Garuda - Garba Rujukan Digital

KOMPARASI METODE SVM, K-NN DAN NBC PADA ANALISIS SENTIMEN I Gede Hendrayana; Dewa Gede Hendra Divayana; Made Windu Antara Kesiman
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 4 No. 1 (2023): Jurnal Indonesia : Manajemen Informatika dan Komunikasi (JIMIK)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) AMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v4i1.157

The beauty of Bali raises many comments about how a trip to Indonesia is not complete without going to Bali. In the tourism industry the application of tourist satisfaction and perspective is very important, but most of them still apply surveys. The survey-based approach has weaknesses such as operational costs, the potential for data duplication, and a lack of comprehensiveness. Sentiment analysis of natural tourism objects is performed by classifying positive and negative comments in the Jatiluwih tourist comment dataset. The focus of this panel's sentiment analysis is on comments related to the Natural Tourism Attractiveness Criteria. According to the Directorate General of Forest Protection and Nature Conservation in 2003, the criteria for natural tourism objects are tourist attraction, market potential, accessibility, socio-economic environmental conditions, public services, climate conditions, supporting facilities and infrastructure, and the availability and safety of clean water. This study compares the SVM, K-NN, and NBC methods. This study aims to provide a comprehensive analysis of the performance of each method using the confusion matrix. The results showed that the K-NN method was superior to SVM and NBC in terms of testing accuracy and precision, where accuracy on K-NN gave a value of 93.4%, SVM 93.1%, and NBC 87.9%.

Consequences of Misclassification in Data Categorization for Tourism Attraction Recommendation DSS Using ARAS Gede Surya Mahendra; I Gede Hendrayana
TIERS Information Technology Journal Vol. 5 No. 1 (2024)
Publisher : Universitas Pendidikan Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38043/tiers.v5i1.5416

This research focuses on optimizing tourism attraction management in Bali using DSS and the ARAS method, emphasizing the importance of accurate data categorization. Bali’s tourism industry, faced significant challenges during the COVID-19 pandemic, highlighting the need for effective management strategies. This study addresses these challenges by utilizing the ARAS method to analyze and rank tourist attractions. The research methodology follows the CRISP-DM model. The study demonstrates that improper use of conversion scales for quantitative data can lead to inaccurate rankings, as seen when comparing converted and non-converted data rankings. Alter01, Alter03, and Alter02 occupy the top three ranks in the non-converted data, while Alter09, Alter06, and Alter15 rank highest in the converted data. These findings highlight the need to use precise numerical values for criteria whenever possible and to reserve conversion scales for qualitative data, to ensure accurate and reliable recommendations. ARAS has a simple and easy-to-understand computational procedure. However, the results from ARAS heavily depend on the weights assigned to the criteria. Inaccurate determination of these weights can lead to outcomes that do not reflect actual preferences. The research concludes that implementing more refined data categorization techniques can enhance tourism management, promoting sustainable growth and more informed decision-making.

KOMPARASI METODE SVM, K-NN DAN NBC PADA ANALISIS SENTIMEN Hendrayana, I Gede; Divayana, Dewa Gede Hendra; Kesiman, Made Windu Antara
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 4 No. 1 (2023): Januari
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v4i1.157

The beauty of Bali raises many comments about how a trip to Indonesia is not complete without going to Bali. In the tourism industry the application of tourist satisfaction and perspective is very important, but most of them still apply surveys. The survey-based approach has weaknesses such as operational costs, the potential for data duplication, and a lack of comprehensiveness. Sentiment analysis of natural tourism objects is performed by classifying positive and negative comments in the Jatiluwih tourist comment dataset. The focus of this panel's sentiment analysis is on comments related to the Natural Tourism Attractiveness Criteria. According to the Directorate General of Forest Protection and Nature Conservation in 2003, the criteria for natural tourism objects are tourist attraction, market potential, accessibility, socio-economic environmental conditions, public services, climate conditions, supporting facilities and infrastructure, and the availability and safety of clean water. This study compares the SVM, K-NN, and NBC methods. This study aims to provide a comprehensive analysis of the performance of each method using the confusion matrix. The results showed that the K-NN method was superior to SVM and NBC in terms of testing accuracy and precision, where accuracy on K-NN gave a value of 93.4%, SVM 93.1%, and NBC 87.9%.

SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN WISATA FAVORIT DI KABUPATEN BULELENG MENGGUNAKAN METODE MOORA Amsyari, Faqih; Aryasta, Komang Hokky; Pernata, I Gusti Ngurah Agung; Mahendra, Gede Surya; Hendrayana, I Gede
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 2 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i2.11930

Industri pariwisata di Bali, khususnya di Kabupaten Buleleng, merupakan salah satu pendorong utama ekonomi lokal. Wilayah ini menawarkan berbagai pilihan wisata yang dapat dikunjungi di setiap daerahnya. Untuk memilih objek wisata yang memiliki daya tarik tinggi, diperlukan pendekatan yang sistematis. Sistem Pendukung Keputusan menyediakan kerangka kerja terstruktur untuk mengelola dan menganalisis data dalam pengambilan keputusan terkait pariwisata. Metode yang digunakan pada penelitian ini adalah MOORA, yang efektif dalam menangani kriteria-kriteria seperti aksesibilitas, biaya, fasilitas, dan kebersihan. Penelitian ini akan menerapkan integerasi antara model penelitian dengan model proses CRISP-DM. Penelitian ini menggunakan 5 kriteria dan 8 alternatif. Hasil yang di dapatkan dalam penelitian ini yakni alternatif Krisna Eco Village mendapatkan nilai tertinggi sebagai tempat wisata terfavorit di Kabupaten Buleleng sebesar 0,3610, posisi kedua terdapat alternatif Pantai Pemuteran dan posisi 3 terdapat alternatif Bendungan Titab Ularan yang menjadi 3 besar pilihan daya tarik wisata terfavorit yang paling direkomendasikan. Pembobotan kriteria terbesar terdapat pada kriteria aksesbilitas sebesar 29,17% yang membuat Krisna Eco Village menjadi alternatif yang paling direkomendasikan karena memiliki nilai terbesar dibandingkan alternatif lainnya.

OPTIMASI HYPERPARAMETER CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENET PADA KLASIFIKASI PENYAKIT DAUN JAGUNG Dita Ariani Sukma Dewi, Ni Putu; Hendrayana, I Gede; I Wayan Agus Weda Kusuma Putra
Jurnal Mnemonic Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i1.11744

Jagung merupakan salah satu komoditas pangan utama di Indonesia yang kaya akan karbohidrat dan Indonesia merupakan eksportir jagung terbesar di ASEAN. Produksi jagung bergantung pada kesehatan tanaman jagung. Tanaman yang terinfeksi akan menurunkan hasil produksi. Maka dari itu, penyakit pada tumbuhan menjadi tantangan besar bagi sektor pertanian, terkhususnya bagi petani jagung. Mengenali jenis penyakit pada daun jagung adalah sebuah langkah awal dalam pemberantasan dan pengobatan penyakit pada jagung sehingga dapat mengurangi kemungkinan gagal panen. Biasanya, petani jagung menggunakan cara konvensional untuk mengenali penyakit pada tanaman jagung. Namun, metode ini tidak efektif dan efisien karena memerlukan waktu yang lama dan banyak tenaga manusia. Penelitian ini akan membuat sebuah model deep learning untuk klasifikasi penyakit daun jagung secara otomatis dengan menggunakan salah satu arsitektur Convolutional Neural Network yakni MobileNet. Dataset yang digunakan pada penelitian ini bernama Corn Leaf Disease yang terdiri dari 4 kelas penyakit daun jagung yakni Bercak Daun, Hawar Daun, Karat Daun, dan Daun Sehat. Model dengan hasil terbaik menggunakan kombinasi hyperparameter batch size 32 dan learning rate 0,001. Performansi model yakni 97,83% pada training, 92,25% pada validation, dan 90,75% pada testing

The implementation of the Random Forest Algorithm with Resampling and Without Resampling on the Hepatitis C Disease Dataset Hendrayana, I Gede; Dewi, Ni Putu Dita Ariani Sukma; Aryasa, Jiyestha Aji Dharma; Prayoga, I Made Ade; Raharjo, Rizki Anom
Journal of Computer Networks, Architecture and High Performance Computing Vol. 7 No. 3 (2025): Articles Research July 2025
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v7i3.6089

This study evaluates the performance of Random Forest models for Hepatitis C classification using a dataset from Kaggle, focusing on addressing class imbalance through resampling techniques. We compare three approaches: baseline Random Forest without resampling, Random Forest with SMOTE+ENN (Synthetic Minority Oversampling Technique + Edited Nearest Neighbors), and Random Forest with SMOTE+OSS (Synthetic Minority Oversampling Technique + One-Sided Selection). Results show that the baseline model achieved high accuracy (0.9837) but failed to detect minority classes (e.g., suspect Blood Donor recall=0.00). SMOTE+ENN significantly improved performance, achieving perfect classification (precision=1.00, recall=1.00) for Hepatitis, Fibrosis, and Cirrhosis, while maintaining high accuracy (0.9919) and ROC AUC (0.9999). In contrast, SMOTE+OSS showed limitations in detecting Hepatitis (recall=0.00) and yielded lower precision for Fibrosis (0.44), indicating its undersampling approach may be too aggressive. The study highlights SMOTE+ENN as the most effective method for balancing class distribution and enhancing model robustness in medical diagnostics. These findings underscore the importance of selecting appropriate resampling techniques to improve minority class detection in imbalanced datasets, with implications for developing reliable AI-based diagnostic tools for Hepatitis C.

Sistem Pendukung Keputusan untuk Merekomendasikan Wisata di Kabupaten Klungkung Menggunakan Metode MOORA Mahendra, Gede Surya; Santhi, Trihana; Sutrisna, Ketut Dita Ari; Cahayani, Putu Putri; Hendrayana, I Gede; Nugraha, Putu Gede Surya Cipta
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 1 (2025): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i1.780

Penelitian ini bertujuan untuk merancang dan mengimplementasikan SPK berbasis web untuk membantu wisatawan dalam memilih destinasi wisata terbaik di Kabupaten Klungkung, Bali. Masalah utama yang dihadapi adalah kesulitan wisatawan dalam memilih tempat wisata yang sesuai dengan preferensi mereka, mengingat banyaknya pilihan destinasi yang tersedia namun kurangnya informasi yang terstruktur. Solusi yang dipilih adalah pengembangan SPK yang dapat memberikan rekomendasi destinasi wisata berdasarkan kriteria seperti keindahan alam, fasilitas, aksesibilitas, dan popularitas. Metode yang digunakan dalam penelitian ini adalah MOORA, yang diterapkan pada sistem berbasis web menggunakan bahasa pemrograman PHP dan framework Laravel. Penelitian ini mengikuti framework CRISP-DM, yang mencakup tahapan Business Understanding, Data understanding, Data preparation, Modeling, Evaluation, dan Deployment. Hasil penelitian menunjukkan bahwa penerapan metode MOORA dalam SPK dapat memberikan rekomendasi destinasi wisata yang akurat dan efisien. Perhitungan yang dilakukan baik secara manual maupun menggunakan sistem berbasis web menghasilkan nilai yang konsisten, memastikan keakuratan hasil. Sistem ini dapat mempermudah wisatawan dalam membuat keputusan berbasis data, serta mendukung promosi destinasi wisata oleh pemerintah daerah dan pelaku industri pariwisata di Kabupaten Klungkung

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search