Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal TEKNOLOGI INFORMASI
Rohman, Ahmad Saifur
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Selebgram melalui Analisis Traffic Post dan Deteksi Objek Menggunakan Metode Convolutional Neural Network Sirojudin, Achmad; Bahri, Hairul; Rohman, Ahmad Saifur; Gumilang, Mukhamad Angga
Teknologi Informasi : Teori, Konsep, dan Implementasi : Jurnal Ilmiah Vol 15 No 1 (2024): JURNAL TEKNOLOGI INFORMASI: Teori, Konsep dan Implementasi
Publisher : LPPM STIMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36382/jti-tki.v15i1.504

Abstract

Era digital inovatif, memilih selebgram untuk kampanye endorsement kini membutuhkan keahlian mengedepankan akurasi dan ketelitian. Tidak hanya jumlah pengikut yang besar, tetapi juga perlu mempertimbangkan pemetaan ketertarikan dan interaksi dalam setiap unggahan. Instagram, sebagai platform sosial yang populer, menjadi tempat bagi hampir semua orang untuk berbagi momen dan tak jarang postingan yang diunggah mencerminkan minat dan ketertarikan. Penelitian ini akan mengotomatisasi pemilihan calon endorser dengan menganalisis ketertarikan melalui pengolahan citra menggunakan metode deep learning, yaitu Convolutional Neural Network, sebuah algoritma dalam pengolahan citra digital. Tujuan utama penelitian ini adalah untuk mengklasifikasikan ketertarikan berdasarkan unggahan di Instagram dengan Convolutional Neural Network, dan menggabungkannya dengan analisis frekuensi data komentar dan like untuk mendapatkan peringkat influencer tertinggi dalam kampanye endorsement sesuai kategori, seperti Food, Travelling, Otomotif, dan Beauty or Fashion. Hasil pengujian model dengan menggunakan confusion matrix menunjukkan akurasi tertinggi 88%, presisi 91%, dan recall 84%. Model diuji pada 2500 dataset, dengan pembagian 90% data latih dan 10% validasi.
Co-Authors Bahri, Hairul Gumilang, Mukhamad Angga Sirojudin, Achmad