Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Jurnal Buana Informatika

jbi
Website

Published by Universitas Atma Jaya Yogyakarta

ISSN : 20872534 EISSN : 20897642 DOI : -

Core Subject : Science,

Computer Science & IT

Arjuna Subject : -

Articles 594 Documents

9 10 11 12 13

PENGENALAN WAJAH MENGGUNAKAN IMPLEMENTASI T-SHAPE MASK PADA TWO DIMENTIONAL LINEAR DISCRIMINANT ANALYSIS DAN SUPPORT VECTOR MACHINE Musthafa, Ahmad Reza; Fitrawan, Alif Akbar; Supria, Supria
Jurnal Buana Informatika Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. Face recognition is the identification process to recognize a person's face. Many studies have been developing face recognition methods, one of which is the Two Dimensional Linear Discriminant Analysis (TDLDA) which has pretty good accuracy results with the method of classification Support Vector Machine (SVM). With more training data can add computational time. TDLDA using all the piksel image as input to be processed for feature extraction. Though not all the objects in the area of the face is a significant feature in face recognition. In this study, the proposed use of the T-shape with only use a significant part is the eyes, nose, and mouth are integrated with TDLDA and SVM. The result could reduce computing time on face recognition 21.56% faster than TDLDA method. The accuracy of the results in this study was 91% -96% which is close to the level of accuracy without using a mask on the face.Keyword: face recognition, T-shape, TDLDA, Support vector machine. Abstrak. Pengenalan wajah merupakan proses identifikasi untuk mengenali wajah seseorang. Telah Banyak penelitian yang mengembangkan metode pengenalan wajah, salah satunya adalah Two Dimensional Linear Discriminant Analysis (TDLDA) yang memiliki hasil akurasi yang cukup baik dengan metode klasifikasi Support Vector Machine (SVM). Dengan semakin banyak data training dapat menambah waktu komputasinya. TDLDA menggunakan semua piksel citra sebagai masukan yang akan diproses untuk ekstrasi fitur. Padahal tidak semua objek pada area wajah merupakan fitur yang signifikan dalam pengenalan wajah. Dalam penelitian ini diusulkan penggunaan T-shape dengan hanya menyimpan bagian yang signifikan yaitu mata, hidung, dan mulut yang diintegrasikan dengan TDLDA dan SVM. Hasilnya dapat mengurangi waktu komputasi pada pengenalan wajah 21,56% lebih cepat daripada metode TDLDA. Hasil akurasi pada penelitian ini adalah 91%-96% yang mendekati tingkat akurasi tanpa menggunakan mask pada wajah.Kata Kunci: pengenalan wajah, T-shape, TDLDA, Support vector machine.

IMPLEMENTASI GOOGLE CLOUD MESSAGING PADA SALES MOBILE APPLICATION Dewi, Christine; Sutresno, Stephen Aprius
Jurnal Buana Informatika Vol 7, No 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. Sales forces are fundamental to determine the smooth process on the marketing firm engaged in sales .One of the companies in the Magelang engaged in sales is PT. Armada Internasional Motor. The car sales process in PT. Armada Internasional Motor still uses manual system. The use of the manual system needs a long time to process car sales to customers. Documents of vehicle order must be approved by several parties by providing signatures on the document. Therefore a new system is needed to solve the problem by building a sales application. The application is built by means of Location Based Service technology useful to help register the location and Google Cloud Messaging as a provider of the information from the server to clients. This research produces the application of a sales system based on mobile android platform that has already integrated various parties and can provide facilities to sales.Keywords: Sales, Android, Location Based Service, Google Cloud Messaging.Abstrak. Karyawan yang memiliki posisi sebagai sales merupakan bagian penting dalam menentukan lancarnya alur proses pemasaran pada perusahaan yang bergerak dalam bidang penjualan. Sales di PT. Armada Internasional Motor masih menggunakan sistem manual dalam penjualan mobil kepada pelanggan. Penggunaan sistem yang manual tersebut membuat sales membutuhkan waktu yang lama untuk melakukan setiap penjualan mobil kepada pelanggan. Untuk itu dibutuhkan sistem baru yang dapat mengatasi masalah tersebut dengan membangun sebuah aplikasi sales. Aplikasi yang dibangun dengan menggunakan teknologi Location Based Service yang berguna membantu pencatatan lokasi dan menggunakan teknologi Google Cloud Messaging yang berguna sebagai pemberi informasi dari server kepada client. Penelitian ini menghasilkan aplikasi sistem sales berbasis mobile pada platform Android yang sudah terintegrasi baik dengan berbagai pihak dan dapat memberikan kemudahan kepada sales.Kata Kunci: Sales, Android, Location Based Service, Google Cloud Messaging.

Kombinasi Fitur Bentuk, Warna dan Tekstur untuk Identifikasi Kesuburan Telur Ayam Kampung Sebelum Inkubasi Dijaya, Rohman; Suciati, Nanik; Herumurti, Darlis
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. In the chicken nursery industry (doc) hatching efficiency is obtained by observing the eggs through candling before the incubation process. To sort out infertile eggs the use of fertility image identification thought egg candling is needed before incubation. The focus of this study is to combine the features of shape, texture and color to the area and egg yolk to determine the most dominant features in the image representing firtile egg candling. Features used in this study are the feature of forms: roundness, elongation, Index, Ellips Varriance and Circularity Ratio, moment invariant texture features of the area and the egg yolk, and features HSI color in egg yolks area. The test results show that the highest accuracy is on the features of the new forms of egg yolk with an accuracy of 76.67%. The second highest is shown by the combination of form features (Circularity Ratio, Ellips Varriance) and texture features in the area moment yolk color features HSI with 81.67% accuracy using SVM classification method.Keywords: Egg candling imagery, fertile, infertile, incubationÂ Abstrak. Pada industri pembibitan ayam (doc) efisiensi penetasan telur ayam didapatkan dengan melakukan candling (peneropongan telur) sebelum proses inkubasi menggunakan mesin tetas. Untuk mengklasifikasikan telur fertile dan infertile dibutuhkan identifikasi kesuburan telur menggunakan citra candling sebelum inkubasi. Fokus dari penelitian ini adalah mengkombinasikan fitur bentuk, tekstur dan warna pada area kuning telur dan telur untuk mengetahui fitur yang paling dominan dalam merepresentasikan citra candling telur ayam kampung. Fitur yang digunakan dalam penelitian ini adalah fitur bentuk (Roundness, Elongation, Index, Ellips Varriance dan Circularity Ratio), fitur tektur moment invarian dari area telur dan kuning telur dan fitur warna HSI pada area kuning telur. Hasil pengujian menunjukkan akurasi tertinggi pada fitur bentuk kuning telur baru dengan akurasi 76,67% dan kombinasi fitur bentuk (Circularity Ratio, Ellips Varriance), fitur tekstur moment pada area kuning telur dengan fitur warna HSI dengan akurasi 81,67 % menggunakan metode klasifikasi SVM. Kata Kunci: Citra candling telur, fertile, infertile, inkubasi.

METODE HIBRIDA K-MEANS DAN GENERALIZED REGRESSION NEURAL NETWORK UNTUK PREDIKSI ARUS LALU LINTAS Mamase, Saprina; Buliali, Joko Lianto
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. Traffic flow forecasting is a popular research topic in the development of Intelligent Transportation System. There have been many forecasting methods used for traffic flow forecasting, such as Generalized Regression Neural Network (GRNN) which has a fairly good accuracy. One of the GRNN?s characteristics is that the number of neurons in pattern layer increases as the number of training samples raise and this can cause overfitting problem. In this research, a hybrid method to predict traffic flow is proposed, that is K-means and GRNN algorithm. K-means method aims to solve overfitting problem in GRNN model by choosing training samples based on their similar characteristics. Leave One Out Cross Validation (LOOCV) is used to select an appropriate smoothing factor parameter at each GRNN?s model. Mean Absolute Percentage Error (MAPE) is used as the evaluation criterion in the testing process. The results show that the proposed method could improve the accuracy of predictions by reducing the value of MAPE by 0.82-3.81%.Keywords: Traffic flow forecasting, K-means, Generalized Regression Neural Network, Leave One Out Cross ValidationAbstrak. Prediksi arus lalu lintas telah menjadi tren topik penelitian untuk pengembangan sistem transportasi cerdas. Telah banyak metode yang digunakan terkait prediksi arus lalu lintas, diantaranya yaitu Generalized Regression Neural Network (GRNN) yang memiliki akurasi yang cukup baik. Salah satu karakteristik GRNN adalah jumlah neuron pada pattern layer akan bertambah seiring meningkatnya jumlah data latih yang akan mengakibatkan masalah overfitting. Dalam penelitian ini diusulkan metode hibrida K-means dan GRNN untuk prediksi arus lalu lintas. Metode K-means bertujuan untuk mengatasi masalah overfitting pada model GRNN dengan memilih data latih berdasarkan kemiripan karateristiknya. Algoritma Leave One Out Cross Validation (LOOCV) digunakan untuk memilih parameter smoothing factor terbaik pada setiap model GRNN. Mean Absolute Percentage Error (MAPE) digunakan sebagai kriteria evaluasi model prediksi. Hasil menunjukkan bahwa metode yang diusulkan dapat meningkatkan akurasi prediksi dengan penurunan nilai MAPE sebesar 0,82-3,81%.Kata Kunci: Prediksi arus lalu lintas, K-means, Generalized Regression Neural Network, Leave One Out Cross Validation

ANALISIS KELAYAKAN INTEGRATED DIGITAL FORENSICS INVESTIGATION FRAMEWORK UNTUK INVESTIGASI SMARTPHONE Ruuhwan, Ruuhwan; Riadi, Imam; Prayudi, Yudi
Jurnal Buana Informatika Vol 7, No 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. The handling of digital evidence each and every digital data that can proof a determination that a crime has been committed; it may also give the links between a crime and its victims or crime and the culprit. How to verify a valid evidence is to investigate using the approach known as the Digital Forensic Examination Procedures. Integrated Digital Forensic Investigation Framework (IDFIF) is the latest developed method, so that it is interesting to further scrutinize IDFIF, particularly in the process of investigation of a smartphone. The current smartphone devices have similar functions with computers. Although its functions are almost the same as the computer, but there are some differences in the process of digital forensics handling between computer devices and smartphones. The digital evidence handling process stages need to overcome the circumstances that may be encountered by an investigator involving digital evidence particularly on electronic media and smartphone devices in the field. IDFIF needs to develop in such a way so it has the flexibility in handling different types of digital evidence.Keywords: digital evidence, IDFIF, investigation, smartphone Abstrak. Penanganan bukti digital mencakup setiap dan semua data digital yang dapat menjadi bukti penetapan bahwa kejahatan telah dilakukan atau dapat memberikan link antara kejahatan dan korbannya atau kejahatan dan pelakunya. Cara pembuktian untuk mendapatkan bukti valid adalah dengan melakukan investigasi dengan pendekatan Prosedur Pemeriksaan Digital Forensic. Integrated Digital Forensics Investigation Framework (IDFIF) merupakan metode terbaru sehingga IDFIF ini menarik untuk diteliti lebih lanjut terutama dalam proses investigasi smartphone. Saat ini perangkat smartphone memiliki fungsi yang sama dengan komputer. Meskipun demikian, ada beberapa perbedaan dalam proses penanganan digital forensics diantara perangkat komputer dan smartphone. Tahapan proses penanganan barang bukti digital seharusnya dibuat untuk mengatasi keadaan umum yang mungkin dihadapi oleh investigator yang melibatkan barang bukti digital terutama pada perangkat smartphone dan media elektronik terkait di lapangan. IDFIF perlu dikembangkan sehingga memiliki fleksibilitas dalam menangani berbagai jenis barang bukti digital. Kata Kunci: bukti digital, IDFIF, investigasi, smartphone

EKSTRAKSI FITUR BERDASARKAN DESKRIPTOR BENTUK DAN TITIK SALIEN UNTUK KLASIFIKASI CITRA IKAN TUNA Pawening, Ratri Enggar; Arifin, Agus Zainal; Yuniarti, Anny
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. The manual classification of fish causes problems on accuracy and execution time. In the image of tuna, beside the shape feature, local features is also necessary to differentiate the types of fish especially which have a similar shape. The purpose of this study is to develop a new feature extraction system which integrates point of saline and the shape of descriptor to classify the image of tuna. The input image is then transformed into HSV format. Hue channel is selected for the segmentation process. Shape descriptors are extracted by using Fourier Descriptor (FD) and the saline points are extracted using Speeded Up Robust Features (SURF). The results of local features are performed by Bag of Feature (BOF). Feature integration combines shape descriptor and saline features with appropriate weight. Experimental results show that by integrating features, the classification problems of fish with similar shape can be resolved with an accuracy of classification acquired by 83.33%.Keywords: feature extraction, fourier descriptor, surf, classification, tuna fish imageAbstrak. Klasifikasi secara manual yang dilakukan berdasarkan bentuk, tekstur, dan bagian tubuh ikan dapat menimbulkan permasalahan pada akurasi dan waktu klasifikasi. Pada citra ikan tuna, selain diperlukan fitur bentuk juga diperlukan fitur lokal untuk membedakan jenis ikan terutama yang memiliki bentuk secara visual mirip. Tujuan penelitian ini adalah mengembangkan sistem ekstraksi fitur baru yang mengintegrasikan deskriptor bentuk dan titik salien untuk klasifikasi citra ikan tuna. Segmentasi diawali dengan mengambil kanal Hue pada citra HSV. Deskriptor bentuk diekstrak menggunakan Fourier Descriptor dan titik salien diekstrak menggunakan Speeded Up Robust Features. Untuk menyamakan dimensi dilakukan pemrosesan menggunakan Bag of Feature. Kedua jenis fitur yang sudah diperoleh dilakukan integrasi dengan mempertimbangkan bobot masing-masing fitur. Uji coba dilakukan pada dataset tiga jenis ikan tuna dengan 10-fold cross validation. Hasil uji coba menunjukkan dengan mengintegrasikan deskriptor bentuk dan titik salien permasalahan klasifikasi ikan tuna dengan bentuk yang mirip dapat diselesaikan dengan akurasi klasifikasi sebesar 83,33%.Kata Kunci: ekstraksi fitur, deskriptor fourier, surf, klasifikasi, citra ikan tuna

Kombinasi Sinyal EEG dan Giroskop untuk Kendali Mobil Virtual dengan Menggunakan Modifikasi ICA dan SVM Musthafa, Ahmad Reza; Tjandrasa, Handayani
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. Electroencephalogram (EEG) signals has been widely researched and developed in many fields of science. EEG signals could be classified into useful information for the application of Brain Computer Interface topic (BCI). In this research, we focus in a topic about driving a car using EEG signal. There are many approaches in EEG signal classification, but some approaches do not robust EEG signals that have many artifacts and have been recorded in real time. This research aims to classify EEG signals to obtain more optimal results, especially EEG signals with many artifacts and can be recorded in realtime. This research uses Emotiv EPOC device to record EEG signals in realtime. In this research, we propose the combination of Automatic Artifact Removal (AAR) and Support Vector Machine (SVM) which has 71% of accuracy that can be applied to drive a virtual car.Keyword: EEG signal classification, automatic artifact removal, brain computer interfaceAbstrak. Penelitian berbasis sinyal Electroencephalogram (EEG) telah banyak diteliti dan dikembangkan pada berbagai bidang ilmu pengetahuan. Sinyal EEG dapat diklasifikasikan ke dalam bentuk informasi untuk pengaplikasian topik Brain Computer Interface (BCI). Pada penelitian ini difokuskan pada topik pengendalian mobil menggunakan perintah sinyal EEG. Terdapat beberapa pendekatan dalam klasifikasi sinyal EEG, tetapi beberapa pendekatan tersebut tidak robust terhadap sinyal EEG yang memiliki banyak artefak dan direkam secara realtime. Penelitian ini bertujuan untuk mengklasifikasikan sinyal EEG dengan hasil lebih optimal, khususnya pada sinyal EEG yang memiliki banyak artefak dan direkam secara realtime. Penelitian ini menggunakan perangkat Emotiv EPOC untuk merekam sinyal EEG secara realtime. Pada penelitian ini diusulkan kombinasi Automatic Artifact Removal (AAR) dan Support Vector Machine (SVM) yang menghasilkan hasil akurasi sebesar 71% untuk klasifikasi sinyal EEG pada kasus pengendalian mobil virtual.Kata Kunci: EEG signal classification, automatic artifact removal, brain computer interface

Konseptualisasi Ontologi Iklan Website Cahyono, Nuri; Utami, Ema; Amborowati, Armadyah
Jurnal Buana Informatika Vol 7, No 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. The high internet users in Indonesia, with a number of user penetration of more than 34.9%. The internet user has a diverse demographic that is spread throughout the territory. Seeing this potential can be in the know on the website advertising potential. To optimize that ads on a website can be relevant to the user required a design method. Ontologies are used as domain knowledge in the delivery of relevant ads. Ontology is built through a process of conceptualization, adapted from methods Gruninger and Fox and Methontology. Conceptualization resulting from such methods, evaluation methods OntoQA (Ontology Quality Analysis). Measurements were carried out to produce a quality score potential knowledge with details Relation richness value of 0.451, the value of Inheritance richness of 4.857 and a richness Attributte value of 6.75. Value Relations shows the richness of the information provided ontology categorized at level sufficiently rich in knowledge. Value Inheritance richness showed ontology includes areas of general knowledge. While the value Attributte describe the richness of the information provided.Keywords: Ontology, Ads, OntQA Abstrak. Tingginya pengguna internet di indonesia, dengan jumlah penetrasi pengguna lebih dari 34,9%. Pengguna internet tersebut memiliki demografi beraneka ragam yang tersebar diseluruh wilayah. Melihat hal tersebut dapat di ketahui potensi iklan pada website sangat potensial. Untuk mengoptimalkan agar iklan yang ada pada sebuah website dapat relevan dengan pengguna diperlukan sebuah metode perancangan. Ontologi dimanfaatkan sebagai domain pengetahuan dalam pemberian iklan yang relevan. Ontologi dibangun melalui proses konseptualisasi yang diadaptasi dari metode Gruninger and Fox dan Methontology. Konseptualisasi yang dihasilkan dari metode tersebut, dilakukan evaluasi menggunakan metode OntoQA (Ontology Quality Analysis). Pengukuran yang dilakukan menghasilkan skor kualitas potensi pengetahuan dengan rincian nilai Relation Richness sebesar 0,452, nilai Inheritance Richness sebesar 4,857 dan nilai Attributte Richness sebesar 6,75. Nilai Relation Richness menunjukkan informasi yang disediakan ontologi dikategorikan pada level cukup kaya akan pengetahuan. Nilai Inheritance Richness menunjukkan ontologi mencakup bidang pengetahuan yang umum. Sementara nilai Attributte Richness menggambarkan informasi yang disediakan.Kata Kunci: Ontologi, Iklan, OntoQA

Segmentasi Citra Ikan Tuna Menggunakan Gradient-Barrier Watershed Berbasis Analisis Hierarki Klaster dan Regional Credibility Merging Fadllullah, Arif; Arifin, Agus Zainal; Navastara, Dini Adni
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. The main issue of object identification in tuna image is the difficulty of extracting the entire contour of tuna physical features, because it is often influenced by uneven illumination and the ambiguity of object edges in tuna image. We propose a novel segmentation method to optimize the determination of tuna region using GBW-AHK and RCM. GBW-AHK is used to optimize the determination of adaptive threshold in order to reduce over-segmented watershed regions. Then, RCM merges the remaining regions based on two merging criteria, thus it produces two main areas of segmentation, the object extraction of tuna and the background. The experimental results on 25 tuna images demonstrate that the proposed method successfully produced an image segmentation with the average value of RAE by 4.77%, ME of 0.63%, MHD of 0.20, and the execution time was 11.61 seconds. Keywords: watershed, gradient-barrier, hierarchical cluster analysis, regional credibility merging, tuna segmentationÂ Abstrak. Kendala utama identifikasi objek tuna pada citra ikan tuna adalah sulitnya mengekstraksi seluruh kontur tubuh ikan, karena seringkali dipengaruhi faktor iluminasi yang tidak merata dan ambiguitas tepi objek pada citra. Penelitian ini mengusulkan metode segmentasi baru yang mengoptimalkan penentuan region objek tuna menggunakan Gradient-Barrier Watershed berbasis Analisis Hierarki Klaster (GBW-AHK) dan Regional Credibility Merging (RCM). Metode GBW-AHK digunakan untuk mengoptimalkan penentuan adaptif threshold untuk mereduksi region watershed yang over-segmentasi. Kemudian RCM melakukan penggabungan region sisa hasil reduksi berdasarkan dua syarat penggabungan hingga dihasilkan dua wilayah utama segmentasi, yakni ekstraksi objek ikan tuna dan background. Hasil eksperimen pada 25 citra ikan tuna membuktikan bahwa metode usulan berhasil melakukan segmentasi dengan nilai rata-rata relative foreground area error (RAE) 4,77%, misclassification error (ME) 0,63%, modified Hausdorff distance (MHD) 0,20, dan waktu eksekusi 11,61 detik. Kata Kunci: watershed, gradient-barrier, analisis hierarki klaster, regional credibility merging, segmentasi tuna

Deteksi Bot Spammer pada Twitter Berbasis Sentiment Analysis dan Time Interval Entropy Aditya, Christian Sri Kusuma; Haniâ€™ah, Mamluatul; Fitrawan, Alif Akbar; Arifin, Agus Zainal; Purwitasari, Diana
Jurnal Buana Informatika Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Abstract. Spam is an abuse of messaging undesired by recipients. Those who send spam are called spammers.Â Popularity of Twitter has attracted spammers to use it as a means to disseminate spam messages. The spams are characterized by a neutral emotional sentiment or no particular usersâ€™ preference perspective. In addition, the regularity of tweeting behavior periodically shows automation performed by bot. This study proposes a new method to differentiate between bot spammer and legitimate user accounts by integrating the sentiment analysis (SA) based on emotions and time interval entropy (TIE). The combination of knowledge-based and machine learning-based were used to classify tweets with positive, negative and neutral sentiments. Furthermore, the collection of timestamp is used to calculate the time interval entropy of each account. The results show that the precision and recall of the proposed method reach up to 83% and 91%. This proves that the merging SA and TIE can optimize overall system performance in detecting Bot Spammer.Keywords: bot spammer, twitter, sentiment analysis, polarity, entropyÂ Abstrak. Spam merupakan penyalahgunaan pengiriman pesan tanpa dikehendaki oleh penerimanya, orang yang mengirimkan spam disebut spammer. Ketenaran Twitter mengundang spammer untuk menggunakannya sebagai sarana menyebarluaskan pesan spam. Karakteristik dari tweet yang dikategorikan spam memiliki sentimen emosi netral atau tidak ada preferensi tertentu terhadap suatu perspektif dari user yang memposting tweet. Selain itu keteraturan waktu perilaku saat memposting tweet secara periodik menunjukkan otomatisasi yang dilakukan bot. Pada penelitian ini diusulkan metode baru untuk mendeteksi antara bot spammer dan legitimate user dengan mengintegrasikan sentimen analysis berdasarkan emosi dan time interval entropy. Pendekatan gabungan knowledge-based dan machine learning-based digunakan untuk mengklasifikasi tweet yang memiliki sentimen positif, negatif dan tweet netral. Selanjutnya kumpulan timestamp digunakan untuk menghitung time interval entropy dari tiap akun. Hasil percobaan menunjukan bahwa precision dan recall dari metode yang diusulkan mencapai 83% dan 91%. Hal ini membuktikan penggabungan Sentiment Analysis (SA) dan Time Interval Entropy (TIE) dapat mengoptimalkan performa sistem secara keseluruhan dalam mendeteksi Bot Spammer.Kata Kunci:Â bot spammer, twitter, sentiment analysis,Â polarity, entropy

Page 11 of 60 | Total Record : 594

9 10 11 12 13

Filter by Year

2010 2025

Filter By Issues

All Issue Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025 Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025 Vol. 15 No. 01 (2024): Jurnal Buana Informatika, Volume 15, Nomor 01, April 2024 Vol. 15 No. 2 (2024): Jurnal Buana Informatika, Volume 15, Nomor 02, Oktober 2024 Vol. 14 No. 02 (2023): Jurnal Buana Informatika, Volume 14, Nomor 2, Oktober 2023 Vol. 14 No. 01 (2023): Jurnal Buana Informatika, Volume 14, Nomor 1, April 2023 Vol. 13 No. 02 (2022): Jurnal Buana Informatika, Volume 13, Nomor 2, Oktober 2022 Vol. 13 No. 1 (2022): Jurnal Buana Informatika, Volume 13, Nomor 1, April 2022 Vol 12, No 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol. 11 No. 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol. 11 No. 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol 10, No 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol 9, No 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 9, No 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol. 8 No. 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol 8, No 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol. 8 No. 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 8, No 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 7, No 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol. 7 No. 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol. 7 No. 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol 7, No 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol. 7 No. 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol. 6 No. 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol. 6 No. 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol. 6 No. 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol. 5 No. 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol. 5 No. 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol. 4 No. 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol. 4 No. 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol. 3 No. 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol. 3 No. 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol. 2 No. 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol. 2 No. 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol. 1 No. 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota yogyakarta,

Daerah istimewa yogyakarta

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kota yogyakarta, Daerah istimewa yogyakarta INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota yogyakarta,

Daerah istimewa yogyakarta

INDONESIA