Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementasi Roundcube pada Mail Server untuk Lingkungan Program Studi Ilmu Komputer UNIMED Afiq Alghazali Lubis; Josua Pinem; Muhammad Agus Syaputra Lubis; Dedy Kiswanto
Blend Sains Jurnal Teknik Vol. 1 No. 3 (2023): Edisi Januari
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (541.88 KB) | DOI: 10.56211/blendsains.v1i3.163

Abstract

Email merupakan singkatan dari elektronik mail atau dalam bahasa indonesianya pesan elektronik. Pada zaman ini, internet merupakan hal yang tidak dapat kita tolak. Internet membawa perubahan yang sangat besar. Salah satu perubahanya adalah pengiriman pesan yang kini tidak menggunakan kertas. Penggunaan email ini memberikan dampak yang sangat baik, semua pesan yang hendak dikirim atau diakses kembali terasa lebih mudah tanpa memperhitungkan waktu dan jarak kita.
Klasifikasi Akun Buzzer Menggunakan Algoritma K-Nearest Neighbor pada Tagar #STYTanpaDiasporaNol di Media Sosial X Afiq Alghazali Lubis; Said Iskandar Al Idrus; Zulfahmi Indra; Kana Saputra S; Chairunisah Chairunisah
Blend Sains Jurnal Teknik Vol. 4 No. 2 (2025): Edisi Oktober
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v4i2.1093

Abstract

Peningkatan pengguna media sosial X pada tahun 2024 sebesar 639 ribu mengakibatkan penyebaran informasi yang sangat masif, menjadikan buzzer berperan dalam mengarahkan opini publik dan memicu konflik sosial, seperti yang terlihat pada tren #STYTanpaDiasporaNol usai gugurnya tim nasional Indonesia di ASEAN Championship 2024. Penelitian ini bertujuan untuk membangun model machine learning dalam klasifikasi akun buzzer menggunakan algoritma K-Nearest Neighbor (KNN). Data yang akan digunakan dalam penelitian ini berasal dari kumpulan tweet dari sosial media X dalam tagar #STYTanpaDiasporaNol. Penelitian ini memiliki prosedur penelitian, di antaranya pengumpulan data, pra-pemrosesan data (cleaning, labelling, feature engineering dan standardization), splitting data, pemrosesan data, dan evaluasi model. Hasil penelitian ini mendapatkan model dengan akurasi terbaik yaitu varian model perbandingan split data 80:20 dan K = 5 dengan nilai akurasi sebesar 89% serta nilai precision dan recall sebesar 89% lalu nilai F1-score sebesar 88%. Model sangat baik dalam memprediksi kelas mayoritas namun kesulitan dalam memprediksi kelas minoritas. Kemudian dilakukan eksperimen resampling data dengan tujuan membuat keseimbangan data. Hasil didapatkan bahwa varian pada split data 70:30 dengan K = 9 diperoleh akurasi sebesar 91% dengan precision, recall dan accuracy juga sebesar 91%. Model eksperimen ini cukup baik mendeteksi kelas mayoritas maupun kelas minoritas.