Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal ILKOMNIKA: Journal of Computer Science and Applied Informatics JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Yusuf Ansori
Universitas Islam Negeri Maulana Malik Ibrahim
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Survei Metrik Skala dan Kompleksitas Model Proses Bisnis Ghani Mutaqin; Yusuf Ansori; Naufal Tamam Santoso; Muhammad Ainul Yaqin
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 2 No 1 (2020): Volume 2, Nomor 1, April 2020
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v2i1.184

Abstract

Model proses bisnis memiliki kompleksitas yang melekat yang jika tidak dikendalikan akan terus meningkat dengan waktu. Ini membuat model proses rawan kesalahan. Sulit untuk memahami dan memelihara. Agar model proses bisnis dapat terjaga dengan baik, maka diperlukan metrik yang dapat mengukur tingkat kompleksitas dari model proses bisnis tersebut. Sejumlah metrik yang ada dapat digunakan untuk mengukur kompleksitas dan karenanya dapat mengendalikan kompleksitas proses bisnis. Dalam penelitian ini, dilakukan survei terhadap metrik kompleksitas proses bisnis. Hasil dari survei ini di jabarkan dalam bentuk tabel untuk mempermudah dalam membandingkan setiap metrik dan penggunaannya pada model proses bisnis disetiap jurnal.
Perbandingan Metode Machine Learning dalam Analisis Sentimen Twitter Yusuf Ansori; Khadijah Fahmi Hayati Holle
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 10, No 4 (2022)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v10i4.51784

Abstract

Perbedaan pemahaman di kalangan masyarakat sering terjadi terkait diterbitkannya kebijakan baru oleh pemerintah. Diantaranya adalah kebijakan dalam menangani kasus kekerasan seksual di lingkungan kampus yang tertulis dalam Peraturan Menteri Pendidikan, Kebudayaan, Riset dan Teknologi Nomor 30 Tahun 2021 sehingga diperlukan kajian mendalam dengan melakukan analisis sentimen. Ada banyak algoritma yang digunakan dalam penelitian analisis sentimen, maka dalam penelitian ini peneliti menggunakan 4 algoritma klasifikasi machine learning, yaitu Support Vector Machine, K-Nearest Neighbor, Naïve Bayes Classifier, dan Logistic Regression untuk dilakukan perbandingan performa dari masing-masing algoritma. Data penelitian yang digunakan berjumlah 470 data dengan pembagian 236 tweet berlabel positif dan 238 tweet berlabel negatif yang diambil pada rentang bulan Oktober sampai Desember. Dalam penelitian ini menggunakan perangkat lunak RapidMiner dengan menerapkan teknik k-Fold Cross Validation untuk memisahkan data latih dan data uji secara acak. Terdapat perbedaan performa pada algoritma machine learning yang digunakan untuk analisis sentimen, dari algoritma yang telah diujikan, nilai akurasi tertinggi terdapat pada algoritma Support Vector Machine, yaitu sebesar 69,15%, kemudian nilai presisi tertinggi terdapat pada algoritma K-Nearest Neighbor, sebesar 69,07%, kemudian nilai recall tertinggi terdapat pada algoritma Support Vector Machine sebesar  71,98%, dan nilai f-measure tertinggi terdapat pada algoritma K-Nearest Neighbor yaitu sebesar 68,08%.
Co-Authors Ghani Mutaqin Ida Ayu Putu Sri Widnyani Khadijah Fahmi Hayati Holle Naufal Tamam Santoso