Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Infoman's: Jurnal Ilmu-Ilmu Manajeman dan Informatika
Dimas Anugrah Firdlous
Universitas Pendidikan Indonesia
Computer Science & IT Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Komparasi Algoritma Klasifikasi Data Mining Untuk Memprediksi Penyakit Jantung Dimas Anugrah Firdlous
Infoman's : Jurnal Ilmu-ilmu Manajemen dan Informatika Vol. 16 No. 1 (2022): Infoman's
Publisher : STMIK Sumedang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit jantung merupakan penyakit dengan jumlah kematian terbesar dengan jumlah 17,9 juta kematian setiap tahunnya. Kematian dini penyakit jantung dapat dicegah dengan mengendalikan faktor risiko penyakit jantung dan mengidentifikasi orang-orang beresiko tinggi. data mining merupakan sebuah ilmu yang dapat menggali informasi baru dari sebuah data dan menjadi model baru dan banyak digunakan untuk memprediksi suatu kejadian. teknik data mining klasifikasi digunakan untuk memprediksi penyakit jantung algoritma klasifikasi naive bayes, random forest, decision tree,dan support vector machine. tujuan dari penelitian ini adalah untuk mencari algoritma terbaik dengan nilai akurasi tertinggi untuk digunakan dalam memprediksi penyakit jantung. data dalam penelitian ini bersumber dari kaggle. metode penelitian ini dilakukan dengan cara preprocessing data, proses klasifikasi, evaluasi hasil akurasi, dan komparasi ukuran akurasi tertinggi. proses klasifikasi dilakukan menggunakan rapidminer. dari hasil klasifikasi yang dilakukan algoritma random forest merupakan algoritma yang memiliki nilai akurasi tertinggi yaitu 85,7% dan nilai akurasi terendah menggunakan .algoritma support vector machine dengan akurasi 68,7%. sehingga algoritma random forest menjadi yang terbaik untuk digunakan dalam memprediksi penyakit jantung.
Sentiment Analysis Public Twitter on 2024 Election using the Long Short Term Memory Model Dimas Anugrah Firdlous; Rian Andrian; Suprih Widodo
Sistemasi: Jurnal Sistem Informasi Vol 12, No 1 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i1.2145

Abstract

As a Democratic State in 2024 is a political year for Indonesia because there will be simultaneous elections starting from officials from the regions to the president, therefore it causes a lot of diverse reactions on social media, especially Twitter which can give rise to various kinds of opinions, not only positive but also positive opinions. also negative ones so that it becomes an interesting thing to study, the tendency of Twitter users to post content can be known through sentiment analysis, so the purpose of this study is to find out the sentiment of twitter users towards the 2024 election is negative or positive, the steps in this study begin with data collection tweets, preprocessing text mining and then entering lexicon based feature labels, building a model with Long Short Term Memory (LSTM) and evaluating the model with the confusion matrix tool used in this study using google collaboratory, sentiment analysis is carried out with gan 858 data from the preprocessing process with a comparison of 80% of train data and 20% of test data resulted in an accuracy of 78% with positive sentiment amounting to 52.2%, sentiment that was included in the positive mostly contained support for the success of the election, as well as information related to the election, and 37% negative sentiment which is included in the negative sentiment in this study include tweets with dirty words, misguiding opinions, and making fun of political and neutral parties by 10.8%.Keywords: 2024 Election, Sentiment Analysis, twitter, LSTM
Co-Authors Rian Andrian