Article Per Year (5 Year)
p-Index From 2021 - 2026
6.41
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Jurnal Ilmiah FIFO JMM (Jurnal Masyarakat Mandiri) JURNAL EDUCAZIONE : Jurnal Pendidikan, Pembelajaran dan Bimbingan dan konseling JMECS (Journal of Measurements, Electronics, Communications, and Systems) bit-Tech Jurnal Teknologi Dan Sistem Informasi Bisnis MUKADIMAH: Jurnal Pendidikan, Sejarah, dan Ilmu-ilmu Sosial Jurnal Manajemen Bisnis dan Kewirausahaan Jurnal Abdi Insani Almufi Jurnal Pengabdian kepada Masyarakat SinarFe7 eProceedings of Engineering Enrichment: Journal of Multidisciplinary Research and Development Jurnal Inovasi Pendidikan Jurnal Humaniora, Ekonomi Syariah dan Muamalah Jurnal Wacana Kinerja: Kajian Praktis-Akademis Kinerja dan Administrasi Pelayanan Publik JEES: Journal of Education and Educational Sciences
Rita Purnamasari
Universitas Telkom
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Social Sciences Other

Published : 84 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4   5 
Identifikasi Pola Sidik Bibir Pada Identitas Manusia Menggunakan Metode Singular Value Decomposition (svd) Dan Klasifikasi Learning Vector Quantization (lvq) Untuk Aplikasi Bidang Biometrik Forensik Citra Fairuz Ghina; Rita Purnamasari; Dewi Zakiawati
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kasus tindakan kriminal dan kasus musibah bencana alam sangat sering terjadi di Indonesia. Seringkali korban atau pelaku tidak diketahui identitasnya. Untuk mengetahui identitas manusia bisa menggunakan sistem forensik biometrik. Sistem ini akan secara otomatis menetapkan identitas seseorang melalui perangkat lunak. Data masukan pada sistem ini menggunakan berbagai ciri khusus, salah satunya sidik bibir karena pola sidik bibir mempunyai sifat individu. Sama seperti sidik jari, setiap orang juga memiliki sidik bibir berbeda. Pada bibir terdapat pola unik yang berbeda pada setiap orang, yaitu gambaran sulci pada mukosa bibir atas dan bibir bawah. Sidik bibir juga memiliki sifat permanen, dari umur 6 bulan sampai dengan meninggal nanti, sidik bibir seseorang tidak akan berubah. Pada penelitian ini, penulis membuat sebuah sistem aplikasi pengolahan citra digital untuk mengidentifikasi pola sidik bibir dengan menggunakan metode Singular Value Decomposition(SVD) dan klasifikasi Learning Vector Quantization (LVQ). Hasil yang didapat dari penelitian ini menghasilkan akurasi 87,103%. Maka disimpulkan bahwa sistem pada penelitian ini sudah dapat mengidentifikasi pola sidik bibir dengan baik. Kata kunci : sidik bibir, singular value decomposition, learning vector quantization. Abstract Cases of crime and natural disasters are very common in Indonesia. Often the victim or perpetrator is not identified. To find out the identity can use biometric forensic system. This system will automatically establish a person's identity through software. Input data on this system uses various special features, such as lip prints because lip print patterns have individual nature. Just like fingerprints, everyone also has different lip prints. On the lips there is a unique pattern that is different in each person, namely the picture of sulci in the mucosa of the upper lip and lower lip. Lip prints also have a permanent nature, from the age of 6 months to death, a person's lip prints will not change. In this study, the author created a digital image processing application system to identify lip print patterns using the Singular Value Decomposition (SVD) method and the Learning Vector Quantization (LVQ) classification. The results obtained from this study produced accuracy rate of 87,103%. So it was concluded that the system in this study had been able to identify lip print patterns properly Keywords: lip prints, singular value decomposition, learning vector quantization.
Identifikasi Pola Sidik Bibir Pada Identitas Manusia Menggunakan Metode Histogram Of Oriented Gradients (hog) Dengan Klasifikasi Decision Tree Untuk Aplikasi Bidang Forensik Biometrik Janah Eka Widiarni; Rita Purnamasari; Yuti Malinda
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kasus kriminalitas di Indonesia meningkat setiap tahunnya. Odontologi forensik adalah cabang ilmu kedokteran gigi dimana identifikasi dilakukan di area gigi dan sekitarnya sebagai keperluan penegakan hukum, untuk mempermudah penyelidikan korban maupun pelaku kejahatan. Proses identifikasi individu dapat dilakukan dengan berbagai cara salah satunya dengan menggunakan pola sidik bibir. Karena pola sidik bibir bersifat permanen serta memiliki pola yang unik berbeda antara orang yang satu dengan yang lainnya. Pada penelitian Tugas Akhir kali ini, penulis melakukan perancangan serta analisis sistem aplikasi pengolahan citra digital pada pola sidik bibir dengan menggunakan metode ekstraksi ciri Histogram of Oriented Gradients (HOG) dan klasifikasi Decision Tree yang dituangkan kedalam software MATLAB. Hasil penelitian Tugas Akhir ini adalah suatu sistem yang mampu identifikasi pola sidik bibir pada identitas manusia. Sistem tersebut menghasilkan performansi terbaik dengan tingkat akurasi sebesar 82.14% dengan waktu komputasi selama 1.15 detik dengan menggunakan 336 data latih dan 84 data uji. Hasil sistem tersebut didapatkan dari kolaborasi parameter HOG yaitu Cell Size 4x4, Block Size 2x2, dan Bin Numbers 9. Kata Kunci : Odontologi Forensik, Identifikasi, sidik bibir, Histogram of Oriented Gradients, Decision Tree Abstract Criminal cases in Indonesia are increasing every year. Forensic odontology is a branch of dentistry where identification is carried out in the area of the tooth and its surroundings as a law enforcement requirement, to facilitate the investigation of victims and perpetrators. The process of identifying individuals can be done in various ways, one of which is by using lip print patterns. Because the lip print pattern is permanent and has a unique pattern that is different from one person to another. In this final assignment research, the author designs and analyzes the system of digital image processing applications on lip print patterns using the feature extraction method Histogram of Oriented Gradients (HOG) and classification of Decision Tree which is poured into MATLAB software. The results of this research is a system that is able to identify lip print patterns in human identify. The system produces the best performance with an accuracy of 82,14% with coputation time of 1.5 seconds by using 336 training data and 84 testing data. The results of the system are obtained from the collaboration HOG parameters, Cell Size 4x4, Block Size 2x2 and Bin Numbers 9. Keywords: Forensic Odontology, Identification, lip prints, Histogram of Oriented Gradients, Decision Tree.
Identifikasi Gender Berdasarkan Pola Gigitan Dengan Metode Adaptive Region Growing Dan Klasifikasi K-nearest Neighbor Rizki Amalia Ulfa; Rita Purnamasari; Nani Murniati
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Didalam pembuktian perkara tindak pidana yang berkaitan dengan kasus tindak asusila, dan pembunuhan, pada kasus ini aparat penegak hukum memiliki peran untuk mengungkap suatu tindak pidana yang terjadi. Bidang yang ahli dalam menangani proses identifikasi bite marks ini ialah forensik kedokteran gigi (odontology forensic). Penulis melakukan perancangan sistem untuk identifikasi jenis kelamin laki-laki dan perempuan menggunkan citra bekas gigitan dengan metode Adaptive Region Growing untuk ekstraksi ciri yang kemudian diklasifikasikan menggunakan K-Nearest Neighbor (K-NN) menggunakan aplikasi Matrix Laboratory (MATLAB). Dari hasil pengujian yang dilakukan, penelitian ini menghasilkan akurasi tertinggi sebesar 84% dan waktu komputasi 42,74 detik/citra. Maka dapat disimpulkan bahwa pengujian menggunakan sistem tersebut sudah dapat mengidentifikasi jenis kelamin pada bite mark dengan baik. Kata kunci : Adaptive Region Growing, K-Nearest Neighbor, Bite Marks, Odontology Forensic. Abstract In proving criminal cases of immoral acts, murder cases, law enforcer has the role to uncover the truth behind the crime acts. The field where the experts are handling the bite marks identifying processes is called the Odontology Forensic. Writer designed a system to identify genders based on human’s bite marks with Adaptive Region Growing models as feature extraction and K-Nearest Neighbor (K-NN) as its classifying method in Matrix Laboratory (MATLAB). Based on the tests that have been done, the designed system achieved the highest accuracy of 84% with computing time 42,74 seconds/image. Therefore, we can conclude that this system design, with bite marks as its input, can identify genders very well. Keywords: Adaptive Region Growing, K-Nearest Neighbor, Bite Marks, Odontology Forensic
Analisis Alokasi Sumber Daya Pada Cognitive Radio Network Menggunakan Algoritma Ant Colony System Dengan Modifikasi Pada Ant Matrix Reza Yudistira; Rita Purnamasari; Nur Ibrahim
eProceedings of Engineering Vol 7, No 3 (2020): Desember 2020
Publisher : eProceedings of Engineering

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

Abstract

Penyakit parkinson adalah penyakit yang menyerang sistem motorik manusia dan termasuk salah satu penyakit yang sulit untuk didiagnosa. Untuk diagnosa penyakit parkinson dibutuhkan metode khusus yang dapat mendiagnosa penyakit parkinson. Hingga saat ini, belum ada satu tes spesifik untuk mendiagnosa adanya penyakit parkinson pada tubuh secara akurat. Penyebab penyakit ini adalah rusaknya sel syaraf yang bernama substantia nigra yang berfungsi menghasilkan senyawa bernama dopamin. Penderita parkinson biasanya mengalami kaku pada otot dan mengalami kesulitan dalam berjalan. Penelitian ini dilakukan dengan cara mengklasifikasi rekaman sinyal yang dihasilkan oleh sensor yang bersumber dari database physiobank. Sensor VGRF yang berjumlah 16 sensor dipasang pada kaki saat berjalan, lalu hasil dari sensor inilah yang nantinya akan diproses dengan metode principal component analysis (PCA) untuk menentukan karakteristik data dan random forest untuk mengklasifikasi data. Banyaknya data dan atribut yang terdapat pada database akan diolah sehingga data lebih sederhana, namun variasi data tetap terjaga, karena variasi dan karakteristik data akan sangat berpengaruh dalam hasil akurasi sistem. Penelitian ini bertujuan untuk membantu mendiagnosa sejak dini pada pasien yang diduga mengidap penyakit parkinson. Sistem yang dihasilkan pada penilitian ini diharapkan dapat membantu proses diagnosa pasien berdasarkan jejak rekam medis pasien. Reduksi dimensi data dapat dicapai menggunakan metode PCA, yaitu dengan mengubah dimensi data sebanyak 0,142% dari data utama. Metode random forest dapat mengkliasifikasi data dengan baik, hal ini dicapai dengan kombinasi parameter n_estimator = 31 dan max depth = 9. Akurasi terbaik yaitu sebesar 95,13 % namun proses komputasi memerlukan waktu 85 detik, sedangkan waktu komputasi terbaik didapatkan dengan menggubah paramaeter max depth = 2 dengan waktu 68 detik namun dengan akurasi 71%. Kata kunci: Penyakit Parkinson, Principal Component Analysis, Random Forest.
Sistem Klasifikasi Sel Darah Putih Berbasis Pengolahan Citra Digital Dan K-nearest Neighbour (k-nn) Muhamad Reinaldi Kurniawan; Rita Purnamasari; R Yunendah Nur Fu’adah
eProceedings of Engineering Vol 8, No 1 (2021): Februari 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Sel darah putih atau leukosit adalah salah satu sel pembentuk komponen darah yang berfungsi untuk membantu tubuh dalam melawan berbagai penyakit dan sebagai bagian dari sistem kekebalan tubuh. Saat ini sistem klasifikasi sel darah putih yang dilakukan oleh tenaga medis masih menggunakan penglihatan manual dengan bantuan microscope sehingga membutuhkan waktu yang lama. Oleh karena itu dibutuhkan suatu sistem yang dapat mengklasifikasikan sel darah putih secara otomatis untuk membantu tenaga medis. Pada penelitian ini merancang sistem klasifikasi sel darah putih dengan pengolahan citra digital dan K-NN. Proses pengolahan citra digital dimulai preprocessing dengan menggunakan metode ekstraksi ciri orde dua dan GLCM dengan menggunakan 4 fitur statistik (contrast, correlation, energy, homogeneity), jarak yang digunakan (d) = 1 dan 2 dan sudut orientasi (𝜽) = 0°,45°,90°,135°. Hasil dari ekstrasi ciri diklasifikasikan menggunakan metode K-NN dengan menggunakan nilai k = 1,3,5,7 dan 4 persamaan jarak (Euclidean, Minkowski, Cityblock, Chebychev). Dari hasil pengujian sistem diperoleh hasil klasifikasi sel darah putih melalui pengolahan citra digital dan metode K-NN dengan tingkat akurasi yang terbaik 76% pada parameter ekstraksi ciri (GLCM) jarak 1 dan sudut 0°, dan klasifikasi jarak Euclidean dan Minkowski pada nilai k dari K-NN sama dengan 1 dan 3. Kata kunci : Sel Darah Putih, GLCM, K-Nearest Neighbour. Abstract White blood cells or leukocytes are one of the cells that make up blood components that function to help the body fight various diseases and as part of the immune system. Currently, the white blood cell classification system carried out by medical personnel still uses manual vision with the help of a microscope, so it takes a long time. Therefore we need a system that can classify white blood cells automatically to help medical personnel. In this study, designed a white blood cell classification system with digital image processing and K-NN. The digital image processing process begins with preprocessing using the second order feature extraction method and GLCM using 4 statistical features (contrast, correlation, energy, homogeneity), the distance used (d) = 1 and 2 and the orientation angle (θ) = 0 °, 45 °, 90 °, 135 °. The results of feature extraction were classified using the K-NN method using k values = 1,3,5,7 and 4 distance equations (Euclidean, Minkowski, Cityblock, Chebychev). From the results of system testing, it was obtained the results of the classification of white blood cells through digital image processing and the K-NN method with the best accuracy rate of 76% on the feature extraction parameter (GLCM) at a distance of 1 and an angle of 0 °, and the classification of Euclidean and Minkowski distances at the k value K-NN is equal to 1 and 3. Keywords: White Blood Cells, GLCM, K-Nearest Neighbour.
Robust Watermarking Pada Citra Menggunakan Fast Discrete Curvelet Transform, Redundant Discrete Wavelet Transform, Dan Singular Value Decomposition Muhammad Fikri Aufa; Rita Purnamasari; Ledya Novamizanti
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan era yang semakin pesat menciptakan penyebaran data pada internet dalam wujud multimedia khususnya citra akan sangat mudah diambil. Data multimedia tersebut dapat dengan mudah disalin dan disalah gunakan oleh penipu tanpa hak cipta. Teknik robust watermarking merupakan solusi untuk mengamankan dan menjaga informasi data multimedia khususnya citra agar watermark yang disisipkan akan sulit dihilangkan dan dapat dipulihkan walaupun diubah oleh berbagai jenis serangan. Sistem yang dirancang memiliki dua proses, proses penyisipan dan ekstraksi. Metode Fast Discrete Curvelet Transform dan Redundant Discrete Wavelet Transform disisipkan pada citra host. Kemudian watermark disisipkan ke citra dengan cara menerapkan Discrete Cosine Transform pada watermark, kemudian nilai singular watermark dimasukkan ke dalam nilai singular citra host menggunakan metode Singular Value Decomposition. Sedangkan pada proses ekstraksi, watermark akan diekstraksi untuk mengembalikan gambar tanpa merusak citra host. Pada penelitian ini citra host berupa grayscale dengan ukuran 512×512 piksel dan watermark berupa data biner dengan ukuran 128×128 piksel. Hasil dari penelitian memperoleh nilai Peak Signal to Noise Ratio maksimum sebesar 71,7630 dB, Structural Similarity Index Metric maksimum 1, Normalized Correlation maksimum 1, dan Bit Error Rate 0 yang berarti skema ini memiliki imperceptibility yang baik. Skema watermarking yang diusulkan dapat bertahan dari serangan kompresi JPEG, Gaussian noise dengan variance di bawah 0,001, salt & pepper dengan variance 0,001, speckle noise dengan variance di bawah 0,003, Gaussian filtering, dan rotation. Kata Kunci : Discrete Cosine Transform (DCT), Fast Discrete Curvelet Transform (FDCuT), Redundant Discrete Wavelet Transform (RDWT), Singular Value Decomposition (SVD), Watermarking
Klasifikasi Penyakit Berdasarkan Warna Kuku Menggunakan Pengolahan Sinyal Digital Muhammad Obi Nugraha; Rita Purnamasari; Suci Aulia
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Pada manusia, berbagai penyakit sistemik dan dermatologis dapat dengan mudah didiagnosis dengan pemeriksaan kuku kedua tangan dan kaki. Banyak penyakit kuku telah ditemukan sebagai tanda-tanda awal dari berbagai penyakit sistemik yang mendasar. Warna, tekstur atau perubahan bentuk pada kuku adalah gejala dari berbagai Penyakit terutama yang mempengaruhi kuku. Masalah umum yang terjadi masih banyak orang yang tidak tahu bahwa perubahan kuku dapat mengindikasikan kesehatan manusia, yang dapat dilihat langsung dari perubahan kuku dan lunula atau biasa disebut bulan sabit yang terdapat pada kuku (half moon fingernails Berdasarkan permasalahan umum yang terjadi maka dibuatlah suatu sistem yang dapat memprediksi suatu penyakit dengan memanfaatkan image processing sebagai solusinya. Dari proses image processing tersebut maka suatu citra dapat dikelompokan berdasarkan kebutuhan medis yang diperlukan yang dapat menganalisis kuku manusia Hasil yang didapatkan dari penelitian untuk klasifikasi tiga kelas penyakit kuku yaitu Terry’s Nails, Yellow Nail Syndrom, dan yang terakhir Muehrcke lines mendapat nilai akurasi 94% dari parameter terbaik, yaitu epoch = 25 dan batch = 30. Menggunakan data sebesar 166 data citra yg di uji. Kata Kunci — kuku, image processing, convolutional neural network, VGG16net
Klasifikasi Sinyal Elektrokardiogram Untuk Irama Jantung Normal dan Aritmia Menggunakan Convolutional Neural Network (CNN) Gaol, Satya Wira Fernanda Lumban; Purnamasari, Rita; Saidah, Sofia
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Jantung merupakan organ tubuh manusia yang berfungsi untuk memompa darah ke seluruh tubuh.Dalam proses mendiagnosis kelainan jantung dapat denganElektrokardiogram (EKG). Elektrokardiogram (EKG) adalahsalah satu tes untuk mengetahui detak jantung menggunakanmesin pendeteksi impuls listrik atau disebut denganelektrokardiograf.. EKG dilakukan jika kamu mengalamigangguan irama jantung (aritmia), dimana kecepatan detakjantung penderitanya berdetak tidak normal sepertidetakannya cepat, detakan lambat, atau tidak beraturan.Dalam pengklasifikasian sinyal EKG pada jantung diperlukandeep learning karena dapat menganalisis data dalam skalabesar, diagnosa lebih cepat dan efisien, dan akurasi lebih tinggidibanding metode tradisional. Pada penelitian ini penulismelakukan pengklasifikasian menggunakan Deep Learning,dengan mengklasifikasikan sinyal EKG yang dipecah menjadi 2kelas, yaitu Normal Sinus Rhythm (NSR) dan Arrhythmia. Padatugas akhir ini merancang system deteksi Aritmia denganmetode Convolutional Neural Network (CNN) 1 Dimensi.Skenario uji dilakukan dengan membandingkan jenis optimizer,nilai learning rate, dan batch size agar memperoleh hasilterbaik. Pada tugas akhir ini membentuk sistem untuk deteksiAritmia dengan metode Convolutional Neural Network (CNN)1- Dimensi. Skenario uji membandingkan nilai learning rate,mencari optimizer terbaik, dan mencari batch size yang tepatuntuk mendapatkan akurasi terbaik. Hasil Uji terbaikdidapatkan dengan memakai optimizer RMSProp, learningrate 0.01, dan batch size 8. Didapatkan hasil hampir sempurnayaitu akurasi 99% , recall 99%, presisi 99%, dan f-1 score 99%.Kata Kunci : Convolutional Neural Network (CNN), PenyakitJantung, PhysioNet
Robust Watermarking Untuk Citra Medis Pada Domain Discrete Wavelet Transform Menggunakan Dekomposisi Matriks Dengan Particle Swarm Optimization Resandy, Refsi; Purnamasari, Rita; Atmaja, Ratri Dwi
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Teknik yang digunakan untuk melindungi hak cipta multimedia yaitu watermarking adalah proses penambahan informasi tambahan pada citra, video, atau audio untuk menjaga keamanan informasi. Citra medis dapat dikategorikan sebagai hak kekayaan intelektual, oleh karena itu perlu adanya perlindungan terhadap hak cipta dengan menggunakan watermark, yang dikenal sebagai copyright watermark. Metode robust watermarking dapat diaplikasikan untuk keperluan copyright karena memiliki sifat yang kokoh terhadap berbagai serangan. Artinya, watermark masih dapat dikenali dan diekstraksi meskipun citra ber-watermark mengalami serangan. Skema robust watermarking harus memiliki imperseptibilitas dan ketahanan yang baik, namun sering terjadi trade-off antara keduanya. Artinya semakin tinggi imperseptibilitas, semakin rendah ketahanan atau sebaliknya. Pada penelitian ini diusulkan metode watermarking citra pada domain transformasi Discrete Wavelet Transform dan dekomposisi matriks Hessenberg dan Singular Value Decomposition pada sub-band LL (low-low) dengan optimasi Particle Swarm Optimization. Hasil analisis skema watermarking untuk citra medis menunjukkan kualitas imperseptibilitas yang baik dengan nilai PSNR tertinggi 49,8469 dB dan SSIM lebih tinggi dari 0.98. Evaluasi menggunakan parameter NC menunjukan ketahanan skema terhadap serangan noise, kompresi, filter, sharpening dan beberapa serangan geometri seperti rotasi dan rescale. Kata kunci: Watermarking, Robust Watermarking, DWT, SVD, HD, PSO.
Analisis Sentimen Menggunakan Algoritma Naive Bayes Classifier Pada Ulasan Aplikasi PLN Mobile di Google Play Store Pramuji, Mochammad Chandra; Purnamasari, Rita; Eliskar, Yulinda; Thaha, Abdurrahman Rahim
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini bertujuan untuk memudahkan pengolahan big data dari ulasan aplikasi PLN Mobile menggunakan analisis sentimen berbasis algoritma Naive Bayes. Data ulasan diperoleh melalui web scraping dari Google Play Store dan diberi label berdasarkan sentimen positif dan negatif. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mencapai akurasi 93%, precision 80%, recall 88%, dan f1-score 83%. Temuan ini mengindikasikan bahwa metode Machine Learning dan kecerdasan buatan dapat membantu PLN mengolah big data ulasan pelanggan dengan lebih efisien dan akurat. Dengan demikian, PLN dapat merespons umpan balik pengguna dengan lebih baik dan meningkatkan layanan berdasarkan analisis yang dihasilkan dari model yang digunakan.
Co-Authors Abdurrahman Rahim Thaha Aditia Tarigan Aditia, Tarigan Agung Adinegoro Aji Fajar Suryo Antoro Alfin, Khoerunnisa Alfin, Muhammad Aliefiya Rachman Anam, Nasehun Anatasya Bella Anatasya Bella Andriyan Bayu Suksmono, Andriyan Bayu Angga Rus Dinar Annaria Anggi Putri Siagian Antanita, Yulintyandra Puja Anton Wachidin Widjaja Ardana, Arfio Ariando Ariando Ashiddiqi , Muhamad Hazbi Awlia, Winda Bainuri, Aulia Novria Basudewa, Muhammad Imansyah Bawazir , Ranya Fauzi Bimo Rian Tri Nugroho Citra Fairuz Ghina Dadan Nur Ramadan Darmawan, Galang Aditya Dewi Zakiawati Dimarta, Rafli Caesario Dimata, Rafli Caesario Edwin Rizki Handiarno Efri Suhartono Estananto Fahmi Oscandar Faisal Nur Achsani FARDAN FARDAN, FARDAN Fatur Rizki, Dwiki Feliana Putri Anindyta Efendi Felix Pidha Hilman Fenty Alia Firos Fathul Alam Fitriah Halimah Fityanul Akhyar Gading Aurelia Nabila Lubis Gaol, Satya Wira Fernanda Lumban Gelar Budiman Hannissa Sanggarini Hashfi Fadhillah Hasril Hasril Hendratno, Farhan Ramadhan Putra INDRA PRATAMA PUTRA SALMON Indrarini Dyah Irawati Inung Wijayanto Irawan, Meisi Iwan Iwut Tritoasmoro Janah Eka Widiarni Jony Oktavian Haryanto Kamil, Muhammad Zulvikar Fadlillah KHAERUDIN SALEH Khaerudin Saleh Khairul Anas Kris Sujatmoko Ledya Novamizanti Lubis, Gading Aurelia Nabila M.Fauzi Ishak M.Fauzi Ishak Mahanani, Edo Lutfi Majid, Muhammad Adam Mangesti, Dewi Sri Mas Sarwoko Suraatmadja Mohamad Ramdhani Mua, Edward Christhoper Muhamad Reinaldi Kurniawan Muhammad Fikri Aufa Muhammad Hablul Barri Muhammad Obi Nugraha Munthe , Jhon Alvrian Murnisari Dardjan Murnisari Dardjan Murnisari Dardjan Mustikasari, Ira Nani Murniati Nugraha Nugraha Nugraha Nugraha Nugroho , Haris Tri Nur Arviah Sofyan Nur Ibrahim Nurwan Reza Fachrurrozi Parameswara, Prastama Agung Yusuf Pramuji, Mochammad Chandra Prasojo, M Heru Pratama , M Hidayatullah Pratiwi, Yullia Sartika Putri Purwanto Purwanto Putu Harry Gunawan R. Yunendah Nur Fu’adah Raditiana Patmasari Rahman, Muhammad Harits Rahman, Nurfadilah Ramadhana, Rexy Yusuf Ratnasari, Pungky Eka Ratri Dwi Atmaja Resandy, Refsi Reza Yudistira Rizki Amalia Ulfa Rizki, Chaerul Rustam Rustam Rustam Sandi, Irfan Maulana Kurnia SAPUTRA, EFA MAYDHONA Saputra, Efa Maydhona Sasmi Hidayatul Yulianing Tyas Satria Mandala Savitri Amalia Simamora , Haichel Anggy Paro Simanullang, Charlos Alvaredo Siti Lainatul Afifah Siti Zahrotul Fajriyah Soetedjo, Erlangga Rahmat SOFIA SAIDAH Suci Aulia Sugondo Hadiyoso Suryo Adhi Wibowo Syauqi, Nabil Ali Syifa Nurgaida Yutia Tarigan Aditia Tarigan, Jepanta Taufik Yumna Tilawatila, Wawa Tora Fahrudin Trisucipto, Muhammad Wahid, Gloria Shekinah Florensia Wahidin Wahidin Wibawa, Made Hady Sadya Wibisono Sabdo Utomo Yonita Ersalina Leksono Yoren, Muhammad Ikhlashul Yudhi Afriyana Yudiansyah Yudiansyah Yugo Pratama Yulinda Eliskar Yunita Sri Wulandari, Kristina Yurika Ambar Lita Yurika Ambar Lita Yuti Malinda Yuti Malinda Zakaria, Rizqi Imam Arfa Zariaqwila , DTM Faiq