Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Sri Palupi, Endang
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
KLASIFIKASI KUALITAS AIR BERSIH DI JAKARTA MENGGUNAKAN ALGORITMA DECISION TREE DAN ALGORITMA NAÏVE BAYES Sri Palupi, Endang
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12666

Abstract

Kebutuhan air bersih sangatlah penting untuk kehidupan manusia. Air yang tercemar dapat berdampak buruk pada tubuh, seperti menimbulkan penyakit diare, kolera, disentri, tipes, cacingan, penyakit kulit hingga keracunan. Oleh sebab itu menggunakan dan menjaga kualitas air bersih sangatlah penting. Kebutuhan manusia akan air sangat kompleks antara lain untuk minum, masak, mandi, mencuci dan sebagainya. Menurut perhitungan WHO di Negara-negara maju setiap orang memerlukan air antara 60-120 liter per hari. Sementara di Negara-negara berkembang termasuk Indonesia setiap orang memerlukan air antara 30-60 liter per hari. Manfaat menjaga kualitas air adalah untuk melindungi kesehatan manusia, karena beberapa polutan menimbulkan risiko terhadap kesehatan manusia. Standar kualitas air melindungi kesehatan manusia dan menghindari biaya yang terkait dengan perawatan medis, hilangnya produktivitas, dan bahkan hilangnya nyawa. Penulis melakukan klasifikasi kualitas air bersih di Jakarta menggunakan algoritma decision tree dan algoritma naïve bayes dengan tujuan membuat aplikasi yang dapat digunakan untuk klasifikasi kualitas air bersih di Jakarta sehingga dapat mengelompokkan air yang layak dikonsumsi atau tidak. Hasil dari penelitian ini nilai akurasi menggunakan algoritma naïve bayes sebesar 72,48% dengan AUC sebesar 0.803 sedangkan nilai akurasi menggunakan algoritma decision tree 90,83% dengan AUC sebesar 0.861. Hasil penelitian menyimpulkan bahwa algoritma naïve bayes dan algortima decision tree dapat menjadi metode yang baik untuk klasifikasi dalam data mining.
KLASIFIKASI SENTIMEN NETIZEN DI MEDIA SOSIAL X TERHADAP ANCAMAN RESESI EKONOMI INDONESIA DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES Sri Palupi, Endang
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 5 (2025): JATI Vol. 9 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i5.14878

Abstract

Perekonomian dunia saat ini dibayangi oleh ketidakpastian dengan berbagai macam faktor. Indonesia sempat menghadapi resesi sebanyak tiga kali yakni pada 1963, 1998, dan 2020/2021. Ketiga krisis tersebut dipicu penyebab yang berbeda dan dengan dampak yang berbeda pula. Ancaman resesi yang dipicu faktor eksternal antara lain disebabkan ketidakstabilan geopolitik, kebijakan ekonomi Donald Trump di Amerika Serikat, serta perang dagang antara beberapa negara besar menjadi faktor utama yang dapat memengaruhi pertumbuhan ekonomi nasional. Sedangkan kondisi internal yang memperburuk situasi antara lain beban utang jatuh tempo pemerintah pada 2025 mencapai Rp 800,33 triliun. Ditandai dengan daya beli yang semakin menurun dan gelombang PHK yang semakin besar, komentar netizen di media sosial X dengan tagar Resesi Indonesia trending. Dalam penelitian ini, klasifikasi sentimen netizen X mengenai ancaman resesi ekonomi di Indonesia mengambil data komentar negatif dan positif dari netizen pada tahun 2022 sampai dengan 2023 dengan teknik crawling dan text mining. Hasil penelitian menunjukkan hasil akurasi sebesar 81.71% dengan class recall true positif 70,59% dan true negatif 89,58%. Hasil penelitian menyatakan metode naïve bayes classifier cukup akurat untuk bisa mengatasi klasifikasi sentimen masyarakat di media sosial X terhadap ancaman resesi ekonomi di Indonesia.
Co-Authors