Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Meila Azzahra Sofyan, Fazrin
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
PENERAPAN ALGORITMA C4.5 UNTUK PREDIKSI PENYAKIT PARU-PARU MENGGUNAKAN RAPIDMINER Meila Azzahra Sofyan, Fazrin; Voutama, Apriade; Umaidah, Yuyun
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 2 (2023): JATI Vol. 7 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i2.6810

Abstract

Paru-paru adalah sistem pernapasan yang menjadi tempat bertukarnya oksigen dan karbon dioksida. Namun, bukan hal yang mustahil jika paru-paru dapat mengalami ganguan sehingga dapat menyebabkan penyakit paru-paru. Merokok menjadi penyebab utama penyakit paru-paru, data dari World Health Organization menunjukan 40% kematian akibat merokok dan setidaknya 8 juta orang terbunuh setiap tahunnya. Menurut Lung Foundation Australia, penyakit paru-paru dapat menyerang siapa saja entah itu perokok pasif atau aktif, pria, wanita dan anak-anak. Penelitian ini menggunakan metode KDD (Knowledge Discovery in Database) yang memiliki lima tahap yaitu selection, preprocessing, transformation, data mining dan evaluation serta menggunakan algoritma C4.5 untuk mendapatkan model prediksi yang dapat memprediksi data pasien penyakit paru-paru. Penelitian ini bertujuan untuk mendapatkan nilai akurasi, recall dan precision dengan menggunakan algoritma C4.5. Adapun data yang digunakan pada penelitian ini diperoleh dari Kaggle yang berisi 30.000 data dengan 11 atribut di dalamnya. RapidMiner digunakan sebagai tools untuk menguji dataset pasien yang digunakan sehingga menghasilkan sebuah pohon keputusan (decision tree) dengan nilai akurasi sebesar 89.77%, recall sebesar 78.61%, dan precision sebesar 100% yang diperoleh dari split data 90% (data training) – 10% (data testing).
ANALISIS SENTIMEN TERHADAP RESPON PERUBAHAN NAMA TWITTER MENJADI ‘X’ MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Meila Azzahra Sofyan, Fazrin; Sulistiyowati, Nina; Voutama, Apriade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10720

Abstract

Media sosial kini menjadi bagian esensial dalam kehidupan manusia untuk mendapatkan informasi, sebagaimana terlihat dari laporan We Are Social (HootSuite) yang mencatat ada 167 juta pengguna media sosial di Indonesia pada Januari 2023. Twitter menjadi platform yang populer saat itu, terutama setelah Elon Musk mengubah nama dan logo Twitter menjadi ‘X’ pada 24 Juli 2023. Perubahan ini memicu berbagai reaksi pengguna di Twitter, dengan tweet yang bervariasi dari positif, negatif, hingga netral. Untuk menganalisis sentimen tweet tersebut, digunakan algoritma Naïve Bayes Classifier dalam proses yang mengikuti metodologi KDD (Knowledge Discovery in Database), meliputi tahap data selection, data preprocessing, data transformation, data mining, dan evaluation. InSet Lexicon digunakan untuk melabeli sentimen berdasarkan kamus kata positif dan negatif, yang dibandingkan dengan pelabelan manual oleh ahli bahasa. Penelitian ini menemukan bahwa pelabelan dengan InSet Lexicon dan manual menghasilkan klasifikasi sentimen dan jumlah data yang berbeda. InSet Lexicon menghasilkan 1131 tweet negatif, 687 positif, dan 583 netral, sedangkan pelabelan manual menghasilkan 1198 tweet negatif, 94 positif, 1035 netral, dan 74 multitafsir. Evaluasi menunjukkan bahwa pelabelan dengan InSet Lexicon lebih baik daripada pelabelan manual, dengan accuracy 83%, precision 84%, dan recall 83%, sedangkan pelabelan manual menunjukkan accuracy 77%, precision 76%, dan recall 76%.
Co-Authors Apriade Voutama Nina Sulistiyowati Umaidah, Yuyun