Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI Jurnal Teknik dan Science (JTS)
Ernianti Hasibuan
Universitas Gunadarma
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering

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

Found 3 Documents
Search

 1 
ANALISIS SENTIMEN PADA ULASAN APLIKASI AMAZON SHOPPING DI GOOGLE PLAY STORE MENGGUNAKAN NAIVE BAYES CLASSIFIER Ernianti Hasibuan; Elmo Allistair Heriyanto
Jurnal Teknik dan Science Vol. 1 No. 3 (2022): Oktober : Jurnal Teknik dan Science
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56127/jts.v1i3.434

Abstract

Sentiment analysis or opinion mining is a study that analyzes people's opinions, thoughts and impressions on various topics, subjects, and products or services. The development of social media makes public opinion data available which can be found easily on the internet. The large volume of data causes the need for an automatic system to classify the data based on different aspects because classifying data manually is a time-consuming process. In this study, sentiment analysis will be carried out with a machine learning-based approach using the Naive Bayes algorithm using user review data on the Amazon Shopping application on the Google Play Store. The classification results using the four Naive Bayes algorithms produce an average accuracy of 82.15%, precision of 72.25%, recall of 83.49%, and f1-score of 77.41%. Multinomial NB produces the best accuracy among the four Naive Bayes algorithms used, which is 86.74%. The values of precision, recall, and f1-score are 78.82%, 85.90%, and 82.21%, respectively.
Pengembangan Strategi Pembelajaran Mesin untuk Membangun Visualisasi Cerdas Berdasarkan Preferensi Pengguna: Array Evans Winanda Wirga; Johan Harlan; I Made Wiryana; Ernianti Hasibuan
Jurnal Ilmiah Komputasi Vol. 21 No. 3 (2022): Jurnal Ilmiah Komputasi : Vol. 21 No 3, September 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.21.3.2936

Abstract

Presentasi dan visualisasi yang didukung pola interaksi yang tepat antara pengguna sebagaipengambil keputusan berdasarkan pertimbangan data yang tepat akan mendukung Decision SupportSystem yang baik. Penelitian ini memaparkan pengembangan strategi pembelajaran mesin dalam membangun visualiasi yang berdasarkan preferensi pengguna. Data diklasifikan menjadi data pengontrol visualisasi (Dc) dan data visualisasi (Dv), Selanjutnya dibuat pattern visualiasi data sebagai bahan untuk pembelajaran mesin dalam menentukan hasil visualiasi. Penerapan strategi learning pada machine learning ini memungkinkan untuk menghasilkan smart visualization berdasarkan preferensi pengguna saat memilih visualisasi yang sesuai dengan kebutuhannya
Implementasi Machine Learning untuk Prediksi Harga Mobil Bekas dengan Algoritma Regresi Linear berbasis Web Ernianti Hasibuan; Aldian Karim
Jurnal Ilmiah Komputasi Vol. 21 No. 4 (2022): Jurnal Ilmiah Komputasi : Vol. 21 No 4, Desember 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.21.4.3327

Abstract

Pada saat pembeli ingin membeli mobil terdapat sesuatu masalah yang ditemui, salah satunya terkait kurangnya informasi mengenai harga mobil terutama mobil bekas. Terbatasnya informasi mengenai harga mobil bekas menyebabkan masyarakat yang ingin menjual atau membeli mobil tidak memiliki acuan terhadap harga mobil di pasaran. Informasi harga mobil sangat penting dan diperlukan untuk mengetahui prediksi kisaran harga mobil dengan mengacu pada variabel yang memang bisa diperhitungkan. Salah satu metode untuk memprediksi harga mobil adalah dengan Machine Learning (ML) yang bertujuan untuk melatih model dengan algoritma yang mampu melakukan analisis statistik dengan teknik Supervised Learning yang tepat untuk membuat prediksi. Prediksi adalah salah satu unsur statistika yang sangat penting dalam pengambilan keputusan. Algoritma Regresi Linier merupakan salah satu teknik membangun model yang digunakan untuk prediksi nilai dari data masukan yang diberikan. Pada penelitian ini algoritma Regresi Linier akan digunakan ini untuk memprediksi harga mobil bekas. Dataset yang digunakan untuk melatih model prediksi dengan algoritma Regresi Linier bersumber dari respositori dataset Kaggle untuk data harga mobil bekas. Penelitian ini melalukan prediksi berdasar model dan algoritma regresi liner untuk karakter mobil bekas yang kemudian divisualisasi hasilnya pada webiste. Proses prediksi menggunakan perbandingan data uji dan data latih pada proses pengujian model yang dibangun memiliki tingkat akurasi sebesar 76%.
Co-Authors Aldian Karim Elmo Allistair Heriyanto Evans Winanda Wirga I Made Wiryana I Made Wiryana Johan Harlan