Claim Missing Document
Check
Articles

Found 13 Documents
Search

Analisa Sentimen Menggunakan Data Twitter, Flume, Hive Pada Hadoop dan Java Untuk Deteksi Kemacetan di Jakarta Buslim, Nurhayati; Busman, Busman; Sinatrya, Nadika Sigit; Kania, Tifani Shallynda
JOIN (Jurnal Online Informatika) Vol 3 No 1 (2018)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v3i1.141

Abstract

Berikut adalah paragraf yang sudah dirapikan: Traffic congestion in big cities in Indonesia is unavoidable, especially in Jakarta. The increasing number of vehicles and the lack of public transportation are the main causes of traffic congestion in Jakarta. It disturbs people's activities. The government has already made various efforts to resolve the congestion problem; however, it requires high installation and maintenance costs and takes time to be implemented. People often complain about traffic congestion in Jakarta by posting on Twitter, which are called tweets. Every tweet posted is saved in the Twitter API and used for sentiment analysis. It analyzes the emotions of the users. Based on these problems, we conducted research on how to detect traffic congestion in Jakarta. Therefore, we tried to create a Congestion Detection App. We designed the app using UML diagrams. The Congestion Detection App is connected with Hadoop, Flume, Hive, and Derby. The app streams Twitter data collected by connecting with the Twitter API. This app is a Java-based application that can create and view data tables. It performs searches on tweets by ID and analyzes traffic conditions in specific regions in Jakarta. The app performs sentiment analysis on certain tweets and displays the results based on the data tables. The result of the research compares data from the Congestion Detection App with data from Google Maps. We made three value categories consisting of three colors: green for less traffic congestion with a value of 1, orange for medium-scale traffic congestion with a value of 2, and red for heavy traffic congestion with a value of 3. Based on these three categories and values, we used four regions as samples and compared the values with those from Google Maps data to determine accuracy. We achieved an 81% average accuracy from the four samples. The data from the tweet samples compared with Google Maps data showed significant congestion detection with the Congestion Detection App.
Analisis Struktur Modal Terhadap Kinerja Keuangan Pada PT. Unilever (Persero) Tbk Busman, Busman; Dina Utami, Satriani Satriani,
YUME : Journal of Management Vol 8, No 1 (2025)
Publisher : Pascasarjana STIE Amkop Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37531/yum.v8i1.8581

Abstract

Tujuan peneliti melakukan penelitian ini untuk mengetahui tingkat kinerja keuangan pada PT. Unilever (Persero) Tbk. Ditinjau melalui kinerja keuangan (Debt To Equity Ratio, dan Return On Equity) pada tahun 2022-2024. Jenis penelitian ini merupakan studi kasus. Teknik pengumpulan data yang digunakan adalah dokumentasi. Teknik analisis data yang digunakan yaitu analisis rasio keuangan yang didukung dengan analisis trend. Secara umum Debt To Equity Ratio  melihat rata-rata  tahun 2022-2024 sebagai berikut yaitu Debt To Equity Ratio   sebesar 3.99 kali. Rata-rata Return On Equity tahun 2022-2024 dengan Perputaran Kas  0.09 kali. Kata Kunci: Struktur Modal, Kinerja Keuangan
POTENSI REMINERALISASI PADA PASTA GIGI BERFLORIDA DAN TIDAK BERFLORIDA Zulsantritus, Zulsantritus; Edrizal, Edrizal; Busman, Busman
B-Dent: Jurnal Kedokteran Gigi Universitas Baiturrahmah Volume 3, Nomor 2, Desember 2016
Publisher : Universitas Baiturrahmah

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (69.657 KB) | DOI: 10.33854/JBDjbd.70

Abstract

Pasta gigi berflorida dan tidak berflorida merupakan bahan yang dapat memperkuat dan meremineralisasi gigi serta membantu mencegah karies gigi. Peneliti tertarik melakukan penelitian tentang aplikasi dari pasta gigi berflorida dan tidak berflorida untuk mendapatkan potensi perbandingan dalam remineralisasi gigi. Jenis penelitian ini adalah eksperimental laboratori dengan menggunakan penelitian analytic experimental pretest and postest design. Sampel yang digunakan dalam penelitian ini adalah gigi premolar yang telah diekstraksi dengan teknik selected sampling. Penelitian ini terdiri dari 2 perlakuan. Dimana pada perlakuan kelompok 1 menggunakan 15 gigi dilakukan perendaman pada larutan saliva buatan dengan pasta gigi berflorida dan pada perlakuan kelompok 2 menggunakan 15 gigi dilakukan perendaman pada larutan saliva buatan dengan pasta gigi tidak berflorida. Hasil penelitian menunjukan berat gigi sebelum dan sesudah dilakukan perendaman pada larutan saliva buatan dengan pasta gigi berflorida dan tidak berflorida 1, 2, 3, 4 dan 5 menunjukkan perbedaan yang tidak bermakna (p>0,05) antara berat gigi sebelum dan setelah dilakukan perendaman. Berdasarkan hasil diatas dapat disimpulkan bahwa semakin lama waktu perendaman gigi didalam larutan saliva buatan dengan pasta gigi berflorida dan tidak berflorida maka semakin tingginya penambahan berat gigi.