Article Per Year (5 Year)
p-Index From 2021 - 2026
2.517
P-Index
This Author published in this journals
All Journal ADITYA - Pendidikan Bahasa dan Sastra Jawa J-Dinamika: Jurnal Pengabdian Kepada Masyarakat ARTERI : Jurnal Ilmu Kesehatan Media Publikasi Promosi Kesehatan Indonesia (MPPKI) Edu Society: Jurnal Pendidikan, Ilmu Sosial dan Pengabdian Kepada Masyarakat Journal of Scientech Research and Development eProceedings of Engineering JURNAL ILMIAH PENDIDIKAN KEBUDAYAAN DAN AGAMA Jurnal Pengabdian Masyarakat dan Lingkungan Jurnal Komunitas Farmasi Nasional Jurnal Riset Multidisiplin : Agrisosco Jurnal Intelek Insan Cendikia Media Pengabdian Kesehatan Indonesia Advance Sustainable Science, Engineering and Technology (ASSET) Jurnal Pendidikan dan Kewarganegara Indonesia (jupenkei)
Dian Kartika Sari
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

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

Found 2 Documents
Search
Journal : eProceedings of Engineering

 1 
Analisis Sentimen Komentar Youtube Kanal Dirty Vote Menggunakan Metode Naive Bayes Classifier Khanafiyah, Yuyun; Paradise; Kartika Sari, Dian
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Youtube merupakan media sosial yang digunakan masyarakat untuk mengekspresikan opini terhadap berbagai isu, termasuk politik. Salah satu kanal yang menjadi perhatian publik adalah Dirty Vote, yang memuat konten edukatif dan kritis terhadap kondisi demokrasi di Indonesia menjelang Pemilu 2024. Penelitian ini bertujuan untuk mengkaji sentimen publik terhadap konten tersebut melalui komentar pengguna. Topik ini penting karena opini publik yang terbentuk di media sosial seperti YouTube dapat mencerminkan persepsi dan respon masyarakat terhadap isu politik strategis. Namun, komentar di media sosial memiliki karakteristik teks yang tidak terstruktur, campuran bahasa, hingga sarkasme, yang menimbulkan tantangan dalam analisisotomatis. Solusi yang diterapkan adalah dengan melakukananalisis sentimen pada komentar video “Dirty Vote – full movie”menggunakan algoritma Naïve Bayes Classifier. Prosesmencakup crawling data, preprocessing (cleaning, case folding,tokenisasi, stopword removal, stemming), pelabelanmenggunakan TextBlob, serta klasifikasi berbasis TF-IDF. Datayang dianalisis berjumlah 63 ribu komentar. Hasil pengujianmenunjukkan bahwa metode Naïve Bayes Classifier mampumengklasifikasikan komentar dengan akurasi sebesar 71%.Untuk sentimen positif, diperoleh precision sebesar 70%, recall91%, dan f1-score 79%; sementara sentimen negatifmenghasilkan precision 76%, recall 42%, dan f1-score 54%.Penelitian ini memberikan gambaran umum mengenai responpublik terhadap konten politik di media sosial.Kata kunci— Analisis Sentimen, Youtube, Naive BayesClassifier, Dirty Vote, Komentar, Politik
Penerapan Algoritma Support Vector Machine Dalam Prediksi Diabetes Melitus Menggunakan Data Pasien Rsud Prof. Dr. Margono Soekarjo Bayu Pratama, Rafli; Dwi Putro W, Aditya; Kartika Sari, Dian
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Diabetes Melitus (DM) adalah penyakit kronisyang semakin meningkat prevalensinya setiap tahun danmenjadi salah satu tantangan utama di bidang kesehatan.Penelitian ini bertujuan membangun model prediksi risiko DMmenggunakan algoritma Support Vector Machine (SVM)dengan data pasien dari RSUD Prof. Dr. Margono Soekarjo.Algoritma SVM dipilih karena kemampuannya dalammengklasifikasikan data non-linear dengan baik. Penelitian inimenggunakan pendekatan data mining dengan tahapanpreprocessing data, pemodelan, evaluasi, dan analisis. Datayang digunakan mencakup variabel usia, jenis kelamin, tekanandarah, kadar glukosa, dan indeks massa tubuh (BMI). Hasilpenelitian menunjukkan bahwa SVM dengan kernel RBFmemberikan performa terbaik dengan akurasi 93%, precision93%, recall 94%, dan f1-score 93%. Analisis feature importancemenunjukkan bahwa variabel glukosa dan BMI memilikikontribusi terbesar dalam menentukan risiko diabetes,sedangkan tekanan darah, usia, dan jenis kelamin memilikipengaruh yang lebih kecil. Dari hasil ini disimpulkan bahwakombinasi SVM dengan kernel RBF dan pendekatanoversampling (SMOTE) merupakan metode paling optimaluntuk memprediksi diabetes melitus pada dataset ini. Penelitianini diharapkan dapat membantu tenaga medis dalam diagnosisdini dan memberikan dasar bagi pengembangan aplikasiprediksi risiko diabetes berbasis teknologi untuk mendukungpengambilan keputusan klinis yang lebih baik.Kata kunci— diabetes melitus, SVM, klasifikasi, SMOTE,prediksi
Co-Authors Agus Rahmadsyah Agus Sucipto, Purwo Aigadilla Anugrah Alia, Putri Ariatna Andriyani, Fitriya Athiah Masykuroh Azis, Nur Bayu Pratama, Rafli Candra Kartika, Ria Capri Nurul Satya, Malinda Debi Servinta Br Perangin angin Dewi, Selpa Dwi Putro W, Aditya Faiqatul Hikmah Felix Wilbert Siburian Gunawan Sudarsono, Bernadus Hairunnisa Hairunnisa Helga Yermadona Husnani, Husnani Ika RistiaRahman Khanafiyah, Yuyun Kurnianto, Erwan Lintang Anis Bena Kinanti Malinda Capri Nurul Satya MARA UNTUNG RITONGA, MARA UNTUNG Mardiyah Mardiyah Mauren Avelina Nurul Hajijah Paradise Refi Adiyaksa Harahap Ria Chandra Kartika Rinda Nurul Karimah, Rinda Nurul Rini Noviardani Rusdiarti Rusdiarti, Rusdiarti Sariadi Satya, Malinda Capri Nurul Setyowati, Lisus Sri Yunita Stephani Nesya Renamastika Suandana, Iwan Abdi Surya Dharma Syifaushudur Harefa Wildansyah lubis Winara Winara Wisman Hadi Yoswenita Susindra