Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal DECODE: Jurnal Pendidikan Teknologi Informasi
Abdul Fadlil
Teknik Elektro Universitas Ahmad Dahlan
Computer Science & IT Education Languange, Linguistic, Communication & Media Other

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

Found 2 Documents
Search

 1 
Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet “Mental Health” Dianda Rifaldi; Abdul Fadlil; Herman
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i2.131

Abstract

Indonesia merupakan salah satu negara di kategorikan pengguna media sosial twitter terbanyak yaitu mencapai 18,45 pada periode januari tahun 2022 juta pengguna sehingga data pada twitter dapat digunakan dalam melakukan bebagai penelitian. Data penelitian ini menggunakan data media sosial twitter yang diambil dengan metode crawling dan mendapatkan data sebanyak 9739 yang diambil dari tanggal 19 oktober 2022 sampai 4 desember 2022 dengan menggunakan keyword “mental health”. Data hasil crawling masih berbentuk mentah dan tidak terstruktur, sehingga perlu dilakukan preprocessing agar data dapat di proses ke tahap selanjutnya dan menghasilkan data yang dapat diolah menggunakan tools pengolah data. Tujuan penelitian ini adalah melakukan preprocessing pada data yang sudah diperoleh melalui twitter. Pengolahan data menggunakan model machine learning diperlukan tahap persiapan data yaitu dengan melakukan preprocessing agar data yang digunakan dapat diolah dengan baik. hasil penelitian ini adalah data yang melewati tahap preprocessing telah berbentuk kata dasar dan siap diolah untuk melakukan penelitian terkait mental health. Beberapa tahapan yang dilakukan pada preprocessing yaitu perubahan bentuk kata dasar, menghapus kata yang tidak penting, menghapus imbuhan, dan konjungsi dari dokumen tweet. Selanjutnya data yang telah melewati tahap preprocessing siap untuk dilakukan pembuatan model analisis sentimen yang berguna dalam pengambilan keputusan terhadap permasalahan tersebut.
Optimasi Algoritma Naïve Bayes Menggunakan Fitur Seleksi Backward Elimination untuk Klasifikasi Prevalensi Stunting Muhajir Yunus; Muhammad Kunta Biddinika; Abdul Fadlil
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i2.188

Abstract

Stunting adalah masalah kekurangan gizi kronis yang ditandai dengan tinggi badan anak di bawah normal untuk usianya. Anak yang mengalami stunting memiliki risiko lebih tinggi terhadap berbagai penyakit kronis dan masalah kesehatan lainnya dan cenderung memiliki intelligence quotient yang lebih rendah dan performa yang buruk di sekolah karena sebanyak 90% jumlah sel otak tercipta sejak dalam kandungan hingga anak berumur 24 bulan. Tujuan dari penelitian ini adalah untuk mengklasifikasi prevalensi stunting pada anak usia di bawah 5 tahun dengan mengimplementasikan metode naïve bayes menggunakan fitur seleksi backward elimination berdasarkan data perhitungan z-score dengan data sampel berjumlah 224 record, yang terdiri dari 4 atribut dan 1 label yaitu jenis kelamin, usia, berat badan, tinggi badan dan status gizi. Dari hasil penelitian yang telah dilakukan diperoleh nilai akurasi tertinggi sebesar 92,54% sedangkan hasil dari pengujian model tanpa menggunakan seleksi fitur mendapatkan akurasi sebesar 53,50%. Penelitian ini menggunakan data traning dan testing dengan ratio sebesar 70%:30%.
Co-Authors Dianda Rifaldi Herman Muhajir Yunus Muhammad Kunta Biddinika