Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) The Indonesian Journal of Computer Science
Suharyani Azisa, Nur'Ainun
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN STATUS PENERIMA KIP KULIAH MAHASISWA UNIVERSITAS PAPUA Indriati, Eka; Suharyani Azisa, Nur'Ainun; Ivo Sihombing, Ester; Sukma Dewi Mokodompit, Zharima
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8222

Abstract

Penelitian ini berisi mengenai pengelompokan status penerima KIP Kuliah di Universitas Papua. KIP Kuliah merupakan program bantuan pendidikan yang diberikan oleh pemerintah Indonesia untuk meningkatkan akses pendidikan. Pada Universitas Papua proses seleksi calon penerima KIP Kuliah dilakukan secara manual dengan jumlah pendaftar yang sangat banyak sehingga penentuan KIP Kuliah kurang optimal. Penelitian ini bertujuan untuk menentukan calon penerima beasiswa KIP Kuliah di Universitas Papua menggunakan Algoritma K-Means Clustering dan bahasa pemrograman python pada tools Jupyter Notebook. Algoritma K-Means Clustering digunakan untuk mengelompokan setiap data kedalam cluster sehingga data yang mempunyai karakteristik yang sama akan dikelompokan dalam cluster yang sama dan sebaliknya jika data yang mempunyai karakteristik berbeda akan dikelompokkan kedalam cluster yang lain. Hasil penelitian ini terdapat 2 hasil cluster yang akan menjadi hasil akhir yaitu data yang diterima sebagai penerima KIP Kuliah sebanyak 687 data dan 547 data dikelompokkan sebagai data yang tidak diterima sebagai penerima KIP Kuliah.
KLASFIKASI SENTIMEN APLIKASI X TERHADAP GUGATAN PEMILU 2024 MENGGUNAKAN NAÏVE BAYES DAN TEXTBLOB Suharyani Azisa, Nur'Ainun
The Indonesian Journal of Computer Science Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i4.4087

Abstract

This study analyzes public sentiment towards the 2024 Election Results Dispute at the Constitutional Court through the X (Twitter) application using the Naïve Bayes and TextBlob methods. The dataset was collected through crawling and preprocessing to remove duplicate data, clean, and normalize the tweets. Labeling was done using TextBlob, followed by sentiment classification using the Naïve Bayes algorithm. The results show that out of 898 tweets analyzed, the TextBlob labeling identified 340 positive tweets, 427 neutral tweets, and 131 negative tweets. Meanwhile, the Naïve Bayes classification resulted in 515 positive tweets, 281 neutral tweets, and 102 negative tweets, demonstrating high accuracy with 95.29%. Data visualization through word clouds and bar charts helped map the sentiment distribution clearly. These findings provide valuable insights into public opinion on the election results dispute, with the majority of sentiments being positive and neutral.
Co-Authors Indriati, Eka Ivo Sihombing, Ester Sukma Dewi Mokodompit, Zharima