Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pelatihan Peningkatan SoftSkill Pembuatan Curriculum Vitae di SMA Xaverius 3 Palembang Rikky, Rikky; Graciela, Michelle; Oktaviani, Ayu Sri; Chaesa, Linus Ardel; Fernando, Fernando; Hartati, Ery
FORDICATE Vol 3 No 1 (2023): November 2023
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v3i1.5058

Abstract

Siswa Sekolah Menengah Atas merupakan generasi muda yang akan memasuki dunia kerja dalam waktu yang tidak terlalu lama. Dalam mencari pekerjaan, salah satu syarat utama yang harus dipenuhi adalah membuat Curriculum Vitae yang baik dan menarik. Curriculum Vitae merupakan dokumen penting dalam proses seleksi kerja, karena Curriculum Vitae yang baik akan menunjukkan kemampuan dan pengalaman seseorang yang relevan dengan posisi yang dilamar. Disini kami memakai metode pengajaran menggunakan Canva untuk mempresentasikannya sehingga siswa/i dapat memahami dengan baik dan dapat dipergunakan untuk melamar di organisasi ataupun perusahaan yang ingin dilamar.
Analisis Sentimen Komentar Youtube Mengenai Keputusan Mahkamah Agung Terhadap batasan umur Pilkada Dengan Menggunakan Algoritma Naive Bayes dan SMOTE Roshan, Muhamad Rizvi; md, Ramanda; Alif Nurrahman, Adikara; Oktaviani, Ayu Sri; Rizky, Ahmad; Rahman, Abdul
JUKOMPSI (Jurnal Komputer dan Sistem Informasi) Vol 4 No 2 (2026): Juni
Publisher : Teknik Komputer Fakultas Teknik Universitas Islam Kadiri (UNISKA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jiscomp.v4i2.8232

Abstract

Penelitian ini menganalisis sentimen dalam komentar YouTube mengenai putusan Mahkamah Agung tentang pembatasan usia pemilihan menggunakan algoritma Naive Bayes dan pendekatan SMOTE (Synthetic Minority Over-Sampling Technique). Data dikumpulkan dari komentar YouTube dan kemudian diubah menjadi kumpulan data untuk diperiksa dan untuk dataset berjumlah 1596 data pada dataset. Menggunakan algoritma Naive Bayes, komentar dikategorikan menjadi sentimen positif, negatif, dan netral. Penerapan SMOTE digunakan untuk mengatasi ketidakseimbangan dalam representasi kelas dalam kumpulan data. Hasil penelitian menunjukkan bahwa model yang menjalani pelatihan menggunakan SMOTE mencapai tingkat akurasi 81%, menunjukkan presisi penting 0,85 dan recall 0,92 untuk sentimen negatif, bersama dengan skor F1 0,89. Sebaliknya, model yang tidak menggunakan SMOTE menunjukkan tingkat akurasi 80%, meskipun menampilkan kemampuan terbatas dalam mendeteksi sentimen positif. Penelitian ini menyoroti efektivitas penggunaan metodologi SMOTE dalam meningkatkan kinerja model Naive Bayes untuk analisis sentimen pada komentar YouTube terkait peraturan pemerintah. Temuan penelitian ini diharapkan dapat memberikan wawasan berharga bagi pembuat kebijakan dalam mengevaluasi dan memperbaiki regulasi yang ada.