Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Realtech Prosiding Seminar Nasional Unimus
Apriandy Angdresey
Unknown Affiliation
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Engineering Health Professions Industrial & Manufacturing Engineering Nursing Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pemanfaatan Aplikasi Asisten Komunikasi Berbasis Internet of Things Bagi Siswa Tunarungu di SLB/B Damai GMIM Tomohon Michael George Sumampouw; Vivie Deyby Kumenap; Apriandy Angdresey
Prosiding Seminar Nasional Unimus Vol 4 (2021): Inovasi Riset dan Pengabdian Masyarakat Post Pandemi Covid-19 Menuju Indonesia Tangguh
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Tunarungu merupakan istilah untuk orang yang memiliki gangguan pada pendengaran. Saatberkomunikasi sangat penting untuk memahami yang diucapkan orang lain, namun hal tersebutmenjadi masalah ketika siswa tunarungu berkomunikasi dengan orang yang tidak memahami bahasaisyarat. Suara siswa tunarungu saat berkomunikasi juga sering tidak terkendali sehinggamengganggu dan menarik perhatian orang di sekitarnya. Tujuan dari kegiatan ini adalahmemanfaatkan aplikasi asisten komunikasi berbasis internet of things untuk membantu siswatunarungu saat berkomunikasi. Metode yang digunakan dalam kegiatan ini adalah metodeprototyping untuk pengembangan aplikasi yang diawali dengan identifikasi masalah hinggaimplementasi sistem, selanjutnya adalah pelatihan penggunaan alat dan aplikasi. Hasil dari kegiatanini adalah aplikasi asisten komunikasi yang terdiri dari aplikasi website yang akan mengubah suaramenjadi teks, serta alat untuk mengukur volume suara dan memberikan peringatan jika melebihibatas yang ditentukan. Hasil dari kegiatan pelatihan pada siswa tunarungu di SLB/B Damai GMIMTomohon adalah mereka dapat berkomunikasi dengan orang yang tidak memahami bahasa isyarat,selain itu mereka dapat mengontrol volume suara karena ada peringatan yang dihasilkan dari alattersebut. Kata Kunci: Tunarungu, Internet of Things, Aplikasi Asisten Komunikasi.
IMPLEMENTASI METODE NAÏVE BAYES DAN LEXICON-BASED APPROACH UNTUK MENGKLASIFIKASI SENTIMEN NETIZEN PADA TWEET BERBAHASA INDONESIA Liza Wikarsa; Apriandy Angdresey; Juan Kapantow
Jurnal Ilmiah Realtech Vol. 18 No. 1 (2022)
Publisher : Fakultas Teknik Universitas Katolik De La Salle Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52159/realtech.v18i1.5

Abstract

Sosial media, seperti Twitter, banyak digunakan untuk menghubungkan pengguna aplikasi ini di seluruh dunia tanpa dibatasi waktu dan tempat. Tautan Twitter banyak berisi opini dan sentimen dari pengguna terkait topik dan kejadian yang lagi trendi. Analisis sentimen pada teks media sosial telah mendapat banyak perhatian di sektor publik dan komersial. Terdapat banyak penelitian di bidang ini yang mengevaluasi sentimen dari suatu bagian teks, tetapi hasil penelitian sebelumnya belum memadai dan analisis sentimen yang dilakukan mengabaikan konteks. Pengklasifikasian sentimen dari penelitian terkait hanya dibatasi dengan 3 kelas sentimen, yaitu positif, negatif, dan netral sehingga dirasakan belum cukup ekspresif dan informatif. Analisis sentimen menggunakan leksikon berbahasa Indonesia juga terbatas. Oleh karena itu, penelitian ini bertujuan untuk membangun aplikasi pengklasifikasian sentimen netizen pada tweets berbahasa Indonesia dengan menggabungkan metode Naïve Bayes dan pendekatan lexicon-based. Ada 3 topik utama yang diangkat dalam penelitian ini, yaitu pendidikan, kesehatan, dan teknologi, di mana sentimen pengguna Twitter akan diklasifikasikan ke dalam 7 sentimen, seperti senang, sedih, marah, kaget, takut, jijik, dan netral. Sentimen pengguna ini akan diproses pada 3 level yang berbeda, yakni word-level, tweet-level, dan topic-level, dengan jumlah data sebanyak 1,000 tweets untuk tiap topik. Hasil pengujian menunjukkan bahwa rasio pembagian data latih dan data uji, 70:30, dapat memberikan hasil terbaik. Pada word-level, hasil yang mampu dicapai dalam penelitian ini adalah 79,17% akurasi, 89.5% presisi, dan 87,5% recall. Hal ini dipengaruhi oleh jumlah kata unik yang ada di seed lexicon. Akurasi, presisi dan recall yang didapat pada tweet-level adalah sebanyak 83%, 83,62%, dan 98,36% untuk topik pendidikan tweet-level. Sedangkan topik teknologi mendapatkan hasil terendah karena hanya memiliki 69% akurasi, presisi 71,01%, dan recall 93,78% Untuk topic-level, sentimen senang mendominasi ketiga topik tersebut.
Co-Authors Juan Kapantow Kumenap, Vivie Deyby Liza Wikarsa Michael George Sumampouw