Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer
Wahiddin, Deden
Universitas Buana Perjuangan Karawang
Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
Analisis Sentimen Kebijakan Pembelian Gas 3 Kg dengan KTP Menggunakan Naïve Bayes Pratama, Muhammad Ridwan; Fauzi, Ahmad; Wahiddin, Deden; Pratama, Adi Rizky
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 13, No 2: Agustus 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v13i2.2168

Abstract

The government introduced a policy on January 1 2024 regarding the purchase of 3 KG LPG which requires user registration using a Resident Identity Card (KTP), where residents are required to show their KTP and family card (KK) to register via the merchant application at the gas station. This raises problems regarding the availability, distribution of gas, and precisely the recipients of subsidies. The public responds whether they accept or not according to the policy on one of YouTube's social media. The Naïve Bayes algorithm is used to analyze public sentiment regarding the policy of purchasing 3 KG LPG using KTP, data obtained from social media YouTube with crawling techniques using Google Colab, with a collection period of April 2023 to January 2024. Analysis stages include text preprocessing, TF-IDF, labeling uses the Tex Blob library, and algorithm calculations use Naïve Bayes. Visualization in the form of a word cloud with terms that often appear. Classification reports are used to evaluate algorithms with Naive Bayes algorithm accuracy of 84%, precision of 85%, recall of 84%, and f1-score of 83%.Keywords: Resident Identity Card; Policy; LPG 3 Kg; Naïve Bayes; Sentiment. AbstrakPemerintah memperkenalkan kebijakan pada tanggal 1 Januari 2024 terkait pembelian LPG 3 KG yang memerlukan pendaftaran pengguna memakai Kartu Tanda Penduduk (KTP), dimana warga wajib menunjukkan KTP serta Kartu keluarga (KK) untuk mendaftar melalui aplikasi merchant pada pangkalan gas. Hal ini menimbulkan permasalahan ketersediaan, distribusi gas, dan tepatnya pemenerima subsidi, Masyarakat memberikan resposn menerima atau tidak dengan kebijakan pada salah satu media sosial youtube. Algoritma Naïve Bayes dipergunakan untuk menganalisis sentimen masyarakat terkait kebijakan pembelian LPG 3 KG dengan menggunakan KTP, data diperoleh dari media sosial Youtube dengan teknik crawling menggunakan Google Colab, dengan periode pengumpulan April 2023 hingga Januari 2024. Tahapan analisis meliputi text preprocessing, TF-IDF, pelabelan menggunakan library Tex Blob, dan perhitungan algoritma menggunakan Naïve Bayes. Visualisasi berupa word cloud dengan istilah-istilah yang seringkali muncul. Classification report digunakan untuk mengevaluasi algoritma dengan akurasi algoritma Naive Bayes sebesar 84%, presisi 85%, recall 84%, dan f1-score 83%. 
Implementasi Algoritma Support Vector Regression dan Linear Regression Untuk Prediksi Harga Rumah Bastian, Anggun Aulia; Handayani, Hanny Hikmayanti; Wahiddin, Deden; Rohana, Tatang
Progresif: Jurnal Ilmiah Komputer Vol 20, No 2: Agustus 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i2.2191

Abstract

A house is one of the necessities of human life, but house prices tend to fluctuate every year. This is one of the causes of prospective buyers having difficulty in determining the budget and making decisions to purchase a house. So, it is necessary to conduct research to produce accurate house price predictions. The purpose of this research is to determine the best algorithm between the Support Vector Regression and Linear Regression algorithms in predicting house prices. Datasets are obtained from the results of scrapping on the house buying and selling website. This study uses a dataset from Telukjambe Timur Subdistrict with a total of 547 data with the parameters used are building area and land area and using a data division of 75:25. The results of the RMSE and MAPE evaluation show that the Support Vector Regression Algorithm is superior to Linear Regression with an RMSE value of 234,257 and a MAPE value of 21%.Keywords: House; Price; Prediction; Algorithm; Evaluation AbstrakRumah merupakan salah satu kebutuhan hidup manusia, namun harga rumah pada setiap tahunnya cenderung mengalami fluktuasi. Hal ini menjadi salahsatu penyebab calon pembeli kesulitan dalam menentukan budget dan mengambil keputusan untuk melakukan pembelian rumah. Sehingga, perlu dilakukan penelitian untuk menghasilkan prediksi harga rumah yang akurat. Adapun tujuan pada penelitian ini yaitu untuk menentukan Algoritma terbaik antara Algoritma Support Vector Regression dan Linear Regression dalam memprediksi harga rumah. Dataset diperoleh dari hasil scrapping pada website jual beli rumah. Penelitian ini menggunakan dataset dari Kecamatan Telukjambe Timur dengan jumlah sebanyak 547 data dengan parameter yang digunakan adalah luas bangunan dan luas tanah serta menggunakan pembagian data 75:25. Adapun hasil dari evaluasi RMSE dan MAPE menunjukkan bahwa Algoritma Support Vector Regression lebih unggul dari Linear Regression dengan nilai RMSE 234.257 dan nilai MAPE sebesar 21%.Kata kunci: Rumah; Harga; Prediksi; Algoritma; Evaluasi
Co-Authors Bastian, Anggun Aulia Fauzi, Ahmad Handayani, Hanny Hikmayanti Pratama, Adi Rizky Pratama, Muhammad Ridwan Rohana, Tatang