Garuda - Garba Rujukan Digital

Analisis Sentimen Terhadap Opini Publik pada Sosial Media Twitter Menggunakan Metode Support Vector Machine Ade Dwi Dayani; Yuhandri; Widi Nurcahyo, Gunadi
Jurnal KomtekInfo Vol. 11 No. 1 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i1.439

Perkembangan topik childfree kini menjadi pembahasan yang ramai diperbincangkan oleh publik. Hangatnya kembali topik childfree di karenakan seorang pegiat sosial media yang memutuskan untuk memilih childfree dan mengemukakannya ke media sosial. Penelitian ini bertujuan untuk melakukan sentimen analisis klasifikasi terhadap opini publik pada sosial media twitter. Metode analisis klasifikasi yang digunakan mengadopsi kinerja metode Support Vector Machine (SVM) untuk menyajikan keluaran yang optimal. Dataset penelitian diambil dengan menggunakan teknik crawling yang bersumber dari sosial media Twitter. Dataset penelitian yang diperoleh akan di klasifikasi ke dalam model sentimen positif, negatif, dan netral. Hasil pengujian analisis SVM berdasarkan data sampel diperoleh hasil analisis klasifikasi dengan tingkat akurasi sebesar 69,69%, recall sebesar 45,60%, precision sebesar 51,56%, dan F1-Score 46%. Berdasarkan hasil penelitian yang diperoleh, kinerja analisis SVM menunjukkan performa yang cukup dalam melakukan analisis klasifikasi terhadap opini publik pada sosial media twitter. Penelitian ini dapat berkontribusi dalam memberikan pengetahuan baru dalam pengklasifikasian menggunakan metode Support Vector Machine serta melihat bagaimana perkembangan topik childfree pada media sosial Twitter di Indonesia.

SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE SIMPLE ADDITIVE WEIGHTING UNTUK MENENTUKAN PENERIMA ZAKAT FITRAH (Studi Kasus Di Yayasan Abdul Khalik Fajduani Deli Serdang) Rahmansyah, Rizky; Yuhandri; Widi Nurcahyo, Gunadi
RJOCS (Riau Journal of Computer Science) Vol. 9 No. 2 (2023): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v9i2.1774

Zakat fitrah adalah zakat yang wajib dikeluarkan oleh setiap muslim yang mampu untuk membantu saudara-saudara muslim yang kurang mampu. Namun, dalam proses penentuan penerima zakat fitrah, seringkali terdapat kesulitan karena banyaknya calon penerima yang memenuhi kriteria. Oleh karena itu, dibutuhkan suatu sistem pendukung keputusan yang dapat membantu dalam proses penentuan penerima zakat fitrah. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) untuk menentukan penerima zakat fitrah di Yayasan Abdul Khalik Fajduani Deli Serdang. Metode SAW dipilih karena dapat mengolah beberapa kriteria yang berbeda dan memberikan bobot untuk setiap kriteria. Metode ini juga relatif mudah diimplementasikan dan dapat menghasilkan hasil yang cukup akurat. Hasil analisis menunjukkan bahwa sistem pendukung keputusan dengan metode SAW dapat membantu meningkatkan dalam proses penentuan penerima zakat fitrah di yayasan tersebut. Selain itu, hasil perhitungan menggunakan metode SAW menunjukkan bahwa jamaah yang bernama Atmaja Putra mendapatkan nilai yang mendekati kriteria dengan nilai 0.775 dan mendapatkan peringkat terbaik 1. Hal ini menunjukkan bahwa sistem pendukung keputusan dengan metode SAW dapat membantu dalam penentuan penerima zakat fitrah dengan lebih efektif dan efisien. Kata kunci: Zakat Fitrah, Sistem Pendukung Keputusan, Simple Additive Weighting, Penentuan Penerima Zakat Fitrah, Yayasan Abdul Khalik Fajduani Deli Serdang.

Penerapan Sistem Pendukung Keputusan Dengan Metode Profile Matching untuk Menentukan Mahasiswa Berprestasi (Studi Kasus di Poltekkes Kemenkes Padang) Kamelia Sari, Rima; Defit, Sardjon; Widi Nurcahyo, Gunadi
RJOCS (Riau Journal of Computer Science) Vol. 9 No. 2 (2023): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v9i2.1778

The Health Polytechnic of the Ministry of Health of Padang annually conducts selection activities for outstanding students. The process of selecting outstanding students at the Health Polytechnic of the Ministry of Health in Padang is still done manually, therefore to determine outstanding students it is necessary to design a computerized Decision Support System application using the Profile Matching method. With this designed system, it is hoped that it can help the Padang Ministry of Health Polytechnic to make decisions in determining outstanding students with predetermined criteria and values. The final score obtained from this study was 4.55 by Mutiara Mawaddah Anandri. So the results of the analysis are expected to be able to help the Health Polytechnic of the Padang Ministry of Health in determining outstanding students.

Sistem Pakar Menggunakan Metode Forward Chaining Untuk Identifikasi Penerimaan Beasiswa di Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi Tri, Tri Agusti Farma; Yuhandri; Widi Nurcahyo, Gunadi
RJOCS (Riau Journal of Computer Science) Vol. 9 No. 2 (2023): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v9i2.1783

Scholarships are one way of providing tuition fees for students who are still actively participating in lectures at tertiary institutions. The existence of scholarships can help students to finance educational needs, in accordance with the provisions of article 4 (paragraph 1) of the PPh/2000 Law. This study aims to build a system of indicators for determining scholarship acceptance appropriately. Expert System is the ability of computers to convert human knowledge into computers so that they can help solve problems that can only be solved by experts. The scholarship acceptance identification expert system is a system that adopts the knowledge of education experts in determining scholarship acceptance for students at university based on scholarships that have been set at the university. The purpose of this Expert System is to prove that the Forward Chaining method can be implemented in making this Expert System and provide benefits to facilitate campus bureaucrats in determining which students are eligible to receive scholarships. The data used in this study were 10 student data, in the form of scholarship requirements and student diagnostic data by the head of the academic division. The data is processed using the Forward Chaining Inference method in the form of an application with the PHP programming language. The results of this study were 30 student data running well on the system used. An expert system with the Forward Chaining method is suitable and can be used to determine scholarship acceptance.

Optimasi Seleksi Ekstrakurikuler Siswa Menggunakan Metode Profile Matching: Studi Kasus di SMP Negeri 1 Kerinci Zuqron, M. Iqbal; Defit, Sarjon; Widi Nurcahyo, Gunadi
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2211

Penerapan metode Profile Matching dalam pengelompokan minat dan bakat ekstrakurikuler siswa di SMP Negeri 1 Kerinci. Pemilihan ekstrakurikuler yang tepat bagi siswa merupakan tantangan tersendiri bagi sekolah, terutama karena belum adanya sistem pendukung keputusan yang terkomputerisasi. Selama ini, pemilihan dilakukan secara manual berdasarkan aspek tinggi badan, berat badan, fleksibilitas, dan kecepatan, yang sering kali tidak objektif dan memakan waktu lama. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem berbasis komputer yang dapat membantu menentukan ekstrakurikuler siswa secara lebih efektif dan efisien. Metode Profile Matching digunakan untuk mencocokkan kompetensi individu dengan standar kompetensi ekstrakurikuler. Proses ini dilakukan dengan mengidentifikasi gap antara nilai profil siswa dan nilai target yang telah ditentukan untuk setiap ekstrakurikuler. Perhitungan dilakukan dengan menentukan bobot pada faktor utama (core factor) dan faktor pendukung (secondary factor), yang masing-masing diberi persentase pengaruh sebesar 60% dan 40%. Dari hasil perhitungan, sistem dapat secara otomatis merekomendasikan ekstrakurikuler yang paling sesuai untuk setiap siswa. Hasil penelitian menunjukkan bahwa sistem berbasis Profile Matching ini dapat meningkatkan akurasi pemilihan ekstrakurikuler hingga 85% dibandingkan dengan metode manual. Selain itu, implementasi sistem berbasis web dengan bahasa pemrograman PHP membantu mempercepat proses seleksi dan meminimalkan subjektivitas dalam pengambilan keputusan. Dengan adanya sistem ini, diharapkan proses seleksi ekstrakurikuler dapat dilakukan dengan lebih objektif, akurat, dan efisien. Persentase keakuratan: 85% (berdasarkan perhitungan metode dan hasil perbandingan dengan sistem manual).

Implementasi Metode Profile Matching dalam Sistem Pendukung Keputusan untuk Seleksi Penerimaan Siswa Baru Wedo, Mhd; Widi Nurcahyo, Gunadi; Sovia, Rini
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2229

Kemajuan teknologi informasi telah memberikan kontribusi signifikan dalam berbagai bidang, termasuk pendidikan. Salah satu tantangan dalam dunia pendidikan adalah proses seleksi penerimaan siswa baru yang sering kali memerlukan pengambilan keputusan yang cepat, objektif, dan akurat. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis web dengan menerapkan metode Profile Matching dalam proses penerimaan siswa baru di SMPN 1 Kerinci. Metode Profile Matching dipilih karena kemampuannya dalam membandingkan kompetensi individu dengan standar yang telah ditetapkan, sehingga dapat mengurangi subjektivitas dalam proses seleksi. Penelitian ini menggunakan pendekatan kuantitatif dengan metode eksperimen, yang melibatkan pengumpulan data nilai akademik dan non-akademik calon siswa, serta implementasi algoritma Profile Matching dalam sistem berbasis web. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan efisiensi dan akurasi proses seleksi dengan mengurangi waktu yang dibutuhkan dalam penilaian serta memberikan hasil yang lebih transparan. Pengujian sistem dilakukan menggunakan metode black box testing, yang menunjukkan bahwa semua fitur sistem berfungsi dengan baik. Selain itu, analisis perbandingan dengan metode seleksi konvensional menunjukkan peningkatan objektivitas dalam pengambilan keputusan. Dengan demikian, penerapan SPK berbasis web dengan metode Profile Matching dapat menjadi solusi inovatif bagi institusi pendidikan dalam meningkatkan transparansi, akurasi, dan efisiensi seleksi penerimaan siswa baru. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem serupa di berbagai lembaga pendidikan lainnya.

Improved Backpropagation Using Genetic Algorithm for Prediction of Anomalies and Data Unavailability Widi Nurcahyo, Gunadi; Akbari Wafridh; Yuhandri
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 4 (2024): August 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i4.5507

Anomalies and data unavailability are significant challenges in conducting surveys, affecting the validity, reliability, and accuracy of analysis results. Various methods address these issues, including the Backpropagation Neural Network (BPNN) for data prediction. However, BPNN can get stuck in local minima, resulting in suboptimal error values. To enhance BPNN's effectiveness, this study integrates Genetic Algorithm (GA) optimization, forming the BPGA method. GA is effective in finding optimal parameter solutions and improving prediction accuracy. This research uses data from the 2022 National Socio-Economic Survey (Susenas) in Solok District to compare the prediction performance of BPNN, Multiple Imputation (MI), and BPGA methods. The comparison involves training the models with a subset of the data and testing their predictions on a separate subset. The BPGA method demonstrates superior accuracy, with the lowest mean squared error (MSE) and highest average accuracy, outperforming both BPNN and MI methods.

Application of Forward Chaining and Certainty Factor Methods to Identify Anxiety Disorder Categories Doli Raharjo, Tio; Widi Nurcahyo, Gunadi; Arlis, Syafri
Jurnal KomtekInfo Vol. 12 No. 3 (2025): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v12i3.663

Anxiety disorders are a form of mental disorders that often occur and have a significant impact on the quality of life of individuals. However, the process of diagnosing this disorder still faces various challenges, especially limited access to professionals and difficulties in identifying the type of disorder based on varying symptoms. This research aims to design and implement an expert-based system to help the early diagnosis process of anxiety disorders quickly and accurately. The system was developed as a web application that allows users to answer a series of questions related to the symptoms experienced, then provide possible types of disorders based on the calculation of confidence levels. The method used is forward chaining as an inference engine to conduct a rule and certainty factor search to calculate the level of confidence in the identification results of the symptoms experienced by the user. Data collected from the literature and interviews with experts were built into a knowledge base consisting of 8 types of anxiety disorders with a total of 41 symptoms. Each rule in the system is formulated using an if-then structure that combines CF values to represent the level of confidence in the symptoms and the results of logical inference with advanced tracking methods. The system was tested using 20 test data in the form of symptom-based case simulations. The results of the evaluation showed that the system was able to produce an initial diagnosis with an accuracy rate of up to 100% based on comparison with manual diagnosis from experts. This system also provides explanatory information in the form of confidence level in each diagnosis result. These findings suggest that the Certainty Factor and Forward Chaining approaches are effective in building expert systems for diagnosing anxiety disorders and have the potential to be further developed as a screening tool in educational or primary health care settings.

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search