Claim Missing Document
Check
Articles

Found 18 Documents
Search

Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter Normawati, Dwi; Prayogi, Surya Allit
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 5, No 2 (2021): EDISI SEPTEMBER
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v5i2.369

Abstract

Twitter is one of the social media that is currently in great demand by internet users. The number of tweets circulating on Twitter is not yet known whether these tweets contain more positive, negative, and neutral opinions. For that we need a system that can process data by applying sentiment analysis. This study uses the Naïve Bayes Classifier (NBC) method to analyze the level of sentiment towards data carried out by crawling on Twitter. The data studied as a simple case study uses only 8 tweet data which is divided into 5 training data and 3 test data. The data is processed using the preprocessing stage, then classified using the NBC method, the calculation of performance uses confusion matrix techniques. This study resulted in a structured exposure to the process and results of NBC implementation and performance testing using the confusion matrix which obtained 82% accuracy, 93% precision, and 52% recall. However, these results are more focused on ease explaining for each stage and process in more detail, not on the numbers obtained. Research with larger data will be carried out later by developing a computer-based application system.
Prediksi Dini Penyakit Preeklamsia Menggunakan Algoritma C4.5 Nurrohmah, Siti; Normawati, Dwi
Jurnal Sarjana Teknik Informatika Vol. 10 No. 3 (2022): Oktober
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v10i3.24187

Abstract

Berdasarkan data Kemenkes RI tahun 2021menunjukkan angka kematian ibu tinggi yaitu lebih dari 4000 kasus setiap tahunnya dimana salah satu penyebabnya adalah preeklamsia. Pencegahan preeklamsia cukup sulit dikarenakan gejala utamanya belum diketahui pasti. Namun teknologi dapat digunakan untuk membantu pendeteksian preeklamsia. Penelitian ini bertujuan mendeteksi preeklamsia pada ibu hamil menggunakan algoritma C4.5. Tahapan pertama penelitian ini adalah melakukan studi literatur. Kemudian mengumpulkan data di RSKIA Sadewa Yogyakarta dan mengolahnya melalui tahapan preprocessing dengan melakukan seleksi data, transformasi data, membagi data menggunakan 10-fold cross validation. Selanjutnya data dianalisis menggunakan algorima C4.5 dan diimplementasikan ke dalam sistem. Penenelitian ini menggunakan data sebanyak 870 data dengan atribut pendidikan, pekerjaan, usia, usia kehamilan, tekanan darah, berat badan, jenis kehamilan, jumlah kelahiran, riwayat aborsi, riwayat persalinan, riwayat penyakit, dan proteinuria serta kelas klasifikasi negatif, preeklamsia ringan, dan preeklamsia berat. Penelitian ini menghasilkan sebuah sistem prediksi dini penyakit preeklamsia pada ibu hamil. Hasil pengujian menggunakan confusion matrix menunjukkan bahwa sistem prediksi mendapatkan nilai akurasi 81,38%, precision 78,37%, recall 79,69%, dan f1-score 78,73%. Hasil pengujian black box menunjukkan fungsi sistem dapat digunakan dengan baik.
Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter Normawati, Dwi; Prayogi, Surya Allit
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 5, No 2 (2021): EDISI SEPTEMBER
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1308.118 KB) | DOI: 10.30645/j-sakti.v5i2.369

Abstract

Twitter is one of the social media that is currently in great demand by internet users. The number of tweets circulating on Twitter is not yet known whether these tweets contain more positive, negative, and neutral opinions. For that we need a system that can process data by applying sentiment analysis. This study uses the Naïve Bayes Classifier (NBC) method to analyze the level of sentiment towards data carried out by crawling on Twitter. The data studied as a simple case study uses only 8 tweet data which is divided into 5 training data and 3 test data. The data is processed using the preprocessing stage, then classified using the NBC method, the calculation of performance uses confusion matrix techniques. This study resulted in a structured exposure to the process and results of NBC implementation and performance testing using the confusion matrix which obtained 82% accuracy, 93% precision, and 52% recall. However, these results are more focused on ease explaining for each stage and process in more detail, not on the numbers obtained. Research with larger data will be carried out later by developing a computer-based application system.
Peningkatan Kompetensi Guru SMK Muhammadiyah Kalibawang melalui Pelatihan Google Apps for Education (GAFE) Arfiani, Ika; Rochmah Dyah Pujiastuti, Nur; Normawati, Dwi
ABDIMASTEK Vol. 2 No. 2 (2023): Desember
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/abdimastek.v2i2.1315

Abstract

Pendidikan di era digital membutuhkan perubahan paradigma dalam metode pengajaran dan pembelajaran. Google Apps for Education (GAFE) menjadi salah satu alat yang efektif untuk meningkatkan kualitas pendidikan. Kegiatan ini bertujuan untuk mengevaluasi dampak pelatihan GAFE terhadap peningkatan kompetensi guru di SMK Muhammadiyah Kalibawang, Kulonprogo. Kegiatan ini menggunakan desain eksperimental pre-test dan post-test. Sebelum pelatihan, dilakukan pengukuran awal kompetensi guru menggunakan kuesioner dan observasi. Setelah itu, menjalani pelatihan intensif GAFE dan menerapkannya dalam pekerjaan sehari-hari. Setelah dilakukan monitoring dan evaluasi, hasil pelatihan menunjukkan adanya peningkatan yang signifikan dalam pemahaman dan penerapan GAFE. Guru yang mengikuti pelatihan menunjukkan peningkatan kemampuan dalam merancang dan melaksanakan pembelajaran berbasis teknologi. Selain itu, terlihat peningkatan motivasi dan partisipasi aktif dari siswa dalam proses pembelajarannya.
Optimalisasi Keterampilan Literasi dan Numerasi Guru Melalui Pelatihan Aplikasi Literanum Arfiani, Ika; Pujiastuti, Nur Rochmah Dyah; Normawati, Dwi
ABDIMASTEK Vol. 3 No. 2 (2024): Desember
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/abdimastek.v3i2.2577

Abstract

Pendidikan di era digital menuntut peningkatan kompetensi guru dalam literasi dan numerasi untuk mendukung pembelajaran yang relevan dan efektif. Aplikasi Literanum hadir sebagai alat yang inovatif untuk meningkatkan kemampuan literasi dan numerasi guru. Kegiatan ini dilaksanakan di SMK Muhammadiyah Kalibawang, yang berlokasi di Kecamatan Kalibawang, Kabupaten Kulonprogo, Daerah Istimewa Yogyakarta. Program ini bertujuan untuk mengevaluasi dampak pelatihan aplikasi Literanum terhadap peningkatan kompetensi literasi dan numerasi guru di sekolah tersebut. Desain pelatihan ini menggunakan pendekatan eksperimental pre-test dan post-test. Sebelum pelatihan, dilakukan pengukuran awal kompetensi guru menggunakan kuesioner dan observasi. Selanjutnya, guru menjalani pelatihan intensif Literanum dan menerapkannya dalam aktivitas mengajar sehari-hari. Setelah melalui proses monitoring dan evaluasi, hasil pelatihan menunjukkan peningkatan yang signifikan dalam pemahaman dan penerapan aplikasi Literanum. Guru yang mengikuti pelatihan menunjukkan peningkatan kemampuan dalam merancang dan melaksanakan pembelajaran berbasis literasi dan numerasi. Selain itu, tercatat peningkatan motivasi dan partisipasi aktif siswa dalam proses pembelajaran, yang turut mendukung tercapainya tujuan pendidikan di era digital.
K-Fold Cross Validation for Selection of Cardiovascular Disease Diagnosis Features by Applying Rule-Based Datamining Normawati, Dwi; Ismi, Dewi Pramudi
Signal and Image Processing Letters Vol 1, No 2 (2019)
Publisher : Association for Scientific Computing Electrical and Engineering (ASCEE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31763/simple.v1i2.3

Abstract

Coronary heart disease occurs when atheroclerosis inhibits blood flow to the heart muscle in the coronary arteries. This disease is often the cause of human death. The method for diagnosing coronary heart disease that is often a doctor's referral is coronary angiography, but it is invasive, expensive, and high-risk. This study aims to analyze the effect of k-Fold Cross-Validation (CV) on the dataset to create features based on the rules used to diagnose coronary heart disease. This study uses the Cleveland heart disease dataset, where feature selection is performed using a medical expert-based method (MFS) and a computer-based method, Variable Precision Rough Set (VPRS). Evaluation of the classification performance using the k-fold 10-fold, 5-fold and 3-fold methods. The results showed the number of different attribute selection results in each fold, both for the VPRS and MFS methods, with the highest accuracy score in the VPRS method 76.34% with k = 5, while the MTF accuracy was 71.281% with k = 3.
Youtube Comment Sentiment Classification System With Naive Bayes TF-IDF Using Laravel IDX normawati, dwi; Rendy Saputra; Hendrik Fery Herdiatmoko
Jurnal Informatika Vol. 19 No. 1 (2025): January 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jifo.v19i1.a30441

Abstract

The development of technology has enhanced social interactions through social media platforms like YouTube, making user comments a vital data source for sentiment analysis. One emerging issue is the lack of understanding regarding consumer perceptions of smartphone brands in Indonesia, which can be explored further through YouTube comments. This study aims to build a sentiment classification system for YouTube comments related to smartphone brands in Indonesia in 2024 using the Naïve Bayes Classifier algorithm with TF-IDF weighting and FastText features. Data was collected using the YouTube Data API, followed by preprocessing, labeling, and feature extraction stages. The model was optimized through GridSearchCV and evaluated with a Confusion Matrix, achieving an accuracy of up to 97%. The system was implemented as a Laravel-based web application, providing an interface for dataset management, model training, and sentiment visualization. This research also includes the integration of IDX Projects with Laravel, enabling more efficient data management and interactive presentation of sentiment analysis results. The findings demonstrate the effectiveness of this method in classifying positive and negative sentiments, which can help users understand consumer preferences for various smartphone brands.
Analisis dan Visualisasi Periodisitas Gempa Bumi di Maluku Utara Arfiani, Ika; Normawati, Dwi; Suratin, Muhammad Dzikrullah
Jurnal Ilmiah FIFO Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/fifo.2024.v16i1.004

Abstract

Gempa bumi juga dapat dipahami sebagai suatu peristiwa terjadinya guncangan bumi akibat pelepasan energi secara tiba-tiba, yang ditandai dengan pecahnya lapisan batuan pada kerak bumi. Gempa bumi biasanya disebabkan oleh pergerakan kerak atau lempeng bumi. Indonesia termasuk negara rawan gempa karena Indonesia dilalui pertemuan 3 lempeng tektonik: Indo-Australia, Eurasia, dan Pasifik. Beberapa penelitian tentang gempa bumi di Indonesia telah menghubungkan gempa bumi dengan data mining dan pembelajaran mesin. Namun gempa bumi merupakan peristiwa alam yang tidak dapat diprediksi atau diprediksi, sehingga untuk mengurangi risiko terjadinya gempa bumi perlu dilakukan analisis clustering pada daerah yang dicurigai. Kontribusi dalam penelitian ini bertujuan untuk memvisualisasikan data hasil pengolahan dataset gempa bumi kedalam peta geospasial wilayah Maluku Utara dengan menerapkan tahapan data mining, sehingga bisa mengetahui daftar wilayah yang termasuk dalam kawasan rawan bencana sebagai langkah antisipasi untuk mitigasi bencana di daerah Maluku Utara. Selain itu hasil penelitian ini juga dapat digunakan sebagai dataset untuk melakukan proses data mining lain seperti pengelompokan maupun klasisfikasi data gempa bumi di wilayah Maluku Utara.