Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Teknik Informatika (JUTIF)
Imam Ma'ruf Nugroho
STT Wastukancana
Computer Science & IT Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
SENTIMENT ANALYSIS USING K-NEAREST NEIGHBOR BASED ON PARTICLE SWARM OPTIMIZATION ACCORDING TO SUNSCREEN’S REVIEWS Anita Nur Syifa Rahayu; Teguh Iman Hermanto; Imam Ma'ruf Nugroho
Jurnal Teknik Informatika (Jutif) Vol. 3 No. 6 (2022): JUTIF Volume 3, Number 6, December 2022
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2022.3.6.425

Abstract

High UV exposure and tropical climate are afftected by the equator that passing through Indonesia. In this case, early aging will haunted not only by skincare lovers but also the rest of Indonesians including male and female. By so, we need to protect our skin using sun protector like sunscreen. Sunscreen application awareness through reviews by many different user probably are the most effective way to get to know the suitable sunscreen. By scrolling through the reviews surely will be time wasting. As of, sentiment analysis is the solution to classifying between negative and positive sentiments from the reviews. This research uses K-Nearest Neighbor (K-NN) algorithm as classification method because this method way more easy and efficient to use by its self learning, thus K-NN can learned its own data through its neighbor. Particle Swarm Optimization is used to increasing the accuration. Evaluation method using Confusion Matrix and the results are accuracy, precision and recall. Classification result using only k-NN and optimized with PSO are getting increase. Brand ‘Azarine’ rank the first accuration value with 91,89% using k-NN and 92,80% using k-NN PSO.
ANALISIS CLUSTERING UNTUK PENGELOMPOKAN JUDUL SKRIPSI MAHASISWA MENGGUNAKAN METODE TF-IDF DAN ALGORITMA K-MEANS (STUDI KASUS : STT WASTUKANCANA) Imam Ma'ruf Nugroho; Teguh Iman Hermanto
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 6 No 1 (2021): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v6i1.1617

Abstract

Pada STT. Wastukancana mahasiswa yang telah lulus pasti telah mendaftarkan judul skripsinya ke dalam sistem yang bernama e-research, pada sistem tersebut judul skripsi di kelompokkan menurut tahun ajaran judul tersebut diajukan oleh mahasiswa. Hal itu membuat mahasiswa yang akan mengajukan judul skripsi kesulitan dalam menentukan judul baru yang sebelumnya belum pernah diajukan. Masalah ini dapat diatasi dengan menerapkan metode pengelompokkan clustering terhadap judul skripsi yang ada.Tujuan dari penelitian ini yaitu melakukan analisis clusteringjudul skripsi mahasiswa dengan membandingkan kemiripan kata yang terdapat dalam judul skripsi tersebut menggunakan metode TF-IDF dan algoritma K-Means.Metode analisis yang digunakan yaitu pengumpulan data, text preprocessing, feature Selection, TF-IDF, dan text mining.Algoritma clustering yang digunakan yaitu algoritma K-Means dimana clustering ini bertujuan untuk mengelompokkan judul skripsi ke dalam cluster berdasarkan kemiripan kata yang terdapat pada judul skripsi tersebut.Hasil dari penelitian ini adalah pengelompokkan judul skripsi mahasiswa yang didapat berdasarkan cluster yang terbentuk. Hasil dari cluster ini dapat menjadi acuan sebagai rekomendasi dalam penyimpanan skripsi yang sudah dibuat dan penentuan judul skripsi yang akan datang.
Co-Authors Anita Nur Syifa Rahayu Teguh Iman Hermanto