Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Proceeding SENDI_U

KLASIFIKASI DOKUMEN PUTUSAN PENGADILAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE Zuliarso, Eri; Februarianti, Herny; Sugiyamto, Sugiyamto
Proceeding SENDI_U 2019: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS
Publisher : Proceeding SENDI_U

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (188.611 KB)

Abstract

Sistem Informasi Penelusuran Perkara adalah aplikasi berbasis web yang diperuntukan dalam administrasi dan penelusuran terhadap data perkara pengadilan tingkat pertama. layanan informasi berbasis teknologi ini di dalamnya terdapat pencatatan informasi yang sangat lengkap diantaranya . Aplikasi SIPP merupakan bagian dari Sistem Manajemen Informasi di Pengadilan. Hal ini juga bagian dari transparansi terhadap proses peradilan bagi masyarakat umum. Pada metode Support Vector Machine terdapat fungsi kernel yang memetakan data ke ruang vektor yang berdimensi lebih tinggi sehingga kelas dapat dipisahkan secara linear oleh sebuah bidang pemisah. Berdasarkan hasil implementasi dan pengujian yang telah dilakukan pada amar putusan Mahkamah Agung tenang merek dengan menggunakan metode Support Vector Machine ini maka mendapat hasil akurasi sebesar 50%. Dengan hasil akurasi yang cukup tinggi yaitu 50% maka metode Support Vector Machine dapat digunakan untuk melakukan klasifikasi amar putusan kasasi Mahkamah Agung ditolak atau dikabulkan. Kata Kunci: Support Vector Machine, klasifikasi, amar putusan
ANALISA SENTIMEN PERSEPSI MASYARAKAT TERHADAP PEMINDAHAN IBUKOTA BARU DI KALIMANTAN TIMUR PADA MEDIA SOSIAL TWITTER Safra, Icha Adellia; Zuliarso, Eri
Proceeding SENDI_U 2020: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS
Publisher : Proceeding SENDI_U

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

Abstract

Pada Senin 26 Agustus 2019 atau setelah 74 tahun Indonesia merdeka, presiden terpilih Joko Widodomelalui kanal Youtube resmi Sekretariat Presiden mengumumkan bahwa pemindahan Ibu Kota Indonesia yangbaru yaitu di wilayah administratif Kabupaten Penajam Paser Utara dan Kabupaten Kutai Kartanegara,Kalimantan Timur. Penelitian ini bertujuan untuk mengetahui persepsi Masyarakat Indonesia di Twittermengenai pemindahan Ibukota dengan menggunakan kata kunci #IbuKotaBaru dan #IbuKotaPindah setelah itudata disimpan dalam database MySQL, lalu dilakukan proses text processing. Proses klasifikasi text dibagimenjadi kelas sentimen positif dan negatif, algoritma Naïve Bayes Classifier dibutuhkan untuk itu. Data yangdigunakan sebesar 200 data tweets, yang terdiri dari 159 data training dan 41 data testing menghasilkan akurasisebesar 78%. Visualisasi tab tabel data asli, tabel data test, histogram, wordcloud serta confusion matrixditampilkan menggunakan R Shiny. Aplikasi web ini dapat diakses pengguna lainnya melalui internet.
ATURAN ASOSIASI BAHAN PADA RESEP JAMU TRADISIONAL DENGAN ALGORITMA APRIORI Putri, Indah Lissiana; Zuliarso, Eri
Proceeding SENDI_U 2020: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS
Publisher : Proceeding SENDI_U

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

Abstract

Seringkali masyarakat bingung dalam mengolah jamu karena bahan yang tersedia terbatas. Sehinggadiperlukan suatu metode yang dapat membantu masyarakat dalam menemukan kombinasi bahan resep jamutradisional yang akan diolah. Kombinasi tersebut dapat diperoleh menggunakan teknik data mining denganteknik asosiasi. Biasanya teknik asosiasi diterapkan pada analisis transaksi penjualan atau yang biasa disebutdengan market basket analysis yang digunakan untuk mengetahui pola hubungan antar barang yang dibelisecara bersamaan. Teknik asosiasi dapat diterapkan pada dataset jenis lain seperti resep jamu tradisional.Pada suatu resep pembuatan jamu terdapat beberapa bahan seperti kunyit, jahe, kencur, dll. Pada penelitianini, peneliti mengambil data resep jamu tradisional yang di simpan dalam suatu database. Penelitian inimenggunakan nilai minimum support (0,05) dan minimum confidence (0,70) yang menghasilkan aturankombinasi sebanyak 12 aturan asosiasi dengan kombinasi yang berbeda. Aturan asosiasi tersebut akan divisualisasikan dalam bentuk graph, scatter, circle graph, dan group matrix yang akan ditampilkan melaluiinterface dengan menggunakan Shiny.