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 
Klasifikasi Retardasi Mental Anak Menggunakan Backpropagation Momentum Novi Yanti; Yeni Fariati; Elvia Budianita; Suwanto Sanjaya; Megawati Megawati
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Terjadinya kendala keterampilan selama masa perkembangan anak, ditandai dengan adanya gangguan perkembangan jiwa yang tidak lengkap atau yang terhenti, hal ini dapat mempengaruhi tingkat emosional dan kecerdasan anak baik sebagian atau keseluruhan yang meliputi kemampuan kognitif, bahasa, motorik, dan sosial. Ciri ini merupakan gangguan retardasi mental pada anak sebelum berusia 18 tahun. Klasifikasi retardasi mental terdiri atas ringan, sedang, berat, dan sangat berat. Klasifikasi menggunakan 17 variabel masukan menerapkan metode backpropagation momentum dengan jumlah data yang digunakan 127 data. Parameter target error 0.001, maksimum epoch 1000, learning rate 0.01, 0.03, 0.05, 0.07, 0.4, jumlah neuron hidden layer 17, momentum 0.1, 0.3, 0.6, 0.8, 0.9 dengan perbandingan data 70:30, 80:20, 90:10. Hasil pengujian data 90:10 dengan parameter learning rate 0.07 dan momentum 0.8 memperoleh nilai akurasi 100%. Sehingga dapat disimpulkan bahwa backpropagation momentum dapat melakukan klasifikasi gangguan retardasi mental dengan sangat baik.
Implementasi Learning Vektor Quantization (LVQ) dalam Mengidentifikasi Citra Daging Babi dan Daging Sapi Jasril Jasril; Meiky Surya Cahyana; Lestari Handayani; Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2015: SNTIKI 7
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (586.668 KB)

Abstract

Widespread circulation of adulterated meat and based on the word of Allah which confirms the prohibition of pork to eat, it needs to be made of a system that can distinguish between beef and pork to avoid cheating merchants and keep halal meat we eat. This study makes a system for identifying the image of beef and pork and meat adulterated with the color feature extraction HSV (Hue, Saturation, Value) and texture feature extraction GLCM (Grey Level Co-occurent Matrix) using classification LVQ (Learning Vector Quantization). A result of image identification adulterated meat pig is considered as a pork class. Image data on the image of the study consisted of 107 primary and 13 secondary image. Identification testing conducted on the distribution of training data and test data are different. Accuracy of the highest success with an average of 94.81% on the distribution of the 80 training data and test data 20 and the accuracy of the lowest success with an average of 82.22% on the distribution of training data and test data 50 50 with Learning Rate of 0.01, 0.05, 0.09. More increase the distribution of training data and more decrease division of the test data, so more increase the accuracy of success in identifying the image.Keywords: beef, GLCM, HSV, Learning Rate, LVQ, pork
Klasifikasi Status Gizi Balita Berdasarkan Indikator Antropometri Berat Badan Menurut Umur Menggunakan Learning Vector Quantization Elvia Budianita; Novriyanto Novriyanto
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2015: SNTIKI 7
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (512.681 KB)

Abstract

Determination of nutritional status is an effort made in order to improve the health of children. Common method used for the assessment of nutritional status is anthropometry. To classify the nutritional status of children into malnutrition, malnutrition, good nutrition and nutrition then used anthropometric indices weight for age (W / A). In Rimbo data Puskesmas, calculation of anthropometric indices for the assessment of nutritional status of children is done manually using z-scores table lists or standard deviation (SD) WHO NCHS. In this research, the authors tried to establish a classification system based nutritional anthropometric indices weight for age (W / A) by applying the Learning Vector Quantization algorithm uses two functions, namely euclidean and manhattan distance. The variables used were gender, age, weight, family economic status, mother's education, father's occupation. From the results of research and discussion conducted, Learning Vector Quantization algorithm using euclidean distance function can recognize the pattern with the best accuracy percentage of 80% whereas the manhattan distance function only 20% of 110 training data and test data amounted to 10. The amount of training data and the diversity of patterns that exist in the class used nutritional status affects learning outcomes and the accuracy of the systemsKeywords: Antropometri, Euclidean, Learning Vektor Quantization, Manhattan, Z-skor
Penerapan Decision Tree dan Neural Network pada Penentuan Status Gizi Balita Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2020: SNTIKI 12
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Beberapa penelitian tentang gizi telah banyak dilakukan. Diantaranya adalah masalah gizi dapat disebabkan oleh beberapa faktor. Meliputi pengetahuan ibu terhadap gizi anak, tingkat ekonomi, pekerjaan keluarga, bahkan lingkungan sekitar yang kurang baik. Pada penelitian ini, penentuan status gizi balita berdasarkan faktor pendidikan ibu, status ekonomi keluarga dan pekerjaan ayah dilakukan dengan pendekatan metode data mining decision tree C4.5 dan Neural Network menggunakan data Hasil Penimbangan Massal Balita Puskesmas Rimbo Data Kecamatan Pangkalan Koto Baru Kabupaten Lima Puluh Kota. Pada C4.5 memberikan hasil pohon keputusan dengan root adalah berat badan dan sebagai leaf adalah umur dan pendidikan ibu. Sedangkan tinggi badan, status ekonomi keluarga dan pekerjaan ayah tidak sebagai leaf pada pohon keputusan. Sedangkan pada Neural Network diperoleh hasil akurasi mencapai 97,27% yang menunjukan semua variable yang digunakan mempengaruhi hasil klasifikasi
Analisis Sentimen Komentar Di YouTube Tentang Ceramah Ustadz Abdul Somad Menggunakan Algoritma Naïve Bayes Habibi Al Rasyid Harpizon; Rahmad Kurniawan; Iwan Iskandar; Roni Salambue; Elvia Budianita; Fadhilah Syafria
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 1 (2022): Februari 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i1.4008

Abstract

Abstrak - Sosial media tidak hanya digunakan oleh masyarakat Indonesia untuk hiburan, tetapi juga sebagai media edukasi. Youtube merupakan salah satu media sosial yang terkenal di Indonesia dengan 93,8% pengguna. Youtube juga dimanfaatkan sebagai media Dakwah seperti yang dilakukan oleh Ustadz Abdul Somad. Ustadz Abdul Somad merupakan ulama yang berpengaruh di Indonesia. Beliau sering mengunggah video yang membahas berbagai jenis persoalan agama khususnya pada bidang hadist dan fiqih. Pengguna Youtube dapat memberikan feedback berupa like, dislike dan komentar terhadap video yang ditayangkan. Feedback diperlukan oleh pembuat konten di Youtube untuk melihat tanggapan pengguna. Analisa secara manual sulit dilakukan karena jumlah data yang besar. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Ustadz Abdul Somad melalui  komentar youtube menggunakan algoritma Naïve Bayes. Penelitian ini menggunakan 1000 komentar dari 10 video yang ada di Youtube mengenai Ustad Abdul Somad. Naïve Bayes merupakan algoritma yang sederhana, namun memiliki akurasi yang tinggi dan dapat digunakan pada data yang sedikit. Berdasarkan hasil penelitian, didapatkan sebanyak 67% berkomentar positif, 27% berkomentar netral  dan 6% berkomentar negatif. Berdasarkan pengujian didapatkan akurasi sebesar 87%, presisi 91% dan recall 97%. Berdasarkan pengujian tersebut dapat disimpulkan bahwa penelitian ini dapat digunakan untuk hasil sentimen dengan cepat di Youtube.Kata kunci: Analisis Sentimen, Naïve Bayes, Ustadz Abdul Somad, Youtube Abstract - Indonesian people have been used Youtube for entertainment and as an education. As Indonesia's most popular social media, Youtube has 93.8% users. YouTube is also used as a medium of Da'wah, like Ustadz Abdul Somad. Ustadz Abdul Somad is an influential Preacher in Indonesia. He often uploads videos that lecture various types of religious issues, especially in the fields of hadith and fiqh. YouTube users can provide feedback in the form of likes, dislikes, and comments on videos that are shown. Creators need feedback on YouTube to see user feedback. Manual analysis is complicated because of the large amount of data. Therefore, this study aimed to analyze public sentiment towards Ustadz Abdul Somad through YouTube comments using the Naïve Bayes algorithm. This study obtained 1000 comments from 10 videos about Ustad Abdul Somad. Naïve Bayes is a simple algorithm with high accuracy and can be used on small data. Based on the results, it was found that 67% commented positively, 27% commented neutrally, and 6% commented negatively. Based on the experimental testing, the accuracy is 87%, precision is 91%, and recall is 97%. Based on these tests, it can be concluded that this research can be used for quick sentiment results on YouTube.Keywords: Sentiment Analysis, Naïve Bayes, Ustadz Abdul Somad, Youtube
Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia Ibnu Afdhal; Rahmad Kurniawan; Iwan Iskandar; Roni Salambue; Elvia Budianita; Fadhilah Syafria
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 1 (2022): Februari 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i1.4004

Abstract

Abstrak - Islamofobia adalah bentuk prasangka, intimidasi, kebencian dan ketakutan terhadap agama Islam dan orang Muslim. Stigma islamofobia muncul karena adanya suatu kejadian pengeboman atau teror lainnya yang dihubungkan dengan Islam.  Komentar yang mengarah ke islamofobia banyak dijumpai pada media sosial youtube. Islamofobia di internet merupakan salah satu bentuk kekerasan verbal. Oleh karena itu, komentar pengguna terkait suatu kejadian pengeboman atau teror berpotensi untuk dianalisis sebagai bentuk kepedulian dalam mencegah kekerasan verbal. Tetapi analisis secara manual sulit dilakukan dan memerlukan waktu yang lama. Algoritma pada pembelajaran mesin dapat digunakan untuk melakukan analisa sentimen dengan cepat. Algoritma yang digunakan pada penelitian ini adalah random forest. Berdasarkan studi pustaka, algoritma random forest dapat menghasilkan ketepatan yang tinggi. Penelitian ini menggunakan 1000 data komentar di youtube berbahasa Indonesia terkait video yang menampilkan suatu kejadian pengeboman atau teror. Berdasarkan hasil analisis, terdapat 631 komentar positif dan 369 komentar negatif atau mengandung islamofobia. Berdasarkan eksperimen, algoritma random forest menghasilkan akurasi mencapai 79%. Algoritma random forest dianggap baik dalam melakukan klasifikasi sentimen dengan cepat.Kata kunci: analisis sentimen, islamofobia, random forest, youtube Abstract - Islamophobia is a form of prejudice, intimidation, hatred, and fear of Islam and Muslims. The stigma of Islamophobia arises because of bombing or other terror associated with Islam. Comments that lead to Islamophobia are often found on social media youtube. Islamophobia on the internet is a form of verbal violence. Therefore, user comments related to a bombing or terror incident have the potential to be analyzed as a form of concern in preventing verbal violence. However, manual analysis is difficult and takes a long time. Algorithms in machine learning can be used to perform sentiment analysis quickly. The algorithm used in this study is a random forest. The random forest algorithm can produce high accuracy based on the literature study. This study obtained 1000 comments data on youtube in Indonesian related to videos showing a bombing or terror incident. Based on the analysis results, there were 631 positive comments and 369 islamophobia  i.e., negative comments. Based on experiments, the random forest algorithm produces an accuracy of 79%. The random forest algorithm is considered good in doing sentiment classification quickly.Keywords—islamophobia, random forest, sentiment analysis, Youtube
Penerapan Metode FP-GROWTH Untuk Analisa Pola Konsumsi Makan Penderita Diabetes Melitus Fratiwi Rahayu; Elvia Budianita; Fadhilah Syafria; Iis Afrianty
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4401

Abstract

Abstrak - Penyakit diabetes melitus adalah gejala yang timbul terhadap seseorang akibat kadar gula darah yang tinggi atau hiperglikemia. Kemenkes (2018) menyebutkan bahwa faktor yang dapat menyebabkan terjadinya diabetes melitus salah satunya adalah berdasarkan faktor konsumsi makan. Penelitian ini bertujuan untuk menemukan pola makan dari penderita diabetes melitus. Data yang digunakan pada penelitian ini adalah data yang didapat setelah melakukan wawancara dan penyebaran kuesioner pada penderita diabetes melitus di Puskesmas Melur dan Rumah Sakit Aulia Hospital. Adapun atribut yang akan digunakan pada penelitian ini yaitu jenis kelamin, penyakit penyerta, terapi, frekuensi makan, makanan pokok, konsumsi sayur, konsumsi buah, konsumsi protein nabati, protein hewani, konsumsi gula, makanan ringan, makanan instan, dan minuman manis. Penelitian menggunakan algoritma FP-Growth dengan nilai confidence 100% dan minimum support 40%. Tools yang digunakan RapidMiner 9.1 sehingga didapatkan 13 rules. Dari 13 aturan asosiasi yang dihasilkan dapat disimpulkan bahwa penderita diabetes melitus yang mengkonsumsi sayur 1 porsi dalam sehari, konsumsi buah 1x dalam sehari, dan mengkonsumsi makanan instan 3x dalam seminggu maka penderita diabetes melitus merupakan penderita diabetes terkontrol.Kata kunci: Algoritma FP-Growth, Diabetes Melitus, RapidMiner, Support Abstract - Diabetes mellitus is a symptom that arises in a person due to high blood sugar levels or hyperglycemia. The Ministry of Health (2018) stated that one of the factors that can cause diabetes mellitus is based on eating consumption factors. This study aims to find the diet of people with diabetes mellitus. The data used in this study are data obtained after conducting interviews and the distribution of questionnaires in people with diabetes mellitus at the Melur Health Center and Aulia Hospital. The attributes that will be used in this study are gender, comorbidities, therapy, frequency of eating, staple foods, vegetable consumption, fruit consumption, consumption of vegetable protein, animal protein, sugar consumption, snacks, instant foods, and sugary drinks. The study used the FP-Growth algorithm with a confidence value of 100% and a minimum support of 40%. Tools used by RapidMiner 9.1 so that 13 rules are obtained. From the 13 association rules produced, it can be concluded that people with diabetes mellitus who consume 1 serving of vegetables in a day, consume fruit 1x in a day, and consume instant food 3x in a week, people with diabetes mellitus are controlled diabetics.Keywords : FP-Growth Algorithm, Diabetes Mellitus, RapidMiner, Support
Implementasi Metode Learning Vector Quantization (LVQ) Untuk Sentimen Analisis Terhadap Aplikasi Go-Jek Pada Playstore Arif Pratama Budiman; Elvia Budianita; Novi Yanti; Reski Mai Candra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4287

Abstract

Abstrak— Perkembangan teknologi dan informasi pada saat ini sangat pesat, terutama di Indonesia. Salah satu teknologi yang berkembang pesat di Indonesia saat ini adalah  teknologi dalam bidang transportasi yaitu, transportasi online. Dengan adanya transportasi online ini sangat membantu segala aktifitas masyarakat. Terdapat beberapa platform tranasportasi yang ada di Indonesia, salah satu yang terkenal adalah transportasi online Gojek. Apliikasi Gojek dapat dengan dengan mudah di download pada google plyastore. Playstore adalah sebuah aplikasi yang berguna untuk mengunduh berbagai aplikasi. Playstore juga menyediakan fitur penilaian terhadap aplikasi yang tersedia di platform tersebut, dengan adanya fitur penilaian ini pengguna dapat memberikan penilaiannya dan juga berkomentar terhadap aplikasi yang digunakannya. Dengan adanya fitur komentar ini maka dapat di lakukannya sentimen analisis untuk mengetahui sentimen publik terhadap suatu aplikasi. Dalam penelitian ini langkah awal yang dilakukan adalah mengumpulkan data dan juga memberikan laber terhadap seluruh data, pada penelitian ini terdapat 3 label yaitu positif, netral, dan Negatif dengan jumlah 900 data. Selanjutnya melakukan proses analisa preprocessing dan juga dilanjutkan dengan proses pembobotan TF, kemudian baru dilakukannya proses klasifikasi menggunakan metode Learning Vector Quantization (LVQ). Hasil pengujiannya sendiri dilakukan dengan menggunakan metode Confussion Matrix. Berdasarkan dari proses dan hasil  pengujian yang di lakukan di dapatkan akurasi terbaik pada perbandingan 90 : 10 sebesar 84,44% yang sebagian besar bernilai positif.  Kata Kunci: transportasi online, Sentiment analysis , Playstore, Klasifikasi, Learning Vector Quantization Abstract— The development of technology and information is currently very fast, especially in Indonesia. One technology that is developing rapidly in Indonesia today is technology in the field of transportation, namely online transportation. The existence of online transportation is very helpful for all community activities. There are several transportation platforms in Indonesia, which is well-known online transportation called Gojek. The Gojek application can be easily downloaded on the Google Playstore. Playstore is an application that is useful for downloading various applications. Playstore also provides an assessment feature for applications available on the platform, with this assessment feature users can provide an assessment and also comment on the applications they use. With this comment feature, sentiment analysis can be done to find out public sentiment towards an application. In this study, initial step was taken to collect data and also provide a label for all data, in this study there were 3 labels, namely positive, neutral, and negative with a total of 900 data. Next, perform the preprocessing analysis process and also continue with the TF-IDF weighting process, then the classification process is carried out using the Learning Vector Quantization (LVQ) method. The results of the test itself are carried out using the Confusion Matrix method. Based on the process and the results of the tests , the best accuracy obtained is at ratio of 90 : 10 by 84,44%,which is most of it are positiveKeywords:Online Transportation,sentiment analysis , Playstore, Classification, Learning Vector Quantization 
Penerapan Learning Vector Quantization 3 Dalam Menentukan Bakat Anak Agung Syaiful Rahman; Elvia Budianita; Reski Mai Candra; Fadhilah Syafria
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4398

Abstract

Abstrak - Banyaknya bakat anak yang tidak diketahui oleh sebagian besar Orang tua di Indonesia dikarenakan sedikitnya ahli anak sebagai tempat untuk konsultasi yang menjadi faktor utama dalam perMasalahan ini. Tujuan dari penelitian ini ialah agar para Orang tua dapat mempermudah dalam menggali potensi dalam diri anak mereka masing-masing, yakni dengan menggunakan jaringan saraf tiruan. Ada beberapa metode dalam jaringan saraf tiruan,  learning vector quantization 3 merupakan saah satu dari bagian tersebut. Bakat anak yang diambil merupakan bakat anak yang berdasarkan standar United State of Education America. Anak yang diteliti merupakan murid dari Sekolah Dasar Negeri 011 Titian Resak dengan rentang usia 10-12 tahun. Penelitian ini menunjukkan bahwa learning vector quantization 3 membutuhkan sedikitnya 5 kriteria dengan 30 variabel bakat anak sebagai dasar dari penelitian ini. Berdasarkan hasil yang didapatkan, sistem ini berhasil mengidentifikasi bakat anak dengan rentang pembagian 90% data latih dan 10% data uji dan parameter window (0.1,0.2,0.3), epsilon (0.1,0.2,0.3), alpha (0.1) sebesar 81.82%.Kata kunci : Bakat Anak, Learning Vector Quantization 3, Jaringan Saraf Tiruan Abstract - The number of children's taents that are not known by most parents in Indonesia is due to the lack of child experts as a place for consultation which is the main factor in this problem. The purpose of this research is that parents can make it easier to explore the potentia in their respective children, namely by using artificia neura networks. There are severa methods in artificia neura networks, learning vector quantization 3 is one of them. The taent of the child taken is the child's taent based on the standards of the United State of Education America. The children studied were students from the 011 Titian Resak State Elementary School with an age range of 10-12 years. This study shows that learning vector quantization 3 requires at least 5 criteria with 30 variables of children's taents as the basis of this research. Based on the results obtained, this system succeeded in identifying children's taents with a distribution range of 90% of training data and 10% of test data and parameters window (0.1.0.2.0.3), epsilon (0.1.0.2.0.3), apha (0.1) of 81.82% .Keyword : Child Talent, Learning Vector Quantization 3, Artificia Neura Network
Klasifikasi Sentimen Terhadap Maxim Menggunakan Algoritma SVM Pada Media Sosial Twitter Anggi Pranata; Elvia Budianita; Yusra Yusra; Eka Pandu Cynthia
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4253

Abstract

Abstrak - Twitter merupakan media sosial yang penggunanya paling pesat. Seiring perkembangan waktu, setiap ojek online memiliki popularitas di masing-masing user. Contoh saja Maxim, pendatang baru yang menyediakan layanan yang berbeda dengan ojek lain. Salah satu aktivitas yang biasa dilakukan para fans atau haters kepada akun twitter ojek online yaitu memberikan komentar pada tweet, untuk mengetahui komentar para fans dan haters diperlukan klasifikasi dengan menggunakan machine learning. Pada penelitian ini, langkah pertama adalah dilakukan proses sortir dan pemberian label pada data tersebut. Hasilnya akan tercipta 3 label yaitu label data positif, netral dan label data negatif dengan jumlah 1200 data. Selanjutnya melakukan analisa preprocessing data yang meliputi case folding, cleansing data, tokenizing, filtering dan stemming. Lalu dilakukan pembobotan dengan metode TF-IDF dan diklasifikasikan dengan metode Support Vector Machine. Hasil pengujian dilakukan dengan metode Confussion Matrix, berdasarkan hasil pengujian diperoleh akurasi terbaik pada perbandingan data 90:10 sebesar 85% dengan menggunakan Kernel RBF dan Polynomial, dilanjutkan dengan kernel Sigmoid sebesar 82,5% dimana hasil klasifikasi didominasi kalimat positif.Kata kunci: analisis sentiment, klasifikasi, ojek online, support vector machine, twitter Abstract - Twitter is one of the Social Medias which has a rapid user. Over the time, every Ojek Online, has its own popularity among their users. Maxim, for instance, a newcomer which provides a different service from other online motorcycle taxies. One of the activities which is always do by the fans or haters toward twitter account of online motorcycle taxies is giving comments on tweet. To identify the comments from fans or haters is required classification by using Machine Learning. In this research, the first step was sorting process and labelling the data. As the result 3 labels would have created, which were positive data label, neutral data label, and negative data label with total of 1200 data. The next step was conducting the analysis of preprocessing data which included case folding, data cleansing, tokenizing, filtering and stemming. Then, the weighting was carried out using the TF-IDF method and classified by the Support Vector Machine method. The test results were carried out using the Confusion Matrix method, based on the test results, the best accuracy was obtained at a data comparison of 90:10 by 85% using the RBF Kernel and Polynomial, followed by the Sigmoid kernel of 82.5% where the classification results were dominated by positive sentences.Key word: classification, Ojek Online, sentiment analysis, support vector machine, twitter
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