Article Per Year (5 Year)
p-Index From 2021 - 2026
2.42
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Jurnal Teknika : Jurnal Teoritis dan Terapan Bidang Keteknikan JOINTECOMS (Journal of Information Technology and Computer Science) AnoaTIK: Jurnal Teknologi Informasi dan Komputer Diteksi : Jurnal Pengabdian Kepada Masyarakat
Ade Chandra Saputra
Universitas Palangka Raya
Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mechanical Engineering

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
PERBANDINGAN NILAI AKURASI DISTILBERT DAN BERT PADA DATASET ANALISIS SENTIMEN LEMBAGA KURSUS Saputra, Ade Chandra; Saragih, Agus Sehatman; Ronaldo, Deddy
Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Vol. 18 No. 2 (2024): Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Inform
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jti.v18i2.13278

Abstract

Penelitian ini bertujuan untuk menerapkan Analisis Sentimen dalam Ulasan Kursus dengan menggunakan pendekatan Transfer Learning menggunakan model bahasa DistilBERT dalam konteks pengembangan sistem pendidikan. Dengan pertumbuhan yang pesat dalam domain e-learning dan layanan kursus online, pemahaman pengguna terhadap berbagai kursus menjadi semakin penting bagi institusi pendidikan. Metode transfer learning, yang mengandalkan model-model NLP yang sudah terlatih seperti DistilBERT, telah terbukti efektif dalam tugas analisis sentimen dengan kinerja yang baik dan efisiensi yang tinggi. Dengan peningkatan minat pada pembelajaran online, penelitian ini menginvestigasi bagaimana pendekatan analisis sentimen dapat memberikan wawasan yang lebih dalam terhadap ulasan kursus. Dengan penerapan teknik DistilBERT, diharapkan sistem mampu efektif dalam mengekstrak sentimen yang terkandung dalam ulasan tersebut, memberikan pemahaman menyeluruh terkait pendapat dan perasaan pengguna terhadap kursus yang mereka ikuti. Melalui penelitian ini, diharapkan dapat memberikan kontribusi penting bagi penyelenggara kursus dalam meningkatkan kualitas layanan pendidikan yang mereka tawarkan, memberikan umpan balik yang lebih terperinci dan tepat waktu kepada pengguna. Diharapkan diseminasi hasil penelitian ini memberikan pandangan yang lebih luas mengenai penerapan transfer learning dalam analisis sentimen, terutama dalam konteks ulasan kursus
KLASIFIKASI TINGKAT KEMATANGAN BUAH NAGA KRISTAL BERDASARKAN WARNA KULIT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS Erick Hernando; Ade Chandra Saputra; Jadiaman Parhusip
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 2 No 2 (2024): Desember 2024
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v2i2.77

Abstract

This research aims to develop an effective method for determining the maturity level of dragon fruit in the harvestable, ripe, raw classes automatically by utilizing the K-Nearest Neighbors (K-NN) algorithm through the Knowledge Discovery in Databases (KDD) process. The KDD process, which involves a series of steps starting from data selection, data preprocessing, data transformation, to applying algorithms to produce useful knowledge, is used in this research to process and analyze dragon fruit image data. In this research the classification is processed through the KDD stages, including a preprocessing process to clean and prepare the data, the use of Min-Max Normalization to standardize the data so that all features are on the same scale, very important for the performance of the K-NN model, transformation to extract class data, and application of the K-NN algorithm for fruit maturity classification. The selection of the K-NN algorithm in the KDD stage is based on its simplicity and ability to classify data with a high level of accuracy. The research results show that the KDD method applied with the K-NN algorithm is able to classify the ripeness of dragon fruit with the best accuracy obtained at a value of K = 3 with an accuracy percentage of 91% without requiring physical cutting of the fruit. Thus, this research not only contributes to the field of precision agriculture but also shows how the KDD method can be applied effectively to solve real problems in the field.
Co-Authors Agus Sehatman Saragih Ahmadi Ahmadi Akbar, Nur Charisma Anak Agung Istri Sri Wiadnyani Ariesta Lestari Efrans Christian Enny Dwi Oktaviyani Erick Hernando Felicia Sylviana Fieradova, Deanyse Oxana Jadiaman Parhusip, Jadiaman Karolita, Devi Licantik, Licantik Ronaldo, Deddy Rosadi, Reza Ghaniyy Siregar, Rayanti Veronica