Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jusikom: Jurnal Sistem Informasi Ilmu Komputer Jurnal Komtekinfo
Akbar, Muhamad Rafi
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 2 Documents
Search

 1 
ANALYSIS OF FORWARD CHAINING METHOD ON LAPTOP DAMAGE DIAGNOSIS EXPERT SYSTEM Jufri, Fikri Ramadhan; Akbar, Muhamad Rafi; Auriga, Wira; Syaputra, Eka Benny
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 7 No. 2 (2024): JUSIKOM: JURNAL SISTEM INFROMASI ILMU KOMPUTER
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v7i2.4847

Abstract

The forward chaining method is used in expert systems to reach conclusions by starting from known facts and moving forward to find a solution or diagnosis. In diagnosing damage to student laptops, this method will begin with information about the symptoms or problems experienced by the computer laptop. The system will evaluate these symptoms and match them with pre-programmed rules to identify possible causes of damage. This process continues by adding new information and making decisions based on sequentially applied rules until reaching a final diagnosis. In diagnosing damage to student laptops, the forward chaining method can help systematically identify problems based on observed symptoms, guiding users through the diagnosis process efficiently. Keywords: forward chaining, expert systems, laptop damage.
Metode Support Vector Machine dan Naïve Bayes Untuk Analisis Santimen Ibu Kota Nusantara Akbar, Muhamad Rafi; Defit, Sarjon; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.579

Abstract

Pemindahan Ibu Kota Nusantara (IKN) menimbulkan berbagai macam pro dan kontra. Mulai dari pemilihan lokasi, pengesahan Undang – Undang yang dinilai terlalu terburu – buru, dan akhir – akhir ini pemerintah juga mengajak masyarakat Indonesia untuk melaukan urun – dana (crowd funding) untuk membangun Ibu Kota Nusantara. Media sosial tiktok, Ibu Kota Nusantara (IKN) menjadi salah satu topik yang ramai diperbincangkan karena banyaknya opini dari berbagai kalangan masyarakat. Beberapa opini dari masyarakat di tiktok ini akan digunakan menjadi data penelitian analisis sentimen terhadap pendapat masyarakat mengenai pemindahan Ibu Kota Negara. Penelitian ini bertujuan untuk membandingkan efektivitas dua pendekatan untuk klasifikasi: Support Vector Machine dan Naïve Bayes, dalam menganalisis sentimen opini terhadap Ibu Kota Nusantara berdasarkan data Tiktok. Analisis sentimen opini sangat penting untuk memahami pandangan publik mengenai berbagai aspek Ibu Kota Nusantara. Data Tiktok yang digunakan akan melibatkan opini yang berkembang di media sosial mengenai Ibu Kota Nusantara. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine dan Niave Bayes. Metodologi penelitian mencakup pengumpulan data, preprocessing, membagi data, pelatihan model Naïve Bayes dan SVM, evaluasi, serta analisis statistik untuk membandingkan kinerja kedua model. Dataset terdiri dari 1529 komentar yang diambil dari aplikasi Tiktok. Hasil akhir dari evaluasi yang dilakukan dapat dilihat perbandingan anatara metode Support Vector Machine dengan Naive Bayes berdasarkan tingkat akurasi yang diperolch oleh masing-masing metode. Support Vector Machine memperoleh tingkat aurasi 98%, di mana tingkat akurasinya lebih rendah daripada tingkat akurasi metode Naive Bayes dengan persentase 92%. Berdasarkan temuan analisis, prosedur yang menggunakan metode Support Vector Machine menunjukkan hasil yang lebih baik dibandingkan metode Naïve Bayes dalam mengukur sentimen terhadap Ibu Kota nusantara.
Co-Authors Auriga, Wira Jufri, Fikri Ramadhan Sarjon Defit Sumijan Syaputra, Eka Benny