Article Per Year (5 Year)
p-Index From 2021 - 2026
6.842
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Techno.Com: Jurnal Teknologi Informasi Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUSIFO : Jurnal Sistem Informasi Jurnal Pendidikan Informatika dan Sains Jurnal Khatulistiwa Informatika JMM (Jurnal Masyarakat Mandiri) CYBERNETICS METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi BULETIN AL-RIBAATH VOX EDUKASI: Jurnal Ilmiah Ilmu Pendidikan Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknika Indonesian Journal of Data and Science Jurnal Computer Science and Information Technology (CoSciTech) JUTECH : Journal Education and Technology Joutica : Journal of Informatic Unisla International Journal of Health, Engineering and Technology International Journal of Health and Information System (IJHIS) SmartComp Jurnal Informatika Polinema (JIP) Jurnal Medika: Medika Jurnal Ragam Pengabdian LANCAH Jurnal Inovasi dan Tren
Alda Cendekia Siregar
Universitas Muhammadiyah Pontianak
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Veterinary Other

Published : 50 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 50 Documents
Search

 1   2   3   4   5 
A Sistem Pakar Pengedintifikasian Hama Penyakit Pada Tanaman Anggrek Hitam Menggunakan Metode Forward Chaining Dan Backward Chaining wahyuni, eka; Wahid Saleh Insani, Rachmad; Cendekia Siregar, Alda
Joutica Vol 9 No 1 (2024): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/informatika.v9i1.1181

Abstract

Anggrek Hitam (Coelogyne Pandurata) merupakan salah satu anggrek alam endemik Kalimantan, anggrek hitam termasuk dalam anggrek yang dilindungi oleh pemerintah karna terancam kepunahannya dan tercantum dalam Peraturan Pemerintah Republik Indonesia Nomor 7 Tahun 1999. Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah menggunakan Metode forward chaining dan backward chaining sebagai alur sistem yang merupakan proses pelacakan, sedangkan certainty factor merupakan suatu nilai kepastian yang telah diberikan oleh para ahli untuk membuktikan suatu fakta. Hasil penelitian berupa web yang digunakan oleh admin untuk mempesentasikan kemampuan pakar dan aplikasi android yang digunakan oleh user untuk mendiagnosa hama dan penyakit pada tanaman anggrek hitam serta penanganan dan perawatan. Pada uji black box dan uji pakar fungsi sistem berjalan sesuai yang diharapkan. Aplikasi sistem pakar ini dibuat dengan menggunakan dua metode yaitu forward chaining dan backward chaining, aplikasi ini dapat digunakan untuk membantu para petani dalam mengetahui hama yang menyerang anggrek hitam dan bagaimana cara penanganannya. Hasil  perhitungan manual dan secara sistem, bahwa gejala daun menguning dan daun layu dengan masing-masing bobot user 1 dan 0.6 anggrek hitam terkena penyakit busuk lunak 87.20%
System Pakar Diagnosa Penyakit Dan Hama Pada Tanaman Lidah Buaya Berbasis Web Menggunakan Metode Forward Chaining Dan Certainty Factor Arsita; Cendekia Siregar, Alda; Sucipto, Sucipto
Joutica Vol 9 No 1 (2024): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/informatika.v9i1.1182

Abstract

Tanaman Lidah buaya merupakan suatu produk andalan dari provinsi Kalimantan barat serta tanaman lidah buaya sebagai salah satu jenis obat tradisional yang dibudidayakan untuk dikembangkan di negara Indonesia. Potensi ini tentunya dapat menjadi sumber daya yang dapat dimanfaatkan untuk menuju Indonesia yang lebih maju dan Makmur dengan membudidayakan tanaman Lidah Buaya salah satunya. Namun perkembangan tanaman Lidah Buaya sering mengalami permasalahan pada gangguan penyakit dan hama jika tidak ditangani dengan baik, masalah bisa muncul karena dapat menyebabkan tanaman mati atau tidak tumbuh dengan baik. Sistem pakar merupakan sebuah sistem yang kinerjanya mengambil atau mengikuti keahlian yang dimiliki oleh seorang pakar dalam bidang tertentu ke dalam sistem atau program komputer yang disajikan dengan tampilan yang dapat digunakan oleh pengguna.oleh karena itu dengan menggunakan metode forward chaining dan certainty factor. Dengan menggunakan sistem pakar yang mudah dipahami untuk mendiagnosa penyakit dan hama tanaman Lidah Buaya berdasarkan gejala yang ada.dan menghasilkan nilai akurasi dan nilai tingkat keyakinan dari metode certainty factor dan forward chaining sebagai perhitungannya.Sistem pakar diagnosa penyakit dan hama pada tanaman lidah buaya berbasis web menggunakan metode forward chaining dan certainty factor, sistem dapat menampilkan nama penyakit dan hama beserta gejala dari setiap penyakit dan hama. Hasil pengujian dengan menggunakan metode forward chaining dan certainty factor, didapatkan nilai tingkat keyakinan penyakit dan hama pada tanaman lidah buaya 84%.
Sistem Informasi Geografis Pemetaan Daerah Rawan Kecelakaan Lalu Lintas Berbasis Website di Kota Pontianak Anisa, Anisa; Wahid Saleh Insani, Rachmat; Cendekia Siregar, Alda
Jurnal Informatika Polinema Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i1.5976

Abstract

Kecelakaan lalu lintas merupakan insiden yang melibatkan satu atau lebih kendaraan serta pengguna jalan lainnya, sering kali disebabkan oleh minimnya informasi mengenai kondisi jalan yang akan dilalui. Kurangnya informasi ini dapat meningkatkan risiko kecelakaan, terutama di daerah dengan tingkat lalu lintas yang padat. Untuk mengatasi masalah ini, penelitian ini mengembangkan Sistem Informasi Geografis (SIG) berbasis website dengan memanfaatkan Google Maps API guna memetakan dan menganalisis daerah rawan kecelakaan di Kota Pontianak. Sistem ini dirancang untuk memberikan informasi yang akurat mengenai lokasi titik rawan kecelakaan serta tingkat keparahan kecelakaan yang terjadi. Dengan demikian, sistem ini dapat membantu pihak-pihak terkait seperti pemerintah daerah dan instansi lalu lintas dalam mengambil keputusan strategis untuk mengurangi angka kecelakaan. Penggunaan teknologi website memungkinkan pengguna mengakses peta digital serta data kecelakaan secara real-time, yang mempermudah pemantauan kondisi jalan dan penanganan situasi darurat. Selain itu, pengujian Black Box Testing menegaskan bahwa semua fungsi sistem beroperasi dengan baik dan menghasilkan output yang konsisten sesuai dengan input yang diberikan. Hasil dari User Acceptance Testing (UAT) juga mencatat bahwa 80,40% dari pengguna memberikan respon positif terhadap sistem yang digunakan. Hal ini menunjukkan bahwa sistem yang dikembangkan tidak hanya dapat diandalkan, tetapi juga efektif dalam memberikan informasi kritis tentang kecelakaan di Pontianak. Implementasi SIG berbasis website inimdapat menjadi acuan penting dalam pengambilan kebijakan berbasis data untuk meningkatkan keselamatan lalu lintas di masa mendatang.
Deteksi Tumor Otak Menggunakan Metode Watershed dan Thresholding Pada Citra MRI Prayogi, Aditya; Siregar, Alda Cendekia; Insani, Rachmat Wahid Saleh
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1688

Abstract

The diagnosis of a brain tumor is crucial for one's health and should be done promptly to avoid potential health complications. Many people experience severe dizziness, vomiting, and sometimes a high fever during the initial symptom phase. It is of utmost importance to obtain an accurate and early diagnosis to determine the type of tumor and select the appropriate treatment. To diagnose tumors, several procedures like tumor marker tests, radiological exams such as ultrasound, CT scan, MRI, or PET scan, and biopsy can be carried out. A system was created to make it easier to read MRI images and detect brain tumors using a combination of Watershed and Thresholding methods. The research methods used in this study were Literature Study and Dataset Collection.Key Word: Brain Tumor; Watershed; Thresholding AbstrakDiagnosa tumor otak terpenting bagi kesehatan dan harus dilakukan dengan segera untuk mengatasi masalah kesehatan yang mungkin terjadi. Banyaknya kasus yang dialami oleh orang-orang, pada awal fase gejala penderita mengalami rasa pusing yang luar biasa disertai muntah-muntah dan ada juga yang mengalami demam tingggi. Proses diagnosa yang tepat dan dini sangat penting dalam menentukan jenis tumor dan memilih pengobatan yang tepat. Beberapa prosedur yang dapat dilakukan untuk mendiagnosis tumor antara lain tes tumor marker, pemeriksaan radiologi seperti USG, CT scan, MRI, atau PET scan, dan biopsi. Maka dari itu untuk mempermudah membaca hasil dari citra MRI dibuatlah sistem yang mendeteksi tumor otak menggunakan kombinasi metode Watershed dan Thresholding.Metode penelitian yang digunakan yaitu Studi Literatur dan Pengumpulan dataset.
Identifikasi Ular Menggunakan Metode Gray Level Co-Occurrence Matrix Dan Histogram Yulia, Rantika; Siregar, Alda Cendekia; Octariadi, Barry Ceasar
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 2: Agustus 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i2.1964

Abstract

Welang and Weling snakes are types of snakes that have a similar physique and have dangerous venom. Apart from that, there is the Banded Wolf Snake (Lycodon Subcinctus) which is said to be similar to the Weling (Bungarus Candidus) but is not venomous and the Sea Snake (Laticauda Colubrina) which is similar to the Welang (Bungarus Fasciatus). The similarity of this type of snake can be seen from the snake's body motif, such as black and white or black and gold stripes. Therefore, tests were carried out using 2 different methods to prove the similarity of the four types of snakes. This research uses the Gray Level Co-Occurrence Matrix (GLCM) method and the Histogram method on snake images. The GLCM features used for extraction are Contrast, Energy, Correlation, Homogeneity and Entropy. Histogram features used are mean, variance, standard deviation, skewness and entropy. Tests carried out with 100 data obtained the highest average accuracy results using the GLCM method of 97.75% with a value of K = 1, while using the Histogram method obtained the highest average accuracy value of 100% with a value of k = 1.Key Word: Snake; Gray Level Co-Occurrence Matrix (GLCM); Histogram AbstrakUlar Welang dan Weling merupakan jenis ular yang memiliki fisik yang mirip serta memiliki bisa yang berbahaya. Selain itu, ada Banded Wolf Snake (Lycodon Subcinctus) yang disebut mirip dengan Weling (Bungarus Candidus) namun tidak berbisa dan Sea Snake (Laticauda Colubrina) yang mirip dengan Welang (Bungarus Fasciatus). Kemiripan dari jenis ular ini dilihat dari motif tubuh ular seperti belang hitam putih atau hitam emas. Oleh karena itu, dilakukan pengujian menggunakan 2 metode berbeda untuk membuktikan kemiripan empat jenis ular tersebut. Penelitian ini menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan metode Histogram pada citra ular. Fitur GLCM yang digunakan untuk ekstraksi adalah Contrast, Energy, Correlation, Homogeneity dan Entropy. Fitur Histogram yang digunakan adalah mean, variance, standar deviasi, skewness dan entropy. Pengujian yang dilakukan dengan 100 data mendapatkan hasil akurasi rata-rata tertinggi pada metode GLCM adalah sebesar 97,75% dengan nilai K = 1 sedangkan menggunakan metode Histogram mendapat nilai akurasi rata- rata tertinggi sebesar 100% dengan nilai k=1. 
KLASIFIKASI OBESITAS DENGAN ALGORITMA C5.0 BERDASARKAN POLA MAKAN DAN KONDISI FISIK Nasim, Muhammad; Siregar, Alda Cendekia; Insani, Rachmat Wahid Saleh
Jurnal Khatulistiwa Informatika Vol 12, No 2 (2024): Periode Desember 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jki.v12i2.23974

Abstract

Obesitas merupakan salah satu masalah kesehatan global yang terus meningkat, dipengaruhi oleh berbagai faktor seperti gaya hidup yang tidak sehat, pola makan tinggi kalori, dan kurangnya aktivitas fisik. kondisi ini dapat menyebabkan berbagai komplikasi serius seperti penyakit jantung, diabetes tipe 2, tekanan darah tinggi, dan berbagai kondisi kesehatan lainnya yang mengurangi kualitas hidup dan meningkatkan angka kematian. dalam penelitian ini, kami mengembangkan sistem klasifikasi tingkat obesitas menggunakan algoritma c5.0, yang dikenal karena kemampuannya dalam menangani data yang kompleks dan multikategori. algoritma ini juga efektif dalam menghasilkan model pohon keputusan yang mudah diinterpretasi oleh tenaga kesehatan. dataset yang digunakan dalam penelitian ini terdiri dari 2.111 sampel dengan 17 variabel, termasuk jenis kelamin, usia, tinggi badan, berat badan, kebiasaan makan, riwayat keluarga, dan aktivitas fisik. model c5.0 yang dibangun menunjukkan hasil yang sangat baik dengan akurasi mencapai 94,78% pada data uji. evaluasi model dilakukan menggunakan matriks kebingungan yang menunjukkan performa tinggi dengan nilai akurasi, presisi, recall, dan f1-score yang konsisten di hampir semua kategori obesitas. secara khusus, model ini mencapai nilai sempurna dalam mendeteksi kategori obesity type iii, yang menunjukkan kemampuannya yang kuat dalam mengidentifikasi tingkat obesitas yang paling parah. hasil ini menunjukkan bahwa algoritma c5.0 dapat menjadi alat yang efektif untuk mendukung sistem pendukung keputusan dalam mendeteksi risiko obesitas, yang pada akhirnya dapat membantu dalam pengembangan strategi pencegahan dan intervensi yang lebih efektif untuk meningkatkan kesehatan masyarakat.
IMPLEMENTASI PROMETHEE DALAM MENENTUKAN PRIORITAS PERBAIKAN SARANA DAN PRASARANA SEKOLAH DASAR DI KOTA PONTIANAK Azwar, Agim Aljanata; Siregar, Alda Cendekia; Octariadi, Barry Ceasar
VOX EDUKASI: Jurnal Ilmiah Ilmu Pendidikan Vol 16, No 1 (2025): APRIL
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/ve.v16i1.4486

Abstract

ABSTRAKPenyediaan sarana dan prasarana yang memadai di sekolah dasar merupakan kunci peningkatan kualitas pendidikan di Kota Pontianak. Banyak sekolah mengalami kendala fasilitas yang kurang layak, sedangkan Dinas Pendidikan masih mengandalkan prosedur manual dalam menentukan prioritas perbaikan. Penelitian ini bertujuan mengoptimalkan proses penentuan prioritas perbaikan dengan menerapkan metode Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE). Metodologi yang digunakan meliputi identifikasi masalah melalui wawancara, pengumpulan data kerusakan infrastruktur sekolah, serta analisis multi-kriteria menggunakan promethee berdasarkan kondisi bangunan seperti kolom, balok, atap, plafon, lantai, kusen, pintu, jendela, instalasi listrik, dan instalasi air bersih. Setiap alternatif sekolah dibandingkan berdasarkan kriteria tersebut untuk menghasilkan peringkat prioritas perbaikan. Hasil penelitian menunjukkan Sekolah A memperoleh nilai tertinggi (0,155844) sehingga perlu diprioritaskan, diikuti oleh Sekolah E (0,038961), sedangkan Sekolah B dan C bernilai 0. Dengan demikian, metode promethee terbukti efektif dalam menentukan prioritas perbaikan, mendukung alokasi sumber daya yang efisien, serta mendorong peningkatan fasilitas pendidikan secara berkelanjutan.Kata Kunci: Sarana Prasarana Sekolah ,Promethee, Sistem Pendukung KeputusanABSTRACTProviding adequate facilities and infrastructure in elementary schools is essential for improving the quality of education in Pontianak City. Many schools face issues related to inadequate facilities, while the Education Office still relies on manual procedures to determine repair priorities. This study aims to optimize the process of determining repair priorities by applying the Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE). The methodology includes problem identification through interviews, data collection on infrastructure damage, and multi-criteria analysis using promethee based on physical building conditions, such as columns, beams, roofs, ceilings, floors, frames, doors, windows, electrical installations, and clean water installations. Each alternative school is compared based on these criteria to produce a priority ranking for repairs. The results show that School A obtained the highest score (0.155844), indicating the highest priority, followed by School E (0.038961), while Schools B and C received a score of 0. These findings demonstrate that the PROMETHEE method is effective in determining repair priorities, supporting efficient resource allocation, and promoting the sustainable improvement of educational infrastructure.Keywords: School Infrastructure Facilities, Promethee, Decision Support System
Implementasi Algoritma Genetika untuk Penjadwalan Shift Perawat Imanda, Imanda; Cendekia Siregar, Alda; Ceasar Octariadi, Barry
LANCAH: Jurnal Inovasi dan Tren Vol. 3 No. 1 (2025): DESEMBER 2024 - MEI 2025
Publisher : Lembaga Otonom Lembaga Informasi dan Riset Indonesia (KITA INFO dan RISET) - Lembaga KITA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ljit.v3i1.3948

Abstract

Penjadwalan merupakan metode terencana untuk eksekusi tugas dalam jangka waktu yang telah ditentukan. Penjadwalan shift perawat di Rumah Sakit Bhayangkara Pontianak selama ini dilakukan secara manual, yang sering kali memakan waktu lama dan berpotensi menyebabkan ketidakseimbangan beban kerja serta konflik jadwal. Penelitian ini bertujuan untuk mengembangkan sistem penjadwalan berbasis web dengan menerapkan algoritma genetika guna menghasilkan jadwal yang lebih efektif dan efisien. Sistem dirancang menggunakan bahasa pemrograman Python dan memanfaatkan parameter algoritma genetika seperti tingkat crossover, tingkat mutasi, dan ukuran populasi. Data perawat yang diolah meliputi nama, pangkat, pendidikan, serta status senioritas. Proses optimasi dilakukan dengan mengukur nilai kebugaran (fitness) setiap individu dalam populasi, seleksi, crossover, dan mutasi hingga mencapai solusi optimal. Hasil penelitian menunjukkan bahwa algoritma genetika mampu menghasilkan jadwal shift perawat yang memenuhi semua aturan, seperti kombinasi perawat senior dan junior, aturan lepas piket setelah shift malam, dan jam kerja minimal 160 jam per bulan yang dilakukan hingga 5 kali percobaan dan mendapatkan jadwal yang optimal memenuhi batasan pada percobaan ke-5 dengan waktu eksekusi selama 0,90 detik dan fitness sebesar 1 sehingga lebih efisien dibandingkan metode penjadwalan manual.
Analisis sentimen pengguna X terhadap Istana Garuda IKN menggunakan algoritma Naïve Bayes Ramdhania, Nur Annisa; Siregar, Alda Cendekia; Sucipto
Jurnal Pendidikan Informatika dan Sains Vol. 14 No. 1 (2025): Jurnal Pendidikan Informatika dan Sains
Publisher : IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/saintek.v14i1.8735

Abstract

Istana Garuda merupakan bagian penting dalam pembangunan Ibu Kota Negara (IKN) baru yang menarik perhatian publik, khususnya terkait desainnya. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Istana Garuda menggunakan data dari media sosial X dan mengukur akurasi klasifikasi sentimen dengan algoritma Naïve Bayes. Data dikumpulkan melalui teknik web crawling pada Februari 2024 menggunakan kata kunci “Istana Garuda IKN” dengan Tweet Harvest dan Google Colab. Sebanyak 807 tweet pengguna yang relevan diperoleh dan dilabeli secara manual. Proses analisis dilakukan melalui tahapan Knowledge Discovery in Databases (KDD), mencakup preprocessing (normalization, stopword removal, tokenizing, stemming), pelabelan sentimen, pembagian data, klasifikasi menggunakan Naïve Bayes, dan evaluasi menggunakan confusion matrix. Dengan model terbaik menggunakan rasio data latih dan uji 80:20, menghasilkan akurasi 84,56%, precision 86%, dan recall 90%. Pada visualisasi diagram batang hasil klasifikasi menunjukkan 534 tweet bersentimen positif dan 273 bersentimen negatif dan wordcloud menunjukkan kata-kata yang dominan seperti IKN (88), Indonesia (53), Jokowi (48), Istana (17), dan Garuda (16). Secara keseluruhan, penelitian ini menunjukkan bahwa sentimen masyarakat terhadap Istana Garuda cenderung positif, serta membuktikan efektivitas algoritma Naïve Bayes dalam mengklasifikasikan sentimen di media sosial X. Temuan ini dapat menjadi masukan yang penting bagi pemerintah dalam memahami persepsi masyarakat terhadap pembangunan IKN dan merumuskan strategi komunikasi public yang tepat.
Implementasi Data Mining Untuk Klasifikasi Komentar Hate Speech Menggunakan Algoritma Support Vector Machine (SVM) Nesa, Fathul Hakim; Sucipto, Sucipto; Siregar, Alda Cendekia
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 3 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i3.8122

Abstract

Dalam era digital saat ini, media sosial telah menjadi sarana utama bagi individu untuk berkomunikasi,mengekspresikan pendapat, serta berbagi informasi secara cepat dan luas. Namun, kemudahan ini juga membawa tantangan serius, salah satunya adalah maraknya penyebaran ujaran kebencian (hate speech) yang dapat memicu konflik sosial, memengaruhi kesehatan mental, serta memperkuat diskriminasi terhadap kelompok tertentu. Penelitian ini bertujuan untuk mengimplementasikan teknik data mining guna mengklasifikasikan komentar yang mengandung hate speech dengan memanfaatkan algoritma Support Vector Machine (SVM). Metode yang digunakan meliputi beberapa tahapan, yaitu: perumusan masalah, pengumpulan dan pembersihan data, pembuatan model, evaluasi performa model, deployment, dan penarikan kesimpulan. Berdasarkan hasil pengujian, algoritma SVM mampu memberikan performa yang baik dengan nilai F1-score sebesar 89%, precision 89%, dan recall 89%. Aplikasi klasifikasi ini diharapkan dapat digunakan sebagai alat bantu dalam mengurangi penyebaran ujaran kebencian di platform media sosial dan turut menciptakan ekosistem digital yang lebih sehat, inklusif, dan positif bagi semua pengguna.
Co-Authors Abdurrahman Abdurrahman Anastasya Putri Sulistio Angga Prima Syahputra Anisa Anisa Anugrah, Ilham Arsita Asrul Abdullah azwar, agim aljanata Barry Ceasar Octariadi Cahyo, Rahandya Chairul Syafar Putra Dedy Trianto Dewi Amelia Dian Hafidh Zulfikar Dila Adellia Eka Wahyuni Eki Komariah Fakhruzi, Izhan G. Gunawan Imanda, Imanda Istikoma Istikoma Lea Candra Maulidawati Maulidawati Menur Wahyu Pangestika Mi'andri Mi'andri Muhammad Agus Muljanto Mustafa Mustafa Nasim, Muhammad Nesa, Fathul Hakim Octariadi, Barry Ceasar Oktariadi, Barry Ceasar Poetro, Bagus Satrio Waluyo PRAYOGI, ADITYA Putri Nabila Aprilia Putri Yuli Utami Rabbil Budiman Rachmat Wahid Saleh Insani Rahimah, Auliyya Raihan Anugrah Fakhri Ramdhania, Nur Annisa Rodibelle F Leona Setiarini, Putri Rizka Siti Putri Anggrayeni Sonjoruri Budiani Trisakti Sucipto Sutarti Dwi Yanti Syarifah Putri Agustini Alkadri Wahid Saleh Insani, Rachmad Wawan Setiawan Widiasari, Putu Puja Diva Yanto, Maryogi Yulia, Rantika