Article Per Year (5 Year)
p-Index From 2021 - 2026
1.789
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Foristek SemanTIK : Teknik Informasi Just TI (Jurnal Sains Terapan Teknologi Informasi) Jurnal Pengabdian Masyarakat Ilmu Terapan (JPMIT) JPNM : Jurnal Pustaka Nusantara Multidisiplin AnoaTIK: Jurnal Teknologi Informasi dan Komputer ANIMATOR
Natalis Ransi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Social Sciences

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : ANIMATOR

 1 
Naive NAÏVE BAYES CLASSIFIER TERHADAP SENTIMENT ANALYSIS MENGENAI PSSI SETELAH TRAGEDI KANJURUHAN MALANG Ahmad Faldhi Yudianto; Statiswaty; Natalis Ransi; Ihsan Sarita
Jurnal Informatika Ilmu Komputer dan Sistem Informasi Vol. 1 No. 2 (2023): Volume 1 Nomor 2 Tahun 2023
Publisher : Jurnal Informatika Ilmu Komputer dan Sistem Informasi

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

Abstract

Informasi merupakan sesuatu yang penting dikarenakan dari informasi seseorang dapat mengetahui info yang ada seperti kondisi dalam masyrakat saat ini, dalam beberapa kumpulan informasi dapat menghasilkan informasi baru, hal ini disebut penggalian data atau biasa disebut data mining, penerapan data mining dapat membantu untuk menganalisa data yang diperoleh menjadi sebuah inofrmasi yang sebelumnya tidak dapat terlihat oleh mata pembaca, salah satu variasi tersebut yaitu text mining. Salah satu bentuk implementasi text mining adalah analisis sentimen yang merupakan proses menganalisis potongan teks dengan menentukan nada emosional yang mereka bawa, apakah itu positif ataupun negatif. Penelitian ini berfokus pada analisis sentimen masyarakat pada platform Twitter tragedi Kanjuruhan yang berfokus kepada kinerja PSSI menggunakan metode Naïve Bayes Classifier. Naïve Bayes Classifier adalah metode klasifikasi statistik yang dapat memprediksi probabilitas keanggotaan kelas. Berdasarakan hasil penelitian menggunakan 1500 dataset, dengan dataset 80:20 memiliki evaluasi yang cukup baik untuk efektivitas pada metode Naive Bayes Classifier pada kasus analisis sentimen. Penggunaan metode tersebut memiliki hasil sentimen negatif yang banyak dari masyarakat terhadap PSSI daripada sentimen positif setelah tragedi Kanjuruhan.
THE MARKET BASKET ANALYSIS MENGGUNAKAN METODE FUZZY C-COVERING UNTUK MENENTUKAN POLA PEMBELIAN KONSUMEN: MBA MENGGUNAKAN METODE FUZZY C-COVERING UNTUK MENENTUKAN POLA PEMBELIAN KONSUMEN paditya septiansa; Bambang Pramono; Natalis Ransi
Jurnal Informatika Ilmu Komputer dan Sistem Informasi Vol. 2 No. 1 (2024): Volume 2 Nomor 1 Tahun 2024
Publisher : Jurnal Informatika Ilmu Komputer dan Sistem Informasi

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

Abstract

Seiring berkembangnya perdagangan dan persaingan global, ekonomi pasar bebas, dan teknologi informasi, bagi toko alat tulis, perusahaan harus mampu menerapkan strategi bisnis yang baik untuk memenangkan persaingan dan mempertahankan pangsa pasar. Penggunaan teknik data mining dalam pengolahan data transaksi juga dapat membantu dalam menentukan strategi penjualan. Untuk pengolahan data, kami menggunakan metode fuzzy c-covering, yang mengklasifikasikan elemen-elemen dari himpunan universal semua produk menjadi bagian-bagian yang lebih detail sesuai dengan jenis produk. Teknik data mining menggunakan metode fuzzy c-covering meliputi untuk mencari nilai dukungan dan keyakinan. Nilai dukungan digunakan untuk menunjukkan derajat dominasi suatu subjek terhadap seluruh rangkaian kejadian, dan nilai keyakinan digunakan untuk menentukan aturan mana yang merupakan aturan yang menarik, atau antara dua subjek atau lebih menunjukkan suatu hubungan. Berdasarkan hasil pengujian yang dilakukan dengan max item threshold sebanyak 5, minimum confidence sebanyak 60% dengan minimum support_1 = 7%, minimum support_2 = 8%, minimum support_3 = 9% dan minimum support 4 - 6 sebesar 1% maka akan menghasilkan aturan asosiasi seperti jika konsumen membeli spidol maka akan membeli amplop dengan nilai support 8,8% dan confidence 74% sehingga kedua item tersebut dapat disimpan berdekatan.
Co-Authors Ahmad Faldhi Yudianto Ambo Wonua Nusantara Andi Tenriawaru Arman Arman Bambang Pramono Budi Wijaya Rauf Dessy Santi Dian Safitri Duruka Edi Cahyono Edi Cahyono Edi Winarko Elvi Saktiawati Salemaku Fazlul Rachmat Mubbaraq Gunawan Gunawan Ihsan Sarita Jufra Jufra Jumadil Nangi L.M Fid Aksara La Ode Muhammad Hafidz Abdillah Sam Mongkito La Ode Saidi La Surimi Muhammad Alfian Izzah Muhammad Arfan Muhammad Ihsan Sarita Muhammad Yamin paditya septiansa Rosliana Eso Sri Ayu Lestari Statiswaty Wahyu Nahda Putra Waode Hardianas Shalawati Waode Nur Lailah