Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Mantik Penusa Konvergensi Applied Technology and Computing Science Journal Jurnal Ilmu Komputer dan Desain Komunikasi Visual Jurnal Abdi: Media Pengabdian Kepada Masyarakat BERNAS: Jurnal Pengabdian Kepada Masyarakat Journal of Computer, Electronic, and Telecommunication (COMPLETE)
Indasyah, Enny
Institut Teknologi Sepuluh Nopember
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Konvergensi

 1 
APLIKASI METODE FUZZY MAMDANI UNTUK PENENTUAN HERO COUNTER PADA PERMAINAN MOBILE LEGENDS Tanjung, Christian Adikusuma; Hermawati, Fajar Astuti; Indasyah, Enny
KONVERGENSI Vol 15 No 1 (2019)
Publisher : Informatics, Universitas 17 Agustus 1945 Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1027.919 KB) | DOI: 10.30996/konv.v15i1.2834

Abstract

Mobile Legends adalah game bergenre MOBA android yang memiliki banyak peminat sejak pertama rilis pada tahun 2016. Banyak pemain pemula game ini yang sebelumnya tidak tahu cara melawan hero musuh dengan cara memilih hero yang tepat untuk dapat mengalahkannya sehingga seringkali mengalami kekalahan dalam pertandingan. Pada tugas akhir ini penulis akan menerapkan logika fuzzy metode mamdani yang diimplementasikan untuk membuat sistem penentuan hero counter pada game Mobile Legends guna membantu pemain dalam pemilihan hero. Untuk itu diperlukan beberapa variable input yaitu kelincahan dan ability effect yang dimiliki setiap hero serta waktu lama berjalannya pertandingan. Setelah itu semua variabel input akan diolah dengan logika fuzzy dengan tahapan pembentukan himpunan fuzzy, fungsi implikasi, komposisi aturan, dan defuzzyfikasi. Berdasarkan pengujian tingkat keakuratan untuk mengetahui hero counter, dilakukan dengan percobaan pada setiap hero assassin dengan kondisi waktu yang berbeda dan menghasilkan nilai akurasi dari sistem ini sebesar 84,375%. Dengan begitu aplikasi ini diharapkan dapat membantu pemain pemula Mobile Legends saat memilih hero untuk meningkatkan presentase kemenangan guna menghindari kekalahan dalam pertandingan.
SISTEM PREDIKSI KEPRIBADIAN MANUSIA BERDASARKAN STATUS MEDIA SOSIAL MENGGUNAKAN SUPPORT VECTOR MACHINE Ronando, Elsen; Yasa, Muhammad; Indasyah, Enny
KONVERGENSI Vol 17 No 1 (2021)
Publisher : Informatics, Universitas 17 Agustus 1945 Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30996/konv.v17i1.5164

Abstract

Currently, social media is a forum for exchanging information widely used by the public, such as Facebook and Twitter. Social media users exchange information to find out the condition of one another. Some companies use social media to explore the personality potential of prospective employees to be recruited. However, to dig up this information takes a very long time because the company has to open prospective employees' social media one by one. To dig up information automatically, a personality detection system is needed from social media users. This study develops a person's personality prediction system based on social media status using the support vector machine. The data sets evaluated in this study were 300 Facebook social media status data and 2067 Twitter social media status data. Based on the evaluation results, we obtained a high level of accuracy in detecting a person's personality based on social media status, namely 100% for Facebook user status and 99.3% for Twitter user status.Keywords: Personality, Social Media, Support Vector Machine, Facebook, Twitter ABSTRAKSaat ini, media sosial merupakan salah suatu wadah pertukaran informasi yang banyak digunakan oleh masyarakat, seperti Facebook maupun Twitter. Pengguna media sosial saling bertukar informasi untuk mengetahui kondisi satu dengan lainnya. Beberapa perusahaan memanfaatkan media sosial untuk menggali potensi kepribadian dari calon pegawai yang akan direkrut. Namun, untuk menggali informasi tersebut memerlukan waktu yang sangat lama karena perusahan harus membuka media sosial dari calon pegawai satu per satu. Agar dapat menggali informasi secara otomatis, maka diperlukan sistem deteksi kepribadian dari pengguna media sosial. Penelitian ini mengembangkan sistem prediksi kepribadian seseorang berdasarkan status media sosial menggunakan metode Support Vector Machine. Set data yang dievaluasi dalam penelitian ini yaitu 300 data status media sosial Facebook dan 2067 data status media sosial Twitter. Berdasarkan hasil evaluasi yang dilakukan diperoleh tingkat akurasi yang tinggi dalam mendeteksi kepribadian seseorang berdasarkan status media sosial, yaitu 100% untuk status pengguna Facebook dan 99,3% untuk status pengguna Twitter.  Kata Kunci: Kepribadian, Media Sosial, Support Vector Machine, Facebook,  Twitter.
Co-Authors Adhim, Fauzi Imaduddin Aliffia Ananta Anifatul Faricha Budiarti, Rizqi Putri Nourma Elsen Ronando Elsen Ronando Elsen Ronando Elsen Ronando Elsen Ronando Fajar Astuti Hermawati Istiqomah, Fivitria Joko Priambodo Mastuki Mastuki Muhammad Achirul Nanda Muhammad Falahudin Malich Salaz Ni'matut Tamimah Ni'matut Tamimah Qurrotun 'Ayun Mawadatur Rohmah Robin Addwiyansyah Alvaro Samrat Robiq Abiyyu Sadid Siti Maghfirotul Ulyah Tanjung, Christian Adikusuma Ulfah Abqari Yasa, Muhammad