Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika
Miftahul Rizal
Universitas Adhirajasa Reswara Sanjaya
Computer Science & IT Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
ALGORITMA DECISION TREE UNTUK ANALISIS SENTIMEN PUBLIC TERHADAP MARKETPLACE DI INDONESIA Azril Tazidan Octa Nuryawan; Mamun Hasbullah; Miftahul Rizal; Muhamad Fauzan Rajab; Nova Agustina
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 1 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i1.186

Abstract

Pasar online di Indonesia semakin berkembang pesat dan menjadi salah satu destinasi utama bagi pengguna internet dan media sosial. Berbagai macam layanan marketplace telah tersedia dan diakses oleh mayoritas masyarakat Indonesia. Namun, seiring dengan perkembangan tersebut, kepuasan konsumen terhadap layanan marketplace juga beragam, mulai dari yang positif, negatif, hingga netral. Banyak di antara konsumen yang mengekspresikan reaksinya di media sosial, termasuk di Twitter. Dalam penelitian ini, dilakukan analisis opini terhadap post yang dilakukan pelanggan bisnis online di Indonesia di Twitter dari berbagai macam konsumen. Namun, karena jumlah komentar yang sangat banyak, sulit untuk menyimpulkan pendapat pelanggan tentang situs belanja online yang menawarkan layanan terbaik. Bahkan, trending topik di Twitter hanya menampilkan topik hangat yang banyak dibahas tanpa kesimpulan yang jelas. Untuk mengklasifikasikan data opini umum di Twitter dari situs e-commerce, langkah pertama adalah memproses data tweet menggunakan tools Rapidminer untuk mengenali data tweet tersebut. Kemudian, digunakan algoritma decision tree untuk mengelompokkan data opini. Hasil penelitian menunjukkan bahwa dengan menggunakan cross validation, algoritma decision tree mencapai akurasi sebesar 70,27 persen, sementara menggunakan split validation mencapai akurasi 66,95 persen. Dalam hal ini, akurasi yang lebih baik tercapai dengan menggunakan cross validation. Hasil penelitian ini dapat memberikan informasi yang bermanfaat bagi pelaku bisnis online di Indonesia untuk meningkatkan kualitas layanan mereka dan meningkatkan kepuasan pelanggan. Selain itu, penelitian ini juga memberikan gambaran tentang pentingnya memanfaatkan algoritma decision tree dalam mengelompokkan data opini di media sosial, terutama di Twitter, sebagai alat untuk menganalisis sentimen konsumen terhadap suatu layanan atau produk.
OPTIMASI ALGORITMA NAÏVE BAYES MENGGUNAKAN FORWARD SELECTION UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS Miftahul Rizal; Muhamad Zakhy Syahaf; Satrio Rully Priyambodo; Yudi Ramdhani
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 1 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i1.200

Abstract

Penyakit Ginjal Kronis (PGK) ialah disfungsi ginjal liberal dan ireversibel di mana keahlian tubuh untuk men-dukung badan mempertahankan metabolisme dan keseimbangan elektrolit tersendat. Penyakit ginjal kronis akan ber-tambah sebagai gagal ginjal terminal maupun ginjal tingkatan akhir penyakit dimana ginjal tidak sanggup bertugas lagi untuk melindungi materi ke dalam badan, membutuhkan pemulihan langkah- langkah lebih lanjut dari dialisis maupun transplantasi ginjal sebagai pemulihan pengganti ginjal. Penyakit ginjal adalah masalah kesehatan diseliruh dunia, yang memiliki Peningkatan prevalensi gagal ginjal dan prognosis buruk dan biaya yang tinggi. Penyakit ginjal kronis bisa menjadi sulit untuk disembuhkan, penyebab utama termasuk diabetes dan tekanan darah tinggi. Penelitian memperoleh dataset dari UCI machine learning reprository dan terdapat banyak dataset, salah satunya ialah dataset Risk Factor prediction of Chronic Kidney Disease. Studi ini bermaksud untuk mengukur tingkat keakuratan penggo-longan informasi data mining, studi ini menggunakan algoritma C4. 5, K- NN, Naïve bayes, Logistic regression. Dari algoritma keempat akan dibandingkan pengklasifikasian dataset Risk Factor prediction of Chronic Kidney Disease, dataset yang diperoleh dari UCI machine learning reprository. Dari hasil akurasi yang didapat dengan menggunakan Algoritma C4. 5 menghasilkan akurasi 90, 45%, Algoritma K- NN menghasilkan kejituan 91, 50%, Algoritma Naïve Bayes menghasilkan akurasi 92, 92%, Algoritma Logistic Regresion menghasilkan akurasi 80, 09%. sehingga bisa disimpulkan jika algoritma yang paling tidak akurat ialah algoritma Naïve Bayes.
Co-Authors Azril Tazidan Octa Nuryawan Mamun Hasbullah Muhamad Fauzan Rajab Muhamad Zakhy Syahaf Nova Agustina Satrio Rully Priyambodo Yudi Ramdhani