Claim Missing Document
Check
Articles

Found 33 Documents
Search

Penerapan Naive Bayes Untuk Analisis Opini Publik Indonesia Terhadap Gencatan Senjata Di Palestina Dwiki Gilang Ramadhani; Herdinan Tito; Sumanto; Ade Surya Budiman
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.672

Abstract

Penelitian ini bertujuan untuk mengetahui seperti apa pendapat masyarakat Indonesia terhadap isu gencatan senjata di Palestina dengan menganalisis data dari media sosial X (dulu Twitter). Data dikumpulkan menggunakan teknik web scraping, kemudian dianalisis menggunakan algoritma Naive Bayes dan diproses melalui perangkat lunak Orange Data Mining.Hasil analisis menunjukkan bahwa sebagian besar masyarakat Indonesia memiliki sentimen positif terhadap gencatan senjata, yang mencerminkan dukungan terhadap perdamaian. Model Naive Bayes yang digunakan mampu mengklasifikasikan data dengan cukup baik, dengan nilai AUC sebesar 91,5%, akurasi dan F1-score sebesar 73,4%, serta MCC sebesar 60,2%.Meskipun data hanya berasal dari media sosial dan belum tentu mewakili semua lapisan masyarakat, penelitian ini memberikan gambaran awal tentang opini publik terhadap isu Palestina. Ke depannya, penelitian dapat diperluas dengan jumlah data yang lebih besar dan kata kunci yang lebih beragam agar hasilnya lebih akurat dan menyeluruh.
Analisis Pengaruh Teknologi Digital Terhadap Pelanggaran Privasi Pada Generasi Muda Qais Abdurrachman; Andriansyah Tri Laksono; Mochamad Wahyudi; Sumanto; Ade Surya Budiman
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.677

Abstract

Keberadaan manusia telah sangat dipengaruhi oleh perkembangan teknologi digital, khususnya bagi generasi muda, yang tumbuh sebagai pengguna media sosial, aplikasi berbasis data, dan layanan daring yang sering. Meskipun teknologi memudahkan banyak aspek kehidupan, teknologi juga membahayakan keamanan dan privasi data pribadi. Tujuan dari penelitian ini adalah untuk menguji sejauh mana generasi muda memandang pelanggaran privasi sebagai akibat dari teknologi digital. Sebanyak 32 responden diberikan kuesioner sebagai bagian dari pendekatan kuantitatif. Hasil analisis menunjukkan bahwa, dengan skor rata-rata 4,07, tingkat penggunaan teknologi digital masuk dalam kategori tinggi, sedangkan skor pelanggaran privasi adalah 3,64. Meskipun demikian, terdapat hubungan yang sangat lemah (r = 0,0287) antara keduanya, yang menunjukkan bahwa peningkatan penggunaan teknologi digital tidak selalu sesuai dengan peningkatan pelanggaran privasi. Penelitian ini menyiratkan bahwa tingkat pelanggaran privasi dapat dipengaruhi oleh karakteristik tambahan, seperti literasi digital dan pengetahuan tentang pengaturan privasi. Akibatnya, generasi muda harus lebih terinformasi dan lebih sadar akan privasi digital.
Optimizing Heart Disease Prediction Using SMOTE, Decision Tree, and Random Forest: A Regional Analysis Approach Ryan Harrys Pratama; Ade Surya Budiman; Amin Nur Rais
Journal of Computer Science and Informatics Engineering Vol 5 No 2 (2026): April
Publisher : Ali Institute of Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/cosie.v5i2.1675

Abstract

Heart disease remains the leading cause of mortality globally, including Indonesia. However, developing accurate predictive models is often hindered by class imbalance in medical datasets, where positive cases significantly outnumber negative cases. This study optimizes heart disease prediction by applying SMOTE (Synthetic Minority Oversampling Technique) regionally to Decision Tree and Random Forest algorithms using the "Heart Attack Prediction in Indonesia" dataset from Kaggle, which contains rural and urban attributes. Following the CRISP-DM framework, SMOTE was applied separately for each region to capture local distributional diversity and reduce regional bias. Results demonstrate that regional SMOTE significantly improved recall and F1-scores for both algorithms, particularly in rural areas where Random Forest recall increased from 60.50% to 70.34%. Statistical significance was confirmed through paired t-tests and Wilcoxon signed-rank tests on 5-fold cross-validation results (p < 0.001). Fairness analysis using Demographic Parity Difference and Equalized Odds Difference confirmed equitable performance across populations (DPD < 0.005, EOD < 0.008). Random Forest consistently outperformed Decision Tree, achieving the highest F1-score of 66.19% in urban regions post-SMOTE. These findings support that regional SMOTE effectively enhances model sensitivity toward minority classes while maintaining spatial fairness in heart disease prediction