Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer & Kecerdasan Buatan Jurnal Ilmu Komputer
Nurdiyanto, Didik
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Prediksi Risiko Serangan Jantung dengan Pendekatan Data Mining dan Algoritma Naïve Bayes Nurdiyanto, Didik
Jurnal Ilmu Komputer Vol 1 No 2 (2023): Jurnal Ilmu Komputer (Edisi Desember 2023)
Publisher : Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Heart attack is one of the deadliest cardiovascular diseases worldwide. Heart attack risk prediction plays an important role in prevention and early treatment. In this study, we propose an approach to optimize heart attack risk prediction using data mining and Naïve Bayes algorithm. This method utilizes data mining techniques to analyze complex health datasets and extract hidden patterns that can identify heart attack risk factors. Naïve Bayes algorithm is used to predict the risk of heart attack based on the discovered patterns. We conducted experiments using patient datasets with relevant health parameters and optimized the performance of the prediction model. The experimental results show that this approach produces accurate and reliable heart attack risk prediction. This research makes an important contribution to the field of cardiovascular disease prevention and provides a basis for the development of more efficient heart attack prediction systems.
Analisis Sentimen Masyarakat Terhadap Pembangunan Ibu Kota Nusantara (IKN) Menggunakan Model Transformer BERT Dan XLNet: Analisis Sentimen Masyarakat Terhadap Pembangunan Ibu Kota Nusantara (IKN) Menggunakan Model Transformer BERT Dan XLNet Nurdiyanto, Didik; Hindasyah, Ahmad; Rivai, Abu Khalid
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 9 No. 2 (2026): Volume IX - Nomor 2 - Februari 2026
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v9i2.874

Abstract

Pembangunan Ibu Kota Nusantara (IKN) memainkan peran penting dalam memahami persepsi publik mengenai proyek pemindahan ibu kota Indonesia. Penelitian ini menggunakan pendekatan berbasis Transformer khususnya dengan melakukan studi perbandingan antara model BERT dan XLNet untuk analisis sentimen terkait pembangunan IKN. Dataset yang digunakan diambil dari platform Twitter dalam rentang waktu Januari hingga November 2024, mencakup percakapan yang mengandung kata kunci seperti “IKN”, “Pembangunan IKN”, dan “Pemindahan Ibu Kota”. Dataset awal terdiri dari 10.000 tweet berbahasa Indonesia yang diekstraksi menggunakan Twitter API. Setelah melalui proses pembersihan data dari noise seperti retweet, spam, dan postingan berulang, dilakukan tahapan preprocessing yang mencakup tokenisasi, penghapusan stopwords, dan stemming. Selanjutnya, data divalidasi dan dilakukan pelabelan manual. Dari 10.000 tweet yang tersedia, hanya 6.000 tweet yang digunakan untuk memastikan keseimbangan jumlah data pada masing-masing kategori sentimen: positif, negatif, dan netral. Dataset ini kemudian dibagi dengan rasio 80:10:10 untuk tahap pelatihan, validasi, dan pengujian. Model BERT dan XLNet digunakan untuk memproses data dan melakukan klasifikasi sentimen. Hasil evaluasi menunjukkan bahwa model BERT mencapai akurasi sebesar 92%, sedangkan XLNet menunjukkan performa yang lebih rendah dengan akurasi sebesar 91%. Temuan ini mengindikasikan bahwa BERT lebih efektif dalam menangkap pola-pola sentimen dalam teks berbahasa Indonesia khususnya dalam konteks isu pembangunan IKN.
Co-Authors Abu Khalid Rivai Hindasyah, Ahmad