Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Phasti: Jurnal Teknik Informatika Politeknik Hasnur
Edi Winarko
Jurusan Ilmu Komputer dan Elektronika, FMIPA UGM, Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine Noviah Dwi Putranti; Edi Winarko
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 8, No 1 (2014): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3499

Abstract

AbstrakAnalisis sentimen dalam penelitian ini merupakan proses klasifikasi dokumen tekstual ke dalam dua kelas, yaitu kelas sentimen positif dan negatif.  Data opini diperoleh dari jejaring sosial Twitter berdasarkan query dalam Bahasa Indonesia. Penelitian ini bertujuan untuk menentukan sentimen publik terhadap objek tertentu yang disampaikan di Twitter dalam bahasa Indonesia, sehingga membantu usaha untuk melakukan riset pasar atas opini publik. Data yang sudah terkumpul dilakukan proses preprocessing dan POS tagger untuk menghasilkan model klasifikasi melalui proses pelatihan. Teknik pengumpulan kata yang memiliki sentimen dilakukan dengan pendekatan berdasarkan kamus, yang dihasilkan dalam penelitian ini berjumlah 18.069 kata. Algoritma Maximum Entropy digunakan untuk POS tagger dan algoritma yang digunakan untuk membangun model klasifikasi atas data pelatihan dalam penelitian ini adalah Support Vector Machine. Fitur yang digunakan adalah unigram dengan fitur pembobotan TFIDF. Implementasi klasifikasi diperoleh akurasi 86,81 %  pada pengujian 7 fold cross validation untuk tipe kernel Sigmoid. Pelabelan kelas secara manual dengan POS tagger menghasilkan akurasi 81,67%.  Kata kunci—analisis sentimen, klasifikasi, maximum entropy POS tagger, support vector machine, twitter.  AbstractSentiment analysis in this research classified textual documents into two classes, positive and negative sentiment. Opinion data obtained a query from social networking site Twitter of Indonesian tweet. This research uses  Indonesian tweets. This study aims to determine public sentiment toward a particular object presented in Twitter businesses conduct market. Collected data then prepocessed to help POS tagged to generate classification models through the training process. Sentiment word collection has done the dictionary based approach, which is generated in this study consists 18.069 words. Maximum Entropy algorithm is used for POS tagger and the algorithms used to build the classification model on the training data is Support Vector Machine. The unigram features used are the features of TFIDF weighting.Classification implementation 86,81 % accuration at examination of 7 validation cross fold for the type of kernel of Sigmoid. Class labeling manually with POS tagger yield accuration 81,67 %. Keywords—sentiment analysis, classification, maximum entropy POS tagger, support vector machine, twitter.
Sistem Pencarian Informasi Berbasis Ontologi untuk Jalur Pendakian Gunung Menggunakan Query Bahasa Alami dengan Penyajian Peta Interaktif Fadhila Tangguh Admojo; Edi Winarko
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 10, No 1 (2016): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.11186

Abstract

Mountain climbing path information has been widely available on the internet. However, to get information that suits the needs of climbers take time to browse and compare all the available information. The diversity of the search results content actually confuse the climbers.            This research aims to provide a solution to the problems faced by climbers, by developing an information retrieval system for mountain climbing path using semantic technology (ontology) based approach .   The system is developed by using two knowledge base (ontology), ontology Bahasa represents linguistic knowledge and ontology Mountaineering represents mountaineering knowledge. The system is designed to process and understand natural language input form. The process of understanding the natural language based on syntactic and semantic analysis using the rules of Indonesian grammar.            The results of the research that has been conducted shows that the system is able to understand natural language input and is capable of detecting input that is not in accordance with the rules of Indonesian grammar both syntactically and semantically. The system is also able to use a thesaurus of words in the search process. Quantitative test results show that the system is able to understand 69% of inputs are taken at random from the respondents.
EKSTRAKSI CIRI DAN KLASIFIKASI DATA EKG MULTIVARIATE TIME SERIES Apriyani Wulansari; Edi Winarko
Phasti: Jurnal Teknik Informatika Politeknik Hasnur Vol 3 No 01 (2017): PHASTI: April 2017
Publisher : Program Studi Teknik Informatika, Politeknik Hasnur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46365/pha.v3i01.195

Abstract

Penelitian ini melakukan ekstraksi ciri terhadap data EKG multivariate time series. Ekstraksi ciri merupakan langkah awal untuk melakukan klasifikasi data EKG. Tujuan dilakukan ekstraksi ciri untuk mengambil ciri-ciri yang terdapat pada objek di dalam EKG tersebut. Permasalahan utama dari penelitian ini adalah bagaimana menggunakan metode statistik yaitu, mean, covariance, dan kurtosis untuk ekstraksi ciri data EKG dari dataset multivariate time series sehingga nilai yang diperoleh bisa mewakali informasi time series. Tahapan berikutnya adalah tahapan klasifikasi yang menggunakan Support Vector Machine (SVM) yang dapat menghasilkan akurasi yang baik. Metode penelitian ini menggunakan metode SVM dimana metode ini menggunakan kernel polynomial untuk mengkalsifikasikan data EKG yang telah diekstraksi ciri. Penelitian ini juga membandingkan penggunaan kernel SVM lainnya seperti RBF dan linear. Hasil dari data latih menunjukkan bahwa klasifikasi data EKG muitvariate time series menggunakan Support Vector Machine (SVM) memberikan hasil akurasi 81,25% dengan kernel polynomial, penggunaan kernel RBF menghasilkan akurasi 95%, dan kernel linear menghasilkan 86.25%. Data uji mendapatkan akurasi 55%. Kata kunci: Ekstraksi ciri, klasifikasi data EKG multivariate time series, metode statistik, SVM
Co-Authors Apriyani Wulansari Fadhila Tangguh Admojo Noviah Dwi Putranti