Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal The Indonesian Journal of Computer Science
Anggista Oktavia Praneswara
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Perbandingan K-Nearest Neighbors, Support Vector Dan Random Forest Pada Prediksi Medical Cost Anggista Oktavia Praneswara
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3298

Abstract

Asuransi kesehatan adalah kontrak yang mengharuskan membayar sebagian atau seluruh biaya perawatan terkait masalah kesehatan yang dialami. Pengguna asuransi harus membayar premi dengan membayar iuran dalam periode yang telah ditentukan. Dalam praktiknya, pembayaran premi asuransi kesehatan bisa langsung dipotong dari gaji bulanan yang didapat. Maka dari itu, penelitian ini dilakukan dengan mengimplementasikan sebuah algoritma prediksi biaya medis yang dikeluarkan per individu dengan menggunakan perbandingan 3 algoritma yaitu K-Nearest Neighbor, Support Vector Machine dan Random Forest dengan dataset yang diambil kaggle dengan nama insurance.csv berdasarkan kolom usia, jenis kelamin, indeks Massa Tubuh ( BMI ), jumlah anak dalam satu keluarga, individu perokok atau tidak, wilayah tempat tinggal penerima asuransi kesehatan dan biaya medis yang ditanggung oleh asuransi kesehatan. Metode penelitian dilakukan dengan pemeriksaan data dengan melakukan analisi pada dataset serta membagi data menjadi data training dan data test. Hasil penelitian pada algoritma KNN memiliki nilai prediksi MSE sebesar 9651.5, algoritma Random Forest memiliki nilai prediksi MSE sebesar 9755.4, sedangkan algoritma SVM memiliki nilai prediksi MSE sebesar 9312.6.
Analisis Sentimen Ulasan Aplikasi TikTok Shop Seller Center di Google Playstore Menggunakan Algoritma Naive Bayes Anggista Oktavia Praneswara; Cahyono, Nuri
The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i6.3473

Abstract

In the rapidly developing digital era, users' views on mobile applications are a key factor in the success of an application. Understanding user sentiment can help application developers and management to improve service quality and user satisfaction. One of the social media that is experiencing a revolution is TikTok, a short video sharing platform that presents e-commerce innovations through the TikTok Shop Seller Center. Therefore, sentiment analysis was carried out to find out whether user reviews of the TikTok Shop Seller Center application tended to be positive or negative based on the Naïve Bayes algorithm. The research methodology involves data scrapping, data cleaning, preprocessing (case folding, stopword removing, tokenization, stemming), labeling, TF-IDF, data testing using confusion matrix and visualization using wordcloud. The results of research regarding sentiment analysis of reviews of the TikTok Shop Seller Center application on Google Playstore totaling 5000 data, it was concluded that user reviews were classified as negative with a percentage of 86.3% accuracy value, 83.7% precision value, 94.6% recall value and 88.7% % F1-Score value.
Co-Authors Nuri Cahyono