Claim Missing Document
Check
Articles

Found 2 Documents
Search

Penerapan Data Mining Untuk Memprediksi Prestasi Akademik Mahasiswa Menggunakan Algoritma C4.5 dengan CRISP-DM Pratama, Suprayuandi; Iswandi, Iswandi; Sevtian, Andre; Anjani, Tsabita Putri
Journal of Applied Informatics and Computing Vol. 7 No. 1 (2023): July 2023
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v7i1.4998

Abstract

Because student data can be used to examine student academic accomplishment, or student achievement index data, student data is a very valuable database. Data on student performance is available at Muhammadiyah University of Bangka Belitung's Faculty of Engineering and Science, which houses study programs in computer science, civil engineering, and natural resource conservation. The data are analyzed using them. The C4.5 Algorithm is used in conjunction with a classification data mining technique on student data to forecast academic progress. A decision tree is constructed using algorithm C4.5. Decision trees are helpful for investigating data and uncovering undiscovered connections between numerous input factors and one goal variable. Performance outcomes are derived from the analysis results by categorizing student data. This serves as a resource for lecturers and students to enhance classroom learning and discipline among students.
Analisis Sentimen terhadap Kasus Korupsi Timah di Kepulauan Bangka Belitung menggunakan Algoritma Indobert dan Bidirectional LSTM Sevtian, Andre; Pratama, Yudistira Bagus; Wahyuzi, Zikri
HUMAN: Journal of Social Humanities and Science Vol. 3 No. 1 (2025): HUMAN: Journal of Social Humanities and Science, July 2025
Publisher : ASIAN PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58738/human.v3i1.1116

Abstract

Kasus korupsi timah di Kepulauan Bangka Belitung menjadi sorotan publik karena dampaknya terhadap lingkungan, perekonomian daerah, serta kepercayaan masyarakat terhadap institusi negara. Komentar publik yang tersebar di platform YouTube menjadi sumber data potensial untuk dianalisis guna memahami kecenderungan sentimen masyarakat. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis sentimen terhadap kasus tersebut dengan menggunakan algoritma IndoBERT dan Bidirectional LSTM. Tahapan penelitian menggunakan metode CRISP-DM yang mencakup business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data dikumpulkan melalui YouTube Data API, kemudian diberi label sentimen menggunakan pendekatan hybrid, yaitu pelabelan otomatis dengan model pretrained IndoBERT serta verifikasi manual. Dua algoritma utama yang digunakan untuk mengklasifikasikan sentimen adalah IndoBERT dan Bidirectional LSTM, dengan evaluasi performa berdasarkan metrik accuracy, precision, recall, F1-score, dan AUC menggunakan skema Stratified K-Fold Cross Validation. Hasil evaluasi menunjukkan bahwa IndoBERT unggul dalam klasifikasi sentimen dengan rata-rata akurasi validasi sebesar 96,67% dan nilai F1-score sebesar 90,62%. Model ini mengungguli Bidirectional LSTM yang mencatat akurasi sebesar 95,60% dan F1-score sebesar 88,11%. Berdasarkan hasil tersebut, IndoBERT dipilih untuk diimplementasikan ke dalam sistem analisis sentimen berbasis web menggunakan framework Streamlit. Sistem ini mendukung masukan berupa URL video YouTube atau tema tertentu, serta mampu mengekstrak komentar, mengklasifikasikan sentimen, dan menyajikan visualisasi hasil secara otomatis. Dengan demikian, dapat disimpulkan bahwa IndoBERT lebih efektif dalam menganalisis sentimen publik terkait kasus korupsi timah di Kepulauan Bangka Belitung.