Articles
<![CDATA[Analisis Sentimen Nasabah pada Layanan Perbankan Menggunakan Metode Regresi Logistik Biner, Naïve Bayes Classifier (NBC), dan Support Vector Machine (SVM) ]]>
<![CDATA[Erna Dwi Nurindah Sari]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (460.671 KB)
|
DOI: 10.12962/j23373520.v8i2.44565
<![CDATA[Di era globalisasi, semua aktivitas yang dilakukan tidak dapat terlepas dari teknologi. Dengan menggunakan Twitter pendapat masyarakat mengenai layanan dari perbankan dapat diketahui. Pada penelitian ini pendapat nasabah akan dibedakan menjadi sentimen positif atau negatif sehingga hasil analisa sentimen tersebut dapat dijadikan evaluasi sebagai peningkatan layanan pada para nasabahnya. Klasifikasi sentimen positif dan sentimen negatif dilakukan dengan beberapa metode yakni menggunakan Regresi Logistik Biner yang merupakan salah satu metode konvensional, metode Naïve Bayes Classifier yakni metode yang sederhana namun memiliki ketepatan klasifikasi yang baik, dan metode Support Vector Machine (SVM) yang dapat mengklasifikasikan sentimen dengan beberapa jenis kernel. Data yang digunakan pada penelitian ini diklasfikasikan secara manual dan dengan menggunakan kamus lexicon. Karena jumlah data sentimen yang tidak seimbang maka dilakukan SMOTE pada data klasifikasi manual. Hasil dari penelitian menunjukkan bahwa metode terbaik untuk mengklasifikasikan sentimen pada layanan BRI adalah SMOTE-SVM kernel RBF, sedangkan untuk Bank Mandiri adalah SMOTE-NBC karena memiliki nilai AUC paling tinggi.]]>
<![CDATA[Evaluasi Kepuasan Mahasiswa terhadap Kinerja Layanan Institut Teknologi Sepuluh Nopember (ITS) ]]>
<![CDATA[Dona Adityas]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (107.287 KB)
|
DOI: 10.12962/j23373520.v8i2.49894
<![CDATA[Institut Teknologi Sepuluh Nopember (ITS) Surabaya sebagai salah satu institusi pendidikan selalu berusaha meningkatkan kualitas layanan. Kualitas pelayanan terhadap pelanggan merupakan suatu indikator yang sangat penting untuk industri jasa. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan mahasiswa sebagai salah satu stakeholder ITS, terhadap layanan ITS. Pengukuran kualitas layanan menggunakan konsep kriteria penentu kualitas pelayanan, yaitu: keandalan (reliability), ketanggapan (responsiveness), jaminan (assurance), empati (emphaty), dan bukti langsung (tangibles). Metode yang digunakan adalah Importance Performance Analysis (IPA), untuk menganalisis tingkat kepentingan atribut dengan mengetahui hal-hal yang perlu diperbaiki atau dipertahankan. Tingkat kepuasan mahasiswa terhadap layanan ITS berdasarkan Customer Satisfication Index (CSI) adalah sebesar 79,99%, sedangkan rata-rata ringkat kepuasan mahasiswa ITS secara keseluruhan untuk semua unit adalah 3,9 yang berada pada zona kepuasan tinggi. Unit yang mempunyai indeks kepuasan tertinggi adalah Unit Perpustakaan dengan nilai 3,995 dan terendah adalah Direktorat Akademik dengan nilai 3,968.]]>
<![CDATA[Text Clustering pada Akun TWITTER Layanan Ekspedisi JNE, J&T, dan Pos Indonesia Menggunakan Metode Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dan K-Means ]]>
<![CDATA[Devi Putri Isnarwaty]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 8, No 2 (2019) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (580.32 KB)
|
DOI: 10.12962/j23373520.v8i2.49094
<![CDATA[Tingginya minat masyarakat untuk berbelanja online membuat meningkatnya layanan ekspedisi yang digunakan untuk mengirimkan produk dari transaksi secara online maupun offline. Ada banyak perusahaan ekspedisi yang populer di Indonesia misalnya JNE, J&T, dan Pos Indonesia. Perusahaan ekspedisi gencar melakukan promosi lewat media sosial, misalnya saja Twitter. Akun Twitter ini dapat digunakan sebagai media bagi pelanggan untuk memberikan pendapat, kritik maupun saran, dan bagi pihak perusahaan untuk memberikan tanggapan maupun informasi. Analisis terhadap twitter yang dikirim, berguna bagi perusahaan untuk meningkatkan performa layanan. Dokumen twitter berupa teks sehingga diperlukan text mining untuk menganalisisnya. Dalam penelitian ini, text clustering di-gunakan untuk mengelompokkan pendapat menjadi beberapa kategori. Metode yang digunakan adalah metode K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). DBSCAN adalah sebuah metode yang membentuk cluster dari data-data yang saling berdekatan/rapat, sedangkan data yang saling berjauhan tidak akan menjadi anggota cluster. Sedangkan K-Means merupakan teknik clustering yang sederhana dan cepat dalam proses clustering obyek serta mampu mengelompokkan data dalam jumlah yang cukup besar. Ber-dasarkan nilai silhouette coefficient, metode DBSCAN lebih baik daripada K-Means dalam mengelompokkan tweet yang ditujukan kepada layanan ekspedisi JNE, J&T, dan Pos Indonesia karena menghasilkan silhouette coefficient yang lebih tinggi.]]>
<![CDATA[Pemodelan Survival pada Kejadian Demam Berdarah Dengue di Surabaya Timur dengan Pendekatan Bayesian ]]>
<![CDATA[Ni Luh Putu Ika Candrawengi]]>;
<![CDATA[Nur Iriawan]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 9, No 1 (2020) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v9i1.50505
<![CDATA[Salah satu penyakit yang paling sering dialami di Indonesia khususnya pada saat musim penghujan adalah penyakit Demam Berdarah Dengue (DBD). Penyakit ini disebabkan oleh virus dengue yang ditularkan oleh nyamuk Aedes aegypti betina. Untuk mengetahui laju kesembuhan pasien maka perlu diketahui faktor-faktor yang dapat mempengaruhinya. Salah satu metode yang dapat digunakan adalah analisis survival. Analisis survival merupakan analisis mengenai data yang diperoleh dari catatan waktu yang dicapai suatu objek sampai terjadinya event. Dalam penelitian ini event yang digunakan adalah waktu hingga sembuh (lama rawat inap) pasien. Analisis Bayesian memperlakukan semua parameter yang tidak diketahui sebagai variabel random dan memiliki distribusi. Dalam mengestimasi parameter digunakan pendekatan bayesian untuk mengatasi kasus jumlah data terbatas karena pada bayesian menggunakan estimasi dengan mempertimbangkan distribusi prior. Digunakan dua macam distribusi yang berbeda untuk memodelkan survival untuk kasus demam berdarah dengue. Distribusi yang digunakan adalah distribusi Generalized Gamma dan Weibull. Model yang terbaik yang ditunjukkan dengan nilai WAIC terkecil adalah model survival dengan menggunakan distribusi Weibull.]]>
<![CDATA[Identifikasi Genre Musik dengan Menggunakan Metode Random Forest ]]>
<![CDATA[Muhammad Abid As Sarofi]]>;
<![CDATA[Irhamah Irhamah]]>;
<![CDATA[Adatul Mukarromah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 9, No 1 (2020) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v9i1.51311
<![CDATA[Genre musik merupakan pengelompokkan musik sesuai dengan kemiripan antara satu musik dengan musik yang lainnya. Hal yang paling penting dalam pengidentifikasian musik adalah pengelompokkan genre musik. Pengelompokan tersebut dilakukan secara manual pada umumnya dengan mendengarkan secara langsung lagu tersebut. Namun, hal tersebut dapat menimbulkan ketidakefisiensian. Oleh karena itu, dilakukan penelitian yang bertujuan untuk mengidentifikasi sebuah lagu dengan menggunakan metode Random Forest dengan data yang digunakan adalah GTZAN dataset yang diperoleh dari laman MARSYAS. Metode supervised learning yang digunakan yaitu Random Forest karena metode tersebut lebih baik dalam hal mengklasifikasikan data karena bersifat robust terhadapt outliers dan noise. Fitur ekstraksi yang digunakan dalam penelitian ini adalah MFCC karena mampu mengadaptasi pendengaran manusia. Model yang digunakan untuk identifikasi genre musik memiliki performa klasifikasi yang tinggi dengan penggunaan KCV untuk pembagian data training dan testing.]]>
<![CDATA[Klasifikasi Sentimen Ulasan Film Indonesia dengan Konversi Speech-to-Text (STT) Menggunakan Metode Convolutional Neural Network (CNN) ]]>
<![CDATA[Nadhifa Ayu Shafirra]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 9, No 1 (2020) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v9i1.51825
<![CDATA[Ulasan film adalah sebuah opini yang bersifat subjektif. Ulasan film memiliki media yang bera-gam, seperti tulisan, audio, dan video. Ulasan film dapat diolah dengan menggunakan klasifikasi sentimen, agar u-capan seseorang terkait film dapat ditentukan sebagai sen-timen tertentu. Di masa sekarang, data memiliki berbagai bentuk, pemilihan jenis data yang lebih baik juga dapat mempengaruhi klasifikasi sentimen. Data video dapat di-konversi menjadi data teks dengan bantuan Speech-to-Text (STT). Data teks digunakan karena kata atau kalimat dapat dibedakan secara negatif atau positif. Data ulasan dikelom-pokkan berdasarkan aspek penilaian film dan klasifikasi sentimen dilakukan pada keseluruhan potongan ulasan serta di tiap aspek yang ada. Dengan menggunakan metode Convolutional Neural Network, didapatkan bahwa model klasifikasi sentimen tiap aspek memiliki nilai AUC lebih baik dibandingkan model klasifikasi sentimen dengan keseluruhan data.]]>
<![CDATA[Pendekatan Bayesian untuk Analisis Survival pada Kasus Demam Berdarah Dengue Pasien RSUD Dr. Soetomo Surabaya ]]>
<![CDATA[Mohammad Naufal Abdullah]]>;
<![CDATA[Nur Iriawan]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 9, No 2 (2020) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v9i2.54448
<![CDATA[Demam Berdarah Dengue (DBD) merupakan penyakit yang disebabkan oleh virus Dengue yang ditularkan melalui gigitan nyamuk Aedes aegypti dan Aedes albopictus. Indonesia menjadi negara Asia Tenggara tertinggi dengan kasus DBD. Provinsi Jawa Timur merupakan provinsi dengan jumlah kasus DBD tertinggi kedua pada 2017 dan 2018. Salah satu analisis statistika yang digunakan untuk mengetahui ketahanan hidup adalah analisis survival, sehingga akan dianalisis model survival faktor karakteristik pasien yang mempengaruhi laju kesembuhan (lama rawat inap) pasien DBD di RSUD Dr. Soetomo. Analisis Bayesian memperlakukan semua parameter yang tidak diketahui sebagai variabel random dan memiliki distribusi. Estimasi parameter dengan pendekatan bayesian untuk mengatasi kasus jumlah data terbatas karena mempertimbangkan distribusi prior (informasi sebelumnya). Model survival parametrik yang digunakan mengikuti pola distribusi Weibull 3 dan 2 parameter. Model terbaik dengan WAIC terkecil adalah model survival Weibull 2 parameter dengan faktor yang berpengaruh signifikan adalah usia pasien, pendidikan terakhir (SMA), pekerjaan (tidak bekerja), diagnosis masuk rumah sakit (II), suhu tubuh, denyut nadi, dan kadar sel darah putih.]]>
<![CDATA[Model Components Selection in Bayesian Model Averaging Using Occam's Window for Microarray Data ]]>
<![CDATA[Ani Budi Astuti]]>;
<![CDATA[Nur Iriawan]]>;
<![CDATA[irhamah Irhamah]]>;
<![CDATA[Heri Kuswanto]]>
<![CDATA[ Journal of Natural A Vol 1, No 2 (2014) ]]>
Publisher : <![CDATA[Fakultas MIPA Universitas Brawijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (614.073 KB)
<![CDATA[Microarray is an analysis for monitoring gene expression activity simultaneously. Microarray data are generated from microarray experiments having characteristics of very few number of samples where the shape of distribution is very complex and the number of measured variables is very large. Due to this specific characteristics, it requires special method to overcome this. Bayesian Model Averaging (BMA) is a Bayesian solution method that is capable to handle microarray data with a best single model constructed by combining all possible models in which the posterior distribution of all the best models will be averaged. There are several method that can be used to select the model components in Bayesian Model Averaging (BMA). One of the method that can be used is the Occam's Window method. The purpose of this study is to measure the performance of Occam's Window method in the selection of the best model components in the Bayesian Model Averaging (BMA). The data used in this study are some of the gene expression data as a result of microarray experiments used in the study of Sebastiani, Xie and Ramoni in 2006. The results showed that the Occam's Window method can reduce a number of models that may be formed as much as 65.7% so that the formation of a single model with Bayesian Model Averaging method (BMA) only involves the model of 34.3%. Keywords— Bayesian Model Averaging, Microarray Data, Model Components Selection, Occam's Window Method.]]>
<![CDATA[Fuzzy T2 Hotelling (T_f^2 ) Control Chart ]]>
<![CDATA[Ayundyah Kesumawati]]>;
<![CDATA[Mashuri Mashuri]]>;
<![CDATA[Irhamah Irhamah]]>
<![CDATA[ EKSAKTA: Journal of Sciences and Data Analysis VOLUME 14, ISSUE 1, February 2014 ]]>
Publisher : <![CDATA[Fakultas Matematika dan Ilmu Pengetahuan Alam ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Statistical Process Control (SPC) is a method used to monitor a process for identifying special causes of variation and necessary to improve the process. One technique commonly used in the SPC is to determine whether the process is stable or not, both the mean and variability. Multivariate control charts are used if necessary to control together two or more related quality characteristics. Sometimes in a process production there is a lack of precision in the calculation, especially if the data used in the form of either data or qualitative attributes. Fuzzy set theory, specifically discusses the development of concepts and techniques related to the sources of uncertainty or imprecision in nature. Control charts are constructed by transforming crisp numbers into fuzzy numbers can be an alternative to obtain representative results of several variables in which there are several quality characteristics. Transformation of some functions, which are used in this study is Fuzzy Median Transformation (FMT). The advantages of FMT is that it can be used for the data in the form of asymmetry. This paper will discuss about the algorithm for Fuzzy T2 Hotelling control chart and its application to the production data of PT. IGLAS (Persero). From the results of the application of Fuzzy T2 Hotelling control chart got that out of the 5 variables that were analyzed, the dominant variables that lead to out of control is variable bottle molding process]]>
<![CDATA[PEMODELAN KECEPATAN ANGIN RATA-RATA DI SUMENEP MENGGUNAKAN MIXTURE OF ANFIS ]]>
<![CDATA[Syarifah Diana Permai]]>;
<![CDATA[Nur Iriawan]]>;
<![CDATA[- Irhamah]]>
<![CDATA[ Jurnal Statistika Universitas Muhammadiyah Semarang Vol 1, No 2 (2013): Jurnal Statistika Universitas Muhammadiyah Semarang ]]>
Publisher : <![CDATA[Department Statistics, Faculty Mathematics and Natural Science, UNIMUS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (713.947 KB)
|
DOI: 10.26714/jsunimus.1.2.2013.%p
<![CDATA[Angin memiliki dampak positif dan dampak negatif. Dampak positif dari angin yaitu memperlancar aktivitas pelayaran, membantu irigasi menggunakan kincir angin,pembangkit tenaga listrik dan lain sebagainya. Namun perubahan cuaca yang ekstrim akhir-akhir ini dapat menimbulkan angin kencang serta gelombang laut yang tinggi, sehingga menghambat pelayaran. Salah satu kabupaten yang mengalami dampak negatif ini adalah Sumenep, daerah pesisir di Pulau Madura. Oleh karena itu diperlukan pemodelan kecepatan angin rata-rata di Sumenep yang akurat. Dua metode yang diterapkan adalah Adaptive Neuro Fuzzy Inference System (ANFIS) dan Mixture of ANFIS. Mixture of ANFIS dilakukan melalui beberapa pembagian kelompok, yaitu dua, tiga, empat, lima dan enam kelompok. Evaluasi perbandingan kebaikan model dilakukan berdasarkan kriteria Root Mean Square Error (RMSE). Hasil evaluasi menunjukkan bahwa pemodelan kecepatan angin rata-rata menggunakan mixture of ANFIS dengan enam kelompok memiliki RMSE in sample dan out-sample lebih kecil daripada jumlah kelompok yang lain. Mixture of ANFIS memodelkan kecepatan angin rata-rata di Sumenep lebih baik dari ANFIS karena menghasilkan RMSE in dan out sample yang lebih kecil dari ANFIS. Kata kunci : Kecepatan Angin, ANFIS, Mixture of ANFIS]]>
