Article Per Year (5 Year)
p-Index From 2021 - 2026
2.543
P-Index
This Author published in this journals
All Journal Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) CogITo Smart Journal J-SAKTI (Jurnal Sains Komputer dan Informatika) CSRID (Computer Science Research and Its Development Journal) Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) J-SAKTI (Jurnal Sains Komputer dan Informatika) Buletin Sistem Informasi dan Teknologi Islam Room of Civil Society Development DIPANEGARA KOMPUTER TEKNOLOGI INFORMATIKA (DIPAKOMTI) DIPANEGARA KOMPUTER SISTEM INFORMASI (DIPAKOMSI) Room of Civil Social Development
Komang Aryasa
Universitas Dipa Makassar
Arts Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Languange, Linguistic, Communication & Media Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : CogITo Smart Journal

 1 
Sistem Pakar Otomatisasi Baku Mutu Limbah Pertambangan Nikel Menggunakan Algoritma Supervised Mechine Komang Aryasa; Wilem Musu
CogITo Smart Journal Vol 2, No 1 (2016): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1365.379 KB) | DOI: 10.31154/cogito.v2i1.12.28-41

Abstract

Metode buka tutup pintu pembuangan limbah secara manual  berdasarkan hasil uji laboratorium  membutuhkan waktu relatif lama. Ketika hasil uji laboratorium menyatakan proses pembuangan harus dihentikan, limbah yang tidak memenuhi standar kelayakan sudah ikut terbuang. Tujuan dari penelitian ini adalah  untuk merancang sistem pakar menggunakan algoritma Supervised Learning untuk otomatisasi standar baku limbah pertambangan nikel, algoritma ini digunakan untuk mengklasifikasikan besaran nilai kandungan unsur dalam limbah, dan digunakan untuk mengoptimalkan proses penentuan kelayakan buang limbah. Algoritma ini bekerja setelah menerima data dalam bentuk nilai-nilai kandungan unsur yang dibangkitkan oleh sebuah aplikasi simulator yang mendeteksi kadar kandungan unsur dalam air limbah. Hasil analisis tersebut digunakan untuk menentukan kelayakan pembuangan limbah. Dari 11 unsur yang dianalisis tujuh unsur memiliki bobot nilai tertinggi dalam setiap pengukuran yaitu pH, TSS, Cu, Zn, Cr(6+), Cr Total, dan Fe., sementara Support Vector Machine hanya empat unsur yang memiliki nilai bobot tertinggi dari setiap pengukuran, yaitu unsur Cd, Pb, Ni dan Co.
Klasifikasi Sentimen Tweet Mengenai Covid-19 Pada Twitter Di Indonesia Dengan Metode Vector Space Model Sitti Harlina; Rudy Donny Lillikwatil; Komang Aryasa; Cucut Susanto; Sapriadi Sapriadi; Edwin Tri Alfriady
CogITo Smart Journal Vol. 8 No. 2 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i2.405.422-433

Abstract

Berdasarkan laporan dari Direktur Jenderal Sumber Daya Perangkat Pos dan Informatika (SDPP) Kementerian Komunikasi dan Informatika Tahun 2019 Indonesia menjadi negara yang menduduki peringkat 8 dalam mengakses situs Twitter, Pandemi corona virus saat ini membuat seluruh sendi kehidupan berubah, salah satunya yaitu proses belajar mengajar yang harus dilakukan dari rumah, di Indonesia pendapat mengenai corona virus masih beragam. Pada penelitian ini data yang dipakai adalah data percakapan digital di media sosial twitter yang menjadi objek dari penelitian ini. Penelitian ini menggunakan jenis penelitian eksperimental yang berarti mencoba, mencari, dan mengkonfirmasi data pada percakapan di twitter mengenai Covid-19 yang di klasifikasi dengan metode Vector Space Model, telah berhasil dan sesuai dengan spesifikasi yang diinginkan,  Metode Vector Space Model untuk mengklasifikasi tweet mengenai Covid-19, dapat di impelemntasikan dengan hasil tweet yang memperlihatkan nilai positif dengan 52,1%. Sistem dapat menjadikan program ini digunakan untuk menganalisa penentuan terhadap data tweet pada tahun berjalan. Pengembangan dapat dilakukan dengan mengimplementasikan pengunaan metode lain dalam mengklasifikasi data twitter.Untuk menyempurnakan sistem ini, dapat mengembangkan sistem yang dapat digunakan oleh perangkat mobile.
Co-Authors A.Muh.Fadhil A.Muh.Fadhil Aldi Susanto Ardimansyah Ardimansyah Arief Setyanto Asran Asran Cucut Susanto David Brilian Theonardi Edwin Tri Alfriady Erfan Hasmin Flora Flora Harlina, Sitti Jimmy H Moedjahedy kasmawaru kasmawaru Marsellus Oton Kadang Michael Gibran Yusuf Dani Mike Fitriani Muhammad Furqan Rasyid Muhammad Syukri Mustafa, Muhammad Syukri Muhammad Yusuf Nurul Maria Lisanty AD Rahma Rahma Rifky Prirendi Risnawati Risnawati Rudy Donny Likliwatil Rudy Donny Lillikwatil Sadly Syamsuddin Santi Santi Sapriadi Sapriadi Susanto, Aldi Syamsuddin, Sadly Turahman, Tazkira Wa Ode Dwiki Bella Avista Wilem Musu Willem Musu, Willem Yesaya Tommy Paulus Yosep Yosep