Garuda - Garba Rujukan Digital

ANALISIS SENTIMEN TERHADAP PEMBERIAN VAKSINASI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Fajar Aryanto; Ahmad Fauzi; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Wabah virus COVID-19 yang menyerang negara Indonesia membuat pemerintah menerapkan kebijakan yaitu pemberian vaksinasi. Sejak diumumkan kebijakan pemerintah terhadap pemberian vaksin COVID-19 bulan Januari 2021 mulai banyak perbincangan terutama pada media sosial. Salah satu media sosial yang banyak dimanfaatkan masyarakat untuk beropini yaitu twitter. hal ini mengakibatkan twitter menjadi media menuangkan pemikiran masyarakat terhadap pemberian vaksin COVID19. Opini yang ditimbulkan dapat bersifat positif, negatif, maupun netral terhadap pemberian vaksin. Berdasarkan uraian masalah tersebut, penelitian bertujuan untuk menganalisis sentimen dari warganet terkait kebijakan pemerintah dalam pemberian vaksinasi. Metode yang digunakan yaitu Algoritma KNN untuk melakukan analisis sentimen melalui opini masyarakat pada media sosial twitter. Hasil dari sentimen yang mempunyai nilai paling tinggi yaitu positive yang memiliki 150 kalimat lebih. Lalu menghasilkan akurasi 86.6% Precission 85% dan Recall 81%.

ANALISIS SENTIMEN PADA PEMBERLAKUAN PEMBATASAN KEGIATAN MASYARAKAT MENGGUNAKAN ALGORITMA DBSCAN Ferdian Wiharmariyansyah; Anis Masruriyah; Hilda Novita
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) adalah kebijakan yang dibuat oleh pemerintah untuk menghadapi pandemi Corona Virus (COVID-19). PPKM berfungsi untuk mengontrol kegiatan masyarakat sesuai dengan protokol kesehatan, di antaranya adalah menjaga jarak sejauh dua meter, memakai masker, mencuci tangan dan lain-lain dalam pencegahan penyebaran COVID-19. PPKM di Indonesia diberlakukan sejak 11 Januari 2021 di berbagai wilayah di Indonesia. Dampak dari PPKM yang dirasakan oleh masyarakat salah satunya kesulitan mencari pekerjaan, berkurangnya mata pencaharian masyarakat, membatasi kegiatan berkerumun, adanya adaptasi kebiasaan baru. Selain itu, pelaku UMKM selain mengalami penurunan omset juga memperoleh sanksi pidana denda di tengah PPKM darurat oleh pemerintah setempat. Pemerintah menerapkan PPKM demi menanggulangi penyebaran virus COVID-19. Akan tetapi, penerapan PPKM mengundang pro dan kontra di masyarakat. Terlihat pada opini masyarakat yang tersebar di postingan media sosial pengguna twitter. Pengguna jejaring media sosial twitter yang membahas mengenai COVID-19. Analisis sentimen di sosial media twitter dapat melihat pola polarisasi. Hasil yang didapatkan dievaluasi menggunakan Sum of Square Error.

Implementasi Model Prediksi Data Kriminalitas Menggunakan Algoritma Single Moving Average Abdul Hanan; Anis Masruriyah; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Kriminal bukan lagi menjadi hal yang baru bagi masyarakat Indonesia, meningkatnya tindak kriminalitas disebabkan oleh berbagai persoalan seperti, ekonomi, sosial, konflik dan rendahnya kesadaran hukum, yang mengakibatkan kerugian moral, fisik, ekonomi, dan psikologis. Suatu proses kriminalisasi perbuatan yang mulanya tidak dianggap sebagai kejahatan, kemudian dengan dikeluarkannya perundang-udangan yang melarang perbuatan tersebut, maka perbuatan tersebut kemudian menjadi perbuatan jahat. Sebagaimana berdasarkan Pasal 1 ayat (3) Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 (selanjutnya disebut UUD NRI Tahun 1945). Tercatat dalam laporan Kepolisian Kabupaten Karawang terdapat 1231 kasus pada tahun 2020 dan 1235 kasus pada tahun 2021, pada tindak kriminalitas pada 2 tahun terkahir didominasi oleh tindak kejahatan penipuan, curat, dan curanmor. Solusi yang diberikan untuk meminimalisir tindak kriminal dengan teknologi Data Mining menggunakan metode prediksi dari Single Moving Average dan hasil akan dievaluasi. Melalui tahapan preprocessing, implementasi algoritma dan evaluasi. Hasil implementasi dari algoritma single moving average mendapatkan nilai prediksi untuk kecamatan cilebar sebanyak 5.5 dengan akurasi 93% dan kecamatan telukjambe timur sebanyak 210 dengan akurasi 95%.

Perbandingan kinerja Algoritma Klasifikasi untuk mendeteksi Penyakit Jantung Chepy Sonjaya; Anis Masruriyah; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Penyakit jantung di Indonesia terutama pada usia produktif selalu terjadi kenaikan jumlah kasus. Adapun penyebab utama terjadinya kenaikan jumlah pasien jantung adalah gaya hidup dan pola makan yang tidak sehat. Meningkatnya pasien penyakit jantung juga berdampak pada penurunan taraf hidup. Dengan adanya hal tersebut, perlu adanya penelitian terkait membandingkan metode klasifikasi pada dataset penyakit jantung. Metode penelitian ini menggunakan model algoritma Support Vector Machine (SVM) dan Logistic Regression (LR). Agar penelitian mendapatkan hasil yang akurat digunakan teknik akuisisi data, pra-pemrosesan data dan transformasi data. Teknik evaluasi model yang digunakan yaitu K-Fold Cross Validation. Hasil analisis menunjukkan bahwa teknik validasi k-fold cross validation memberikan akurasi yang sama baiknya, tetapi hasil presisi relatif rendah. Algoritma SVM menghasilkan akurasi sebesar 91,57%, sedangkan LR menghasilkan akurasi sebesar 91,66%. Akan tetapi, SVM memiliki nilai presisi sebesar 61,20%, sedangkan LR memiliki presisi 54,31%.

KOMPARASI MODEL DECISION TREE DAN RANDOM FOREST UNTUK MEMPREDIKSI PENYAKIT JANTUNG Mia Mia; Anis Masruriyah; Adi Pratama
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Data pasien penyakit jantung yang diperoleh dari Kementrian Kesehatan Republik Indonesia tahun 2020 mejelaskan bahwa, penyakit jantung mengalami peningkatan setiap tahunnya dan menempati peringkat tertinggi penyebab kematian di Indonesia terutama pada usia-usia produktif. Apabila penderita penyakit jantung tidak ditangani dengan baik, maka di usia produktif seorang pasien bisa mengalami kematian lebih cepat. Sehingga, perlunya sebuah model prediksi yang mampu membantu tenaga medis untuk menyelesaikan masalah-masalah Kesehatan. Menggunakan proses klasifikasi algoritma Random Forest dan Decision Tree dengan mengola data tersebut. Tujuan penelitian untuk mengetahui performa teknik model algoritma machine learning pada algoritma Decision Tree C45 dan Random Forest Clasifier. Pengunaan teknik confusion matrik untuk pengujian Precision, Recall, dan F1-SCORE, serta Accuracy. Berdasarkan hasil penelitian yang telah dilakukan teknik pengujian K-Fold 10 dengn teknik Cofusion matrix, Random Forest merupakan salah satu teknik prediksi terbaik yang memiliki Accurasy lebih besar 90,72% dan evaluasi menggunakan Receiver Operating Characteristics (ROC) curve untuk mengetahui nilai kinerja suatu algoritma dengan nilai Area Under Curve (AUC) pada model sebesar 0,801. Dibandingkan penerapan model prediksi mengguanakan algoritma Decision Tree C45 tingkat prediksi dengan accuracy sebesar 86,5 dan nilai kinerja algoritma dengan hasil Area Under Curve (AUC) yang kurang baik sebesar 0,588. Berdasarkan evaluasi penelitian yang telah dilakukan pada data penyakit jantung, algoritma Random Forest sangat cocok untuk prediksi data penyakit jantung yang berasal dari Centers for Disease Control and Prevention (2020) yang mampu menghasilkan model prediksi yang lebih baik dengan teknik confucion matrix serta perhitungan K-Fold cross validation.

Deteksi Penggunaan Masker Pada Tempat Umum Menggunakan Algoritma Convolutional Neural Network Mochamad Wibowo; Hanny Handayani; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Dengan adanya virus corona yang telah menjadi pandemi dunia Saat ini beraktivitas di tempat umum penggunaan masker sangat diperlukan, penyebab masker ini perlu diperhatikan karena masker berperan penting dalam hal mencegah virus maukke dalam tubuh. Ditambah terus meningkatnya penyebaran virus corona, tentunya masker sangat penting untuk digunakan. Berbagai teknologi dirancang untuk memutus rantai penyebaran covid-19 yang telah menyebar ke berbagai negara termasuk Indonesia. Berdasarkan permasalahan yang telah di paparkan, maka penelitian ini bertujuan untuk melakukan pendeteksian terhadap objek pada citra yang menggunakan masker dan tidak menggunakan masker. Penelitian ini terdiri dari tiga tahapan yaitu pengumpulan data set, pelatihan dan pengujian sebuah model. Model disini berguna untuk deteksi masker dapat mendeteksi dan mengklasifikasikan wajah dengan masker dan tanpa masker. Selanjuntnya, model akan diuji tingkat akurasinya. Akurasi yang didapatkan sebesar 99% yang diuji menggunakan webcam secara real time. Algoritma yang dipakai yaitu Convolutional Neural Network (CNN) dengan teknik preprocessing.

Pengaruh Outlier pada Algoritma K-Medoid untuk Mengelompokan Rekanan Vendor dalam Pengadaan Barang Nopiti Yulistiani; Ayu Juwita; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Dalam dunia bisnis, vendor memainkan peran penting dalam kinerja perusahaan. Pemilihan vendor yang tepat sangat penting untuk memastikan kelancaran pelaksanaan proyek dalam pengadaan barang. Jika vendor dipilih secara sembarangan, maka perusahaan dapat mengalami kerugian dalam berbagai aspek seperti kualitas, biaya, dan waktu. Oleh karena itu, diperlukan metode yang tepat untuk mengelompokkan vendor agar dapat mengatasi masalah tersebut. Salah satu teknik yang dapat digunakan adalah clustering untuk mengelompokkan data vendor menjadi tiga kelompok, yaitu tinggi, sedang, dan rendah. Metode clustering yang digunakan dalam penelitian ini adalah algoritma k-medoids. Hasil penelitian menunjukkan bahwa kualitas pengelompokan vendor menggunakan teknik penghapusan outliers lebih baik daripada menggunakan data dengan outliers. Kontribusi utama dari penelitian ini adalah untuk memverifikasi apakah kualitas cluster tanpa outlier lebih tinggi dibandingkan dengan outlier dalam data dengan membandingkan dan menganalisis algoritma k-medoids dengan dan tanpa deteksi outliers tergantung pada algoritma pengelompokan yang diterapkan dan data yang digunakan. Selanjutnya, hasil penelitian menunjukkan bahwa algoritma k-medoids menghasilkan nilai Silhouette Coefficient sebesar 0,6454.

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search