Garuda - Garba Rujukan Digital

Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification Sandi Fajar Rodiyansyah; Edi Winarko
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 6, No 1 (2012): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.2144

AbstrakSetiap hari server Twitter menerima data tweet dengan jumlah yang sangat besar, dengan demikian, kita dapat melakukan data mining yang digunakan untuk tujuan tertentu. Salah satunya adalah untuk visualisasi kemacetan lalu lintas di sebuah kota.Naive bayes classifier adalah pendekatan yang mengacu pada teorema Bayes, dengan mengkombinasikan pengetahuan sebelumnya dengan pengetahuan baru. Sehingga merupakan salah satu algoritma klasifikasi yang sederhana namun memiliki akurasi tinggi. Untuk itu, dalam penelitian ini akan membuktikan kemampuan naive bayes classifier untuk mengklasifikasikan tweet yang berisi informasi dari kemacetan lalu lintas di Bandung.Dari hasil uji coba, aplikasi menunjukan bahwa nilai akurasi terkecil 78% dihasilkan pada pengujian dengan sampel sebanyak 100 dan menghasilkan nilai akurasi tinggi 91,60% pada pengujian dengan sampel sebanyak 13106. Hasil pengujian dengan perangkat lunak Rapid Miner 5.1 diperoleh nilai akurasi terkecil 72% dengan sampel sebanyak 100 dan nilai akurasi tertinggi 93,58% dengan sampel 13106 untuk metode naive bayesian classification. Sedangkan untuk metode support vector machine diperoleh nilai akurasi terkecil 92% dengan sampel sebanyak 100 dan nilai akurasi tertinggi 99,11% dengan sampel sebanyak 13106. Kata kunci— Twitter, tweet, klasifikasi, naive bayesian classification, support vector machine AbstractEvery day the Twitter server receives data tweet with a very large number, thus, we can perform data mining to be used for specific purpose. One of which is for the visualization of traffic jam in a city.Naive bayes classifier is an approach that refers to the bayes theorem, is a combination of prior knowledge with new knowledge. So that is one of the classification algorithm is simple but has a high accuracy. With this, in this research will prove the ability naive bayes classifier to classify the tweet that contains information of traffic jam in Bandung.The testing result, the program shows that the smallest value of the accuracy is 78% on testing by using a sample 100 record and generate high accuracy is 91,60% on the testing by using a sample 13106 record. The testing results with Rapid Miner 5.1 software obtained the smallest value of the accuracy is 72% by using a sample 100 records and the high accuracy is 93.58% by using a sample 13.106 records for naive bayesian classification. And for the method of support vector machine obtained the smallest value is 92% accuracy by using a sample 100 records and the high accuracy of 99.11% by using a sample 13.106 records. Keywords—Twitter, tweet, classification, naive bayesian classification, support vector machine

Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification Sandi Fajar Rodiyansyah; Edi Winarko
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 1 (2013): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3048

AbstrakSetiap hari server Twitter menerima data tweet dengan jumlah yang sangat besar, dengan demikian, kita dapat melakukan data mining yang digunakan untuk tujuan tertentu. Salah satunya adalah untuk visualisasi kemacetan lalu lintas di sebuah kota.Naive bayes classifier adalah pendekatan yang mengacu pada teorema Bayes, dengan mengkombinasikan pengetahuan sebelumnya dengan pengetahuan baru. Sehingga merupakan salah satu algoritma klasifikasi yang sederhana namun memiliki akurasi tinggi. Untuk itu, dalam penelitian ini akan membuktikan kemampuan naive bayes classifier untuk mengklasifikasikan tweet yang berisi informasi dari kemacetan lalu lintas di Bandung.Dari hasil uji coba, aplikasi menunjukan bahwa nilai akurasi terkecil 78% dihasilkan pada pengujian dengan sampel sebanyak 100 dan menghasilkan nilai akurasi tinggi 91,60% pada pengujian dengan sampel sebanyak 13106. Hasil pengujian dengan perangkat lunak Rapid Miner 5.1 diperoleh nilai akurasi terkecil 72% dengan sampel sebanyak 100 dan nilai akurasi tertinggi 93,58% dengan sampel 13106 untuk metode naive bayesian classification. Sedangkan untuk metode support vector machine diperoleh nilai akurasi terkecil 92% dengan sampel sebanyak 100 dan nilai akurasi tertinggi 99,11% dengan sampel sebanyak 13106. Kata kunci— Twitter, tweet, klasifikasi, naive bayesian classification, support vector machine AbstractEvery day the Twitter server receives data tweet with a very large number, thus, we can perform data mining to be used for specific purpose. One of which is for the visualization of traffic jam in a city.Naive bayes classifier is an approach that refers to the bayes theorem, is a combination of prior knowledge with new knowledge. So that is one of the classification algorithm is simple but has a high accuracy. With this, in this research will prove the ability naive bayes classifier to classify the tweet that contains information of traffic jam in Bandung.The testing result, the program shows that the smallest value of the accuracy is 78% on testing by using a sample 100 record and generate high accuracy is 91,60% on the testing by using a sample 13106 record. The testing results with Rapid Miner 5.1 software obtained the smallest value of the accuracy is 72% by using a sample 100 records and the high accuracy is 93.58% by using a sample 13.106 records for naive bayesian classification. And for the method of support vector machine obtained the smallest value is 92% accuracy by using a sample 100 records and the high accuracy of 99.11% by using a sample 13.106 records. Keywords—Twitter, tweet, classification, naive bayesian classification, support vector machine

STUDI KOMPARASI ALGORITMA ID3 DAN ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI PENYAKIT DIABETES MELLITUS Nunu Nurdiana; Sandi Fajar Rodiyansyah; Abijar Algifari
INFOTECH journal Vol. 6 No. 2 (2020)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v6i2.816

Penyakit diabetes mellitus salah satu penyakit yang mematikan, merupakan penyakit gangguan metabolik menahun akibat pankreas tidak memproduksi cukup insulin atau tubuh tidak dapat menggunakan insulin yang diproduksi secara efektif. Berdasarkan data history penderita diabetes dapat dibuat rekomendasi prediksi penyakit diabetes yang dapat membantu tenaga kesehatan. Klasifikasi merupakan salah satu teknik dari data mining yang dapat digunakan untuk membantu prediksi hasil klasifikasi penyakit diabetes. Klasifikasi dilakukan menggunakan Algoritma ID3 dan Algoritma Naive Bayes dengan bahasa pemrograman python menggunakan aplikasi web open source yaitu Jupyter Notebook. Penelitian ini bertujuan membuat klasifikasi dan menerapkan klasifikasi data mining. Hasil klasifikasi data di evaluasi dengan menggunakan Confusion Matrix dan kurva ROC untuk mengetahui tingkat hasil akurasi menggunakan algoritma ID3 yaitu sebesar 74% dan nilai AUC dari kurva ROC adalah 0.788 sedangkan Algoritma Naive Bayes sebesar 76% nilai AUC dari kurva ROC 0.794 sehingga dapat dikatakan bahwa Algoritma Naive Bayes memiliki hasil prediksi yang baik dalam memprediksi penyakit diabetes meliitus.

LOGIKA FUZZY DALAM SISTEM PENGAMBILAN KEPUTUSAN PENERIMAAN BEASISWA Siti Komariyah; Riza M. Yunus; Sandi Fajar Rodiyansyah
PROCEEDING STIMA PROCEEDING STIMA 2.0
Publisher : PROCEEDING STIMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (823.812 KB)

The decision making process in determining the right to receive the scholarship are often subjective, where there are some university students who have the ability or value that is not so different. so needed it is presence the systems that support decision making that can be used to simplify the determination of who is entitled to receive a scholarship. This system is supported by Tsukamoto fuzzy logic method that is based on the data and rules of human resources with the criteria set by the group of people. The result of this process is given to university students who are in decision-making on the basis of the acceptance of the scholarship. This software is made by using a MySQL database and IDE netbeans programme language as an instrument by which this application can help in the decision making process scholarship acceptance quickly and accurately.Keywords: Decision Making System, Scholarship, and Tsukamoto Fuzzy Logic.

NAÏVE BAYES CLASSIFICATION UNTUK PENENTUAN KELAYAKAN DONOR DARAH Sandi Fajar Rodiyansyah
PROCEEDING STIMA PROCEEDING STIMA 2.0
Publisher : PROCEEDING STIMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (377.007 KB)

Sebelum seseorang melakukan donor darah biasanya tenaga kesehatan melakukan pemeriksaan usia, berat badan, tekanan darah, HB, denyut nadi dan suhu tubuh. Berdasarkan kriteriakriteria tersebut tenaga kesehatan menentukan apakah calon pendonor layak atau tidak melakukan donor darah. Pada penelitian ini, dilakukan implementasi naïve bayes classification untuk penentuan kelayakan donor darah tersebut. Data training yang digunakan pada penelitian ini sejumlah 25 sampel yang dibagi menjadi 2 class yaitu label “layak” sebanyak 60% dan “tidak layak” sebanyak 40%. Setelah dilakukan pengujian, penentuan kelayakan donor darah dengan menggunakan naïve bayes classification memperoleh akurasi sebesar 88%.Kata Kunci : donor darah, naïve bayes classifier

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search