Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal TIMES
Dodisutarma Lapihu
Unknown Affiliation

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

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN MASYARAKAT TENTANG DAMPAK PERTAMBANGAN DI PULAU TALIABU PROVINSI MALUKU UTARA MELALUI MEDIA SOSIAL MENGGUNAKAN METODE K-MEANS DAN NAIVE BAYES Kori Bantu; Marline S. Paendong; Dodisutarma Lapihu; Ketaren, Eliasta
Jurnal TIMES Vol 14 No 2 (2025): Jurnal TIMES
Publisher : STMIK TIME

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

Abstract

Penelitian ini bertujuan untuk menganalisis opini masyarakat terkait isu pertambangan di Pulau Taliabu yang terekam melalui media sosial. Data yang digunakan berupa komentar pengguna dari Facebook, X (Twitter), TikTok, dan Instagram yang kemudian diolah melalui tahap praproses teks sebelum dilakukan pengelompokan menggunakan algoritma K-Means Clustering. Hasil analisis menunjukkan bahwa opini masyarakat terbagi ke dalam tiga sentimen utama, yaitu positif, netral, dan negatif. Sentimen negatif menjadi klaster yang paling dominan dengan jumlah 750 data, sedangkan klaster netral berjumlah 142 data yang umumnya berfokus pada diskusi isu pembangunan dan sumber daya alam, dan klaster positif berjumlah 28 data yang berisi apresiasi maupun dukungan terhadap figur publik. Faktor-faktor yang memengaruhi sentimen masyarakat meliputi isu pembangunan infrastruktur, kinerja pemerintah, serta dampak sosial-ekonomi dari aktivitas pertambangan. Dilakukan klasifikasi menggunakan algoritma Multinomial Naive Bayes yang berhasil memprediksi sentimen dengan tingkat akurasi sangat baik, yakni mencapai 89,77%. Temuan ini memberikan gambaran yang lebih jelas mengenai persepsi publik terhadap aktivitas pertambangan di Pulau Taliabu.
ENSEMBLE SOFT VOTING DARI MODEL HYBRID CNN-TRANSFER LEARNING UNTUK KLASIFIKASI PENYAKIT PARU-PARU (STUDI KASUS RSUD MARIA WALANDA MARAMIS) Mahardika Inra Takaendengan; Dodisutarma Lapihu; Mans Lumiu Mananohas; Ketaren, Eliasta; Shalom Putri Maharani Taringanen; Dwika Taufan Takaendengan; Thesalonika Putri Millenia Parera
Jurnal TIMES Vol 14 No 2 (2025): Jurnal TIMES
Publisher : STMIK TIME

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

Abstract

Penyakit paru-paru seperti tuberkulosis, bronkitis, dan pneumonia masih menjadi masalah kesehatan serius di Indonesia dengan angka kematian yang tinggi. Di Sulawesi Utara, RSUD Maria Walanda Maramis menghadapi tantangan dalam diagnosis dini karena keterbatasan tenaga medis spesialis dan beban kerja yang tinggi. Penelitian ini bertujuan mengembangkan model ensemble soft voting dari hybrid Convolutional Neural Network (CNN) dan transfer learning untuk meningkatkan akurasi klasifikasi penyakit paru-paru menggunakan citra X-ray dada. Metode yang diusulkan menggabungkan tiga model berbeda yaitu VGG16, MobileNetV2, dan CNN custom melalui teknik soft voting ensemble. Dataset terdiri dari 589 citra X-ray pasien RSUD Maria Walanda Maramis yang telah diberi label oleh ahli radiologi. Evaluasi menggunakan 5-fold cross validation menunjukkan bahwa model ensemble mencapai akurasi 75.44%, precision 75.12%, recall 75.44%, dan F1-score 74.88%, lebih tinggi dibandingkan model individual terbaik (MobileNetV2 dengan akurasi 71.93%). Analisis statistik menggunakan uji McNemar membuktikan perbedaan signifikan secara statistik antara model ensemble dan model individual. Hasil penelitian ini menunjukkan potensi sistem berbasis kecerdasan buatan sebagai alat bantu diagnosis untuk mendukung tenaga medis dalam meningkatkan ketepatan dan kecepatan diagnosis penyakit paru-paru di fasilitas kesehatan dengan sumber daya terbatas.
Co-Authors Dwika Taufan Takaendengan Eliasta Ketaren, Eliasta Kori Bantu Mahardika Inra Takaendengan Mans Lumiu Mananohas Marline Paendong Shalom Putri Maharani Taringanen Thesalonika Putri Millenia Parera