusra Yusra Yusra Yusra Yusra Yusra Yusra Yusra Yusra, Yusra Zabihullah, Fayat Zulastri, Zulastri Zulkarnain Zulkarnain