Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal EXPLORE
Mei P.Kurniawan
Universitas Amikom Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Klasifikasi penderita kanker Paru Paru Menggunakan Algoritma Artificial Neural Network (ANN) Tommy Dwi Putra; Ema Utami; Mei P.Kurniawan
Jurnal Explore Vol 12, No 2 (2022): JULI
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1364.992 KB) | DOI: 10.35200/explore.v12i2.568

Abstract

Kanker adalah penyakit yang disebabkan oleh perubahan sel yang menyebabkan pertumbuhan dan pembelahan sel tidak terkendali. kasus kanker paru di Indonesia mencapai 8,6% atau 30.023 kasus dengan angka kematian 12,6%. atau 26.095 kematian akibat kanker paru-paru. Kecerdasan Buatan membuat mesin mampu secara cerdas menjawab pertanyaan saat ini di bidang teknik yang sangat luas salah satunya bidang medis. Jaringan saraf tiruan adalah cabang dari kecerdasan buatan (artificial intelligence) yang cara kerjanya meniru aktivitas saraf otak manusia. Dengan cara ini, Artificial Neural network memberikan program komputer kemampuan untuk mengenali pola dan memecahkan masalah. Artificial Neural network juga termasuk dalam algoritma klasifikasi dan digunakan dalam penelitian. Pengklasifikasian pada penelitian penderita kanker paru menghasil akurasi training 92.79% dengan presisi 86.98% dan akurasi testing sebesar 95.12% dengan presisi 90.23%.
ANALISIS SENTIMEN PEMILU 2024 DENGAN NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION (PSO) Tommy Dwi Putra; Ema Utami; Mei P.Kurniawan
Jurnal Explore Vol 13, No 1 (2023): JANUARI
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (483.328 KB) | DOI: 10.35200/explore.v13i1.617

Abstract

Pemilu merupakan sarana kedaulatan masyarakat untuk memilih anggota Dewan Perwakilan Rakyat, anggota Dewan Perwakilan Daerah, Presiden dan Wakil Presiden, dan pemilihan anggota Dewan Perwakilan Rakyat Daerah, dilakukan secara langsung. Pada penelitian ini penulis menggunakan metode Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO) dalam menganalisa label sentimen positif, negatif dan netral pada postingan para pengguna media sosial Twitter yang berkaitan dengan pemilu 2024. Jumlah dataset setelah prepocessing menjadi 1.000 data. Tahap evaluasi menggunakan Confusion matrix diperoleh nilai akurasi algoritma yaitu untuk NB tanpa PSO nilai akurasi sebesar 73,67%. Sedangkan untuk algoritma NB+PSO nilai akurasi sebesar 78,33%.Dalam penelitian ini dapat diketahui bahwa tingkat akurasi yang didapatkan algoritma NB+PSO lebih unggul dibandingkan algoritma NB tanpa PSO.
ANALISIS SENTIMEN PEMILU 2024 DENGAN NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION (PSO) Tommy Dwi Putra; Ema Utami; Mei P.Kurniawan
Jurnal Explore Vol 13, No 1 (2023): JANUARI
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/explore.v13i1.617

Abstract

Pemilu merupakan sarana kedaulatan masyarakat untuk memilih anggota Dewan Perwakilan Rakyat, anggota Dewan Perwakilan Daerah, Presiden dan Wakil Presiden, dan pemilihan anggota Dewan Perwakilan Rakyat Daerah, dilakukan secara langsung. Pada penelitian ini penulis menggunakan metode Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO) dalam menganalisa label sentimen positif, negatif dan netral pada postingan para pengguna media sosial Twitter yang berkaitan dengan pemilu 2024. Jumlah dataset setelah prepocessing menjadi 1.000 data. Tahap evaluasi menggunakan Confusion matrix diperoleh nilai akurasi algoritma yaitu untuk NB tanpa PSO nilai akurasi sebesar 73,67%. Sedangkan untuk algoritma NB+PSO nilai akurasi sebesar 78,33%.Dalam penelitian ini dapat diketahui bahwa tingkat akurasi yang didapatkan algoritma NB+PSO lebih unggul dibandingkan algoritma NB tanpa PSO.
Co-Authors Ema Utami Tommy Dwi Putra