Katarina Rosa Leonida
Unknown Affiliation

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

Found 2 Documents
Search

ANALISIS SENTIMEN DI TWITTER TERHADAP KENAIKAN UANG KULIAH TUNGGAL MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) Achmad Chikham Nouriel Rosyadi; Katarina Rosa Leonida; Muhammad Athoillah; Hani Brilianti Rohmanto
Seminar Nasional Hasil Riset dan Pengabdian Vol. 6 (2024): Seminar Nasional Hasil Riset dan Pengabdian (SNHRP) Ke 6 Tahun 2024
Publisher : LPPM Universitas PGRI Adi Buana

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

Abstract

Artificial Neural Network (ANN), khususnya metode Single Layer Perceptron (SLP), telah menunjukkan efektivitas dalam klasifikasi teks cepat dan akurat. Penelitian ini mengaplikasikan SLP untuk menganalisis sentimen masyarakat terhadap kenaikan UKT di Twitter. Hasil menunjukkan performa model yang baik dengan rata-rata akurasi, presisi, recall, dan F1-score sebesar 84%. Ini mengindikasikan kemampuan SLP yang cukup baik dalam mengklasifikasikan sentimen terhadap kebijakan Kemendikbud terkait kenaikan UKT. Penelitian menyimpulkan bahwa peningkatan jumlah data dapat lebih mengoptimalkan kinerja model dalam proses training dan meningkatkan akurasi prediksi pada data testing. Kata kunci: Single Layer Perceptron, Confusion Matrix, Kemendikbud,
PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI DIABETES MELITUS TIPE 2 DI INDONESIA TAHUN 2023 MENGGUNAKAN METODE REGRESI NONPARAMETRIK SPLINE TRUNCATED Katarina Rosa Leonida; Gangga Anuraga; Muhammad Athoillah; Artanti Indrasetianingsih
MATHunesa: Jurnal Ilmiah Matematika Vol. 14 No. 1 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v14n1.p128-139

Abstract

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruh Diabetes melitus tipe 2 (DM2) di Indonesia tahun 2023 dengan menggunakan metode regresi nonparametrik spline truncated. Metode ini dipilih karena fleksibilitasnya dalam menganalisis pola yang tidak linier dalam data melalui penggunaan fungsi spline dan tiitk knot. Pemilihan titik knot optimal dapat dilakukan dengan menggunakan metode Generalized Cross Validation (GCV). Data sekunder dalam penelitian ini diperoleh dari Badan Pusat Statistik (BPS) dan Survey Kesehatan Indonesia yang mencakup 38 provinsi di Indonesia. Lima variabel independen yang dianalisis meliputi proporsi konsumsi makanan manis, proporsi aktivitas fisik, proporsi konsumsi rokok tembakau, prevalensi penderita obesitas dan proporsi konsumsi makanan olahan. Hasil penelitian menunjukkan bahwa model regresi nonparametrik spline truncated terbaik adalah menggunakan tiga titik knot. Terdapat empat variabel dalam penelitian yang berpengaruh signifikan yaitu variabel proporsi konsumsi makanan manis, proporsi konsumsi rokok tembakau, prevalensi penderita obesitas, dan proporsi konsumsi makanan olahan. Kata Kunci: Diabetes Melitus Tipe 2, Regresi Nonparametrik Spline Truncated, Titik Knot, Indonesia