Article Per Year (5 Year)
p-Index From 2021 - 2026
1.405
P-Index
This Author published in this journals
All Journal JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Pilar Nusa Mandiri J-SAKTI (Jurnal Sains Komputer dan Informatika) IJISTECH (International Journal Of Information System & Technology) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer IJISTECH J-SAKTI (Jurnal Sains Komputer dan Informatika) Journal Automation Computer Information System (JACIS) J-Intech (Journal of Information and Technology) Journal of Accounting Information System
Susi Susilowati, Susi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : journal automation computer information system jacis

 1 
Analisis Sentimen Air Mineral dan Demineral Menggunakan SVM pada Dataset Tidak Seimbang Rana, Dipo Yudhis; Fadillah, Nur; Syarifah, Asyifa Raudha; Afiandri, Dhea Aulia; Rianto, Harsih; Nuryamin, Yamin; Susilowati, Susi
Journal Automation Computer Information System Vol. 5 No. 2 (2025): November
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i2.138

Abstract

Penelitian ini menganalisis sentimen opini pengguna platform X terhadap air mineral dan air demineral menggunakan pendekatan kuantitatif eksperimental. Data set terdiri dari 140 tweet yang dilabeli manual ke dalam tiga kategori: positif (38.57%), negatif (13.57%), dan netral (47.86%). Ketidakseimbangan kelas ekstrem dan ukuran data set yang sangat kecil menjadi tantangan utama yang mendasari novelty penelitian ini. Penelitian ini menguji hipotesis bahwa class weighting lebih efektif daripada Synthetic Minority Over-sampling Technique (SMOTE) pada dataset kecil. Klasifikasi menggunakan Support Vector Machine (SVM) dengan pra-pemrosesan teks (case folding, data cleaning, stemming Sastrawi, stopword removal) dan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF). Evaluasi melalui 10-fold stratified cross-validation menunjukkan SVM dengan class weighting mencapai akurasi 57.14% dan F1-score macro 42.36%, sedikit mengungguli SMOTE (53.57% akurasi, 40.98% F1 macro). Uji statistik (Cohen's d = 0.125) mengkonfirmasi tidak ada perbedaan signifikan, membuktikan SMOTE tidak efektif pada dataset sangat kecil. Kelas minoritas (negatif) mencapai F1-score hanya 8%, menunjukkan tantangan ketidakseimbangan ekstrem. Kontribusi utama penelitian ini adalah validasi empiris bahwa class weighting lebih robust daripada SMOTE untuk analisis sentimen berbahasa Indonesia pada kondisi data terbatas
Prediksi ISPU Jakarta Menggunakan Random Forest Roris, Renaldi Putra; Saputra, Andhika; Fahrizal, Ahmad; Susilowati, Susi; Rianto, Harsih; Nuryamin, Yamin
Journal Automation Computer Information System Vol. 5 No. 2 (2025): November
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i2.139

Abstract

Polusi udara Jakarta memerlukan sistem prediksi akurat untuk peringatan dini kesehatan publik. Penelitian ini mengembangkan model machine learning untuk memprediksi Indeks Standar Pencemar Udara (ISPU) harian maksimum menggunakan dataset 3.045 observasi dari lima stasiun pemantauan (Januari–Agustus 2024) dengan enam parameter polutan (PM10, PM2.5, SO2, CO, O3, NO2). Tiga algoritma dievaluasi: Linear Regression, Random Forest, dan Gradient Boosting. Random Forest mencapai kinerja terbaik dengan R² = 0,9575, RMSE = 4,44, dan MAE = 0,82, melampaui studi sejenis (R² = 0,78–0,89). Analisis feature importance mengungkapkan PM2.5 mendominasi prediksi ISPU dengan kontribusi 87,11%, jauh melebihi NO2 (4,94%) dan SO2 (2,84%). Penelitian memberikan tiga kontribusi: (1) model prediksi ISPU akurasi tertinggi untuk implementasi sistem peringatan dini operasional; (2) identifikasi PM2.5 sebagai target prioritas kebijakan pengendalian polusi berbasis bukti; dan (3) bukti empiris bahwa polusi bersifat kronis dan menyeluruh, memerlukan intervensi komprehensif untuk melindungi kesehatan 10+ juta penduduk Jakarta
Co-Authors Afiandri, Dhea Aulia Agus Perdana Windarto AHMAD FAHRIZAL Apriyanto, Apriyanto Aulia Firdiana, Rachma Fahreza, Muhamad Hasan Harsih Rianto Hersatoto Listiyono Johan Ericka Wahyu Prakasa Laila Isyriyah Nur Fadillah, Nur Rana, Dipo Yudhis Roris, Renaldi Putra Santoso, Indra Wahyu Saputra, Andhika Sipayung, Nicolas Zefanya Sismadi, Sismadi Syarifah, Asyifa Raudha Wardani, Chyntia Ayu Widiana, Rahmi Yamin Nuryamin Zuly Budiarso