Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Rekayasa Elektronik Journal of Computer and Information System (J-CIS)
Sulfayanti
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Analisis Performa K-Nearest Neighbor Dalam Mengklasifikasi Sentimen Pengguna Aplikasi PeduliLindungi Sulfayanti; -, Ika Nurul Fadhillah; Nahya Nur
Journal of Computer and Information System ( J-CIS ) Vol 7 No 1 (2024): J-CIS Vol. 7 No. 1 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i1.3767

Abstract

Virus Corona 19 (Covid-19) merupakan inveksi vius menular yang kini telah menyebar ke berbagai negara, termasuk Indonesia. Pemantauan penyebaran Covid-19 di Indonesia ditangani langsung oleh Pemerintah Indonesia khususnya oleh Kementerian Komunikasi dan Informatika (KOMINFO) dengan pembuatan aplikasi PeduliLindungi yang dapat diunduh di Google Play Store. Pengguna memberikan ulasan atau komentar mereka tentang aplikasi dengan tujuan untuk mengevaluasi dan meningkatkan kualitas produk kedepannya. Salah datu cara dalam mengevaluasi ulasan adalah dengan menganalisis sentiment ulasan tersebut. Analisis terhadap sentiment ulasan dilakukan untuk menentukan apakah opini atau komentar terhadap suatu permasalahan atau isu terkait topik tertentu memiliki kecenderungan positif, negatif, atau netral. Sehingga peneliti ingin mengetahui sejauh mana gambaran umum masyarakat mengenai Aplikasi PeduliLindungi dengan memanfaatkan hasil analisis ini dengan melakukan teknik klasifikasi terhadap ulasan PeduliLindungi menggunakan Algoritma K-Nearest Neighbor. Hasil pengklasifikasian sentimen yang diperoleh yaitu opini kategori positif sebesar 58,66%, sentimen dengan kategori negatif sebesar 26,12%, dan sentimen dengan kategori netral sebesar 15,22% ulasan dari total 7.500 ulasan. Hasil ini menunjukkan bahwa masyarakat percaya dengan aplikasi PeduliLindungi dan menilai bahwa aplikasi tersebut layak untuk diinstal. Performa algoritma K-Nearest Neighbor dalam mengklasifikasi sentimen pengguna menghasilkan akurasi sebesar 60,66%, dengan nilai presisi 64%, recall 62,79%, dan F1-score 54,44%.
PERBANDINGAN ALGORITMA APRIORI DAN ECLAT DALAM ANALISIS POLA SKRIPSI MAHASISWA Ayuhidaya, Berlian; Sulfayanti; Musyrifah
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1663

Abstract

Pemanfaatan data judul skripsi mahasiswa Teknik Informatika yang melimpah belum dioptimalkan, sehingga menyulitkan mahasiswa menentukan topik yang relevan dan menarik. Analisis pola frekuensi dapat mengidentifikasi tren dan potensi pengembangan topik baru. Penelitian ini membandingkan kinerja algoritma Apriori dan ECLAT dalam menganalisis pola frekuensi 545 judul skripsi dari berbagai tahun. Analisis dilakukan untuk mengidentifikasi topik, metode, dan output yang sering digunakan. Data diproses melalui tahap preprocessing untuk memastikan konsistensi dan kualitas dataset. Algoritma Apriori menggunakan pendekatan breadth-first search, sedangkan ECLAT memanfaatkan depth-first search dengan struktur data vertikal. Hasilnya menunjukkan kedua algoritma menghasilkan jumlah aturan asosiasi yang sama dengan rata-rata confidence 0,82 dan lift ratio 2,91. Namun, ECLAT lebih cepat dalam eksekusi (0,007 detik dibandingkan 0,008 detik), sementara Apriori lebih hemat memori (38 KB dibandingkan 198 KB). Analisis ini juga mengungkapkan bahwa sistem berbasis website dan prototipe merupakan output yang paling dominan, sementara banyak judul tidak skripsi yang tidak menyebutkan metode atau algoritma yang mereka gunakan melainkan hanya focus ke system. Hasil penelitian ini dapat membantu pihak prodi dalam memberikan gambaran kepada mahasiswa mengenai topik skripsi yang sesuai, serta mendukung mahasiswa dalam memilih judul, output, dan metode yang tepat berdasarkan tren sebelumnya dari hasil analisis data.
Co-Authors -, Ika Nurul Fadhillah ayuhidaya, berlian Musyrifah Nur, Nahya