Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Fitriono, Deri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 2 Documents
Search

 1 
Perbandingan Metode Algoritma Decission Tree dan K-Nearest Neighbors untuk Memprediksi Kualitas Air yang dapat dikonsumsi Fitriono, Deri; Wardani, Saylendra Arga; Varuq, M Nizar Bahri Al; Ristyawan, Aidina; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 1 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i1.4978

Abstract

Air merupakan kebutuhan yang sangat penting bagi mahkluk hidup termasuk manusia, namun tidak semua air aman untuk dikonsumsi, sehingga perlu adanya identifikasi terkait kualitas air yang baik untuk dikonsumsi. Oleh karena itu sangat penting mengembangkan strategi yang tepat untuk memprediksi atau meramlkan kualitas air yang dapat dikonsumsi. Pada penelitian ini akan menggunakan perhitungan Decission Tree dan K-Nearest Neigbors untuk klasifikasi sifat air yang layak dikonsumsi. Kualitas air yang baik sangat penting untuk kesehatan manusia, dan prediksi yang akurat dapat membantu orang memilih jumlah air yang tepat untuk diminum. Kedua algoritma ini akan dilakukan perbandingan pada proses klasifikasi data untuk mengetahui metode mana yang paling akurat, dilihat dari tingkat akurasi yang paling tinggi. Hasil penelitian ini menunjukkan metode Decision Tree sebesar 75.69%, sedangkan metode K-nearest Neighbors memiliki tingkat akurasi sebesar 79,39%, yang merupakan metode yang paling baik untuk klasifikasi data
Analisis Sentimen Ulasan Aplikasi Chatgpt Menggunakan Algoritma Support Vector Machine dan Lexicon Based Fitriono, Deri; Indriati, Rini; Ristyawan, Aidina
JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Vol. 3 No. 2 (2025): Juni 2025
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/jsitik.v3i2.719

Abstract

Latar Belakang: ChatGPT adalah aplikasi berbasis kecerdasan buatan yang semakin populer. Namun, penilaian berbasis rating bintang di Google Play Store belum cukup untuk memahami kepuasan atau keluhan pengguna secara mendalam. Tujuan: Menganalisis ulasan pengguna agar dapat memahami persepsi mereka secara lebih akurat. Metode: Penelitian menggunakan pendekatan SEMMA (Sample, Explore, Modify, Model, Assess), dengan metode lexicon-based dan algoritma machine learning. Sebanyak 3.000 ulasan dikumpulkan dari 10 Oktober 2024 hingga 28 Februari 2025. Sentimen diberi label menggunakan leksikon bahasa Indonesia, lalu diklasifikasikan dengan algoritma Support Vector Machine (SVM), dengan pembagian data 80% untuk pelatihan dan 20% untuk pengujian. Hasil: Model mencapai akurasi 96,49%, precision 96,02%, recall 98,37%, dan F1-score 97,10%. Ini menunjukkan bahwa kombinasi pendekatan leksikon dan SVM efektif untuk klasifikasi sentimen. Kesimpulan: Pendekatan leksikon dan algoritma SVM efektif untuk menganalisis sentimen ulasan pengguna ChatGPT dan mampu mengeneralisasi dengan sangat baik.
Co-Authors Aidina Ristyawan, Aidina Erna Daniati Rini Indriati Varuq, M Nizar Bahri Al Wardani, Saylendra Arga