Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Journal Information & Computer (JICOM) Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK)
Fujianto
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Engineering Library & Information Science Other

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

Found 2 Documents
Search

 1 
Opini Publik Terhadap Kebijakan Tarif Impor Donald Trump Menggunakan Logistic Regression dan SMOTE Dewa; Fujianto; Hafiz Irsyad
Journal Information & Computer Vol. 3 No. 2 (2025): Journal Information & Computer
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jicomisc.v3i2.49347

Abstract

Penelitian ini bertujuan untuk mengamati bagaimana opini publik bereaksi pada biaya masuk barang Donald Trump, yang ramai dibicarakan di dunia maya, terutama pada platform YouTube. Karena banyaknya pendapat yang muncul pada platform tersebut, penting sekali memakai cara yang cocok agar lebih paham akan opini yang disampaikan. Kami memakai metode logistic Regression  yang digabung dengan metode SMOTE untuk penelitian ini, guna dalam menganalisis opini yang ada pada komentar yang tersebar luas pada platform Youtube. Kami membagi sentimen komentar jadi dua kelompok yaitu , positif atau negatif. Setelah dilakukan dari banyak tahapan analisis data, mulai dari membersihkan texs hingga menghapus karakter yang bukan termasuk teks menggunakan pre-processing dan ekstraksi fitur, Hasil yang telah dibangun dengan Logistic Regression, kemudian dataset akan diseimbangkan dengan SMOTE mendapatkan hasil precision pada sentimen negatif sebesar 95% dan sentimen positif sebesar 02%, recall pada sentimen negatif 74% dan sentimen positif 11%, F1-Score pada sentimen negatif 83% dan sentimen positif 03%, serta jumlah sample pada kelas sentimen negatif 210 dan kelas sentimen positif  9. dengan hasil penelitian ini Logistic Regression dan SMOTE dapat diterapkan.
Klasifikasi Jenis Tanaman Obat Herbal Berdasarkan Ciri Daun Menggunakan K-NN Meilani, Cindy; Ambarwati, Rizki; Saputri, Devita; Fujianto
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 3 No. 2 (2025): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Prodi Teknologi Informasi Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v3i2.3028

Abstract

Indonesia has a variety of abundant plants, including medicinal plants. However, many people still do not know about the types of herbal medicinal plants that exist. The process of identifying types of herbal medicinal plants generally relies on the knowledge of botanists with manual methods, which rely on morphological characteristics and vision. With advances in technology, leaf image recognition can be done using computer vision methods. This study aims to identify types of herbal medicinal plants based on leaf image patterns using the K-Nearest Neighbors (K-NN) method. The identification process begins with taking leaf images, then feature extraction is carried out to distinguish plant types. The results of the study show that the K-NN method can provide a fairly good level of accuracy in identifying types of medicinal plants. This system is expected to help the public recognize medicinal plants more effectively and expand knowledge about the benefits of herbal plants. Thus, the application of leaf image recognition technology can be a solution in conserving knowledge about medicinal plants in Indonesia.
Co-Authors Ambarwati, Rizki dewa Hafiz Irsyad Meilani, Cindy Saputri, Devita