Claim Missing Document
Check
Articles

Analisis Data Penjualan Menggunakan Algoritma K-Means Clustering Pada Toko Daun Indah di Shopee Dermawan, Hibrizi Dzaky; Kurniawan, Rudi; Wijaya, Yudhistira Arie
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 1 (2024): January 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i1.55093

Abstract

Toko Daun Indah adalah sebuah usaha yang menjual berbagai pilihan produk kecantikan, tidak semua produk tersebut dimanati pelanggan. Namun data penjualan di Toko Daun Indah belum dikelola dengan baik untuk menentukan produk mana yang paling diminati dan mana yang kurang diminati pelanggan. Akibatnya, data tersebut berfungsi sebagai dokumen arsip dan belum dimanfaatkan untuk strategi pemasaran. Sehingga perlu diterapkannya teknik data mining dalam mengembangkan strategi pemasaran penjualan. Tujuan penelitian adalah menganalisis data penjualan untuk mengetahui cluster terbaik berdasarkan Davies Bouldin Index, iterasi, dan measure type yang menghasilkan K Optimal. Metode yang digunakan adalah Cross-Industry Standard Process Model for Data Mining dengan algoritma K-Means Clustering untuk mengelompokkan data penjualan berdasarkan karakteristiknya, karena mudah dalam penerapannya, dan relatif cepat. Berdasarkan hasil pengelompokan data penjualan produk dengan metode K-Means diperoleh parameter yang optimal. Dengan melakukan uji dengan jumlah cluster (k= 2-25), hasil metode K-Means menunjukkan nilai DBI paling optimal sebesar -0.149 dengan 2 cluster pada iterasi ke-1 sebanyak 30 iterasi, Measure type Mixed Measures.  
ANALISA PERBANDINGAN PERFORMA OPTIMIZER ADAM, SGD, DAN RMSPROP PADA MODEL H5 Anggara, Doni; Suarna, Nana; Arie Wijaya, Yudhistira
NERO (Networking Engineering Research Operation) Vol 8, No 1 (2023): Nero - 2023
Publisher : Jurusan Teknik Informatika Fakultas Teknik Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v8i1.19226

Abstract

Melakukan komunikasi tidak sebatas berbentuk verbal saja, bisa juga berkomunikasi nonverbal yaitu dengan menyampaikan informasi dari ekspresi wajah. Namun, permasalahan dalam analisa ekspresi wajah jika melakukan pendeteksian ekspresi wajah secara manual maka akan membutuhkan waktu yang cukup lama dan tidak selalu akurat, sedangkan jika melakukan pendeteksian menggunakan machine learning berbasis Python maka akan mempersingkat proses pendeteksian ekspresi wajah, oleh karena itu diperlukan suatu model yang memiliki tingkat accuracy yang mumpuni sehingga dapat mendeteksi dan mengklasifikasikan ekspresi wajah dengan cepat dan akurat. Tujuan utama dari penelitian ini yaitu untuk mengetahui optimizer mana yang terbaik diantara Adam, SGD, dan RMSprop untuk model klasifikasi dengan membandingkan performa hasil training dari setiap optimizer dimana hasil dari proses training menghasilkan file model dengan ekstensi h5. Model dengan metrik accuracy, validation accuracy, loss, waktu tempuh, dan size model terbaik di antara optimizer tersebut akan di nyatakan sebagai optimizer terbaik. Data yang digunakan berupa foto sebanyak 71.774 foto dengan 7 label ekspresi wajah yang diantaranya senang, sedih, terkejut, marah, takut, jijik, dan netral. Metode yang digunakan untuk mengukur performa model pada dataset yang diberikan yaitu evaluate() dari library Keras, classification_report dan precision_recall_fscore_support yang terdapat pada library sklearn.metrics. Dengan skenario pengujian 60 epochs dan learning rate sebesar 0.001, Optimizer Adam memiliki nilai accuracy lebih tinggi yaitu 68.61% disusul oleh SGD dengan nilai accuracy sebesar 57.68% dan accuracy RMSprop sebesar 54.83%.Kata kunci: Adam, Deep learning, Ekspresi Wajah, Klasifikasi, Optimizer, RMSprop, SGD.
PERBANDINGAN KINERJA SVM DAN NAÏVE BAYES PADA ANALISIS SENTIMEN KOMENTAR DEMONSTRASI DPR 25 AGUSTUS 2025 Nashir, Mukhtar; Dian Ade Kurnia; Yudhistira Arie Wijaya; Ade Irma Purnama Sari; Nisa Dienwati Nuris
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 7 No. 1 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v7i1.10650

Abstract

Penelitian ini membandingkan kinerja Support Vector Machine dan Naive Bayes untuk analisis sentimen komentar demonstrasi DPR pada 25 agustus 2025, mengidentifikasi faktor yang memengaruhi prediksi, serta memahami peran preprocessing dan fitur TF-IDF dalam menghasilkan klasifikasi yang stabil. Penelitian ini menggunakan komentar dari youtube berjumlah 17.335 komentar yang diproses melalui tahapan eksplorasi data, pembersihan teks, pelabelan berbasis lexicon berbasis bootstrapping, dan ekstraksi fitur utama (TF-IDF unigram/biagram). Hasil penelitian menunjukkan bahwa Support Vector Machine memberikan akurasi lebih tinggi yaitu 98% dibandingkan Naive Bayes memberikan 88% karena cenderung bias pada kelas mayoritas . Perbedaan performa dipengaruhi oleh struktur data, distribusi kata, serta sensitivitas model terhadap fitur yang tidak merata. SVM mampu memaksimalkan pemisahan antar kelas sehingga lebih stabil pada ruang fitur berdimensi tinggi, sedangkan Naive Bayes menghadapi kesulitan dalam mengenali pola sentimen ketika kelasTidakSeimbang mendominasi. Penelitian ini menegaskan bahwa preprocessing dan representasi fitur TF-IDF berperan besar dalam mengurangi noise serta meningkatkan kualitas pembelajaran model. Penelitian ini menyimpulkan bahwa SVM lebih sesuai digunakan untuk analisis sentimen komentar politik di Indonesia. Temuan ini memberi dasar empiris bagi pengembangan metode analisis sentimen pada isu sosial yang memiliki dinamika bahasa dan variasi konteks yang tinggi.
Co-Authors Abrar Bayan, Athaullah Ade Irma Purnama Sari Adi Hermawan Adiyanto, Alfian Adjie Setyadj, Mochammad Agni, Vega Putra Dwi Ahmad Faqih AKBAR, MUHAMAD DENI Alfirda Sofyan, Zahra Aliya Anisa Rahma Alya Fadia Amelia, Astri An-naziz Safaat, Wafik Andi Ardiansyah Andriyani, Wini Andriyanti, Rina Anggara, Doni Anjar Permadi Aprianto, Wili Arif Firmansyah, Aditiya ASEP SAEFUDDIN Asmana, Asmana Azhar, Alwan Dadang Sudrajat Danar Dana, Raditya Darma Irawan, Bobi Darussalam, Luthvi Nurfauzi Denni Pratama Dermawan, Hibrizi Dzaky Dian Ade Kurnia Dian Ade Kurnia Edi Tohidi Edi Wahyudin Falih, Alfi Rizqi Falih FANDI ACHMAD Fauzan, Muhamad Nur Fianita Rusadi Fianita Rusadi Firmansyach, Wildan Attariq Hadi Wicaksana, Arya Hamonangan, Ryan Hayati, Umi Hegarmanah Muhabatin Herman Hermawan, Adi Hidayat, Hilpad Hidayat, Zaids Syarif Ibnu Ubaedila Ikhwan Fahruddin, Yusuf Inawati, Windi Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Jaelani Sidik Jayawarsa, A.A. Ketut Jurnal Konsera Khoeri, Yajid Komala, Wulan Kurniawan , Rudi Kusmiyaty, Agesty Laela Laela Leli Oktaviani Lukmanul Hakim Manzis, Zian Martanto Martanto . Martanto Martanto Maryam, Beby Masjunedi, Masjunedi Maulana, Tedy Mifta Almaripat Mita Amelia Moh Nurdayat Dayat Muhamad Basysyar , Fadhil MUHAMAD DENI AKBAR Muhamad Nur Fauzan Muhammad Aditya Rabbani Adit Nabila, Aynun Nana Suarna Nashir, Mukhtar Nining Rahaningsih Nisa Dieanwati Nuris Nisa Dienwati Nuris Novita Safitri Nur Amalia, Yustika Nurazijah, Wulan Nurdiawa, Odi Nurholipah, Titin Nurrahman, Rizki Odi Nurdiawa Odi Nurdiawan Pebriyanto, Ramdhan Pratama, Denni Prihartono, Willy Rinaldi Dikananda, Arif Rini Astuti Rini Astuti Rini Astuti Riri Narasati Rizal Rizal Rubangiya Rubangiya Rudi Kurniawan Rudi Kurniawan Rudi Kurniawan Saeful Anwar Saeful Anwar, Saeful Satria Turangga Septian Nugraha, Titan Septiani Gumilar, Tia Shifa Dwi Oktaviani Suarna, Nana Sulaeman, Muhammad Suteja Syach Putra, Yanuar Tati Suprapti Taufik Hidayat Tegar Lazuardi, Muhammad Thomas Agam Tiana Dewi Tohidi, Edi Tri Anelia Trian Nurmansyah Triswanto, Triswanto Tuti Hartati Tuti Hartati Tuti Hartati Wahyudi Wahyudi Wangi Nur Qibti, Intan Wartumi Wartumi Willy Prihartono Winayah, Winayah Windy Astuti Yudis Firmansyah yulani, Yulani - Yulia, Yuli