Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Bit (Fakultas Teknologi Informasi Universitas Budi Luhur)

Implementation Of the Naive Bayes Algorithm for Analysis Sentiment of Alun-Alun as A Public Open Space in Sukabumi Regency Fadhil, Farikh; Asriyanik, Asriyanik; Apriandari, Winda
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2434

Abstract

Kabupaten Sukabumi merupakan salah satu Kabupaten di Jawa Barat yang memiliki beberapa fasilitas dan prasarana, salah satunya ruang terbuka publik yang menjadi sebuah tempat yang bermanfaat untuk aktivitas bagi kebutuhan dan kepentingan masyarakat umum sehari-hari seperti contohnya alun-alun yaitu Alun-alun Cisaat, Alun-Alun Palabuhanratu, Alun-Alun Jampang Kulon, Alun-Alun Purabaya dan Alun-Alun Cicurug. Namun di Kabupaten Sukabumi juga masih terdapat alun-alun yang kurang terawat sehingga terdapat artikel atau opini dari pengunjung yang kurang baik mengenai alun-alun tersebut. Oleh karena itu perlu dilakukan pengembangan atau evaluasi oleh pemerintah setempat untuk menjadikan ruang terbuka publik di Kabupaten Sukabumi lebih baik lagi. Sebelum melakukan pengembangan dan evaluasi diperlukan terlebih dahulu informasi data atau analisis terkait opini publik terhadap ruang terbuka publik tersebut salah satunya dengan melakukan analisis sentimen. Penelitian ini melakukan analisis sentimen publik terhadap alun-alun sebagai ruang terbuka publik di Kabupaten Sukabumi menggunakan algoritma Naïve Bayes dalam melakukan analisis sentimen dan data yang diambil dari ulasan pengunjung tempat tersebut pada periode 2019-2023 di website Google Maps dan didapatkan data sentimen sebanyak 2698 yang terdiri dari data sentimen positif sebanyak 2254 dan data sentimen negatif 444 data dengan hasil akurasi dari algoritma yang digunakan pada model yang dibuat yang dibuat memiliki ketepatan akurasi sebesar 92%, nilai precision sebesar 90%, nilai recall sebesar 53% dan fi-score sebesar 67%. Frekuensi kata yang diperoleh dari hasil analisis sentimen mendapati 5 kata yang paling banyak muncul berdasarkan kelas sentimennya yaitu sentimen positif adalah mantap, bagus, bersih, nongkrong dan enak. Sedangkan 5 Frekuensi kata negatif adalah adalah sampah, kotor, kumuh, macet dan tata. Hasil dari penelitian ini terkait analisis sentimen diharap dapat membantu pemerintah setempat terutama Dinas Pertanahan dan Tata Ruang Kabupaten Sukabumi untuk dijadikan informasi sebagai bahan acuan atau rekomendasi untuk pengembangan dan evaluasi objek ruang terbuka publik di Kabupaten Sukabumi kedepannya.
Classification Of the Effectiveness of Sukabumi Relocation Food Center Policy Using the Naïve Bayes Classifier Algorithm Ismuhamdan, M. Elki; Prajoko, Prajoko; Apriandari, Winda
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2459

Abstract

Program yang menjadi perbincangan di Kota Sukabumi yaitu pembangunan dan penataan Jalan Ir. H. Juanda atau “Dago” sebagai pusat jajanan Kota Sukabumi yang disertai dengan kebijakan relokasi Pedagang Kaki Lima ke Jalan Dewi Sartika. Kebijakan ini masih dipertanyakan keefektivitasannya karena menimbulkan dampak yang kurang baik dan menimbulkan polemik bagi berbagai pihak serta belum ada penelitian yang mengukur nilai efisiensi dan efektivitas dari penerapan kebijakan relokasi pedagang kaki lima tersebut. Penelitian ini dilaksanakan untuk mengklasifikasi dan mengukur nilai efektivitas kebijakan relokasi pusat jajanan Kota Sukabumi berdasarkan klasifikasi dari pendapat masyarakat Kota Sukabumi dan pedagang-pedagang di area relokasi dengan membuat sistem yang dapat mengukur efektivitas kebijakan tersebut menggunakan algoritma Naïve Bayes Classifier dengan metode penelitian Knowledge Discovery in Database. Algoritma Naïve Bayes Classifier merupakan salah satu algoritma Data Mining yang mengaplikasikan Teorema Bayes [1]. Hasil akhir dari penelitian ini yaitu dari 368 data pendapat, sebanyak 52,45% atau sebanyak 193 pendapat diklasifikasi “Efektif” dan sebanyak 47,55% atau sebanyak 175 pendapat diklasifikasi “Tidak Efektif” dengan nilai akurasi yang diperoleh sebesar 97,02%. Kebijakan relokasi pusat jajanan Kota Sukabumi dapat disimpulkan Efektif, karena nilai Efektif lebih besar daripada nilai Tidak Efektif walaupun memiliki selisih nilai yang sangat tipis dengan hasil nilai akurasi yang sangat tinggi.
Channa Fish Disease Consultation Using The Certainty Factor Algorithm Web Based Prayoga, Rio Agung; Apriandari, Winda; Pambudi, Agung
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 21, No 1 (2024): APRIL 2024
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v21i1.2722

Abstract

The health of Channa fish is a fundamental foundation for successful cultivation. Accurate diagnosis of diseases remains a serious challenge for cultivators. Lack of understanding about diseases, difficulty accessing reliable knowledge sources, and limited information on Channa fish health issues are concerning factors. This research aims to diagnose Channa fish diseases based on observed symptoms and identifiable behaviors and conditions in the fish. Challenges include cultivators' lack of knowledge about Channa fish diseases, difficulty obtaining assistance from aquatic veterinarians, and limited information on Channa fish diseases from previous research. The objective of this study is to support Channa fish cultivators, especially in disease control, to achieve successful reproduction and reduce reproductive losses. The research utilizes knowledge obtained from experts experienced in Channa fish disease control, implementing it into a web-based expert system to address these issues. The Certainty Factor method is employed to measure the confidence level of Channa fish disease diagnoses in this research. The results show that the expert system is capable of diagnosing Gyrodactylus sp disease in Channa fish with an accuracy of 89.25%, equivalent to the manually calculated percentage. The novelty of this research lies in its focus on developing a Channa fish disease diagnosis system using the Certainty Factor algorithm. The system integrates inference engines and the Certainty Factor algorithm, presenting results through a website interface. Thus, this system successfully combines the Certainty Factor for Channa fish disease diagnosis and can be used as a guide for fisheries practitioners.