Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika JATI (Jurnal Mahasiswa Teknik Informatika)
Triana, Heru
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
MEMBANGUN CHATBOT UNTUK INFORMASI MAGANG DAN STUDI INDEPENDEN KAMPUS MERDEKA DENGAN ALGORITMA NAIVE BAYES Diantoni, Cahya; Mufidah, Ratna; Triana, Heru
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8962

Abstract

Kampus Merdeka sebagai program lembaga pendidikan membutuhkan sistem informasi efisien untuk memenuhi kebutuhan mahasiswa terkait program Magang dan Studi Independen Bersertifikat (MSIB). Respons manual yang lambat dan potensi kesalahan manusiawi menjadi kendala utama dalam penyediaan informasi tepat waktu dan akurat. Oleh karena itu, penelitian ini berfokus pada pengembangan chatbot dengan algoritma Naive Bayes untuk mengatasi tantangan tersebut. Metode penelitian mengikuti pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM), melibatkan pemahaman masalah, pengumpulan data, preprocessing, pembuatan model Naive Bayes, evaluasi model, dan implementasi di platform Telegram. Hasil penelitian menunjukkan model klasifikasi menggunakan algoritma Naive Bayes dengan tingkat akurasi mencapai 88,9%. Meskipun terdapat kendala data terbatas, algoritma ini dapat menangani distribusi frekuensi data yang tidak seimbang. Chatbot yang dikembangkan berpotensi meningkatkan akses mahasiswa, termasuk Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang (Fasilkom Unsika), terhadap informasi MSIB di Kampus Merdeka. Penelitian ini menegaskan bahwa chatbot dengan Naive Bayes dapat efektif menyediakan informasi secara cepat dan efisien. Algoritma ini terbukti efisien, terutama dalam mengatasi kendala data yang terbatas. Diharapkan hasil penelitian ini menjadi dasar untuk pengembangan lebih lanjut dalam implementasi kecerdasan buatan guna meningkatkan kualitas layanan informasi di lembaga pendidikan, termasuk Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang.
Analisis Sentimen terhadap Kebijakan Food Estate Menggunakan Algoritma Support Vector Machine Mufidah, Ratna; Triana, Heru; Savina, Savina
Syntax : Jurnal Informatika Vol. 13 No. 01 (2024): Mei 2024
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The food estate policy has become a key topic in public discussions in Indonesia regarding food security. However, its implementation has sparked reactions on social media, ranging from positive to negative and neutral. This study aims to analyze public sentiment towards the food estate policy using the Support Vector Machine (SVM) algorithm. SVM was chosen for its proven effectiveness in text classification, and previous studies have demonstrated high accuracy in sentiment analysis. Data were collected from the social media platform X using scraping techniques, followed by data processing. The processed data were then classified into three sentiment categories (positive, negative, and neutral) using SVM with linear, RBF, polynomial, and sigmoid kernels. The eval__uation results show that SVM with a linear kernel and parameter C=2 provided the best performance, achieving 79% accuracy, 80% precision, 79% recall, and an F1-score of 79%. These findings indicate that SVM is capable of accurately classifying public sentiment, offering valuable insights for policymakers in eval__uating the social impact of the policy.
Co-Authors Diantoni, Cahya Mufidah, Ratna savina, savina