Jurnal Ilmu Komputer dan Informatika
Jurnal Ilmu Komputer dan Informatika (JIKI) merupakan sebuah jurnal ilmiah nasional yang mempublikasikan artikel hasil penelitian di bidang Ilmu Komputer, Informatika, dan Sistem Informasi, terutama pada pengembangan software, pengembangan sistem informasi, sistem komputer, jaringan komputer, algoritma dan komputasi, serta penerapan teknologi informasi. Jurnal Ilmu Komputer dan Informatika (JIKI) terdaftar di LIPI dengan P-ISSN : 2807-6664 dan E-ISSN : 2807-6591. Selain itu, JIKI terdaftar di Crossref dengan DOI : https://doi.org/10.54082/jiki.IDPaper. Jurnal Ilmu Komputer dan Informatika (JIKI) dipublikasikan 2 kali dalam setahun, yaitu pada bulan Juni dan Desember. Semua penerimaan naskah akan diproses secara double blind review oleh mitra bestari. Jurnal Ilmu Komputer dan Informatika (JIKI) menerima artikel ilmiah hasil penelitian dari beberapa bidang sebagai berikut : - Organisasi sistem komputer: Arsitektur komputer, sistem tertanam, komputasi waktu nyata - Jaringan : Arsitektur jaringan, protokol jaringan, komponen jaringan, evaluasi kinerja jaringan, layanan jaringan - Keamanan: Kriptografi, layanan keamanan, sistem deteksi intrusi, keamanan perangkat keras, keamanan jaringan, keamanan informasi, keamanan aplikasi - Organisasi perangkat lunak : Penerjemah, Middleware, Mesin virtual, Sistem operasi, Kualitas perangkat lunak - Notasi dan alat perangkat lunak : Paradigma pemrograman, Bahasa pemrograman, Bahasa khusus domain, Bahasa pemodelan, Kerangka kerja perangkat lunak, Lingkungan pengembangan terintegrasi - Pengembangan perangkat lunak : Proses pengembangan perangkat lunak, Analisis kebutuhan, Desain perangkat lunak, Konstruksi perangkat lunak, Penyebaran perangkat lunak, Pemeliharaan perangkat lunak, Tim pemrograman, Model sumber terbuka - Teori Komputasi : Model Komputasi, Kompleksitas Komputasi - Algoritma : Desain algoritma, Analisis algoritma - Matematika komputasi : Matematika diskrit, Perangkat lunak matematika, Teori informasi - Sistem informasi : Sistem manajemen basis data, Sistem penyimpanan informasi, Sistem informasi perusahaan, Sistem informasi sosial, Sistem informasi geografis, Sistem pendukung keputusan, Sistem kontrol proses, Sistem informasi multimedia, Penambangan data, Perpustakaan digital, Platform komputasi, Pemasaran digital, World Wide Web , Pengambilan informasi - Interaksi manusia-komputer : Desain interaksi, Komputasi sosial, Komputasi di mana-mana, Visualisasi, Aksesibilitas - Konkurensi: Komputasi bersamaan, Komputasi paralel, Komputasi terdistribusi - Kecerdasan buatan : Pemrosesan bahasa alami, Representasi dan penalaran pengetahuan, Visi komputer, Perencanaan dan penjadwalan otomatis, Metodologi pencarian, Metode kontrol, Filosofi kecerdasan buatan, Kecerdasan buatan terdistribusi - Pembelajaran mesin: Pembelajaran dengan pengawasan, Pembelajaran tanpa pengawasan, Pembelajaran penguatan, Pembelajaran multi-tugas - Grafik : Animasi, Rendering, Manipulasi gambar, Unit pemrosesan grafik, Realitas campuran, Realitas virtual, Kompresi gambar, Pemodelan padat - Komputasi terapan: E-commerce, Perangkat lunak perusahaan, Penerbitan elektronik, Cyberwarfare, Pemungutan suara elektronik, Video game, Pengolah kata, Riset operasi, Teknologi pendidikan, Manajemen dokumen.
Articles
57 Documents
<![CDATA[Penilaian Siswa menggunakan Metode Fuzzy Tsukamoto ]]>
<![CDATA[Prisilia, Vivi]]>;
<![CDATA[Gusrianty, Gusrianty]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.67
<![CDATA[Penilaian merupakan hal yang penting untuk tolak ukur keberhasilan seorang siswa, maka pengolahan data nilai nya juga menjadi hal yang penting dalam pengambilan sebuah keputusan dengan cepat dan tepat. Pengambil keputusan membutuhkan alternatif kriteria yang dapat digunakan dalam menentukan penilaian dalam pembelajaran matapelajaran IPA pada Kurikulum 2013 menggunakan metode fuzzy logic tsukomoto sesuai dengan kriteria yang diinginkan. Kriteria penilaian disesuaikan diambil dari 4 Kompetensi Inti yaitu KI-1 (Sikap Spriritual), KI-2 (Sikap Sosial), KI-3 (Pengetahuan) dan KI-4 (Keterampilan). Sebagai salah satu metode dalam pengambilan keputusan fuzzy logic tsukomoto dapat memberikan rekomendasi hasil yang lebih baik. Penelitian ini bertujuan untuk membantu dalam pengambilan keputusan penilaian pembelajaran siswa paa kurikulum 2013 menggunakan metode fuzzy logic. Hasil dari pengujian meperlihatkan bahwa metode fuzzy logic tsukomoto menghasilkan nilai 81,41 (Cukup) untuk output sikap dan 85,03 (Cukup Tuntas) untuk output prestasi.]]>
<![CDATA[Penerapan Algoritma Random Forest dalam Prediksi Kelayakan Air Minum ]]>
<![CDATA[Abdi, Khairul]]>;
<![CDATA[Warjaya, Angga]]>;
<![CDATA[Muthmainnah, Inna]]>;
<![CDATA[Pahutar, Padli Husaini]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.81
<![CDATA[Tantangan meningkatnya kebutuhan akan air bersih di tengah ketersediaan yang terbatas mendorong penelitian ini. Pencemaran air, terutama oleh limbah rumah tangga, menyebabkan penurunan kualitas air dan kelangkaan sumber air bersih. Dampak buruknya terhadap kesehatan masyarakat, terutama diare, menunjukkan urgensi identifikasi dini kualitas air yang tidak layak konsumsi. Oleh karena itu, penelitian ini menerapkan algoritma Random Forest untuk klasifikasi kualitas air dan prediksi kelayakan air minum. Penggunaan teknik data mining, khususnya Random Forest, diharapkan dapat mengidentifikasi pola kompleks dalam data dan faktor-faktor yang mempengaruhi kualitas air. Menggunakan dataset Water Quality dari Kaggle, hasil penelitian menunjukkan akurasi sebesar 69%. Analisis Feature Importance Score memperlihatkan kontribusi relatif fitur terhadap prediksi. Kurva ROC menggambarkan optimalitas klasifikasi, sementara Confusion Matrix memberikan gambaran kinerja model. Confusion Matrix yang merinci hasil klasifikasi model Random Forest Classifier. Diagonal utama menunjukkan jumlah instance yang benar-benar diprediksi dengan benar untuk kategori "Potabel" dan "Tidak Potabel", masing-masing 370 dan 84. Namun, terdapat 160 instance yang salah diklasifikasikan sebagai "Potabel" dan 42 sebagai "Tidak Potabel".]]>
<![CDATA[Analisis Prediksi Stroke dengan Membandingkan Tiga Metode Klasifikasi Decision Tree, Naïve Bayes, dan Random Forest ]]>
<![CDATA[Aulia, Yunita]]>;
<![CDATA[Andriyansyah, Andriyansyah]]>;
<![CDATA[Suharjito, Suharjito]]>;
<![CDATA[Nensi, Sri Wahyu]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.90
<![CDATA[Prediksi stroke telah muncul sebagai bidang penelitian dan intervensi kesehatan yang penting karena dampaknya yang signifikan terhadap kesehatan masyarakat dan kesejahteraan individu. Pemeriksaan rinci mengenai usia, hipertensi, penyakit jantung, status perkawinan, jenis pekerjaan, jenis tempat tinggal, rata-rata kadar glukosa, BMI, status merokok, dan jenis kelamin sebagai factor terjadinya stroke. Dengan melakukan sintesis penelitian dan menganalisis kumpulan data yang luas, penelitian ini bertujuan untuk menjelaskan hubungan rumit antara faktor-faktor tersebut dan dampak kumulatifnya terhadap risiko stroke. Metode penelitian ini diawali dengan perbandingan algoritma Decision Tree, Naïve Bayes dan Random Forest dengan menggunakan software RapidMiner. Dari dataset prediksi stroke yang diberikan, terdapat 5110 responden dengan kondisi beragam. Di antara 5110 responden tersebut terdapat 12 atribut. Berdasarkan uraian yang telah dibahas maka dapat diambil kesimpulan bahwa metode Decision Tree merupakan metode terbaik dengan nilai akurasi tertinggi sebesar 95,13% dibandingkan dengan metode Random Forest dan Naïve Bayes dan nilai TF (True False) yang dipilih adalah 4861, TT (True True) adalah 0, FF (False False) adalah 249, dan FT (False True) adalah 0.]]>
<![CDATA[Sistem Informasi Geografis Objek Wisata Lokal dan Pengenalan Budaya Sumatera Utara Berbasis Web ]]>
<![CDATA[Bunda, Yola Permata]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.99
<![CDATA[Sumatera Utara memiliki potensi pariwisata yang melimpah, mulai dari keindahan alam hingga situs bersejarah seperti. Selain itu, kekayaan budaya masyarakat Batak, Melayu dan lainnya sehingga bisa menjadi salah satu pemikat bagi wisatawan domestik maupun internasional. Di era digital ini, masyarakat cenderung mencari informasi secara online sebelum melakukan perjalanan seperti mencari lokasi, informasi budaya masyarakat dan informasi seputar wisata. Dalam prakteknya informasi tentang sistem informasi geografis objek wisata, informasi budaya dan lokasi tentang penegenalan informasi tersebut masih minim dan belum adanya website khusus untuk menampilkan semua data tersebut dan lokasi wisatanya sehingga masih kurangnya informasi yang bisa didapatkan oleh para wisatawan yang ingin mengujungi wisata di Sumatera Utara. Oleh karenanya dibutuhkan sebuah website Sistem Informasi Geografis Objek Wisata Lokal Dan Pengenalan Budaya Sumatera Utara BerbasiS Web untuk membantu para wisatawan bisa mendapatkan informasi lokasi dan budaya Sumatera Utara secara cepat, tepat dan jelas sehingga teknologi informasi untuk mengembangkan sektor pariwisata melalui sistem informasi geografis ini dapat meningkatkan visibilitas dan mengoptimalkan pengelolaan objek wisata serta pelestarian budaya. Pada penelitian ini menggunakan metode waterfall dalam pelaksanaan penelitiannya.Hasil dari penelitian ini adalah sebuah Sistem Informasi Geografis berbasis web yang memiliki beberapa tampilan menu yaitu menu list wisata, Home, Budaya, about dan berita untuk memudahkan pengguna mendapatkan informasi. Aplikasi telah berhasil menampilkan menu – menu tersebut dengan baik. Pengujian aplikasi menggunakan Black Box dan UAT, dari hasil pengujian UAT, persentase menyatakan aplikasi ini layak adalah 81,6%.]]>
<![CDATA[Game Edukasi “Adventure of English” sebagai Media Pembelajaran Bahasa Inggris Siswa Sekolah Dasar ]]>
<![CDATA[Octaviano, Atha Narentha]]>;
<![CDATA[Ramadhani, Faza Abdillah]]>;
<![CDATA[Dzulfikar, Muhammad Zaki]]>;
<![CDATA[Kurniawan, Yogiek Indra]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.101
<![CDATA[Banyak Sekolah Dasar di Indonesia tidak memberikan pembelajaran Bahasa Inggris karena bukan mata pelajaran yang wajib ada untuk siswa-siswi sekolah dasar sehingga membuat minat bahasa inggris sejak dini sangat kurang. Salah satu cara untuk menarik perhatian anak untuk belajar bahasa Inggris adalah dengan diberikannya media seperti game untuk anak sekolah dasar agar anak-anak dapat bermain sambil belajar. Tujuan penelitian ini adalah untuk membangun game edukasi untuk pembelajaran Bahasa inggris bagi siswa sekolah dasar, yang diberi nama “Adventure of English”. Game Adventure of English memiliki beberapa menu, diantaranya adalah Play, Materi, dan Quiz. Berdasarkan pengujian blackbox yang telah dilakukan, didapat hasil bahwa game Adventure of English telah sesuai dengan yang diharapkan oleh pengembang aplikasi, sedangkan berdasarkan hasil User Acceptance Test, didapatkan nilai persepsi user sebesar 67.09 yang berada pada indikator kategori baik, sehingga game ini layak untuk digunakan dalam pembelajaran Bahasa inggris.]]>
<![CDATA[Pengembangan Arsitektur Microservice pada Learning Management System E-learning Menggunakan Metode Web Service ]]>
<![CDATA[Dinova, Calvin Alvito]]>;
<![CDATA[Utomo, Ihsan Cahyo]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 3 No 2 (2023): JIKI - Desember 2023 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.102
<![CDATA[Learning Management System merupakan perangkat lunak dengan skala besar maka akan melibatkan berbagai media dan jaringan yang rumit, dalam pengembangan LMS, masih umum digunakan arsitektur monolitik yang menjalankan semua logika aplikasi dalam satu server. Namun, arsitektur monolitik memiliki kelemahan dalam mengadaptasi perubahan kebutuhan sistem, kompleksitas kode, dan pemeliharaan. Sebagai solusi alternatif, muncul arsitektur microservice yang membangun aplikasi sebagai kumpulan layanan kecil yang bekerja secara terpisah dan berkomunikasi melalui berbagai mekanisme. Pendekatan ini membantu menjaga keorganisan dan independensi kode program, sehingga memungkinkan pengujian aplikasi secara terpisah jika terjadi kesalahan.Dalam pertukaran data antar layanan, metode web service dengan format JSON (JavaScript Object Notation) sering digunakan. Penggunaan JSON memberikan kemudahan dalam implementasi dan tidak memberikan beban berlebih pada server. Penulis ingin membangun sebuah learning managaement system untuk e-learning yang menggunakan metode web service yang menggunakan arsitektur microservice yang mana akan membantu merancang bagian service agar lebih terorganisir dan mudah untuk di maintenace, yang dimana telah dilakukan pengujian menggunakan black box membuktikan bahwa sistem back-end yang menggunakan arsitektur microservice berfungsi sesuai dengan yang diharapkan. Selain itu, pengujian integrasi antara API Gateway dan layanan lainnya juga berhasil, di mana empat skenario koneksi antara layanan online menghasilkan kode respon 200 dan response body data yang sesuai, sedangkan empat skenario ketika salah satu layanan offline menghasilkan response code 500 dan pesan error "Service Unavailable".]]>
<![CDATA[Sistem Rekomendasi untuk Maksimalisasi Industri Film dengan Metode Demographic Filtering dan Content Based Filtering ]]>
<![CDATA[Lestari, Puji]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 4 No 1 (2024): JIKI - Juni 2024 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.104
<![CDATA[Saat ini terjadinya peningkatan demand terhadap layanan streaming terutama di industri perfilman, di tahun 2021 pendapatan yang dihasilkan dari langganan video on demand di Indonesia dapat mencapai USD 411 juta. Untuk memaksimalkan penggunaan layanan streaming ini diperlukan suatu sistem yang dapat menguntungkan produsen dan juga pengguna. Salah satu sistem tersebut adalah movie recommendation system yang dapat membantu pengguna dengan memberikan rekomendasi film terbaik dan sesuai dengan preferensi pengguna. Sistem ini juga dapat membantu perusahaan untuk menentukan target pasar dan memaksimalisasi produksi film. Penelitian ini menggunakan dua metode dalam membuat rekomendasi sistem yaitu Demographic Filtering dan Content Based Filtering. Dengan menggunakan data yang berisi 3.315.117,054 rating yang berasal dari 4803 pengguna untuk 4801 film, sistem ini berhasil merekomendasikan 10 film dengan peringkat teratas bagi pengguna baru dengan menggunakan metode Demographic Filtering serta 10 film rekomendasi lainnya yang menyesuaikan dengan preferensi pengguna berdasarkan infromasi sinopsis, genre, credit, dan keyword film dengan menggunakan metode Content Based Filtering sehingga rekomendasi yang diberikan lebih terpesonalisasi dengan preferensi pengguna. Kedua sistem dasar ini sangat efektif untuk digunakan karena dapat menguntungkan kedua pihak yaitu pengguna dan produsen film.]]>
<![CDATA[Penyiraman Otomatis Menggunakan Arduino Uno pada Tanaman Greenhouse MA. Nurul Khoiroh ]]>
<![CDATA[Walid, Moh.]]>;
<![CDATA[Susanto, Adi]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 4 No 1 (2024): JIKI - Juni 2024 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.121
<![CDATA[YASPENSOS (Yayasan Pendidikan Sosial) Nurul Khoiroh merupakan lembaga pendidikan yang menaungi MA. Nurul Khoiroh yang berlokasi di Desa Pekarangan, Kecamatan Kelir, Kecamatan Kalipuro, Kabupaten Banyuwangi. MA. Nurul Khoiroh yang saat ini tengah melaksanakan program "Madrasah Adiwiyata" dan tergabung dalam kegiatan "Madrasah Adiwiyata" memiliki sebuah greenhouse untuk belajar dan menanam tanaman herbal. Namun, belum ada teknologi penyiraman otomatis yang dapat mendukung program penyiraman di dalam greenhouse. Penelitian ini bertujuan untuk merancang sebuah sistem penyiraman otomatis dengan memanfaatkan Arduino Uno guna meningkatkan efisiensi perawatan tanaman di dalam kebun. Strategi yang digunakan adalah Rapid Application Development (RAD) untuk pengembangan model. Hasil penelitian menunjukkan bahwa sistem penyiraman otomatis yang direncanakan dapat meningkatkan efisiensi penyiraman dan memudahkan siswa dan guru dalam merawat tanaman di dalam greenhouse. Pemanfaatan Arduino Uno sebagai tahapan paling mutakhir telah terbukti fleksibel dan mudah diingat, sehingga sangat tepat untuk dimanfaatkan dalam lingkungan pendidikan di MA. Nurul Khoiroh.]]>
<![CDATA[Perbandingan Metrik Euclidean dan Metrik Manhattan untuk K-Nearest Neighbors dalam Klasifikasi Kismis ]]>
<![CDATA[Aprihartha, Moch. Anjas]]>;
<![CDATA[Alam, Taufik Nur]]>;
<![CDATA[Husniyadi, M.]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 4 No 1 (2024): JIKI - Juni 2024 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.126
<![CDATA[Pada konfrensi negara-negara penghasil kismis tanpa biji ke-63, Negara Turki dinobatkan sebagai pemimpin dunia dalam produksi dan ekspor kismis musim 2022/2023. Dalam menghasilkan kismis yang berkualitas sangat bergantung pada varietas anggur dan proses pengolahannya seperti pengeringan, grading, dll. Pada beberapa tempat, penyortiran kismis masih dilakukan secara manual berdasarkan indeks mutu. Namun, proses penyortiran dengan manual memiliki beberapa kelemahan seperti membutuhkan biaya yang besar dan pemilihan kismis oleh manusia cenderung tidak konsisten serta kurang efisien. Untuk mengatasi masalah tersebut maka dilakukan penelitian untuk mengembangkan metode alternatif dalam mengidentifikasi jenis kismis. K-Nearest Neighbors (KNN) merupakan algoritma machine learning nonparametrik yang dapat menyelesaikan masalah klasifikasi atau regresi. Metode KNN memprediksi kategori dengan memanfaatkan hubungan jarak antartetangga terdekat. Dalam analisis data, mengetahui jarak antartetangga terdekat dapat dihitung menggunakan dua metrik utama seperti jarak Manhattan dan jarak Euclidean. Studi kali ini akan mengembangkan metode KNN dalam mendeteksi jenis kismis Besni dan Kecimen. Setiap pelatihan dan pengujian menggunakan parameter k yang berbeda, yaitu 3, 5, 7, dan 9. Hasil penelitian diperoleh KNN pada metrik Euclidean menunjukkan nilai akurasi, presisi, sensitivitas, dan spesifisitas untuk setiap k hampir tidak memiliki perbedaan yang signifikan. Akurasi tertinggi sebesar 0,850 ketika k=7 dan k=9. Sedangkan KNN pada metrik Manhattan menunjukkan Akurasi tertinggi sebesar 0,867 ketika k=5 dan k=7. Algoritma KNN dengan metrik Manhattan dan metrik Euclidean, keduanya memberikan akurasi yang kuat dalam mengklasifikasikan data. Berdasarkan hasil uji kedua algoritma maka KNN pada metrik Manhattan lebih baik dibandingkan KNN pada metrik Euclidean.]]>
<![CDATA[Efektifitas SMOTE dalam Mengatasi Imbalanced Class Algoritma K-Nearest Neighbors pada Analisis Sentimen terhadap Starlink ]]>
<![CDATA[Candra, Candra]]>;
<![CDATA[Chandra, Kelvin William]]>;
<![CDATA[Irsyad, Hafiz]]>
<![CDATA[ Jurnal Ilmu Komputer dan Informatika Vol 4 No 1 (2024): JIKI - Juni 2024 ]]>
Publisher : <![CDATA[CV Firmos ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54082/jiki.132
<![CDATA[Imbalanced class menjadi salah satu tantangan utama dalam melakukan analisis sentimen, khususnya antara ulasan positif dan negatif yang dapat menyebabkan bias prediksi. Penelitian ini bertujuan untuk mengetahui lebih lanjut apakah permasalahan imbalanced class pada algoritma K-Nearest Neighbors (KNN) dapat diatasi dengan menggunakan SMOTE (Synthetic Minority Over-sampling Technique) pada analisis sentimen terhadap layanan Starlink. SMOTE akan digunakan untuk menciptakan sampel sintetis dari kelas minoritas untuk mengatasi ketidakseimbangan data. Hasil penelitian menunjukkan bahwa sebelum menggunakan SMOTE performa model KNN menghasilkan 69,97% (Accuracy), 68,47% (Precission), 64,99% (Recall), 65,41% (F1-Score). Namun, setelah menggunakan SMOTE performa model KNN mengalami peningkatan menjadi 76,74% (Accuracy), 79,15% (Precission), 75,91% (Recall), 75,82% (F1-Score). Dengan peningkatan ini, dapat disimpulkan bahwa kombinasi antara algoritma KNN dan SMOTE berhasil meningkatkan akurasi dan keandalan model KNN dalam mengatasi imbalanced class pada analisis sentimen terhadap layanan Starlink.]]>
