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

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

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN PENGUMUMAN HASIL PEMILU 2024 DI SOSIAL MEDIA X MENGGUNAKAN KNN DAN NAÏVE BAYES CLASSIFIER Aurelly Claudia Budianto, Theresia; Fatoni, Hilman; Ayu Syaharani, Maesha; Rozikin, Chaerur
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.v8i5.11077

Abstract

Pemilu merupakan salah satu peristiwa politik yang paling menarik perhatian publik dalam suatu negara demokratis. Hasil pemilu mencerminkan preferensi dan keinginan masyarakat terhadap calon dan partai politik yang bersaing. Di era digital saat ini, platform media sosial X telah menjadi salah satu wadah utama dimana opini dan sentimen masyarakat tercermin dengan luas. Oleh karena itu, analisis sentimen terhadap hasil pemilu 2024 di media sosial X menjadi semakin penting dalam memahami dinamika politik dan respons masyarakat. Penelitian ini membandingkan akurasi metode KNN dan Naïve Bayes classifier dalam membagi sentimen menjadi positif, negatif, dan netral. Proses pelabelan dilakukan secara otomatis menggunakan textblob dengan jumlah sentimen positif sebanyak 465 tweet atau 87.41%, netral sebanyak 42 tweet atau 7.89%, dan negatif sebanyak 25 tweet atau 4.70%. Dari total 532 data dengan kata kunci "Hasil Pemilu 2024", 80% digunakan sebagai data latih dan 20% sebagai data uji. Naive Bayes mencapai akurasi 85%, sedangkan KNN mencapai 68%, menandakan keunggulan KNN dalam mengklasifikasikan sentimen terhadap hasil pemilu 2024.
DETEKSI DAN KLASIFIKASI KENDARAAN RINGAN DAN BERAT UNTUK JALAN TOL MENGGUNAKAN CNN Fatoni, Hilman; Ahmad Maulana, Diva; Ibnu Adam, Riza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11202

Abstract

Dengan meningkatnya volume kendaraan di jalan raya, manajemen lalu lintas yang efisien dan aman menjadi tantangan besar. Deteksi dan klasifikasi jenis kendaraan merupakan komponen penting dalam sistem manajemen jalan tol untuk mendukung pengurangan kemacetan dan peningkatan keamanan. Penelitian ini mengembangkan sistem deteksi dan klasifikasi kendaraan ringan dan berat menggunakan Convolutional Neural Network (CNN) sebagai solusi untuk tantangan tersebut. Dataset terdiri dari 500 gambar kendaraan ringan dan 600 gambar kendaraan berat yang diperoleh melalui web scraping. Proses preprocessing melibatkan resizing, normalisasi, serta pembagian dataset menjadi training dan testing set dengan rasio 80:20. Arsitektur CNN mencakup empat lapisan konvolusi dengan ReLU, lapisan pooling, dan lapisan dense dengan softmax untuk klasifikasi dua kelas. Model dilatih selama 10 epoch dengan batch size 32. Hasil menunjukkan akurasi training 100%, akurasi validasi 100%, dan akurasi testing 100%. Analisis menggunakan classification report dan confusion matrix menunjukkan precision, recall, dan f1-score sebesar 1.00 untuk kedua kelas. Hasil ini mengkonfirmasi potensi CNN dalam meningkatkan kinerja dan keandalan sistem manajemen jalan tol, serta memberikan kontribusi signifikan dalam pengembangan transportasi cerdas.
Co-Authors Ahmad Maulana, Diva Aurelly Claudia Budianto, Theresia Ayu Syaharani, Maesha Ibnu Adam, Riza Rozikin, Chaerur