Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JSI: Jurnal Sistem Informasi (E-Journal) Produktif : Jurnal Ilmiah Pendidikan Teknologi Informasi
Nandi Dwi Husni Sadikin
Universitas Adhirajasa Reswara Sanjaya
Computer Science & IT Decision Sciences, Operations Research & Management Education Library & Information Science Social Sciences Other

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

Found 2 Documents
Search

 1 
SENTIMEN ANALISIS MARKETPLACE DI INDONESIA MENGGUNAKAN ALGORITMA RANDOM FOREST Irgi Mahendrata Saputra; Nanda Dwi Husna Sadikin; Nandi Dwi Husni Sadikin; Niki Marko; Yudi Ramdhani
PRODUKTIF : Jurnal Ilmiah Pendidikan Teknologi Informasi Vol. 7 No. 1 (2023): Produktif: Jurnal Ilmiah Pendidikan Teknologi Informasi
Publisher : Program Studi Pendidikan Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35568/produktif.v7i1.3149

Abstract

Situs marketplace online merupakan tempat belanja yang saat ini sedang populer dikalangan masyarakat,banyak sekali berbagai marketplace yang bersaing, mulai dari shoope,tokopedia,bukalapak dan lain lain. selain memudahkan masyarakat untuk belanja namun ada banyak sekali masalah masalah yang timbul keluhan tentang aplikasi tersebut. Ada berbagai macam masalah pada market place di Indonesia,salah satunya yaitu kurang puasnya pelanggan terhadap market place,yang menyebabkan banyak nya komplain pelanggan terhadap market place tersebut,maka dari itu kami melakukan penelitian analis sentimen melalui data post twitter. Melalui teknologi machine learning, sentimen publik terhadap market place dapat diketahui dengan berbagai macam algoritma, salah satu algoritmanya yaitu algoritma random forest. Penelitian ini bertujuan untuk mengklasifikasi dan mengetahui tingkat akurasi sentimen publik terhadap berbagai macam market place menggunakan teknologi machine learning dengan algoritma random forest. Setelah dilakukan proses analisa dan klasifikasi menggunakan tools rapidminer, tingkat akurasi dari sentimen publik terhadap market place sebesar 68,56%
DETEKSI PENYAKIT TUBERKULOSIS MELALUI SEGMENTASI CITRA MENGGUNAKAN ALGORITMA K-MEANS Nanda Dwi Husna Sadikin; Nandi Dwi Husni Sadikin; Niki Marco; Sesilia Wati; Ignatius Wiseto Prasetyo Agung
Jurnal Sistem Informasi Vol 15, No 2 (2023)
Publisher : Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jsi.v15i2.21902

Abstract

Tuberkulosis telah menjadi penyakit yang sangat berbahaya, penularan yang cepat dan mudah menjadi penyakit menular paling berbahaya di dunia saat ini. Deteksi bakteri mycobacterium tuberkulosis pun diperlukan untuk mempercepat diagnosis pasien, agar pasien dapat segera diobati dan penularan dapat dihentikan. Dalam penelitian ini, sebuah pendekatan segmentasi citra yang menggabungkan model warna LAB dan algoritma clustering K-Means diajukan untuk memisahkan dengan akurat area yang berisi bakteri tuberculosis dalam citra dari latar belakang. Pertama-tama, citra mikroskopis diubah ke dalam ruang warna LAB guna mengekstraksi komponen warna yang paling sensitif terhadap perbedaan intensitas dalam citra bakteri mycobacterium tuberculosis. Selanjutnya, melalui penerapan algoritma K-Means clustering, piksel-piksel citra dikelompokkan menjadi beberapa kelompok berdasarkan perbedaan intensitasnya. Hasil eksperimen menunjukkan bahwa pendekatan ini mampu mengisolasi area yang berisi bakteri mycobacterium tuberculosis dalam citra mikroskopis dengan akurasi dan efisiensi yang tinggi. Meskipun hasil akurasi yang tinggi didapatkan dengan cara diamati secara visual, penting untuk dicatat bahwa validasi akurasi segmentasi ini menjadi tantangan karena kurangnya cara yang objektif untuk memvalidasi keberadaan bakteri tuberkulosis dalam citra hasil. Namun, hasil penelitian ini memberikan indikasi yang kuat bahwa pendekatan segmentasi yang diusulkan ini memiliki potensi sebagai langkah awal dalam pengembangan sistem deteksi otomatis bakteri tuberculosis yang lebih canggih.
Co-Authors Ignatius Wiseto Prasetyo Agung Irgi Mahendrata Saputra Nanda Dwi Husna Sadikin Nanda Dwi Husna Sadikin Niki Marco Niki Marko Sesilia Wati Yudi Ramdhani