Article Per Year (5 Year)
p-Index From 2021 - 2026
2.109
P-Index
This Author published in this journals
All Journal Jurnal Simetris Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Martabe : Jurnal Pengabdian Kepada Masyarakat Informatik : Jurnal Ilmu Komputer SEINASI-KESI SABDAMAS Jurnal Ilmu Teknik dan Komputer SPEKTA (Jurnal Pengabdian Kepada Masyarakat : Teknologi dan Aplikasi) Abditeknika - Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika: Jurnal Pengembangan IT ABDIKOM
Jayanta Jayanta
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Public Health Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SEINASI-KESI

 1 
PENGGUNAAN CONVOLUTIONAL NEURAL NETWORK DALAM IDENTIFIKASI BAHAN KULIT SAPI DAN BABI DENGAN TENSORFLOW Hardyanti, Ellvina Reksi; Jayanta, Jayanta; Ernawati, Iin
SEINASI-KESI Vol 3, No 1 (2020): SEINASI-KESI 2020
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Bahan kulit sapi adalah bahan kulit jenis bahan yang banyak diminati oleh masyarakat luas. Meningkatnya permintaan industry dari bahan kulit juga kurang mampunya seorang membeli dalam mengidentifikasi bahan kulit yang beredar di pasaran. Dengan adanya masalah tersebut diperlukan sebiah solusi untuk membantu para pembeli dalam mengidentifikasi bahan kulit. Penelitian ini akan menggunakan Convolutional Neural Network(CNN) yang merupakan bagian dari Deep Learning dengan bantuan TensorFlow untuk melakukan proses pembelajaran sehingga dapat melakukan deteksi pada citra. Bahan kulit sapi dan babi. Konvolusi adalah proses utama yang ada dalam jaringan arsitektur CNN, sehingga citra dapat diekstrasi setiap fiturnya dengan lebih baik dan mempermudah proses klasifikasi. Model yang digunakan pada penelitian adalah model terbaik yang dipilih dari 6 kali percobaan oleh peneliti dan pembagian data latih dan data pengujian adalah 75% dan 25%. Diperoleh hasil terbaik dengan tingkat akurasi setinggi 100% dan loss 0.000012393 dengan epoch 100, learning rate 0,001, dan batch size 32.
Klasifikasi dan Analisis Sentimen pada Data Twitter Menggunakan Algoritma Naïve Bayes (Studi Kasus: Timnas Indonesia Senior, U-23, dan U-19) Prajamukti, Reino; Jayanta, Jayanta; Santoni, Mayanda Mega
SEINASI-KESI Vol 4, No 1 (2021): SEINASI-KESI 2021
Publisher : Fakultas Ilmu Komputer UPN Veteran Jakarta

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

Abstract

Media sosial tidak hanya berfungsi sebagai media komunikasi yang efektif, namun juga dapat menjadi wadah untuk menampung opini masyarakat. Salah satu media sosial yang banyak dipakai untuk mewadahi opini-opini tersebut adalah Twitter. Pengguna Twitter di Indonesia sering mengutarakan pendapatnya pada semua bidang termasuk olahraga, khususnya Timnas Sepakbola Indonesia.  Berbagai macam sentimen terhadap Timnas Sepakbola Indonesia ini dapat dilihat di Twitter. Berlatarkan kondisi tersebut, maka diperlukan penelitian tentang opini masyarakat tentang performa Timnas Sepakbola Indonesia. Salah satu cara yang dilakukan adalah dengan melakukan analisis sentimen terhadap Timnas Sepakbola Indonesia di jejaring sosial Twitter menggunakan metode klasifikasi dan algoritma Naïve Bayes untuk mengklasifikasikan tweet positif atau negatif yang masyarakat berikan tentang Timnas Sepakbola Indonesia. Hasil dari analisis sentimen menggunakan algoritma Naïve Bayes pada klasifikasi tweet tentang opini terhadap Timnas Sepakbola Indonesia berjalan dengan baik dengan nilai  akurasi 83%, kemudian nilai precision nilai positif  sebesar 86%, nilai precision nilai negatif  sebesar 81%, nilai recall sebesar 78%, dan nilai specificity penelitian ini 87,5%  dengan menggunakan metode confusion matrix berdasarkan data yang diambil pada  Januari sampai Mei 2021.
Co-Authors Anelia, Syifa Sabrina Aziz, Amien Bayu Seta, Henki Budhi Martana Catur Nugrahaeni Puspita Dewi Desta Sandya Prasvita Didit Widiyanto Ernawati, Iin Fosu , Agyei Hananto, Bayu Hardyanti, Ellvina Reksi Henki Bayu Seta Henky Bayu Seta Indra Permana Solihin Isnainiyah, Ika Nurlaili Kinantan Prabu, Hamonangan Mahfud, Halim Mohamad Bayu Wibisono Niqotaini, Zatin Nugrahaeni Puspita Dewi, Catur Prajamukti, Reino Putranto, Dimas Perdana Ria Astriratma Ridwan Raafi'udin Riva, Laurenza Setiana Santoni, Mayanda Mega Sugianto Sugianto Theresiawati Titin Pramiyati Tri Rahayu Widi Pradnyana, I Wayan Widya Cholil Wirawan, Rio Yulnelly, Yulnelly