Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : JOKI: Journal of Computing and Informatics

Perbandingan Algoritma Klasifikasi untuk Prediksi Sentimen Emoji dalam Teks Yaqin, Moh. Ainol Yaqin; Moh Ainol Yaqin; Mochammad Faid
JOKI: Jurnal Komputasi dan Informatika Vol 1 No 01 (2024): Juni 2024
Publisher : Laskar Karya

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

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
PENGEMBANGAN APLIKASI PENJUALAN FASHION DENGAN PAYMENT GATEWAY DAN BOT TELEGRAM TOKO GLAMORA Winda Widiarti Cahyani; Moh. Ainol Yaqin
JOKI: Jurnal Komputasi dan Informatika Vol 1 No 02 (2024): Desember 2024
Publisher : Laskar Karya

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

Abstract

Dalam era digital saat ini, teknologi informasi berkembang pesat dan membawa perubahan besar dalam berbagai aspek kehidupan, termasuk dalam dunia bisnis. Perkembangan teknologi E-Commerce telah memberi peluang baru bagi bisnis untuk memasarkan barang dan jasa secara online, memudahkan pelanggan dalam mengakses dan membeli produk. Namun, masih banyak pelaku bisnis, termasuk Toko Glamora, sebuah UKM yang bergerak di bidang penjualan fashion dan aksesoris, yang belum memanfaatkan platform online secara optimal. Toko Glamora saat ini menghadapi beberapa permasalahan dalam memasarkan produknya secara online. Penjualan masih dilakukan secara offline, informasi produk kurang efektif disampaikan, dan proses pembayaran masih manual, menyebabkan ketidaknyamanan bagi pelanggan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan untuk mengembangkan aplikasi penjualan fashion dan aksesoris berbasis web dengan payment gateway dan bot Telegram menggunakan framework Django. Metode penelitian yang digunakan adalah pendekatan kualitatif untuk memahami fenomena secara mendalam, dan metode agile untuk pengembangan sistem secara adaptif dan kolaboratif. Hasil pengujian menunjukkan bahwa aplikasi yang dikembangkan sudah layak digunakan dan mendapat respon positif dari pengguna, dengan persentase tertinggi 77,75% menyatakan setuju. Aplikasi ini diharapkan dapat memberikan kemudahan bagi pelanggan dalam menjelajahi dan membeli produk, menyediakan pilihan pembayaran yang aman dan nyaman, serta meningkatkan penjualan dan kepuasan pelanggan Toko Glamora.
Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Serangan Hama Pada Daun Bawang Merah Laila Homisatun Awaliyah; Moh. Ainol Yaqin
JOKI: Jurnal Komputasi dan Informatika Vol 2 No 2 (2025): Desember
Publisher : CV. Laskar Karya

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

Abstract

Desa Bulang, yang terletak di Kecamatan Gending, Kabupaten Probolinggo, dikenal sebagai salah satu pusat produksi bawang merah dengan potensi pertanian yang besar. Sebagian besar penduduknya bergantung pada budidaya bawang merah, berkat kondisi iklim dan kesuburan tanah yang mendukung. Namun, para petani di daerah ini sering menghadapi tantangan serius, seperti serangan hama ulat dan penyakit busuk daun, yang dapat mengakibatkan gagal panen dan kerugian ekonomi yang signifikan. Untuk mengatasi masalah ini, diperlukan solusi berbasis teknologi yang dapat mendeteksi kondisi daun tanaman secara dini. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG-16 untuk mengidentifikasi kondisi daun bawang merah dalam tiga kategori: daun sehat, daun yang terserang hama ulat, dan daun yang terkena penyakit busuk daun. Dataset yang digunakan terdiri dari 600 citra daun yang dikumpulkan langsung dari Desa Bulang dan telah melalui tahap pre--processing, termasuk pengubahan ukuran (Resize), augmentasi, dan normalisasi. Model ini dilatih dan diuji dengan membagi data menjadi bagian pelatihan, validasi, dan pengujian, serta dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 93% pada data pengujian, yang menunjukkan kinerja yang sangat baik dan efektif. Selain itu, model ini berhasil diintegrasikan ke dalam aplikasi web berbasis Streamlit, sehingga dapat digunakan langsung oleh petani untuk mendeteksi serangan hama dengan cepat dan praktis. Penelitian ini diharapkan dapat meningkatkan produktivitas pertanian dan memberikan kontribusi terhadap penerapan teknologi dalam sektor pertanian lokal.