Claim Missing Document
Check
Articles

Found 22 Documents
Search

Tweet Analysis of Mental Illness Using K-Means Clustering and Support Vector Machine Kusumaningtyas, Kartikadyota; Habibi, Muhammad; Dwijayanti, Irmma; Sumiyarini, Retno
Telematika Vol 20 No 3 (2023): Edisi Oktober 2023
Publisher : Jurusan Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v20i3.9820

Abstract

Purpose: Social media, particularly Twitter, provides a venue for individuals to share their thoughts. The public's perception of mental illnesses is often debated on Twitter. So yet, no evaluation of community tweets connected to data on mental health conditions has been performed. The purpose of this study is to examine tweets linked to mental illnesses in Indonesia in order to identify the themes of conversation and the polarity trends of these tweets.Design/methodology/approach: To address this issue, the K-Means Clustering algorithm is utilized to aggregate tweet data that is used to find themes of conversation. The emotion polarity value of each cluster result was then determined using the Support Vector Machine (SVM) approach.Findings/results: This study generated five topic clusters based on tweets about mental illness. While sentiment analysis revealed that all clusters had more negative sentiment classes than positive. Cluster 4 and Cluster 5 had the highest number of negative sentiment values. These clusters emphasize the necessity of consulting with psychiatrists and psychologists if people have mental health disorders, as well as financing for mental health disorder treatment through BPJS Kesehatan services.Originality/value/state of the art: The analysis was done in two stages: data grouping to find themes of conversation using K-Means clustering and SVM to look for positive and negative polarity values associated to twitter data about mental illness.
Implementasi Metode ARAS dalam SPK Berbasis Web pada Pemberian Bantuan Pengembangan Desa Wisata Dwi Cahya Novita; Putri; Fajrianti, Erika M. N.; Repi, Sandika T. P.; Kusumaningtyas, Kartikadyota; Asnawi, Choerun
Jurnal Teknomatika Vol 18 No 2 (2025): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/teknomatika.v8i2.1612

Abstract

Proses seleksi desa wisata untuk menerima bantuan Dukungan Pengembangan Usaha Pariwisata dan Ekonomi Kreatif (DPUP) dalam program Anugerah Desa Wisata Indonesia (ADWI) memiliki kompleksitas tinggi dalam menentukan desa yang tepat sasaran. Dari 6.016 desa wisata yang mendaftar pada tahun 2024, hanya 24 desa yang terpilih untuk menerima bantuan. Proses penilaian tersebut melibatkan pengelolaan data dengan banyak alternatif dan kriteria. Oleh karena itu, penelitian ini mengusulkan penerapan metode Additive Ratio Assessment (ARAS) dalam SPK yang didukung dengan RESTful API guna meminimalkan bias dan meningkatkan efisiensi pengolahan data. Penelitian ini menggunakan 15 alternatif desa wisata di Kabupaten Sleman dengan 5 kriteria penilaian yaitu Kelembagaan & SDM, Amenitas, Digital, Daya Tarik, dan Resiliensi. Hasil penelitian menunjukkan bahwa sistem mampu memberikan peringkat secara konsisten yang telah diverifikasi melalui pengujian black box dan perbandingan perhitungan manual. Berdasarkan evaluasi tersebut, Desa Wisata Tegal Loegood menduduki peringkat pertama dengan nilai 0,913 sebagai desa yang paling layak menerima bantuan. Sistem ini diharapkan membantu pemerintah dalam membuat keputusan efisien terkait pemberian bantuan pengembangan desa wisata.