Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pendekatan Eksploratif dalam Analisis Data Harga Pangan Nasional dengan Tableau Rahman, Dzul Fadli; Munir, Agus Qomaruddin
ILKOMNIKA Vol 6 No 2 (2024): Volume 6, Nomor 2, Agustus 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v6i2.659

Abstract

Penelitian ini menganalisis data Harga Pangan Nasional di Indonesia dari tahun 2020 hingga 2023 menggunakan metode Exploratory Data Analysis (EDA). Python, Visual Studio Code dan Tableau dipilih untuk kemudahan dalam penggunaan library statistik dan visualisasi data. Analisis dilakukan dalam tiga bentuk: univariat, bivariat, dan multivariat. Hasil univariat menunjukkan distribusi pasar dan sumber pangan, dengan dominasi bahan nabati. Analisis bivariat menunjukkan harga pangan lebih tinggi di wilayah timur, dengan daging sebagai komoditas termahal dan beras yang termurah. Analisis multivariat membandingkan harga pangan di Yogyakarta dan Merauke, menunjukkan harga lebih tinggi di Merauke kecuali beras yang stabil di kedua kota. Studi ini juga menekankan pentingnya visualisasi data dalam mempermudah pemahaman informasi kompleks, menggunakan berbagai jenis grafik untuk menunjukkan pola dan tren yang membantu pengambilan keputusan strategis. Hasil penelitian ini dapat dikembangkan untuk memprediksi perubahan harga pangan dan memberikan wawasan yang lebih dalam.
Optimasi Algoritma Support Vector Machine untuk Analisis Sentimen dengan Bayesian Optimization Yudianto, Muhammad Resa Arif; Zakariah, Masduki; Rozam, Nadhir Fachrul; Rahman, Dzul Fadli; Sari, Tika Novita; Mustofa, Zaenal
Jurnal Teknik Informatika dan Sistem Informasi Vol 11 No 3 (2025): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v11i3.11524

Abstract

This study examines the effect of Bayesian Optimization in improving the performance, computational efficiency, and sustainability of Aspect-Based Sentiment Analysis models using Support Vector Machine (SVM). A dataset consisting of 988 customer reviews about Borobudur Temple, classified into six dimensions: Attractiveness, Facilities, Accessibility, Visual Image, Price, and Human Resources is used to compare two scenarios, namely Baseline SVM and SVM enhanced with Bayesian Optimization (BO). Important metrics used include accuracy, computational duration, energy usage, and carbon emissions. The results show that BO significantly improves accuracy, especially on difficult aspects such as Facilities (from 0.7294 to 0.8682) and Price (from 0.8047 to 0.9576). The most complicated aspect, namely visual image due to the very minimal number of datasets (unbalanced), achieved an increase in accuracy from 0.6729 to 0.72. In addition, BO reduces training time, especially for resource-intensive tasks such as the visual image aspect, reducing training time from 13.04 seconds to 9.4 seconds. Substantial reductions in energy consumption and CO₂ emissions are seen in line with sustainable machine learning principles. The hyperparameter adaptability of SVM, with linear kernels performing well in simpler tasks, while polynomial and sigmoid kernels improve performance for more complex parts. BO substantially alleviates the limitations of Baseline SVM, offering a robust, efficient, and environmentally friendly solution for ABSA. Future research can explore more enhancements for complex tasks to improve performance and efficiency.
SEMANTIC WEB IMPLEMENTATION FOR ENHANCING BUDGET TRANSPARENCY IN YOGYAKARTA CITY GOVERNMENT: AN ONTOLOGY AND RDF-BASED FRAMEWORK Rahman, Dzul Fadli; Setiyawan, Ramadhana; Artanto, Herjuna
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7448

Abstract

Penerapan teknologi Semantic Web dalam pengelolaan data pemerintah menjadi strategi penting untuk meningkatkan transparansi dan keterbacaan mesin terhadap data terbuka. Penelitian ini bertujuan untuk mentransformasikan data Anggaran Murni Kota Yogyakarta tahun 2022 dari format tabular ke dalam representasi semantik menggunakan Resource Description Framework (RDF) dan Web Ontology Language (OWL). Ontologi dikembangkan dengan mendefinisikan lima kelas utama, yaitu Anggaran, Daerah, KategoriAnggaran, KelompokAnggaran, dan JenisAnggaran, serta dilengkapi dengan object property dan data property yang menggambarkan relasi dan atribut antarentitas. Representasi RDF kemudian diuji menggunakan beberapa query SPARQL untuk mengekstraksi informasi, seperti total anggaran, surplus atau defisit, dan identifikasi entitas tanpa alokasi. Visualisasi struktur ontologi dilakukan menggunakan plugin OWLViz untuk memastikan konsistensi logis antar kelas dan properti. Hasil penelitian menunjukkan bahwa model ontologi yang dikembangkan mampu merepresentasikan struktur anggaran secara terstruktur, konsisten, dan mendukung kueri semantik. Penelitian ini memberikan kontribusi terhadap upaya keterbukaan data pemerintah daerah dan dapat dikembangkan lebih lanjut untuk integrasi lintas wilayah serta visualisasi interaktif berbasis Web Semantik.