cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Zulfan Zainal
Contact Email
zulfanzainal@serambimekkah.ac.id
Phone
+6281360353540
Journal Mail Official
jnkti@serambimekkah.ac.id
Editorial Address
Gedung H Fakultas Teknik Universitas Serambi Mekkah Jl. T. Imum Lueng Bata, Batoh, Kota Banda Aceh - Aceh
Location
Kota banda aceh,
Aceh
INDONESIA
Jurnal Nasional Komputasi dan Teknologi Informasi
Published by Universitas Serambi Mekkah Aceh
ISSN : 26208342     EISSN : 26213052     DOI : https://doi.org/10.32672/jnkti.v8i2
Core Subject : Science, Engineering,
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Transportation
Jurnal Nasional Komputasi dan Teknologi Informasi adalah jurnal nasional yang diterbitkan oleh Program Studi Teknik Komputer Universitas Serambi Mekkah tahun 2018 dan telah Terakreditasi SINTA 5. Jurnal ini terbit sebanyak enam edisi dalam satu tahun yaitu setiap bulan Februari, April, Juni, Agustus, Oktober dan Desember baik cetak (P-ISSN : 2620-8342) dan online (E-ISSN: 2621-3052). Jurnal ini mempublikasikan artikel-artikel ilmiah yang berkaitan dengan bidang Komputer dan Teknologi Informasi dengan scope Rekayasa Perangkat Lunak, Sistem Informasi, Jaringan Komputer, Elektronika dan Sistem Kontrol, Multimedia dan Pengolahan Citrat Digital serta bidang Komputer dan Informatika lainnya yang relevan. Artikel yang dikirimkan ke JNKTI dapat ditulis dalam Bahasa Indonesia atau Bahasa Inggris. Setiap artikel yang dipublikasi dalam jurnal ini akan direview terlebih dahulu dengan metode Peer-Review dan hanya artikel yang memenuhi syarat yang akan dipublikasikan. Artikel-artikel yang telah dipublikasikan oleh JNKTI juga sudah diindeks oleh beberapa lembaga indeksasi seperti Google Scholar, Garuda, CrossRef, BASE, Moraref dan SINTA. Bidang bidang fokus penelitian yang akan dipublikasi dalam jurnal ini antara lain : Bidang Rekayasa Perangkat Lunak Bidang Jaringan Komputer Bidang Multimedia dan Pengolahan Citra Digital Bidang Komputasi Bidang Sistem dan Teknologi Informasi Bidang Kecerdasan Buatan Multidisiplin ilmu lainnya yang relevan
Arjuna Subject : Teknik (semua kategori) - Teknik Kontrol dan Sistem
Articles 1,300 Documents
 19   20   21   22   23 
Analisis QoS Pada Layanan Streaming Untuk Konfigurasi Jaringan Wireless S N M P Simamora
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4229

Abstract

Abstrak - Kebutuhan masyarakat atas penggunaan layanan-data seiring dengan kemajuan teknologi informasi dan komunikasi, atau umum diistilahkan dengan telematika; cukup memicu dorongan perubahan dan perbaikan metode serta teknik komunikasi-data. Terlebih lagi keinginan yang lebih untuk menyajikan bentuk komunikasi dua-arah yang interaktif untuk tujuan kejelasan informasi yang dibutuhkan. Bisnis dan teknologi cukup erat saling membutuhkan seperti sebuah simbiosis mutulisme yang saling mengisi kekurangan untuk perbaikan lebih baik demi sebuah tujuan kelancaran aktivitas yang padat dan just-in-time. Persoalan atas kebutuhan penyajian informasi yang cepat dan akurat serta dapat dipercaya adalah faktor kunci utama terselenggaranya dukungan telematika dalam kegiatan bisnis dan organisasi. Dan saat ini layanan-streaming cukup mendorong minat end-user memanfaatkannya dalam kegiatan bisnis dan organisasi. Pada penelitian ini telah dilakukan serangkaian pengujian secara observasi dengan dukungan tools dan infrastruktur jaringan komunikasi data, yakni private dan public. Adapun parameter Quality of Service sebagai acuan pengukuran performansi pada kanal-data dari layanan-streaming, dimana diamati pada ukuran latency, delay, dan throughput. Skenario yang ditetapkan berupa pembagian alokasi bandwidth dari kanal-data yang dibangun. Hasilnya menunjukan adanya pengaruh signifikan antara konfigurasi jaringan, teknik alokasi bandwidth, dan ratio bandwidth terhadap throughput yang diperoleh.Kata kunci: latency, quality of services, manajemen bandwidth, layanan-streaming, kanal-data
Penerapan Algoritma Genetika Menggunakan Radial Basis Function Untuk Prediksi Indeks Harga Konsumen Di Kota Pekanbaru Fahrurrozi Harahap; Fitri Insani; Benny Sukma Negara; Yusra Yusra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4462

Abstract

Abstrak - Indeks harga merupakan barometer kondisi perekonomian perkembangan atau aktivitas yang mempengaruhi kemajuan ekonomi. Indek harga yang paling umum digunakan untuk mengukur tingkat inflasi adalah Indeks Harga Konsumen (IHK). Pentingnya untuk mengetahui kondisi perekonomian yang akan datang dapat dilakukan dengan melakukan suatu prediksi untuk mengantisipasi atau meminimalisir resiko yang akan ditimbulkan oleh pihat terkait. Untuk melakukan prediksi tersebut tidak lah mudah dan membutuhkan suatu metode prediksi yang dapat memprediksi Indeks Harga Konsumen pada suatu wilayah dengan cepat. Data yang digunakan pada penelitian ini adalah data IHK kelompok perumahan, air, listrik, gas yang berasal dari Badan Pusat Statistik di Kota Pekanbaru dan bahan bakar dari Januari tahun 2000 sampai dengan September tahun 2021. Prediksi pada penelitian ini dilakukan menggunakan pererapan Algoritma Genetika pada Radial Basis Function. Pengujian prediksi dilakukan dengan menghitung nilai rata-rata error menggunakan metode Mean Absoulte Percentage Error (MAPE). Data yang digunakan sebanyak 261 data. Dari penelitian ini didapatkan nilai parameter yang optimal dari pengujian parameter yaitu jumlah generasi = 100, jumlah populasi = 20, probabilitas crossover = 0,6 dan probabilitas mutasi = 0,3. Kemudian dengan parameter tersebut didapatkan hasil prediksi pada bulan Oktober 2021 sebesar 100.532 dengan nilai MAPE dari RBG-GA sebesar 0,111%.Kata kunci: Prediksi, Indeks Harga Konsumen, Algoritma Genetika, RBF, JST Abstract - The price index is a barometer of economic developments or activities that affect economic progress. The price index that is most commonly used to measure inflation is the Consumer Price Index (CPI). The importance of knowing future economic conditions can be done by making predictions to anticipate or minimize the risks that will be posed by the relevant parties. To make these predictions is not easy and requires a prediction method that can predict the Consumer Price Index in an area quickly. The data used in this study is CPI data for housing, water, electricity, gas groups originating from the Central Statistics Agency in Pekanbaru City and fuel from January 2000 to September 2021. Predictions in this study were carried out using the application of Genetic Algorithms on Radial Basic Functions. Prediction testing is done by calculating the average error value using the Mean Absolute Percentage Error (MAPE) method. The data used are 261 data. From this research, the optimal parameter values from parameter testing are the number of generations = 100, population = 20, crossover probability = 0.6 and mutation probability = 0.3. Then with these parameters, the prediction results in October are 100,532 with the MAPE value of RBG-GA of 0.111%.Keywords: Prediction, Consumer Price Index, Genetic Algorithm, RBF, ANN
Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT) Khairul Amri; Alwis Nazir; Elin Haerani; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4408

Abstract

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat
Implementasi Metode Learning Vector Quantization (LVQ) Untuk Sentimen Analisis Terhadap Aplikasi Go-Jek Pada Playstore Arif Pratama Budiman; Elvia Budianita; Novi Yanti; Reski Mai Candra
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4287

Abstract

Abstrak— Perkembangan teknologi dan informasi pada saat ini sangat pesat, terutama di Indonesia. Salah satu teknologi yang berkembang pesat di Indonesia saat ini adalah  teknologi dalam bidang transportasi yaitu, transportasi online. Dengan adanya transportasi online ini sangat membantu segala aktifitas masyarakat. Terdapat beberapa platform tranasportasi yang ada di Indonesia, salah satu yang terkenal adalah transportasi online Gojek. Apliikasi Gojek dapat dengan dengan mudah di download pada google plyastore. Playstore adalah sebuah aplikasi yang berguna untuk mengunduh berbagai aplikasi. Playstore juga menyediakan fitur penilaian terhadap aplikasi yang tersedia di platform tersebut, dengan adanya fitur penilaian ini pengguna dapat memberikan penilaiannya dan juga berkomentar terhadap aplikasi yang digunakannya. Dengan adanya fitur komentar ini maka dapat di lakukannya sentimen analisis untuk mengetahui sentimen publik terhadap suatu aplikasi. Dalam penelitian ini langkah awal yang dilakukan adalah mengumpulkan data dan juga memberikan laber terhadap seluruh data, pada penelitian ini terdapat 3 label yaitu positif, netral, dan Negatif dengan jumlah 900 data. Selanjutnya melakukan proses analisa preprocessing dan juga dilanjutkan dengan proses pembobotan TF, kemudian baru dilakukannya proses klasifikasi menggunakan metode Learning Vector Quantization (LVQ). Hasil pengujiannya sendiri dilakukan dengan menggunakan metode Confussion Matrix. Berdasarkan dari proses dan hasil  pengujian yang di lakukan di dapatkan akurasi terbaik pada perbandingan 90 : 10 sebesar 84,44% yang sebagian besar bernilai positif.  Kata Kunci: transportasi online, Sentiment analysis , Playstore, Klasifikasi, Learning Vector Quantization Abstract— The development of technology and information is currently very fast, especially in Indonesia. One technology that is developing rapidly in Indonesia today is technology in the field of transportation, namely online transportation. The existence of online transportation is very helpful for all community activities. There are several transportation platforms in Indonesia, which is well-known online transportation called Gojek. The Gojek application can be easily downloaded on the Google Playstore. Playstore is an application that is useful for downloading various applications. Playstore also provides an assessment feature for applications available on the platform, with this assessment feature users can provide an assessment and also comment on the applications they use. With this comment feature, sentiment analysis can be done to find out public sentiment towards an application. In this study, initial step was taken to collect data and also provide a label for all data, in this study there were 3 labels, namely positive, neutral, and negative with a total of 900 data. Next, perform the preprocessing analysis process and also continue with the TF-IDF weighting process, then the classification process is carried out using the Learning Vector Quantization (LVQ) method. The results of the test itself are carried out using the Confusion Matrix method. Based on the process and the results of the tests , the best accuracy obtained is at ratio of 90 : 10 by 84,44%,which is most of it are positiveKeywords:Online Transportation,sentiment analysis , Playstore, Classification, Learning Vector Quantization 
Penerapan Metode Harmonic Mean Filter Dalam Mereduksi Gaussian Noise Pada Citra Digital Dhea Agusti; Adli Abdillah Nababan
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4468

Abstract

Abstrak - Pada penelitian ini, noise dibangkitkan dengan menggunakan tools matlab dan dilakukan analisa. oleh karena itu, untuk mereduksi derau (noise) perlu dilakukan suatu proses perbaikan kualitas citra terhadap citra yang mengalami derau atau noise tersebut sehingga citra dapat dengan mudah diinterpretasikan baik oleh manusia maupun mesin. Penelitian ini menggunakan metode harmonic mean filter. Harmonic mean filter merupakan salah satu metode untuk menghitung rata-rata dari citra yang rusak g(s,t) pada sebuah blok area citra yang didefinisikan oleh ????????????. Nilai dari citra f(x,y) yang diperbaiki pada tiap titik (x,y) hanya dihitung dengan menggunakan piksel dalam daerah yang didefinisikan oleh ????????????. Tipe noise yang digunakan dalam penelitian ini adalah gaussian noise. Gaussian noise memiliki intensitas yang sesuai dengan distribusi normal yang memiliki rerata (mean) dan varian tertentu. Penelitian ini menguji seberapa efektif metode harmonic mean filter dalam mereduksi gaussian noise menggunakan citra rontgen. penelitian ini menggunakan matriks 5 x 5 dalam sampel perhitungannya. Hasilnya yaitu berupa angka dari hasil metode perhitungan harmonic mean filter dalam bentuk tabel.Kata kunci: Harmonic Mean Filter, Citra Digital, Gaussian Noise, Reduksi, Rontgen. Abstract - In this research, noise is generated using MATLAB tools and analyzed. Therefore, to reduce noise, it is necessary to carry out an image quality improvement process for images that experience noise or noise so that the image can be easily interpreted by both humans and machines. This study uses the Harmonic Mean Filter method. Harmonic Mean Filter is one method to calculate the average of the damaged image g(s,t) in a block image area defined by . The value of the fixed f(x,y) image at each point (x,y) is calculated using only pixels in the area defined by . The type of noise used in this study is Gaussian Noise. Gaussian Noise has an intensity that corresponds to a normal distribution which has a certain mean (mean) and variance. This study examines how effective the Harmonic Mean Filter method is in reducing Gaussian Noise using X-ray images. This study uses a 5 x 5 matrix in the calculation sample. The result is a number from the results of the Harmonic mean filter calculation method in tabular form.Keywords: Harmonic Mean Filter, Digital Image, Gaussian Noise, Reduction, X-Ray.
Komparasi Metode SAW Dan ANP Dalam Merekomendasikan Penerima Bantuan Covid-19 Muhammad Khairy Dzaky; Eka Pandu Cynthia; Siska Kurnia Gusti
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4415

Abstract

Abstrak - Pada masa sekarang ini, dunia dihebohkan dengan munculnya serangan virus yang disebut dengan Covid-19. Penyebaran virus ini sangatlah cepat sehingga membuat masyarakat menjadi khawatir dan gelisah. Untuk mengurangi penyebaran virus ini, pemerintah pusat menghimbau seluruh masyarakat untuk melaksanakan Pembatasan Sosial Berskala Besar (PSBB), karantina wilayah dan lockdown. Dengan diterapkannya himbauan ini mengakibatkan perekonomian masyarakat menjadi tidak stabil bahkan mengalami penurunan. Hal ini berdampak ke seluruh daerah di Indonesia termasuk salah satunya di Desa Pesisir. Untuk mengurangi dampak sosial ekonomi pandemi Covid-19 di desa Pesisir, pemerintah memberikan bantuan kepada masyarakat berupa bantuan langsung tunai desa dan bahan sembako. Meskipun begitu, bantuan yang diberikan masih belum disalurkan secara optimal, karena masih menggunakan distribusi berdasarkan subjektifitas pegawai kelurahan. Sehingga, konflik antar warga tidak dapat dihindari. Penelitian ini dilakukan untuk mengetahui siapa saja yang berhak untuk menerima bantuan Covid-19 di desa Pesisir yang ditentukan berdasarkan kategori dan kriteria yang telah ditetapkan. Penelitian ini menerapkan metode Simple Additive Weighting (SAW) dan metode Analytical Network Process (ANP) untuk menghasilkan rekomendasi mengenai siapa saja yang berhak menerima bantuan Covid-19 di desa Pesisir.Kata Kunci: Analytical Network Process (ANP), Covid-19, Desa Pesisir, Simple Additive Weighting (SAW),  Abstract - At this time, the world was shocked by the emergence of a virus attack called Covid-19. The spread of this virus is so fast that it makes people become worried and anxious. To reduce the spread of this virus, the central government urges the entire community to implement Large-Scale Social Restrictions (PSBB), regional quarantine and lockdown. With the implementation of this appeal, the community's economy became unstable and even experienced a decline. This has an impact on all regions in Indonesia, including one in the Coastal Village. To reduce the socio-economic impact of the Covid- 19 pandemic in Pesisir villages, the government provided assistance to the community in the form of direct village cash assistance in the form of basic necessities. Even so, the assistance provided is still not optimally distributed, because it is still using a distribution based on the subjectivity of kelurahan employees. Thus, conflicts between citizens cannot be avoided. This research was conducted to find out who is entitled to receive Covid-19 assistance in the Pesisir village which is determined based on the categories and criteria that have been set. This study applies the Simple Additive Weighting (SAW) method and the Analytical Network Process (ANP) method to produce recommendations regarding who is entitled to receive Covid-19 assistance in the Pesisir village.Keywords: Analytical Network Process (ANP), Covid-19, Pesisir village, Simple Additive Weighting (SAW),
Penerapan Learning Vector Quantization 3 Dalam Menentukan Bakat Anak Agung Syaiful Rahman; Elvia Budianita; Reski Mai Candra; Fadhilah Syafria
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4398

Abstract

Abstrak - Banyaknya bakat anak yang tidak diketahui oleh sebagian besar Orang tua di Indonesia dikarenakan sedikitnya ahli anak sebagai tempat untuk konsultasi yang menjadi faktor utama dalam perMasalahan ini. Tujuan dari penelitian ini ialah agar para Orang tua dapat mempermudah dalam menggali potensi dalam diri anak mereka masing-masing, yakni dengan menggunakan jaringan saraf tiruan. Ada beberapa metode dalam jaringan saraf tiruan,  learning vector quantization 3 merupakan saah satu dari bagian tersebut. Bakat anak yang diambil merupakan bakat anak yang berdasarkan standar United State of Education America. Anak yang diteliti merupakan murid dari Sekolah Dasar Negeri 011 Titian Resak dengan rentang usia 10-12 tahun. Penelitian ini menunjukkan bahwa learning vector quantization 3 membutuhkan sedikitnya 5 kriteria dengan 30 variabel bakat anak sebagai dasar dari penelitian ini. Berdasarkan hasil yang didapatkan, sistem ini berhasil mengidentifikasi bakat anak dengan rentang pembagian 90% data latih dan 10% data uji dan parameter window (0.1,0.2,0.3), epsilon (0.1,0.2,0.3), alpha (0.1) sebesar 81.82%.Kata kunci : Bakat Anak, Learning Vector Quantization 3, Jaringan Saraf Tiruan Abstract - The number of children's taents that are not known by most parents in Indonesia is due to the lack of child experts as a place for consultation which is the main factor in this problem. The purpose of this research is that parents can make it easier to explore the potentia in their respective children, namely by using artificia neura networks. There are severa methods in artificia neura networks, learning vector quantization 3 is one of them. The taent of the child taken is the child's taent based on the standards of the United State of Education America. The children studied were students from the 011 Titian Resak State Elementary School with an age range of 10-12 years. This study shows that learning vector quantization 3 requires at least 5 criteria with 30 variables of children's taents as the basis of this research. Based on the results obtained, this system succeeded in identifying children's taents with a distribution range of 90% of training data and 10% of test data and parameters window (0.1.0.2.0.3), epsilon (0.1.0.2.0.3), apha (0.1) of 81.82% .Keyword : Child Talent, Learning Vector Quantization 3, Artificia Neura Network
Klasifikasi Sentimen Terhadap Maxim Menggunakan Algoritma SVM Pada Media Sosial Twitter Anggi Pranata; Elvia Budianita; Yusra Yusra; Eka Pandu Cynthia
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4253

Abstract

Abstrak - Twitter merupakan media sosial yang penggunanya paling pesat. Seiring perkembangan waktu, setiap ojek online memiliki popularitas di masing-masing user. Contoh saja Maxim, pendatang baru yang menyediakan layanan yang berbeda dengan ojek lain. Salah satu aktivitas yang biasa dilakukan para fans atau haters kepada akun twitter ojek online yaitu memberikan komentar pada tweet, untuk mengetahui komentar para fans dan haters diperlukan klasifikasi dengan menggunakan machine learning. Pada penelitian ini, langkah pertama adalah dilakukan proses sortir dan pemberian label pada data tersebut. Hasilnya akan tercipta 3 label yaitu label data positif, netral dan label data negatif dengan jumlah 1200 data. Selanjutnya melakukan analisa preprocessing data yang meliputi case folding, cleansing data, tokenizing, filtering dan stemming. Lalu dilakukan pembobotan dengan metode TF-IDF dan diklasifikasikan dengan metode Support Vector Machine. Hasil pengujian dilakukan dengan metode Confussion Matrix, berdasarkan hasil pengujian diperoleh akurasi terbaik pada perbandingan data 90:10 sebesar 85% dengan menggunakan Kernel RBF dan Polynomial, dilanjutkan dengan kernel Sigmoid sebesar 82,5% dimana hasil klasifikasi didominasi kalimat positif.Kata kunci: analisis sentiment, klasifikasi, ojek online, support vector machine, twitter Abstract - Twitter is one of the Social Medias which has a rapid user. Over the time, every Ojek Online, has its own popularity among their users. Maxim, for instance, a newcomer which provides a different service from other online motorcycle taxies. One of the activities which is always do by the fans or haters toward twitter account of online motorcycle taxies is giving comments on tweet. To identify the comments from fans or haters is required classification by using Machine Learning. In this research, the first step was sorting process and labelling the data. As the result 3 labels would have created, which were positive data label, neutral data label, and negative data label with total of 1200 data. The next step was conducting the analysis of preprocessing data which included case folding, data cleansing, tokenizing, filtering and stemming. Then, the weighting was carried out using the TF-IDF method and classified by the Support Vector Machine method. The test results were carried out using the Confusion Matrix method, based on the test results, the best accuracy was obtained at a data comparison of 90:10 by 85% using the RBF Kernel and Polynomial, followed by the Sigmoid kernel of 82.5% where the classification results were dominated by positive sentences.Key word: classification, Ojek Online, sentiment analysis, support vector machine, twitter
Klasifikasi Sentimen Masyarakat Terhadap Pemerintah Terkait Penerapan Kebijakan New Normal Menggunakan Metode K-Nearest Neighbor Fuji Astuti; Reski Mai Candra; Surya Agustian; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4455

Abstract

Abstrak - Instagram memiliki berbagai macam pengguna tanpa terkecuali pemerintah, akun instagram pemerintah sendiri memiliki fungsi sebagai salah satu media informasi bagi masyarakat untuk mengetahui berita terbaru. Pemerintah telah melakukan berbagai upaya untuk mengurangi dan memutus rantai penyebaran virus covid-19, salah satu langkah yang diambil pemerintah dalam menghadapi covid-19 dengan menerapkan kebijakan New Normal. Tujuan penulis dari penelitian ini adalah untuk menghitung akurasi metode K-Nearest Neighbor pada klasifikasikan sentimen dari opini masyarakat terkait penerapan kebijakan new normal. Penelitian ini dilakukan melalui beberapa tahapan yaitu pengumpulan data dari akun yang dikelola pemerintah. Setelah itudata tersebut dilakukan proses preprocessing. Lalu membuat model dengan menggunakan word embedding FastText. Selanjutnya menggunakan feature engineering dalam melakukan improve untuk menghasilkan fitur terbaik. Dataset dalam penelitian ini berjumlah 4717 data yang terbagi dari 1456 data kelas pro, 1662 data kelas netral,  1599 data kelas kontra. Pengujian yang dilakukan menggunakan confusion matrix dengan cara menguji data latih dan data uji sebanyak 3 kali dengan perbandingan data 90:10 yaitu nilai akurasi sebesar 60,169% dan pada k-40 dengan perbandingan 80:20 yaitu nilai akurasi 60,16%, sedangkan akurasi terendah terdapat pada perbandingan data 70:30 yaitu 58,12%.Kata kunci: New Normal, Instagram, Klasifikasi, Sentimen, K-Nearest Neighbor Abstract - Instagram has various kinds of users without the exception of the government, the government's own Instagram account has a function as a medium of information for the public to find out the latest news. The government has made various efforts to reduce and break the chain of the spread of the COVID-19 virus, one of the steps taken by the government in dealing with COVID-19 by implementing the New Normal policy. The author's aim of this study is to calculate the accuracy of the K-Nearest Neighbor method in classifying sentiments from public opinion regarding the implementation of the new normal policy. This research was conducted through several stages, namely collecting data from accounts managed by the government. After that, the data is preprocessed. Then create a model using word embedding FastText. Then use feature engineering to improve to produce the best features. The dataset in this study amounted to 4717 data which was divided into 1456 pro class data, 1662 neutral class data, 1599 contra class data. The test was carried out using a confusion matrix by testing training data and test data 3 times with a data comparison of 90:10, namely the accuracy value of 60.169% and at k-40 with a ratio of 80:20, namely the accuracy value of 60.16%, while the lowest accuracy there is a comparison of 70:30 data that is 58.12%.Keywords: New Normal, Instagram, Classification, Sentiment, K-Nearest Neighbor 
Penerapan Algoritma Apriori Dalam Menentukan Pola Perilaku Dan Gaya Hidup Terhadap Penderita Hipertensi Hara Novina Putri; Elvia Budianita; Fadhilah Syafria; Fitri Insani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4402

Abstract

Abstrak - Data mining merupakan teknik menggali informasi baru dari gudang data, informasi sangat penting dan berharga karena dengan menguasai informasi maka dengan mudah mencapai sebuah tujuan, hal ini membuat setiap orang berlomba untuk memperoleh informasi, demikian juga pada bidang kesehatan terkhusus yang diteliti penulis yaitu penderita hipertensi. Hipertensi merupakan penyakit tidak menular yang prevalensinya sebesar 22% pada kelompok usia  18 tahun pada 2014 dan terus meningkat serta mampu meningkatkan risiko penyakit jantung koroner sebesar 12% dan meningkatkan risiko stroke sebesar 24%. Kebanyakan gejala yang dialami penderita tidak dapat dideteksi secara dini. Karenanya, perlu dilakukan penelitian dalam mendiagnosa pola perilaku dan gaya hidup terhadap penderita hipertensi menggunakan metode algoritma apriori. Data yang didapatkan melalui penyebaran kuisioner di puskesmas Melur dan rumah sakit Aulia Hospital. Atribut yang digunakan pada penelitian ini adalah jenis kelamin, usia, kebiasaan merokok, kebiasaan mengkonsumsi alkohol, intensitas aktifitas fisik, olahraga, dan pola konsumsi makanan. Pada pengujian parameter algoritma apriori dalam mencari pola dengan melihat hasil nilai support dan confidence pada metode algoritma apriori. Pengujian penelitian ini menggunakan tools Tanagra versi 1.4. Dari pengujian 300 data penderita hipertensi menggunakan nilai support 30% dan confidence 85% ditemukan 6 pola/rules dengan lift ratio ≥1.Kata kunci: Hipertensi, Diagnosa, Algoritma apriori, support, confidence, lift ratio Abstract - Data mining is a technique to dig new information from the data warehouse, information is very important and valuable because by mastering information, it is easy to achieve a goal, this makes everyone compete to obtain information, as well as in the field of health, especially those studied by the author, namely people with hypertension. Hypertension is a non-communicable disease whose prevalence was 22% in the age group of ≥ 18 years in 2014 and continues to increase and is able to increase the risk of coronary heart disease by 12% and increase the risk of stroke by 24%. Most of the symptoms experienced by sufferers cannot be detected early.Therefore, it is necessary to conduct research in diagnosing behavioral patterns and lifestyles for hypertension patients using the a priori algorithm method. The data obtained through the distribution of questionnaires at the Melur health center and Aulia Hospital. The attributes used in this study were gender, age, smoking habits, alcohol consumption habits, intensity of physical activity, exercise, and food consumption patterns. In testing the parameters of the a priori algorithm, it is produced in looking for patterns by looking at the results of support and confidence values in the a priori algorithm method. Testing this study using Tanagra tools version 1.4. From testing 300 data on hypertension patients using support values of 30% and confidence of 85% found 6 patterns / rules with an lift ratio of ≥1.Keywords: Hypertension, Diagnosis, Apriori algorithm, support, confidence, lift ratio

Page 21 of 130 | Total Record : 1300

 19   20   21   22   23 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8, No 6 (2025): Desember 2025 Vol 8, No 5 (2025): Oktober 2025 Vol 8, No 4 (2025): Agustus 2025 Vol 8, No 3 (2025): Juni 2025 Vol 8, No 2 (2025): April 2025 Vol 8, No 1 (2025): Februari 2025 Vol 7, No 6 (2024): Desember 2024 Vol 7, No 5 (2024): Oktober 2024 Vol 7, No 4 (2024): Agustus 2024 Vol 7, No 3 (2024): Juni 2024 Vol 7, No 2 (2024): April 2024 Vol 7, No 1 (2024): Februari 2024 Vol 6, No 6 (2023): Desember 2023 Vol 6, No 5 (2023): Oktober 2023 Vol 6, No 4 (2023): Agustus 2023 Vol 6, No 3 (2023): Juni 2023 Vol 6, No 2 (2023): April 2023 Vol 6, No 1 (2023): Februari 2023 Vol 5, No 6 (2022): Desember 2022 Vol 5, No 5 (2022): Oktober 2022 Vol 5, No 4 (2022): Agustus 2022 Vol 5, No 3 (2022): Juni 2022 Vol 5, No 2 (2022): April 2022 Vol 5, No 1 (2022): Februari 2022 Vol 4, No 6 (2021): Desember 2021 Vol 4, No 5 (2021): Oktober 2021 Vol 4, No 4 (2021): Agustus 2021 Vol 4, No 3 (2021): Juni 2021 Vol 4, No 2 (2021): April 2021 Vol 4, No 1 (2021): Februari 2021 Vol 3, No 3 (2020): Desember 2020 Vol 3, No 2 (2020): OKTOBER 2020 Vol 3, No 1 (2020): April 2020 Vol 2, No 2 (2019): OKTOBER 2019 Vol 2, No 1 (2019): APRIL 2019 Vol 2, No 1 (2019): edisi khusus Vol 1, No 2 (2018): OKTOBER 2018 Vol 1, No 1 (2018): APRIL 2018 More Issue