Garuda - Garba Rujukan Digital

Klasifikasi Tweet Influencer NU Dengan GNPF-Ulama Menggunakan Naive Bayes Dan Support Vector Machine Muhammad Ihsan; Desmulyati Desmulyati
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4276

Abstrak - Terdapat dua kelompok besar yang saling memperebutkan pengaruh, yang penulis teliti yaitu Nahdlatul Ulama (NU) dengan wacana Islam dan nasionalisme, dan Gerakan Nasional Pembela Fatwa Ulama (GNPF-Ulama) dengan wacana yang hanya menekankan pada aspek keagamaan. Penelitian ini melakukan klasifikasi tweet dari Influencer yang berafiliasi dengan NU dan GNPF-Ulama di media sosial twitter. Algoritma yang digunakan adalah Naive Bayes dan Support Vector Machine. Data twitter diambil menggunakan library tweepy, proses preprocessing menggunakan python dengan penggunaan library Sastrawi untuk melakukan stemming kata bahasa Indonesia. Klasifikasi dengan metode Naive Bayes dan Support Vector Machine dilakukan menggunakan aplikasi RapidMiner. Berdasarkan penelitian, metode Support Vector Machine menghasilkan nilai akurasi dan AUC yang lebih baik dari Naive Bayes yakni sebesar 77.28% dan AUC sebesar 0.863.Kata Kunci - Klasifikasi, Naive Bayes, Support Vector Machine, NU, GNPF-Ulama Abstract - There are two major groups competing for influence, which the authors examine, namely Nahdlatul Ulama (NU) with a discourse on Islam and nationalism, and the National Movement for Defending Fatwa Ulama (GNPF-Ulama) with a discourse that only emphasizes religious aspects. This study classified tweets from Influencers affiliated with NU and GNPF-Ulama on Twitter social media. The algorithm used is Naive Bayes and Support Vector Machine. Twitter data is taken using the tweepy library, the preprocessing process uses python with the use of the Sastrawi library to stem Indonesian words. Classification using the Naive Bayes method and Support Vector Machine is done using the RapidMiner application. Based on the research, the Support Vector Machine method produces better accuracy and AUC values than Naive Bayes which is 77.28% and AUC of 0.863.Keywords - Classification, Naive Bayes, Support Vector Machine, NU, GNPF-Ulama

APLIKASI PERHITUNGAN KAPASITOR SURFACE MOUNT DEVICE Agus Irawan; Desmulyati Desmulyati
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 5 No. 1 (2018)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (662.991 KB)

Abstrak - Menghitung kapasitor dengan memanfaatkan teknologi akan menjadi lebih menyenangkan dan mudah dibandingkan menghitung kapasitor menggunakan avometer analog. Menghitung kapasitor akan mudah menyenangkan dan lebih menarik jika menghitung menggunakan aplikasi di dalam gadget yang sedang berkembang pesat saat ini terutama android. Aplikasi perhitungan kapasitor surface mount device berbasis android dengan menggunakan bahasa java dan software eclipse sebagai kompilernya. Terdapat tiga jenis kalkulator kapasitor, diantaranya kalkulator ventax standard two place code, kalkulator samsung alternate two code numbers dan kalkulator samsung standard single place code. Design system yang digunakan ada empat yaitu: Activity Diagram, Usecase Diagram, Sequence Diagram, dan Deployment Diagram. Keempat komponen tersebut adalah bagian dari UML (Unified Modelling Language).

PENERAPAN ALGORITMA HUFFMAN UNTUK APLIKASI PENGAMANAN SMS PADA MOBILE PHONE BERBASIS ANDROID Fitria Purwaningsih; Desmulyati Desmulyati
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 5 No. 1 (2018)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (913.774 KB)

Perkembangan perangkat mobile phone yang dikenal dengan telepon genggam atau telepon seluler pada teknologi informasi dan komunikasi saat ini semakin marak. Dimana telepon seluler juga menyediakan media komunikasi yang beragam, salah satunya adalah SMS. Penggunaan SMS menjadi populer di kalangan masyarakat karena dengan begitu mudahnya dapat saling bertukar informasi tanpa batasan jarak dan waktu. Celah keamanan terbesar pada komunikasi via SMS adalah pesan yang dikirimkan akan disimpan di SMSC (Short Message Service Center), yaitu tempat dimana SMS disimpan sebelum dikirim ke tujuan. Pesan yang sifatnya plaintext ini dapat disadap oleh siapa saja yang berhasil memiliki akses ke dalam SMSC. Manfaat dari metode enkripsi digunakan untuk menjaga keamanan data pada pesan teks yang tersimpan di dalam memori ponsel agar terhindar dari pembajakan oleh pihak yang tidak diinginkan dan data-data yang dikirimkan diubah sedemikian rupa sehingga tidak mudah disadap. Menggunakan Algoritma Huffman untuk mengkodekan setiap karakter ke dalam representasi bit. Aplikasi ini diterapkan pada perangkat Android, menggunakan bahasa pemrograman Java, dengan tools system UML (Unified Modeling Language), untuk membangun aplikasi pengamanan SMS yang mampu mengenkripsi dan dekripsi pesan teks sesuai algoritma yang diterapkan.

Perancangan Web Penjualan Dan Jasa Furniture Menggunakan Metode Waterfall Desmulyati Desmulyati; Hafdiarsya Saiyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 6 (2022): Desember 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i6.5430

Abstrak - Pada zaman sekarang ini, teknologi merupakan hal yang sangat penting untuk manusia. Perkembangan teknologi yang besar kita rasakan saat ini adalah dibidang internet, yang jangkauannya tidak terbatas menjadikan manusia sering mempelajari kegunaannya. Dengan adanya internet, semua yang berhubungan dengan digital bisa kita nikmati sekarang. Yang Salah satunya menggunakan internet adalah CV Komitmen Sehati merupakan tempat desain dan perlengkapan furniture. CV ini mempunyai tujuan untuk mengetahui bagaimana sistem penjualan dan jasa pembuatan atau renovasi furniture yang sedang berjalan sekarang ini dan memberikan informasi mengenai furniture dengan baik untuk konsumen. Dengan adanya e-commerce ini memudahkan masyarakat untuk membuat desain dan memesan furniture secara online. Dengan adanya masalah tersebut maka penulis berhasil membuatkan website online perlengkapan furniture agar bisa berjalan dengan baik dan semestinya, serta untuk mempermudah penjualan furniturenya.. Metode yang digunakan untuk pengembangan sstem pada CV Komitmen Sehati adalah Waterfall. Metode ini mendekatkan pada perangkat lunak dan menghindari kemungkinan banyaknya revisi jika ada kesalahan dalam pemprosesannya.Kata Kunci : Furniture, Jasa, Perancangan web, Waterfall Abstract - In this era, technology is very important for human race. Great technology development that we feel right at this time is internet, whose scope is limitless that encourage humans to learn the use of it. With internet’s existence, we can now easily enjoy everything that related to digital. One from lots of things that use internet now is CV Komitmen Sehati, which is a place for furniture design and equipment. This CV has a purpose to find out how the system of sales and service for making or renovating furniture that is currently running and provide informations about good furniture to consumers. With e-commerce this makes things easier for people to create design and order furniture online. With this problem, an online furniture website is created to make things work easier, and to ease furniture sales in this era. The method that is used for by the CV of Komitmen Sehati is Waterfall. This method draws closer to the software and it is possible minimum revisions if there are some errors.Keywords - Furniture, Perancangan web, Waterfall

Uji Akurasi Model Machine Learning Untuk Memprediksi Faktor Pendorong Pergantian Karyawan Ade Surya Budiman; Desmulyati Desmulyati; Fahrizal Fahrizal
Jurnal Sistem Informasi Vol 15, No 1 (2023)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jsi.v15i1.20465

Tim yang kohesif dan solid mempengaruhi stabilitas proses kerja dalam suatu organisasi. Pergantian anggota tim atau karyawan dalam waktu singkat dapat mempengaruhi bagaimana perusahaan dapat segera mencapai proyek dan target organisasi. Berbagai faktor dapat memicu pergantian karyawan. Dari penelitian ini, ditemukan beberapa faktor pendorong utama pergantian karyawan. Untuk menemukan faktor-faktor pendorong tersebut, dibangun suatu model machine learning. Selanjutnya untuk memastikan akurasi dari model yang dibangun, dilakukan uji akurasi terhadap dua algoritma yang dipergunakan untuk membangun model tersebut, yaitu Logistic Regression dan Random Forest. Pengujian menggunakan dataset publik diperoleh skor akurasi sebesar 0,77 pada Logistic Regression, dan Random Forest memiliki skor akurasi sebesar 0,98. Faktor pendorong turnover karyawan tertinggi adalah tingkat kepuasan sebesar 50,05%, diikuti oleh waktu yang dihabiskan di perusahaan sebesar 27.14%. Faktor pendorong ketiga yang paling signifikan adalah evaluasi terakhir dari pekerja yaitu sebesar 18,27%.

INTERNET OF THINGS FOR FIRE IDENTIFICATION WITH TWO SENSOR ARDUINO Hafdiarsya Saiyar; Desmulyati Desmulyati; Mohammad Noviansyah
Jurnal Scientia Vol. 12 No. 04 (2023): Education, Sosial science and Planning technique, 2023, Edition September-Nov
Publisher : Sean Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58471/scientia.v12i04.2017

Fire is still a severe problem that has been difficult to overcome from the past until now. The fire trigger is due to electrical short circuits and electrical equipment experiencing electrical short circuits as well as gas leaks. However, with very rapid and massive advances in technology, humans today can create tools to anticipate the danger of fire early. This research aims to develop a fire alarm system to detect fire, smoke and gas. The system will use a combination of fire, smoke and gas sensors to detect the presence of these dangers. In the event of a fire or gas leak, the system will hide the alarm. The system will be designed to be easy to install and use. This device will detect Internet of Things (IoT) based fires, which can connect to a WiFi network and send messages via WhatsApp. This device uses Arduino UNO, MQ2 sensor, Flamer sensor, and WhatsApp as message recipients. The research method used is direct observation of the selected objects, namely in the author's home environment and conducting literature studies related to the Arduino Uno microcontroller. This research aims to create a system that will help increase security against fire hazards and reduce the risk of material damage, such as property and physical injury.

Implementasi Perhitungan Face Detection Dengan Metode Haar Cascade Classifier Chaerullah Fadli; Desmulyati Desmulyati
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 4, No 6 (2021): Desember 2021
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v4i6.3721

Face detection saat ini banyak diimplementasikan di perusahaan, untuk absensi, keamanan, dan lain-lain. Begitupun pada SMK Teratai Putih yang masih melakukan absensi secara manual dengan memanggil nama persiswa, sedang mencoba mengimplementasikan Face Detection di salah satu ruangan yaitu, laboratorium komputer untuk keperluan absensi siswa, yang menggunakan foto-foto siswa sebagai datasetnya. Metode Haar Cascade Classifier untuk face detection menggunakan pemograman python dan opencv adalah salah satu yang digunakan, dikarenakan yang tingkat akurasi dalam mengukur atau mendeteksi wajah manusia mendapatkan hasil yang baik. Dengan diterapkan face detection harapan adalah dapat mengurangi waktu absensi siswa yang dilakukan oleh guru, dengan memanggil nama siswa satu-persatu. Penulis melihat dari hasil penelitian yang dilakukan di SMK Teratai Putih Jakarta, adalah hasil yang cukup baik dengan tingkat akurasi diatas 50% (50%). Dengan syarat file size fotonya dibawah 1 MB dan dimensions 1000 pixel dan diujicoba dimulai dari nilai Haar Cascade Classifier terkecil. Untuk mendeteksi wajah siswa dilaboratorium komputer yang dijadikan absensi secara manual tidak diperlukan lagi dan waktunya bisa digunakan untuk belajar yang lebih ke mata pelajaran-pelajaran yang diajarkan oleh guru-guru.Kata Kunci: Face Detection, Haar Cascade Classifier, Opencv, Python

Perancangan Web Penjualan Dan Jasa Furniture Menggunakan Metode Waterfall Desmulyati Desmulyati; Hafdiarsya Saiyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 6 (2022): Desember 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i6.5430

Abstrak - Pada zaman sekarang ini, teknologi merupakan hal yang sangat penting untuk manusia. Perkembangan teknologi yang besar kita rasakan saat ini adalah dibidang internet, yang jangkauannya tidak terbatas menjadikan manusia sering mempelajari kegunaannya. Dengan adanya internet, semua yang berhubungan dengan digital bisa kita nikmati sekarang. Yang Salah satunya menggunakan internet adalah CV Komitmen Sehati merupakan tempat desain dan perlengkapan furniture. CV ini mempunyai tujuan untuk mengetahui bagaimana sistem penjualan dan jasa pembuatan atau renovasi furniture yang sedang berjalan sekarang ini dan memberikan informasi mengenai furniture dengan baik untuk konsumen. Dengan adanya e-commerce ini memudahkan masyarakat untuk membuat desain dan memesan furniture secara online. Dengan adanya masalah tersebut maka penulis berhasil membuatkan website online perlengkapan furniture agar bisa berjalan dengan baik dan semestinya, serta untuk mempermudah penjualan furniturenya.. Metode yang digunakan untuk pengembangan sstem pada CV Komitmen Sehati adalah Waterfall. Metode ini mendekatkan pada perangkat lunak dan menghindari kemungkinan banyaknya revisi jika ada kesalahan dalam pemprosesannya.Kata Kunci : Furniture, Jasa, Perancangan web, Waterfall Abstract - In this era, technology is very important for human race. Great technology development that we feel right at this time is internet, whose scope is limitless that encourage humans to learn the use of it. With internet’s existence, we can now easily enjoy everything that related to digital. One from lots of things that use internet now is CV Komitmen Sehati, which is a place for furniture design and equipment. This CV has a purpose to find out how the system of sales and service for making or renovating furniture that is currently running and provide informations about good furniture to consumers. With e-commerce this makes things easier for people to create design and order furniture online. With this problem, an online furniture website is created to make things work easier, and to ease furniture sales in this era. The method that is used for by the CV of Komitmen Sehati is Waterfall. This method draws closer to the software and it is possible minimum revisions if there are some errors.Keywords - Furniture, Perancangan web, Waterfall

Klasifikasi Tweet Influencer NU Dengan GNPF-Ulama Menggunakan Naive Bayes Dan Support Vector Machine Muhammad Ihsan; Desmulyati Desmulyati
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4276

Abstrak - Terdapat dua kelompok besar yang saling memperebutkan pengaruh, yang penulis teliti yaitu Nahdlatul Ulama (NU) dengan wacana Islam dan nasionalisme, dan Gerakan Nasional Pembela Fatwa Ulama (GNPF-Ulama) dengan wacana yang hanya menekankan pada aspek keagamaan. Penelitian ini melakukan klasifikasi tweet dari Influencer yang berafiliasi dengan NU dan GNPF-Ulama di media sosial twitter. Algoritma yang digunakan adalah Naive Bayes dan Support Vector Machine. Data twitter diambil menggunakan library tweepy, proses preprocessing menggunakan python dengan penggunaan library Sastrawi untuk melakukan stemming kata bahasa Indonesia. Klasifikasi dengan metode Naive Bayes dan Support Vector Machine dilakukan menggunakan aplikasi RapidMiner. Berdasarkan penelitian, metode Support Vector Machine menghasilkan nilai akurasi dan AUC yang lebih baik dari Naive Bayes yakni sebesar 77.28% dan AUC sebesar 0.863.Kata Kunci - Klasifikasi, Naive Bayes, Support Vector Machine, NU, GNPF-Ulama Abstract - There are two major groups competing for influence, which the authors examine, namely Nahdlatul Ulama (NU) with a discourse on Islam and nationalism, and the National Movement for Defending Fatwa Ulama (GNPF-Ulama) with a discourse that only emphasizes religious aspects. This study classified tweets from Influencers affiliated with NU and GNPF-Ulama on Twitter social media. The algorithm used is Naive Bayes and Support Vector Machine. Twitter data is taken using the tweepy library, the preprocessing process uses python with the use of the Sastrawi library to stem Indonesian words. Classification using the Naive Bayes method and Support Vector Machine is done using the RapidMiner application. Based on the research, the Support Vector Machine method produces better accuracy and AUC values than Naive Bayes which is 77.28% and AUC of 0.863.Keywords - Classification, Naive Bayes, Support Vector Machine, NU, GNPF-Ulama

ANALISIS SENTIMEN PENGGUNA LRT JABODEBEK DI PLATFORM X MENGGUNAKAN ALGORITMA SVM Ramadhina Fajriani, Rieka; Desmulyati, Desmulyati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11962

Saat ini, kemacetan adalah masalah yang umum dan sering terjadi di berbagai kota di Indonesia, terutama di wilayah Jabodetabek. LRT Jabodebek merupakan salah satu upaya yang diluncurkan oleh pemerintah untuk mengurangi kemacetan dan polusi di wilayah Jabodebek. Kehadirannya di jalur strategis yang sering mengalami kemacetan membuat LRT Jabodebek menjadi pilihan banyak masyarakat. Berkat adanya kemajuan teknologi, pengguna LRT Jabodebek dapat dengan mudah berbagi pengalaman mereka secara online melalui platform X. Berdasarkan fenomena ini, penulis melakukan penelitian untuk mengevaluasi pandangan pengguna LRT Jabodebek yang tercermin dari tweet mereka. Untuk mendapat pandangan tersebut ialah melalui analisis sentimen. Penelitian ini menggunakan metode Support Vector Machine dengan pelabelan data yang dilakukan menggunakan leksikon Bahasa Indonesia. Dari data yang berhasil dikumpulkan melalui Tweet Harvest, diperoleh sebanyak 946 tweet, yang setelah dilabeli terbagi menjadi 687 sentimen positif dan 259 sentimen negatif. Setelah melakukan pengujian dengan rasio validasi split dan pengoptimalan parameter, didapatkan untuk kernel linear pada rasio 0.8 hasil akurasi 88,89%, sedamgkan pada rasio 0,7 hasil akurasi 86,62%. Sementara itu, untuk kernel RBF, pada rasio 0,8 hasil akurasi yang diperoleh adalah 87,83% dan pada rasio 0,7 hasil akurasi 86,62%.

Title

Found 24 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 24 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 24 Documents
Search