Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) ILKOM Jurnal Ilmiah Angkasa: Jurnal Ilmiah Bidang Teknologi JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Informasi Interaktif Jurnal Tecnoscienza Respati Jurnal Sistem Informasi Komputer dan Teknologi Informasi
Emha Taufiq Luthfi
STMIK AMIKOM Yogyakarta
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Engineering Mathematics Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Analisis Sentimen Masyarakat Tentang Tambang Di Indonesia Pada Twitter Menggunakan Data Mining Norlaila, Norlaila; Winarno, Wing Wahyu; Luthfi, Emha Taufiq
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 3 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i3.5402

Abstract

Penelitian ini menyelidiki sentimen masyarakat terhadap pertambangan emas di Indonesia melalui Twitter, menggunakan clustering K-Means dan Naïve Bayes Classifier untuk analisis sentimen. Mengingat pertambangan batu bara menjadi isu yang kontroversial, mengukur opini publik sangatlah penting untuk memahami dampak sosial dan mendorong dialog antar pemangku kepentingan. Penelitian ini melibatkan pengumpulan data Twitter, diikuti dengan pra-pemrosesan untuk mempersiapkan analisis. Algoritme K-Means mengidentifikasi tiga kelompok sentimen: netral (1561 tweet), positif (202 tweet), dan negatif (631 tweet). Selanjutnya, Pengklasifikasi Naïve Bayes, yang diterapkan pada set pelatihan yang terdiri dari 1.348 tweet dan set pengujian yang terdiri dari 1.046 tweet, selanjutnya mengkategorikan sentimen menjadi 324 tweet negatif, 40 netral, dan 682 tweet positif. Metodologi tersebut mencapai akurasi gabungan sebesar 99%, yang menunjukkan.
Tinjuan Pustaka Sistematis - Sistem Rekomendasi Menggunakan Collaborative Filtering Puri, Fiyas Mahananing; Kusrini, Kusrini; Luthfi, Emha Taufiq
JURNAL TECNOSCIENZA Vol. 5 No. 1 (2020): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/56m1ch26

Abstract

Pemanfaatan bigdata pada era industry 4.0 telah banyak diterapkan diberbagai bidang untuk membuat sebuah sistem rekomendasi, salah satunya pada bidang bisnis. Collaborative Filtering merupakan salah satu metode yang banyak digunakan pada saat ini untuk menghasilkan sebuah rekomendasi produk. Graph Database pada saat ini sudah menjadi pilihan yang banyak dikombinasikan dengan penggunaan metode Collaborative Filtering. Tujuan dari makalah ini adalah sebagai systematic literatur review untuk menentukan sebuah sistem rekomendasi dengan menggabungkan metode rekomendasi dengan database grafik. Hasil penelitian ini menjawab pertanyaan penelitian (Research Question) sebagai berikut. RQ1: Apakah penggunakan sistem rekomendasi dengan algoritma collaborative filtering mengalami peningkatan? RQ2: Apasajakah fokus dan tujuan penelitian dengan menggunakan collaborative filtering? RQ3: Sub-disiplin ilmu apa yang sering menggunakan collaborative filtering? Sebagai hasil dari tinjauan pustaka, 42 jurnal dipilih sebagai bahan Analisa yang diterbitkan antara tahun 2014 sampai dengan 2019. Hasil penelitian menunjukkan adanya keakuratan tingkat rekomendasi dari metode dan algoritma yang digunakan, dan menjawab pertanyaan selanjutnya (RQ2 dan RQ3). Kata kunci: Sistem Rekomendasi, Collaborative Filtering, Graph Database
PERBANDINGAN KINERJA NAIVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK PREDIKSI HERREGISTRASI Megira, Selvy; Kusrini, Kusrini; Luthfi, Emha Taufiq
SISKOMTI: Jurnal Sistem Informasi Komputer dan Teknologi Informasi Vol. 2 No. 2 (2020): Agustus 2020
Publisher : Universitas Lembah Dempo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54342/qjc4j706

Abstract

Penelitian dengan judul “ Perbandingan Kinerja Naive Bayes dan Support Vector Machine untuk Prediksi Herregistrasi “ bertujuan untuk mengetahui perbandingan kinerja naive bayes dan support vector machine dalam melakukan prediksi herregistrasi dengan parameter akurasi dan AUC menggunakan skenario pengujian dengan split validation yang nantinya akan dapat dijadikan acuan bagi pihak universitas untuk melakukan kebijakan bagi para mahasiswa khususnya yang berpotensi mengalami tidak melakukan herregistrasi. Pada penelitian ini hanya melakukan prediksi herregistrasi calon mahasiswa baru pada fakultas ilmu komputer untuk angkatan tahun 2015 sampai dengan tahun 2017 dengan menggunakan metode algoritma naive bayes dan support vector machine. Akurasi yang dihasilkan pada metode naive bayes yaitu 93,54% dan AUC 0,946 sedangkan pada metode support vector machine yaitu 92,67% dan AUC 0,877 menggunakan kernel RBF dengan parameter cost (C) 1,0 dan Epsilon 0,0. Selain itu performa akurasi dan AUC sangat berpengaruh apabila dilakukan penghapusan terhadap salah satu variabel yang digunakan.
Co-Authors AGUS PURWANTO Akhmad Dahlan Ardi, Abdullah Dwi Krisbiantoro, Dwi Ema Utami Kusrini Kusrini Kusrini, Kusrini M. Suyanto, M. Musthofa Galih Pradana Norlaila Norlaila Nurhasan Nugroho Parjono, Parjono Puri, Fiyas Mahananing Rizqi Sukma Kharisma Selvy Megira, Selvy Suryono, Sigit Yosef Murya Kusuma Ardhana