cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
InComTech: Jurnal Telekomunikasi dan Komputer
ISSN : 20854822     EISSN : 25796089     DOI : -
Program Studi Magister Teknik Elektro UMB menerbitkan Jurnal InComTech sebagai wadah bagi para akademisi, praktisi dan penggiat lainnya dalam bidang telekomunikasi dan computer (Information and Communication Technology/ICT) untuk menerbitkan karya tulisnya. Bidang-bidang yang menjadi bahasan jurnal ini meliputi teknologi, bisnis dan regulasi di bidang ICT, seperti (namun tak terbatas), teknologi IP, Wireless technology, Internet of Things, Microwaves, digital broadcasting, Fiber optik, strategi bisnis ICT, sumber daya manusia ICT, perencanaan bisnis, regulasi NGN, security in ICT, cyberlaw.
Arjuna Subject : -
Articles 242 Documents
Implementasi Algoritma Forward Chaining dan Certainty Factor pada Sistem Pakar Qosim, Nanang; Anggita, Sharazita Dyah
InComTech : Jurnal Telekomunikasi dan Komputer Vol 13, No 3 (2023)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v13i3.19865

Abstract

Penerapan ilmu komputer yang berkembang di seluruh lini bidang yang juga mencakup  peternakan dan pertanian. Ilmu komputer dalam hal ini diimplementasikan sebagai alat bantu untuk menentukan kelayakan hewan kurban menggunakan aplikasi sistem pakar berbasis android. Sistem pakar ini memiliki fokus pada objek hewan kurban yang diharapkan dapat memberikan informasi mengenai pengecekan hewan kurban yang layak.  Pengecekan penyakit hewan kurban melalui system pakar diharapkan mampu menghasilkan informasi yang sesuai dengan diagnosa pakar. Representasi pengetahuan yang digunakan dalam penelitian ini adalah metode forward chaining dalam pengecekan kelayakan hewan kurban. Penentuan aturan dilakukan berdasarkan dengan data yang selanjutnya dijalankan berdasarkan hipotesa yang ada. Penerapan metode certainty factor dilakukan sebagai inferensi yang digunakan untuk menentukan nilai penyakit. Hasil dari penelitian ini menghasilkan bahwa penerapan kedua metode pada sistem pakar pengecekan hewan qurban mampu menghasilkan nilai akurasi 90%.
Multi-classification Sentiment Analysis using Convolution Neural Network and Long-Short Term Memory with Attention Model Christianto, Yohanes; Suharjito, Suharjito
InComTech : Jurnal Telekomunikasi dan Komputer Vol 13, No 3 (2023)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v13i3.13812

Abstract

Multi-classification Sentiment Analysis from sentences in Bahasa is a challenging process due to problems in slang, local language combined with many English words. Current state-of-art methods rely on feature extraction using unsupervised treatment. A research to solve this problem was conducted using LSTM and CNN that are capable of learning complex features from the lower level. The objective of this study was to investigate the results of the sentiment analysis based on the extraction of aspects that were carried out with attention models and several deep learning methods. Research data was collected from Zomato comments in Bahasa for any Indonesian restaurants. The data was annotated manually based on four subjects namely place, taste, location, and service. The result of this study showed that Bi-LSTM with attention model and CNN without attention model had the best performance compared to other methods, while CNN without attention model for sentiment analysis using deep learning showed the best accuracy.