Article Per Year (5 Year)
p-Index From 2021 - 2026
3.416
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi) Sistemasi: Jurnal Sistem Informasi Seminar Nasional Teknologi Informasi Komunikasi dan Industri Krea-TIF: Jurnal Teknik Informatika Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Computer Science and Information Technology (CoSciTech) JUTECH : Journal Education and Technology Journal of Comprehensive Science Knowbase : International Journal of Knowledge in Database Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Teknik Indonesia INOVTEK Polbeng - Seri Informatika Jurnal Komtika (Komputasi dan Informatika)
Elin Haerani
UIN Suska Riau
Aerospace Engineering Arts Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering 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 Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Transportation Veterinary Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Sentiment Analysis of X Application Users on Bitcoin Using the Naïve Bayes Method Optimized with Particle Swarm Optimization (PSO) Muhammad, Raja Allifin; Haerani, Elin; Wulandari, Fitri; Oktavia, Lola
Sistemasi: Jurnal Sistem Informasi Vol 14, No 4 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i4.5390

Abstract

Advancements in technology and social media have significantly transformed the way individuals express their opinions—one of which is toward decentralized digital currencies that utilize blockchain technology to enable peer-to-peer transactions, such as Bitcoin. This study aims to evaluate user sentiment toward Bitcoin by implementing the Naïve Bayes method optimized with Particle Swarm Optimization (PSO), using data gathered from the X application (formerly Twitter). The data were collected through web scraping of user posts containing the keyword “Bitcoin.” Text preprocessing was performed to enhance data quality, followed by feature extraction using the Term Frequency–Inverse Document Frequency (TF-IDF) approach to convert textual data into numerical representations. Model performance was evaluated using accuracy, precision, recall, and F1-score metrics. Initial results show that the Naïve Bayes classifier performs well in sentiment classification. The integration of PSO as an optimization method improved classification performance from 66.14% to 69.14%. This study contributes to a deeper understanding of public opinion on Bitcoin and demonstrates the effectiveness of combining Naïve Bayes and PSO in text-based sentiment analysis.
Clustering Data Penduduk Menggunakan Algoritma K-Means Ikhsan, Tomi; Haerani, Elin; Wulandari, Fitri; Syafria, Fadhilah
TIN: Terapan Informatika Nusantara Vol 5 No 12 (2025): May 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/tin.v5i12.7328

Abstract

Economic inequality is still a crucial factor facing Indonesia today, from big cities to remote villages, economic inequality is still a major problem. Bina Baru Village is no exception, a village inhabited by 5,760 people with a total of 1,742 families, spread across 30 neighbourhood associations (RT) and 8 community associations (RW). Various efforts are made to overcome the problem of economic inequality, one of which is by channeling assistance or providing policies that are right on target. One of the steps to overcome this problem is to group population data in Bina Baru village using the K-Means Clustering method which aims to determine the economic level of families in the region, so that local governments can more accurately make policies on the problem of economic inequality that occurs. The data used comes from a questionnaire of 1,005 family data with 64 attributes and 1,005 individual data with 84 attributes. The application of the k-means algorithm is carried out using python, also using DBI (Davies-Bouldin Index) to determine the optimum k value. In this study, the optimal k value is 3 clusters. Based on testing, it is found that Cluster 0 represents households with medium economic conditions, cluster 1 represents groups with better economic conditions and Cluster 2 is a group of households with low economic conditions. By clustering the population's economy, it is hoped that it can help stakeholders to provide targeted policies.
Clustering Data Penduduk Desa Menggunakan Algoritma Mean Shift Maulani, Tedi; Haerani, Elin; Wulandari, Fitri; Oktavia, Lola
TIN: Terapan Informatika Nusantara Vol 6 No 1 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/tin.v6i1.7550

Abstract

Social welfare remains a serious challenge in Indonesia, including in Riau Province, which, despite its abundant natural resources, still struggles with unequal distribution of welfare. One of the government’s efforts to address this issue is through social assistance programs. However, identifying the right beneficiaries remains problematic. This study aims to cluster residents of Desa Bina Baru using the Mean Shift algorithm to support more targeted social aid distribution. The clustering results were evaluated using the Silhouette Score to measure their quality. The optimal clustering was achieved at a quantile of 0.9, with the highest Silhouette Score of 0.5747, producing nine clusters with varying socioeconomic characteristics. Based on the analysis, clusters 2, 1, 5, and 6/7 were identified as the most eligible groups to receive government aid due to economic pressure, high number of dependents, and inadequate housing conditions. This prioritization is crucial for more accurate, data-driven distribution of aid and provides valuable insights to support sustainable poverty alleviation strategies in Desa Bina Baru.
Clustering Keluarga Miskin Desa Bina Baru dengan Metode K-Medoids Amelia, Felina; Iskandar, Iwan; Gusti, Siska Kurnia; Haerani, Elin; Yusra, Yusra
Krea-TIF: Jurnal Teknik Informatika Vol 11 No 1 (2023)
Publisher : Fakultas Teknik dan Sains, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/krea-tif.v11i1.14104

Abstract

Kemiskinan di Indonesia terjadi di berbagai daerah, mulai pedesaan hingga perkotaan memiliki permasalahan kemiskinan masing – masing. Masalah kemiskinan juga dialami oleh Desa Bina Baru. Desa Bina Baru yang memiliki jumlah penduduk sebanyak 5.760 jiwa dengan total 1.742 keluarga, yang tersebar dalam 30 Rukun Tetangga (RT) dan 8 Rukun Warga (RW). Upaya dalam penurunan angka kemiskinan dapat dilakukan dengan berbagai cara, mulai pembangunan yang merata, penyaluran bantuan yang tepat sasaran, pemberian kebijakan yang tepat, dan lain sebagainya. Pengelompokan kemiskinan menjadikan salah satu upaya untuk menurunkan angka kemiskinan agar dapat memberikan informasi kepada pemerintahan daerah dalam memberikan kebijakan yang lebih tepat guna. Clustering merupakan teknik data mining yang bertujuan untuk mengelompokkan objek-objek data menjadi beberapa Cluster. Pada penelitian ini pengelompokkan dilakukan dengan teknik pengolahan data mining dengan algoritme K-Medoids dari data Desa Bina Baru tahun 2020 berjumlah 1.005. Hasil perbandingan perhitungan untuk Cluster 1 (kaya) sebanyak 527 penduduk, Cluster 2 (menengah) sebanyak 248 penduduk, dan Cluster 3 (miskin) sebanyak 225 penduduk, Hasil evaluasi dari algoritme k-Medoids adalah 0,991 yang menunjukan cluster yang dibentuk memberikan pengelompokan informasi yang baik. Hasil pengelompokan ini dapat dijadikan acuan untuk informasi kelompok keluarga miskin yang diperlukan pemerintah agar bantuan yang diberikan tepat sasaran.
Perbandingan Metode Naive Bayes Classifier dan Support Vector Machine dalam Analisis Sentimen Terhadap Pemilihan Presiden 2024 Prananda, Alga; Haerani, Elin; Fikry, Muhammad; Yanto, Febi
Krea-TIF: Jurnal Teknik Informatika Vol 11 No 2 (2023)
Publisher : Fakultas Teknik dan Sains, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/krea-tif.v11i2.15364

Abstract

Salah satu sarana masyarakat untuk memberikan pendapat atau opini adalah menggunakan media sosial, khususnya youtube. Pada penelitian ini berfokus melakukan analisis sentimen terhadap Pemilihan Presiden 2024 dengan tiga kelas dan 2000 data opini, mendapatkan 875 kelas positif, 577 negatif, dan 548 netral. Tahapan penelitian melibatkan pengumpulan data, pre-processing (case folding, tokenizing, filtering, stemming), klasifikasi, pengujian, dan evaluasi. Juga melakukan perbandingan antara metode Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM), menunjukkan bahwa SVM mendapat akurasi lebih baik dari NBC di setiap tipe pembagian kelas. Selain itu, hasil analisis sentimen menggunakan empat kata kunci menunjukkan dominasi sentimen positif terhadap Anies Baswedan (80.54%), Prabowo Subianto (64.76%), Calon Presiden secara umum (33.91%), dan Ganjar Pranowo (36.17%). Sentimen negatif cenderung tinggi untuk Ganjar Pranowo (51.42%) dan Prabowo Subianto (25.99%), sementara Anies Baswedan dan Calon Presiden memiliki tingkat sentimen negatif yang lebih rendah (16.53% dan 25.22%). Sentimen netral tercatat pada Prabowo Subianto (9.25%), Ganjar Pranowo (12.41%), Calon Presiden secara umum (40.87%), dan Anies Baswedan (2.93%).
Sistem Pakar Mendiagnosis Penyakit pada Tanaman Jeruk Menggunakan Metode Dempster Shafer Elsilaturrahmi, Elsilaturrahmi; Kurnia, Fitra; Haerani, Elin; Mai Candra , Reski
Journal of Comprehensive Science Vol. 2 No. 1 (2023): Journal of Comprehensive Science (JCS)
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/jcs.v2i1.224

Abstract

Tanaman jeruk termasuk pada komoditas unggulan nasional yang berperan dalam meningkatkan devisa negara. Namun, berbagai penyakit seringkali menyererang tanaman jeruk sehingga diperlukan suatu sistem untuk mendignosis penyakit pada tanaman jeruk. Penelitian ini bertujuan untuk menganalisis sistem pakar dalam mendiagnosis penyakit pada tanaman jeruk. Penelitian ini menggunakan metode Demster Shafer. Hasil penelitian dapat disimpulkan bahwa dengan penelitian yang dilakukan dapat dipahami konsep dan penerapan dari metode Dempster Shafer dalam mendiagnosis penyakit tanaman jeruk.
Klasifikasi Penyakit Cacar Monyet Menggunakan Metode Support Vector Machine Anugrah, Wendy; Haerani, Elin; Yusra, Yusra; Oktavia, Lola
Journal of Computer System and Informatics (JoSYC) Vol 5 No 3 (2024): May 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v5i3.5149

Abstract

Monkey pox is a zoonotic disease caused by the monkey pox virus and this disease is very dangerous. Monkey pox can be detected in advance by using information contained in patient data and applying machine learning techniques. This study aims to classify monkey pox using the Support Vector Machine (SVM) method. This test is carried out using a confusion matrix by comparing the ratio of training data and test data with a ratio of 70:30, 80:20, 90:10 and using the RBF kernel. Based on the test results, the highest ratio results were obtained at 90:10 with the best accuracy value of 65% with SVM parameter testing, namely the value C= 10 and y (gamma)= 1. Based on the results of tests carried out using the Support Vector Machine method, the accuracy values ​​were quite good.
Penerapan K-Means Clustering Pada Data Obat/Alkes di Apotik RSUD Selasih Budianita, Elvia; Haerani, Elin; Nazir, Alwis
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2023: SNTIKI 15
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Apotik merupakan salah satu tempat yang menjual obat-obatan, alat kesehatan (alkes) dan lainnya. Salah satu faktor penting untuk kelangsungan proses jual beli pada apotik yaitu adanya persediaan obat-obatan. Apotik RSUD Selasih sudah memiliki sistem yang menampung data persediaan obat obatan. Sistem tersebut juga memiliki data transaksi penjualan obat/alkes dan data pasien. Namun, persediaan obat-obatan dilakukan hanya dengan memeriksa persediaan obat yang hampir habis kemudian memperbarui stok persediaan obat tersebut sehingga hal ini kurang efisien jika suatu waktu membutuhkan obat dalam jumlah yang besar dan ternyata stok habis. Pada penelitian ini diterapkan suatu metode data mining K-Means Clustering dengan cara menganalisa pada pemakaian obat untuk menghasilkan informasi yang dapat dijadikan sebagai perencanaan dan pengendalian persediaan obat berdasarkan hasil kluster yang terbentuk. Berdasarkan hasil pengujian yang telah dilakukan menggunakan Davies Bouldin Index, diperoleh jumlah kluster terbaik adalah 2 dengan nilai DBI sebesar 0,33 yaitu kluster yang memiliki permintaan yang tinggi dengan penjualan obat selama 12 bulan diatas 3200 buah dan kluster yang memiliki permintaan yang rendah dengan penjualan obat/alkes selama 12 bulan dibawah 3200 buah.
KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP EFISIENSI ANGGARAN PEMERINTAH MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Alfaridzy, M. Audi; Haerani, Elin; -, Jasril; Oktavia, Lola
JUTECH : Journal Education and Technology Vol 6, No 1 (2025): JUTECH JUNI
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v6i1.4969

Abstract

Kebijakan efisiensi anggaran pemerintah Indonesia tahun 2025 merupakan respons terhadap kebutuhan penguatan fiskal dan pengalokasian ulang anggaran untuk program prioritas nasional. Melalui Instruksi Presiden Nomor 1 Tahun 2025, pemerintah menetapkan penghematan sebesar Rp306,7 triliun dengan memotong belanja kementerian/lembaga dan transfer ke daerah. Meskipun ditujukan untuk mendukung program strategis seperti Makan Bergizi Gratis (MBG), kebijakan ini menimbulkan dampak signifikan, seperti pemangkasan anggaran lembaga penting (misalnya BMKG) lebih dari 50%, pembatalan proyek infrastruktur, serta pengurangan tenaga kerja di sektor media publik. Kondisi ini menimbulkan perdebatan di tengah masyarakat terkait kebutuhan penghematan dan potensi risikonya terhadap pelayanan publik, investasi, serta pemerataan pembangunan. Penelitian ini bertujuan mengklasifikasikan sentimen masyarakat terhadap kebijakan efisiensi anggaran berdasarkan komentar dari media sosial Instagram. Tahapan penelitian meliputi pengumpulan data, pelabelan manual, cleaning, case folding, tokenizing, normalisasi, negation handling, stopword removal, stemming, pembobotan TF-IDF, klasifikasi dengan Naïve Bayes, dan pengujian. Sebanyak 1.408 komentar dari dua akun Instagram diklasifikasikan menggunakan metode Naïve Bayes Classifier dengan hasil akurasi 90,74%, presisi 85,16%, recall 98,51%, dan F1-score 91,35%. Penelitian ini diharapkan dapat dikembangkan dengan metode klasifikasi lainnya di masa depan.
Application of ADASYN Technique in Classification of Stroke Disease using Backpropagation Neural Network zikrillah aulia, said rizki; okfalisa, okfalisa; haerani, elin; oktavia, lola
INOVTEK Polbeng - Seri Informatika Vol. 10 No. 3 (2025): November
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/jdhv9s39

Abstract

The high prevalence of stroke in Indonesia and the challenge of imbalanced medical record data are major obstacles to the development of an accurate early detection system. This research aims to build a reliable stroke classification model by applying the ADASYN (Adaptive Synthetic Sampling) oversampling technique to address class imbalance before the data is processed using the Backpropagation Neural Network (BPNN) algorithm. The ADASYN technique is applied with the goal of reducing the bias that arises from the imbalanced data distribution between the majority and minority classes. Testing was conducted through various data splitting scenarios (70:30, 80:20, 90:10) and hyperparameter variations to find the optimal configuration. The best results were obtained with the 90:10 data split scheme, using an architecture of 29 neurons and a learning rate of 0.01, which successfully achieved peak performance with an accuracy of 90.46% and an F1-score of 91.03%. This study demonstrates that the combination of ADASYN and BPNN is a highly effective approach for producing a stroke prediction model that is not only accurate but also sensitive to the minority class, thus having great potential as an early detection support tool in the healthcare sector.
Co-Authors -, Jasril Akbar, Lionita Asa Alfaridzy, M. Audi Amelia, Felina Ananda, Rahmadan Alam Ardan Anugrah, Wendy Baehaqi Elsilaturrahmi, Elsilaturrahmi Elvia Budianita Fadhilah Syafria Fahmi Rizal Fauzan, Habibul Febi Yanto Fitri Insani Fitri Wulandari Fitria Novitasari Gusti, Gogor Putra Hafi Puja Gusti, Siska Kurnia Habibi, M. Ilham hariansyah, Aldi Ikhsan, Tomi Israldi, Tino Jasril Jasril Kasman Rukun kurnia, fitra Mai Candra , Reski Maulani, Tedi Muhammad Affandes Muhammad fauzan Muhammad Fikry Muhammad Taufiq Muhammad Yusuf Fadhillah Muhammad, Raja Allifin Nazir, Alwis Novi Yanti Novriyanto Novriyanto Okfalisa Okfalisa Oktavia, Lola Prananda, Alga Pranata, Joni Surya Agustian Suwanto Sanjaya Syafria, Fadhillah Yusra, Yusra zikrillah aulia, said rizki