Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : journal of informatics and advanced computing

Sistem Pakar Terapi Herbal Menggunakan Metode Certainty Factor Putri Nurwahyuni; Dyah Sulistyowati Rahayu
Journal of Informatics and Advanced Computing (JIAC) Vol 1 No 1 (2020): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Teknik Informatika Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia memiliki potensi tanaman herbal yang beragam. Potensi yang sangat melimpah tersebut belum dimanfaatkan secara maksimal salah satunya disebabkan oleh kurangnya pakar di bidang tanaman herbal tersebut. Masyarakat umumpun sulit memperoleh informasi yang kredibel tentang manfaat penggunaan tanaman herbal tertentu. Pada penelitan ini telah dibuat Sistem Pakar Terapi Herbal Menggunakan Metode Certainty Factor. Metode ini menentukan saran terapi dengan cara mendiagnosa gejala-gejala yang dirasakan berdasarkan rule dan nilai kepercayaan. Sistem dengan metode certainty factor memberikan output hasil diagnosa gejala yang dirasakan oleh pengguna dengan memberikan saran terapi berupa obat herbal beserta cara penggunannya. Tingkat akurasi yang mencapai 90% pada sistem ini dapat dilihat dari jumlah skenario pengujian akurasinya. Namun, jika dilihat dari jumlah herbal pada saran terapi sistem output, akurasinya adalah 97%. Hal tersebut menandakan bahwa sistem pakar terapi herbal dengan menggunakan metode certainty factor ini memiliki tingkat keakuratan yang baik.
Sistem Pakar Terapi Herbal Menggunakan Metode Certainty Factor Putri Nurwahyuni; Dyah Sulistyowati Rahayu
Journal of Informatics and Advanced Computing (JIAC) Vol 1 No 1 (2020): Journal of Informatics and Advanced Computing (JIAC)
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/jiac.v1i1.1399

Abstract

Indonesia memiliki potensi tanaman herbal yang beragam. Potensi yang sangat melimpah tersebut belum dimanfaatkan secara maksimal salah satunya disebabkan oleh kurangnya pakar di bidang tanaman herbal tersebut. Masyarakat umumpun sulit memperoleh informasi yang kredibel tentang manfaat penggunaan tanaman herbal tertentu. Pada penelitan ini telah dibuat Sistem Pakar Terapi Herbal Menggunakan Metode Certainty Factor. Metode ini menentukan saran terapi dengan cara mendiagnosa gejala-gejala yang dirasakan berdasarkan rule dan nilai kepercayaan. Sistem dengan metode certainty factor memberikan output hasil diagnosa gejala yang dirasakan oleh pengguna dengan memberikan saran terapi berupa obat herbal beserta cara penggunannya. Tingkat akurasi yang mencapai 90% pada sistem ini dapat dilihat dari jumlah skenario pengujian akurasinya. Namun, jika dilihat dari jumlah herbal pada saran terapi sistem output, akurasinya adalah 97%. Hal tersebut menandakan bahwa sistem pakar terapi herbal dengan menggunakan metode certainty factor ini memiliki tingkat keakuratan yang baik.
Analisis Sentimen “Jakarta International Stadium” Sebagai Tempat Konser Menggunakan BiLSTM Dan Word2vec Embedding: Analisis Sentimen “Jakarta International Stadium” Sebagai Tempat Konser Menggunakan BiLSTM Dan Word2vec Embedding Shafira Desika Az-zahra; Dyah Sulistyowati Rahayu; Agung Wahyudi
Journal of Informatics and Advanced Computing (JIAC) Vol 7 No 1 (2026): Journal of Informatics and Advanced Computing
Publisher : Universitas Pancasila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35814/y3q1d541

Abstract

Jakarta International Stadium (JIS) sebagai venue konser berskala besar di Indonesia memunculkan beragam opini publik di media sosial X. Banyaknya data teks tidak terstruktur menyulitkan identifikasi sentimen secara manual, sehingga penelitian ini menerapkan analisis sentimen berbasis Deep Learning menggunakan metode Bidirectional Long Short-Term Memory (BiLSTM) dengan Word2Vec sebagai representasi fitur teks. Hasil penelitian menunjukkan bahwa pada klasifikasi dua kelas, sentimen positif lebih dominan, sedangkan pada klasifikasi tiga kelas, sentimen negatif menjadi yang paling dominan. Model BiLSTM dengan Word2Vec menghasilkan akurasi sebesar 85% pada klasifikasi dua kelas dan 79% pada klasifikasi tiga kelas. Evaluasi menggunakan Stratified K-Fold Cross Validation lima fold memperoleh rata-rata akurasi 82,97% dan 77,16% dengan standar deviasi rendah. Penelitian ini juga diimplementasikan dalam aplikasi berbasis web untuk menampilkan prediksi sentimen secara interaktif.