Article Per Year (5 Year)
p-Index From 2021 - 2026
2.517
P-Index
This Author published in this journals
All Journal Teika SISFOTENIKA Jurnal Komputer Terapan CogITo Smart Journal JITK (Jurnal Ilmu Pengetahuan dan Komputer) CSRID (Computer Science Research and Its Development Journal) SENSITEK JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Pengabdian kepada Masyarakat Indonesia (JPKMI) Klabat Journal of Management SmartComp Servitium Smart Journal
Green Arther Sandag
Fakultas Ilmu Komputer - Universitas Klabat
Religion Arts Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Nursing Physics Public Health Social Sciences

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Prediksi Rating Aplikasi App Store Menggunakan Algoritma Random Forest Green Arther Sandag
CogITo Smart Journal Vol 6, No 2 (2020): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v6i2.270.167-178

Abstract

Rating merupakan suatu penilaian yang diberikan oleh user dengan tujuan untuk menilai apakah aplikasi yang digunakan sudah baik atau tidak. Dimana semakin tinggi rating yang diberikan oleh user, berarti user menyukai aplikasi tersebut dan dapat menjadi tolak ukur bagi user yang lain untuk men-download aplikasi tersebut. Saat ini tidak dapat dipungkiri bahwa semakin hari semakin banyak aplikasi yang terdapat pada AppStore sehingga tidak memungkinkan bagi user untuk menyeleksi satu persatu aplikasi yang terdapat pada AppStore. Maka dibutuhkan sistem prediksi rating untuk menentukan aplikasi yang tepat berdasarkan rating yang diberikan oleh pengguna terhadap suatu aplikasi, Pada penelitian ini diterapkan teknik data mining untuk melakukan prediksi dengan menggunakan metode Random Forest (RF) untuk mengetahui seberapa banyak pengguna yang kurang menyukai aplikasi-aplikasi yang telah dibuat sebelumnya. Pada metode Random Forest, data maupun atribut diambil secara acak sehingga menghasilkan berbagai model pohon keputusan. Data yang digunakan pada penelitian ini adalah Apple’s AppStore dataset. Dataset ini memiliki 7198 rows dan 16 attributes. Dari hasil pengujian yang didapatkan dengan menggunakan metode Random Forest didapati nilai accuracy 86.27%, recall 84.68%, preccission 84.64% dan nilai RMSE 0.313.
Penerapan Algoritma K-Means Untuk Analisis Prestasi Akademik Mahasiswa Fakultas Ilmu Komputer Universitas Klabat Green Ferry Mandias; Green Arther Sandag; Susi Susanti; Haryanto Reza Musak
CogITo Smart Journal Vol 3, No 2 (2017): CogITo Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (378.635 KB) | DOI: 10.31154/cogito.v3i2.72.230-239

Abstract

Universitas Klabat (UNKLAB) adalah salah satu perguruan tinggi swasta yang berada dibawah naungan organisasi Gereja Masehi Advent Hari Ketujuh, yang bertempat di Airmadidi, Sulawesi Utara. Universitas Klabat termasuk universitas yang sangat dikenal di Sulawesi utara, yang di dalamnya memiliki 1 program pascasarjana, 6 fakultas  dan 1 akademik. Penelitian ini dilakukan untuk mengetahui pencapaian prestasi mahasiswa  fakultas ilmu komputer yang berada pada tingkat 4 yang memiliki 52 mahasiswa yang aktif dengan memanfaatkan metode data mining. Berdasarkan data mahasiswa fakultas ilmu computer, penelitian ini dilakukan untuk mencari tahu berapa banyak mahasiswa yang memiliki prestasi akademik dibidang databases, networking dan programming dengan menggunakan algoritma data mining. Penelitian ini menggunakan algoritma K-Means dalam menganalisis prestasi akademik mahasiswa fakultas llmu komputer di Universitas Klabat. Data yang dianalisis dikelompokan terlebih dahulu agar terstruktur serta data yang dianalisis memiliki kejelasan hasil yang lebih dalam.Hasil yang didapat dari 52 mahasiswa tersebut adalah, 33% mahasiswa memiliki nilai prestasi di bidang database, 42% mahasiswa pada bidang networking dan 25% mahasiswa di bidang programming.  Keywords :  UNKLAB, Algoritma K-Means ,WEKA, Cluster, Data Mining.
Klasifikasi Fungsi Family Protein Transport Menggunakan Radial Basis Neural Network Green Arther Sandag; Fergie Kaunang
CogITo Smart Journal Vol 5, No 2 (2019): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (550.962 KB) | DOI: 10.31154/cogito.v5i2.191.203-214

Abstract

Transporter adalah protein transmembran yang penting dalam proses masuk dan keluarnya ion atau molekul sel di seluruh protein membran dan memainkan peran penting dalam mengenali sistem kekebalan tubuh dan transduser energi. Dalam beberapa tahun terakhir, penelitian sebelumnya telah dilakukan untuk menganalisis protein transport, terutama diskriminasi kelas dan familynya dalam memainkan peran penting dalam system control sel, mengangkut air, sinyal kimia dan listrik. Protein transport membrane cenderung membentuk system pompa dan channel span, serta span cell membrane. Oleh karena itu, membedakan kelas dan family transport protein adalah tugas penting dalam ilmu komputasi biologi dan diperlukan bagi para ahli biologi untuk mendapatkan pemahaman yang lebih baik tentang fungsi protein transport. Oleh karena itu, dalam penelitian ini, telah dilakukan pengembangan metode untuk mengidentifikasi fungsi kelas utama dan family protein transport menggunakan radial basis neural network. Peneliti telah mengalanisis karakteristik komposisi asam amino, komposisi residu pair pada protein transport. Metode dalam klasifikasi kelas protein transport untuk mengetahui fungsi protein transport peneliti menggunakan PSSM dengan metode quickRBF classifier memberikan hasil akurasi terbaik dibanding dengan metode yang lain. Hasil akurasi sebesar 84,84% untuk cross validation dan 80,71% untuk independent data, oleh karena itu maka motode yang peneliti usulkan dapat digunakan secara efektif untuk mengidentifikasi dan mendiskriminasi transporter ke dalam kelas protein transport dengan peningkatan 6-10 % dari penelitian yang sejenis.Keywords—transporter, membran, quickRBF, PSSM
A PREDICTION MODEL OF COMPANY HEALTH USING BAGGING CLASSIFIER Green Arther Sandag
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol 6 No 1 (2020): JITK Issue August 2020
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1141.03 KB) | DOI: 10.33480/jitk.v6i1.1390

Abstract

In business, have many competitions between companies occur to obtain as many profits as possible, Financial Distress is a financial decline that occurs in companies, reflecting the health of the company before bankruptcy started. Therefore, to avoid bankruptcy, it requires a method or tool with high accuracy in identifying company health. This research uses a bagging classifier, which is one type of Ensemble Learning algorithm. To predict financial difficulties, the authors use the bagging classifier algorithm with 0.13% more accurate results than previous studies using the XGBoost algorithm.
Analisis Tingkat Kepuasan Pelanggan terhadap Layanan Grab dan Gojek di Masa Pandemi Covid-19 Jacquline Morlav S. Waworundeng; Green Sandag; stevanlee ngeloh; arlius lalong
CogITo Smart Journal Vol. 8 No. 1 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i1.395.111-121

Abstract

Dalam situasi wabah pandemi Covid-19, penulis tertarik untuk menganalisis tingkat kepuasan pelanggan terhadap layanan Grab dan Gojek. Tujuan dari analisis ini adalah untuk mengetahui manakah layanan yang lebih efektif dan untuk mengetahui tingkat kepuasan pelanggan terhadap layanan Grab dan Gojek. Penelitian ini dilakukan dengan membagikan kuesioner kepada 100 responden mahasiswa Universitas Klabat yang pernah menggunakan aplikasi Grab dan Gojek dengan layanan Grab Food, Grab Express, GoFood dan GoSend pada periode Desember 2020 sampai Februari 2021. Metode analisis yang digunakan yaitu deskriptif kuantitatif. Hasil analisis layanan Grab dan Gojek terkait variabel reliability, responsiveness, assurance, emphaty dan tangibles terhadap tingkat kepuasan pelanggan, menunjukkan indikator-indikator dalam penelitian ini bersifat valid dan reliabel sesuai dengan kuesioner yang dijalankan. Uji validitas dan reliabilitas menggunakan software IBM SPSS 25. Pada hasil pengukuran untuk semua variabel yaitu reliability, responsiveness, assurance, emphaty dan tangible untuk layanan Grab dengan nilai rata-rata 4.11, dinyatakan bahwa tingkat kepuasan pelanggan “puas”. Sedangkan pada hasil pengukuran varibel yang sama untuk layanan Gojek dengan nilai rata-rata 4.37, dinyatakan tingkat kepuasan pelanggan “sangat puas”. Kata kunci: Kepuasan Pelanggan, Covid 19, Grab, GoJek, Universitas Klabat
Analisis Sentimen Tweet Kuliah Online menggunakan Naïve Bayes Classifier Jacquline Morlav S. Waworundeng; Green Arther Sandag; Reynoldus Andrias Sahulata; Godlife Davidson Rellely
CogITo Smart Journal Vol. 8 No. 2 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i2.414.371-384

Abstract

Online lecture is an alternative learning method during the Covid-19 pandemic. There are opinions with pro and contra of the learning method. The purpose of this study is to evaluate the tweets of opinion or sentiment retrieved from social media Twitter regarding online lectures among the Indonesian community. Twint is used to collect the data tweet and Jupyter notebook is for text preprocessing and classification. The processes started with scraping data from Twitter, text preprocessing, and text classification. Using the Naïve Bayes classifier shows the performance has a precision value of 100%, an accuracy value of 70.8%, an F-measure of 10.2%, and a recall value of 5.4%. Performance rating can be affected by the dataset used for modeling. This analysis covers the positive sentiment and negative sentiments toward online lectures and the result shows 69% negative sentiments and 31% positive sentiments. The negative sentiments had a higher percentage compared to positive sentiments. The results were also supported by the word cloud which expressed a high frequency of negative words such as sleep problems, bored, tired, dizzy, difficult and lazy. So, it is concluded that during the Covid-19 pandemic from August 1, 2020, to May 31, 2021, Twitter users in Indonesia had negative sentiments about online lectures.
Analisis Sentimen Masyarakat Terhadap Exchange Tokocrypto Pada Twitter Menggunakan Metode LSTM Green Arther Sandag; Jacquline Waworundeng
CogITo Smart Journal Vol. 8 No. 2 (2022): Cogito Smart Journal
Publisher : Fakultas Ilmu Komputer, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31154/cogito.v8i2.418.411-421

Abstract

The internet has played an important role in influencing all human activities in today's technological era. With the internet can be used for various purposes, including sharing knowledge, transacting, socializing, shopping, business, education, and many other things that can be done. While the internet is getting more and more popular, various kinds of digital transactions continue to develop, one of which is the exchange of coins for other coins which are called cryptocurrencies. Cryptocurrencies are digital assets that use strong cryptography to encrypt financial transactions, and verify asset transfers. One of the cryptocurrency exchanges for investment in Indonesia is Tokocrypto. With such enthusiasm for cryptocurrency, many Indonesians use social media such as Twitter to find information, provide opinions, as well as information. To classify public tweets on Twitter into positive and negative categories, a sentiment analysis model is needed. This study uses the Long Short Term Memory (LSTM) method, where LSTM is a neural network development that can be used for modeling time series data on Twitter users' tweets against the Tokocrypto exchange. There were 2022 positive tweets, 1632 negative tweets, and 1012 neutral tweets.
Perbandingan Algoritma LSTM Untuk Analisis Sentimen Pengguna Twitter Terhadap Layanan Rumah Sakit Saat Pandemi Covid-19 Anggreiny Rolangon; Axcel Weku; Green Arther Sandag
TeIKa Vol 13 No 01 (2023): TeIKa: April 2023
Publisher : Fakultas Teknologi Informasi - Universitas Advent Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36342/teika.v13i01.3063

Abstract

Sentiment analysis has become a crucial aspect in understanding people’s opinions and emotions on various issues. In this study, we conducted sentiment analysis on tweets related to hospital services during the COVID-19 pandemic using LSTM, BiLSTM, GRU, and SimpleRNN models. The data collection process was carried out using the Twitter API and resulted in 15,093 tweets. The data preprocessing process includes data cleaning, case folding, tokenization, filtering, and stemming. The dataset was divided into 80% for training and 20% for testing. The results showed that the BiLSTM model had the highest accuracy of 86%, followed by the GRU model with an accuracy of 86%, the LSTM model with an accuracy of 85%, and the SimpleRNN model with an accuracy of 75%. The BiLSTM model also had the highest MCC of 71%. The study concludes that the BiLSTM model outperformed other models in predicting the sentiment of tweets related to hospital services during the COVID-19 pandemic. This study’s findings may have significant implications for healthcare providers in enhancing their services’ quality and improving patients’ satisfaction during pandemics.
PENGARUH SOSIAL MEDIA MARKETING TERHADAP PENJUALAN USAHA MIKRO KECIL DAN MENENGAH (UMKM) Diaprilia Sondakh; Valentine Lumingkewas; Lidya Chitra Laoh; Green Arther Sandag
Klabat Journal of Management Vol 3 No 1 (2022): Klabat Journal of Management
Publisher : Faculty of Economics and Business, Universitas Klabat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (636.874 KB) | DOI: 10.60090/kjm.v3i1.823.67-82

Abstract

Social media does not only use for communication and sharing, but has now become a marketing media for business owners. The use of social media as a marketing media by business owners called UMKM occurs in Langowan District, Minahasa Regency, North Sulawesi Province. The purpose of this study was to determine the sentiments of Facebook users towards marketing carried out by UMKM and the influence of Facebook's marketing on increasing UMKM sales. This study uses two analyzes, namely sentiment analysis and multiple linear regression analysis. The sample of this research is 61 food and beverage UMKM that use Facebook as a marketing media. The data sources used in the sentiment analysis are Facebook user comments on UMKM uploads, the data sources in the multiple linear regression analysis are financial reports along with the upload frequency and the number of reactions from UMKM social media marketing activities. As a result, sentiment analysis in this study classifies positive comments as higher than negative comments with the application of the LSTM model, multiple linear regression analysis finds that social media marketing has a positive and significant effect on increasing UMKM sales. Social media tidak hanya mengambil peranan sebagai media komunikasi dan berbagi, namun saat ini telah menjadi media pemasaran atau marketing di kalangan pelaku usaha. Penggunaan media sosial sebagai sarana pemasaran oleh para pelaku usaha yang disebut dengan UMKM terjadi di Kecamatan Langowan, Kabupaten Minahasa, Provinsi Sulawesi Utara. Tujuan dari penelitian ini untuk mengetahui sentimen dari pengguna Facebook terhadap marketing yang dilakukan oleh UMKM dan pengaruh social media marketing Facebook terhadap peningkatan penjualan UMKM. Penelitian ini menggunakan dua analisis yaitu analisis sentimen dan analisis regresi linier berganda. Sampel dari penelitian ini adalah 61 UMKM makanan dan minuman yang menggunakan Facebook sebagai media marketing. Sumber data yang digunakan dalam analisis sentimen adalah komentar pengguna Facebook dalam unggahan UMKM, sedangkan sumber data dalam analisis regresi linier berganda adalah laporan keuangan beserta frekuensi unggahan dan jumlah reaction dari aktivitas social media marketing UMKM. Hasilnya, analisis sentimen dalam penelitian ini mengklasifikasikan komentar positif lebih tinggi dibandingkan komentar negatif dengan penerapan model LSTM, sedangkan analisis regresi linier berganda menemukan bahwa social media marketing berpengaruh positif dan signifikan terhadap peningkatan penjualan UMKM. Keywords: Facebook, Multiple linear regression analysis, Sentiment analysis, Social media marketing, UMKM
Prediksi Kelulusan Mahasiswa Dalam Memilih Program Magister Menggunakan Algoritma K-NN Aldo Sabathos Mananta; Green Arther Sandag
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 10, No 2 (2021): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v10i2.2488

Abstract

Kinerja akademik siswa didasarkan pada berbagai faktor seperti variabel pribadi, sosial, psikologis, dan lingkungan lainnya.  Banyaknya jumlah data yang dimiliki oleh pihak universitas mengenai mahasiswa lulusan mereka dapat membantu dalam proses pengambilan keputusan ke jenjang pendidikan yang lebih tinggi. Data akademik mahasiswa dapat diolah untuk membantu pengambilan keputusan dalam penentuan masuk ke jenjang perguruan tinggi selanjutnya. Untuk melakukan proses pengolahan data tersebut di butuhkan metode data mining yaitu klasifikasi. Aspek yang dilihat yaitu dari sisi accuracy, precision dan recall. Software yang digunakan untuk mengetahui kinerja dari algoritma tersebut adalah Rapid Miner Studio versi 9.2. Hasil pengujian menunjukkan bahwa algoritma K-NN dengan menggunakan independent test memiliki accuracy terbaik yaitu sebesar 96.25%, precision 98.08%, dan recall 70.00%. Sedangkan pada test yang menggunakan cross-validation, algoritma K-NN juga memiliki accuracy terbaik yaitu sebesar 91.88%, precision 81.29, dan recall 61.15%.Kata kunci: Prediksi, Kelulusan Mahasiswa, K-NN
Co-Authors Aldo Sabathos Mananta Andrew Tanny Liem Anggreiny Rolangon arlius lalong Aror, Megalita Axcel Weku Chrisanti, Ibrena Reghuella Deo Timothy Kabo Diaprilia Sondakh Djamal, Eleonora Djimesha, Enrico S. Edson Yahuda Putra Erienika Meiling Lompoliu Fini Keni Celsia George Morris William Tangka Godlife Davidson Rellely Grady Wantah Green Ferry Mandias, Green Ferry Haryanto Reza Musak Jacquline Waworundeng Jebriella Bororing Joe Yuan Mambu Jonathan Leopold Kaunang, Fergie Joanda Lidya Chitra Laoh Makapedua, Marlivye Marchel Thimoty Tombeng Marcviero Patresse Matauseya Maringka, Raissa Raymond Sambur Reynoldus Andrias Sahulata Semmy Wellem Taju stevanlee ngeloh Susi Susanti Tompunu, Alexander Valentine Lumingkewas Vinky Fransiscus Ong Wungkana, Cindy