Claim Missing Document
Check
Articles

Found 32 Documents
Search

PELATIHAN KOMPOR PINTAR UNTUK WARGA DESA KARANGANYAR PAITON PROBOLINGGO Tijaniyah Tijaniyah; Mochammad Faid; Muhammad Hasan Basri; Ratri Enggar Pawening; Bambang Bambang
Gotong Royong Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/gr.v1i2.30

Abstract

Pelatihan kompor pintar ini sangat disambut baik oleh warga desa karanganyar paiton probolinggo. Kompor pintar ini sangat berguna untuk kebutuhan sehari-hari seperti memasak air, memasak nasi, telur dan ikan. Alat ini memmiliki keunggulan dapat sebagai charger hp setelah proses pembakaran kompor dengan biomassa kayu dan daun kering. Alat ini bersifat portable dan mudah dibawa kemana-mana serta cocok untuk kegiatan berkemah di hutan. Biomasaa yang digunakan oleh kompor pintar ini sangat mudah yaitu kayu dan daun kering. Dengan adanya pelatihan ini sangat memudahkan warga mengoperasikan kompor pintar secara mandiri di rumah. Hasil panas dari pembakaran kompor dapat dijadikan daya listrik untuk charger handphone. Kompor pintar ini juga dapat menyalakan 1 buah lampu LED berukuran 5-10 watt.   
Perbandingan Algoritma Klasifikasi untuk Prediksi Sentimen Emoji dalam Teks Moh Ainol Yaqin; Mochammad Faid
JOKI: Jurnal Komputasi dan Informatika Vol 1 No 01 (2024): Juni 2024
Publisher : CV. Laskar Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65678/joki.v1i01.16

Abstract

Penelitian ini bertujuan untuk mengevaluasi dan membandingkan efektivitas berbagai algoritma pembelajaran mesin dalam mengklasifikasikan sentimen emoji. Data yang digunakan dalam penelitian ini terdiri dari emoji yang masing-masing diberikan label sentimen positif, negatif, atau netral. Kami menerapkan teknik Count Vectorization untuk mengubah data teks menjadi format numerik yang sesuai untuk pemrosesan algoritma pembelajaran mesin, Empat algoritma yang dievaluasi dalam penelitian ini adalah Multilayer Perceptron (MLP), Decision Tree Classifier, Naive Bayes Classifier, dan K-Nearest Neighbors (KNN). Setiap model dilatih menggunakan data latihan dan diuji menggunakan data uji yang telah dipisahkan sebelumnya dengan rasio pembagian 80:20,Hasil penelitian menunjukkan bahwa terdapat perbedaan signifikan dalam akurasi antara algoritma yang diuji, dengan masing-masing algoritma menunjukkan kekuatan dan kelemahannya. Efektivitas setiap model dievaluasi berdasarkan akurasi prediksi dan diinterpretasikan melalui matriks kebingungan yang dihasilkan,Visualisasi data menggunakan seaborn dan matplotlib memberikan wawasan lebih lanjut tentang performa masing-masing model, memungkinkan analisis mendalam tentang kesalahan klasifikasi yang umum terjadi. Studi ini memberikan panduan yang berguna untuk pemilihan algoritma dalam aplikasi klasifikasi sentimen berbasis emoji, yang memiliki implikasi signifikan dalam analisis media sosial dan interaksi manusia-komputer