Article Per Year (5 Year)
p-Index From 2021 - 2026
4.836
P-Index
This Author published in this journals
All Journal Pythagoras: Jurnal Matematika dan Pendidikan Matematika JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Journal on Mathematics Education (JME) Jurnal Riset Pendidikan Matematika Indonesian Journal of Science and Mathematics Education Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Southeast Asian Mathematics Education Journal Prosiding Seminar Nasional Official Statistics Jurnal Natural STATISTIKA Jurnal Statistika dan Sains Data Jurnal Kajian dan Terapan Matematika Algoritma: Jurnal Matematika, Ilmu Pengetahuan Alam, Kebumian dan Angkasa Jurnal Pendidikan Progresif Mathematics Education Journal Journal on Mathematics Education
Kismiantini Kismiantini
Statistics Study Program, Universitas Negeri Yogyakarta
Agriculture, Biological Sciences & Forestry Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Energy Engineering Immunology & microbiology Mathematics Neuroscience Physics Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : STATISTIKA

 1 
Analisis Sentimen Ulasan pada Gojek Menggunakan Metode Naive Bayes Putri Yuniar; Kismiantini
Statistika Vol. 23 No. 2 (2023): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v23i2.2353

Abstract

Abstrak Gojek merupakan layanan transportasi online yang banyak digunakan di Indonesia. Penting bagi perusahaan untuk memahami persepsi masyarakat terhadap kualitas pelayanan dan produk yang ditawarkan. Namun, sulit untuk memantau banyaknya pendapat masyarakat untuk diproses secara manual. Tujuan dari penelitian ini yaitu mengklasifikasikan ulasan pada aplikasi Gojek dan menganalisis asosiasi kata dari hasil klasifikasi untuk mengetahui topik yang banyak dibicarakan dengan menggunakan data dari halaman Google Play. Beberapa tahapan yang dilakukan dalam analisis sentimen penelitian ini diantaranya yaitu pengumpulan data, preprocessing, perhitungan skor sentimen, pelabelan kelas sentimen, dan pengklasifikasian data dengan metode Naïve Bayes Classifier serta dilakukan asosiasi teks. Metode Naïve Bayes Classifier yaitu metode klasifikasi yang sederhana namun menghasilkan tingkat akurasi yang tinggi. Hasil penelitian dari data yang dikumpulkan pada 1-31 Januari 2023 dengan total sebanyak 4.198 ulasan, cenderung memiliki sentimen positif. Penelitian menggunakan metode Naïve Bayes Classifier dengan 3 rasio pembagian data training dan data testing (70%:30%, 80%:20%, 90%:10%) menghasilkan tingkat akurasi tertinggi yaitu 89,9% dengan pembagian 90% data training dan 10% data testing. Abstract Gojek is an online transportation service that is widely used in Indonesia. It is important for companies to understand how people perceive the quality of the services and products they provide. However, it is difficult to monitor the number of people's opinions to be processed manually. The heading of this research is to classify reviews on the Gojek application and to analyze word associations from the classification results to find out topics that are widely discussed using data from the Google Play page. In this study, several steps of sentiment analysis were carried out, including collecting data, preprocessing, determining sentiment scores, labeling sentiment classes, and classifying data data using the Naïve Bayes Classifier method and carrying out text associations. The Naïve Bayes Classifier method is a simple classification method but produces a high level of accuracy. The research results from data collected on January 1-31 2023 with a total of 4,198 reviews tend to have positive sentiment. The research used the Naïve Bayes Classifier method with three ratios of spliting training and testing data (70%:30%, 80%:20%, 90%:10%) resulting in the highest level of accuracy, namely 89.9% with a 90% division of training data and 10% testing data.
Analisis Faktor-Faktor yang Memengaruhi Status Diabetes Mellitus pada Pra Lansia dan Lansia di Indonesia Menggunakan Model Regresi Logistik Biner Eva Fridiyani Putri; Kismiantini
Statistika Vol. 24 No. 1 (2024): Statistika
Publisher : Department of Statistics, Faculty of Mathematics and Natural Sciences, Universitas Islam Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/statistika.v24i1.3319

Abstract

ABSTRAK Indonesia merupakan negara yang menempati urutan ke-5 dengan penderita diabetes mellitus sekitar 19,5 juta pada tahun 2021 berdasarkan laporan International Diabetes Federation 2021. Menurut publikasi BPS tahun 2022, sejak tahun 2021 Indonesia telah memasuki struktur penduduk tua, sekitar 1 dari 10 penduduk adalah lanjut usia (lansia). Penduduk Indonesia yang berusia antara 45-59 tahun termasuk kategori pra lansia dan di atas 60 tahun termasuk kategori lansia. Pada umumnya, penyakit yang dialami lansia merupakan penyakit tidak menular, seperti diabetes mellitus, jantung, dan hipertensi. Tujuan dari penelitian ini untuk mengetahui faktor risiko yang memengaruhi status diabetes mellitus (ya/tidak) pada pra lansia dan lansia menggunakan model regresi logistik biner. Analisis data menggunakan model regresi logistik biner karena variabel responsnya berupa biner. Hasil penelitian menunjukkan bahwa faktor risiko yang berpengaruh signifikan terhadap logit peluang menderita diabetes mellitus adalah variabel IMT (normal, gemuk, obesitas), tingkat pendidikan terakhir (tinggi), status sosial ekonomi subjektif (menengah), usia lansia, aktivitas fisik, hipertensi, mengonsumsi makanan manis, pemeriksaan kesehatan umum dan daerah tempat tinggal. Responden yang termasuk pada kategori lansia memiliki peluang lebih tinggi 1,383 kali untuk menderita diabetes mellitus dibandingkan dengan yang pra lansia. ABSTRACT Indonesia is a country that ranks 5th with around 19.5 million people with diabetes mellitus in 2021 based on the International Diabetes Federation 2021 report. According to the BPS publication in 2022, since 2021 Indonesia has entered an old population structure, about 1 in 10 residents are elderly (elderly). The Indonesian population aged between 45-59 years is categorized as pre-elderly and above 60 years is categorized as elderly. In general, diseases experienced by the elderly are non-communicable diseases, such as diabetes mellitus, heart disease, and hypertension. The purpose of this study is to determine the risk factors that affect diabetes mellitus status (yes / no) in pre elderly and elderly using a binary logistic regression model. The data was analysed using binary logistic regression model because the response variable is binary. The results showed that the risk factors that had a significant effect on the logit of the chances of suffering from diabetes mellitus were the IMT variable (normal, obese, obese), the last level of education (high), subjective socioeconomic status (medium), elderly age, physical activity, hypertension, consuming sweet foods, general health checks and the area of residence. Respondents who are in the elderly category have a higher chance of 1.383 times to suffer from diabetes mellitus compared to those who are pre-elderly.
Co-Authors Adi Cilik Pierewan Agustina, Tri Rahayu Ariyadi Wijaya Bayutama Isnaini Bayutama Isnaini Brilliant, Indira Ihnu DHEWI, OKTIVA RAHMAWATI Dhoriva Urwatul Wustqa Dhoriva Urwatul Wutsqa Endang Listyani Eva Fridiyani Putri Ezra Putranda Setiawan Ezra Putranda Setiawan Ezra Putranda Setiawan Ezra Putranda Setiawan Fajar Ediyanto Fani Yunida Anggraheni Gunandi, Afriadi Hery Nugroho, Hery Hilmi, Irfan Husniyah, Fajra Inayati, Syarifah Isnaini, Bayutama Khariyani, Angeliya Milla Langiran, Andriati Latifah, Ayustina Intan Mathilda Susanti Montesinos-López, Osval A. Montesinos-Lopez, Osval Antonio Muhammad Fauzan Muhammad Fauzan Ningsih, Rr Putri Nadia Nur'aini, Rizky Osval A. Montesinos- López Osval Antonio Montesinos-Lopez Permana, Ryan Sidiq Putri Puspita sari Putri Yuniar Radite, Ramadian Ratnasari, Andika Putri Retno Subekti Rosita Kusumawati Rosita Kusumawati Sahid Sahid Sahid Sahid Salma Calista Sugiman Sugiman Sukowati, Diah Viryanto, Ferdy Agus Wirnaning Rokhimah Yosica Nadilla Zahara