cover
Article Per Year (5 Year)
All
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
Jurnal Buana Informatika
Published by Universitas Atma Jaya Yogyakarta
ISSN : 20872534     EISSN : 20897642     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 594 Documents
 22   23   24   25   26 
BATIK MOTIFS DETECTION USING PATTERN RECOGNITION METHOD Sidhi, Thomas Adi Purnomo; Dwiandiyanta, B. Yudi; Dewi, Findra Kartika Sari
Jurnal Buana Informatika Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (752.48 KB) | DOI: 10.24002/jbi.v11i1.3234

Abstract

Abstract. Batik motif is one of the factors that makes batik unique and attractive. There are various kinds of batik motif designs in various areas. Each of these design motifs implies symbols/illustrations that contain certain meanings.The design of the batik motif is used in different events according to the occasions. But unfortunately, not many people understand this, even though local wisdom on the design of batik motifs is one form of cultural heritage of the archipelago that must be preserved. Related to this, development of information technology and multimedia should be used as a solution. However, until now, there is no accurate and fast information system in detecting batik motifs. This study applies pattern recognition methods to find the most appropriate and accurate method for detecting and interpreting batik motifs. The method will be used to build a batik motif detection information system to help users get information quick and accurately.Keywords: pattern recognition, batik motifs, analysis and design of information systems.Abstrak. Motif batik merupakan salah satu faktor yang menjadikan batik unik dan menarik. Terdapat berbagai macam desain motif batik di berbagai area. Setiap desain motif tersebut mengisyaratkan simbol-simbol/ilustrasi yang mengandung makna tertentu. Tentu saja desain motif batik tersebut digunakan dalam acara yang berbeda-beda sesuai dengan keperluanya. Namun sayang, tidak banyak orang yang mengerti hal ini, padahal kearifan lokal pada desain motif batik tersebut merupakan salah satu bentuk warisan budaya nusantara yang wajib dilestarikan. Terkait hal tersebut, seharusnya perkembangan teknologi informatika dan multimedia dapat digunakan sebagai solusi. Namun demikian, sampai saat ini, belum ada system informasi yang akurat dan cepat dalam mendeteksi dan menginterpretasi motif batik. Penelitian ini menerapkan metode-metode pengenalan pola guna menemukan metode yang paling tepat dan akurat untuk mendeteksi dan menginterpretasi motif batik. Metode tersebut akan digunakan untuk membangun system informasi deteksi motif batik untuk membantu pengguna yang tidak mengenal motif batik mendapatkan informasi secara lebih cepat dan akurat.Kata Kunci: pattern recognition, batik motifs, analysis and design of information systems.
Penentuan Rute Pengiriman Ice Tube di Kota Malang dengan Algoritma Genetika Gotami, Nurina Savanti Widya; Febrianti, Yane Marita; Dini, Robih; Aziz, Hamim Fathul; Augusta, San Sayidul Akdam; Wijayaningrum, Vivi Nur
Jurnal Buana Informatika Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (296.89 KB) | DOI: 10.24002/jbi.v11i1.2559

Abstract

Abstract. Determining routes for ice tube delivery in Malang is a complex combinatorial problem classified as NP-hard problem. This study aims for optimizing the sales travel routes determination for the delivery to several customers by considering the efficiency of distance traveled. This problem is modeled in the form of Multi Salesman Traveling Problem. Genetic algorithm was used to optimize the determination of ice tube delivery routes that must be taken by each sales. Problems were coded by using permutation representation in which order crossover and swap mutation methods were used for the reproduction process. The process of finding solution was done by using elitism selection. The best genetic algorithm parameters obtained from the test results are the number of iterations of 40 and the population of 40, with the shortest route of 30.3 km. The final solution given by the genetic algorithm is in the form of a travel route that must be taken by each ice tube sales.Keywords: genetic algorithm, mutli travelling salesman problem, optimization, routeAbstrak. Penentuan rute pengiriman ice tube di kota Malang merupakan permasalahan kombinatorial kompleks yang diklasifikasikan sebagai permasalahan NP-hard. Penelitian ini bertujuan untuk melakukan optimasi dalam pembentukan rute perjalanan sales dalam melakukan pengiriman ke beberapa pelanggan dengan mempertimbangkan efisiensi jarak tempuh. Permasalahan ini dimodelkan dalam bentuk Multi Salesman Travelling Problem. Algoritme genetika digunakan untuk mengoptimalkan pembentukan rute pengiriman ice tube yang harus dilalui oleh setiap sales. Permasalahan dikodekan menggunakan representasi permutasi, dengan proses reproduksi menggunakan metode order crossover dan swap mutation. Proses pencarian solusi dilakukan menggunakan elitism selection. Parameter algoritme genetika terbaik yang didapatkan dari hasil pengujian adalah banyaknya iterasi sebesar 40 dan banyaknya populasi sebesar 40, dengan rute terpendek sebesar 30.3 km. Solusi akhir yang diberikan oleh algoritme genetika berupa rute perjalanan yang harus ditempuh oleh setiap sales ice tube.Kata Kunci: algoritme genetika, multi travelling salesman problem, optimasi, rute
Analisis Perbandingan Website Digilib dengan Metode Penghitungan Usability Menggunakan Kuesioner SUS Aji, Hafidz Pudyastawa; DPA, , S.T, M.Kom, Nur Rochmah
Jurnal Buana Informatika Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (734.015 KB) | DOI: 10.24002/jbi.v11i1.2502

Abstract

Abstract: This study aims to analyze the comparison of Digilib websites at 3 universities. Digital Library is a media for storing book collections in digital form, as a means to facilitate visitors in accessing book collections. In improving services, universities X, Y, and Z have provided Digilib. Observation results indicate the number of Digilib visitors is still relatively small. Therefore quality evaluation on the Digilib website needs to be done. Quality evaluation on the Usability aspect is carried out using the existing assessment standards on the SUS questionnaire. Analysis and data processing of questionnaire results using SUS calculation. The results of the calculation of the average SUS score of 51 respondents from each university X, Y, and Z showed that, Digilib X had the highest SUS score of 58.2. The results of the score analysis indicate that the three websites have not met the usability aspect in terms of learnability. The SUS aspect analysis is used as a development reference to maximize the quality of Digilib services.Keywords: Quality Evaluation, Digital Library, Usability. Abstrak: Penelitian ini bertujuan menganalisis perbandingan website Digilib pada 3 universitas. Digital Library merupakan suatu media penyimpanan koleksi buku dalam bentuk digital, sebagai sarana untuk memudahkan pengunjung dalam mengakses koleksi buku. Dalam meningkatkan pelayanan, universitas X, Y, dan Z telah menyediakan Digilib. Hasil observasi menunjukkan jumlah pengunjung Digilib masih tergolong kecil. Oleh sebab itu evaluasi kualitas pada website Digilib perlu dilakukan. Evaluasi kualitas pada aspek Usability dilakukan menggunakan standar penilaian yang ada pada kuesioner SUS. Analisis dan pengolahan data hasil kuesioner menggunakan penghitungan SUS. Hasil perhitungan rata-rata skor SUS dari 51 responden masing-masing universitas X, Y, dan Z menunjukan bahwa, Digilib X memiliki skor SUS tertinggi yaitu 58,2. Hasil analisis skor menunjukkan bahwa ketiga website belum memenuhi aspek usability dari segi learnability. Analisis aspek SUS digunakan sebagai acuan pengembangan untuk memkasimalkan kualitas pelayanan Digilib.Kata Kunci: Evaluasi Kualitas, Digital Library, Usability.
Unjuk Kerja Selection Sort Hybrid Atmaja, Eduardus Hardika Sandy; Pinaryanto, Kartono
Jurnal Buana Informatika Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (369.341 KB) | DOI: 10.24002/jbi.v11i1.2699

Abstract

Abstract. Sorting is the most basic and important process in data processing. The sorting process on large data causes large computation. Some existing sorting algorithms need to be improved to further improve their performance. This study tried to develop an existing selection sort algorithm, into a selection sort hybrid algorithm that is expected to have better performance. Selection sort hybrid algorithm is an algorithm that combines both minimum and maximum searching techniques. It can find minimum and maximum values in the same time to sort from the both side of the data. Since it can be done separately, multithreading is used to do this job. So the sorting process can be done simultaneously. Several tests using different amounts of data have been conducted to compare the performance of the algorithms. The result is selection sort hybrid algorithm more efficient than the origin selection sort. Henceforth, the result obtained from the research can be used for various purposes related to data processing in informatics area.Keywords: sorting, selection sort, selection sort hybrid, computingAbstrak. Sorting atau pengurutan adalah proses yang paling mendasar dan penting dalam pemrosesan data. Proses pengurutan pada data yang besar menyebabkan komputasi menjadi tinggi. Maka beberapa algoritme pengurutan perlu ditingkatkan kinerjanya. Penelitian ini mencoba mengembangkan algoritme selection sort, menjadi algoritme selection sort hybrid yang diharapkan memiliki kinerja yang lebih baik. Algoritme selection sort hybrid adalah algoritme yang menggabungkan teknik pencarian minimum dan maksimum. Algoritme tersebut dapat menemukan nilai minimum dan maksimum dalam waktu yang bersamaan untuk mengurutkan data dari kedua sisinya. Karena dapat dikerjakan secara terpisah, maka teknik multithreading digunakan untuk melakukan pekerjaan ini. Jadi proses pengurutan data bisa dilakukan secara simultan. Beberapa pengujian menggunakan jumlah data yang berbeda telah dilakukan untuk membandingkan kinerja kedua algoritme ini. Hasilnya adalah algoritme selection sort hybrid lebih efisien daripada algoritme selection sort untuk semua kasus yang diberikan. Diharapkan hasil yang diperoleh dari penelitian ini dapat digunakan untuk berbagai keperluan terkait dengan pengolahan data di bidang informatika.Kata kunci: Pengurutan, selection sort, selection sort hybrid, komputasi
Penentuan Jenis Tanaman Berdasarkan Kemiringan Lahan Pertanian Menggunakan Adopsi Linier Programming Berbasis Pengolahan Citra Dengen, Christin Nandari; Nurcahyo, Azriel Christian; Kusrini, Kusrini
Jurnal Buana Informatika Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1424.682 KB) | DOI: 10.24002/jbi.v10i2.2253

Abstract

Abstract. The slope is a measure of the slope of the land relative to the flat plane which is generally expressed in percent or degree. Agricultural land that has a slope of more than 15 ° can be more easily damaged. In this study, a value of 2.5 ° was used in determining the normal slope. The process of implementing a decision support system used linear programming adoption in determining the slope and rotation of the slope of the land and determining whether the normalization of the image input was necessary or not. The purpose of this research is to determine the time needed to determine the plant types based on angle rotation setting determined by the user. The results of the study shows that the greater height and width of an object, the longer time needed to determine the plant types, land price and the land slope. The results of the study were obtained in conducting five tests. Tests 1 and 2 images with height and image width ranged from 150-480 obtained time for normalization of 15-30, testing 3.4.5 images with height and image widths ranging from 322 and 788 requiring 54- 108.Keywords: Slope, Adopting Linear Programming, Decision Support SystemsAbstrak. Kemiringan lereng merupakan ukuran kemiringan lahan relatif terhadap bidang datar yang secara umum dinyatakan dalam persen atau derajat. Lahan pertanian yang mempunyai kemiringan lebih dari 15° dapat lebih mudah rusak. Pada penelitian ini digunakan nilai 2,5 ° pada penentuan kemiringan normalisasi.Proses implementasi system pendukung keputusan menggunakan adopsi linier programing dalam menentukan sudut kemiringan lahan, rotasi kemiringan lahan dan menentukan perlu atau tidaknya normalisasi pada input citra tersebut. Tujuan dari penelitian ini menentukan waktu yang dibutuhkan dalam menentukan jenis tanaman berdasarkan rotasi atau sudut pengedukan yang ditentukan oleh user. Hasil penelitian menunjukkan semakin besar tinggi dan lebar suatu objek semakin lama waktu yang dibutuhkan untuk menentukan jenis tanaman, harga lahan atau kemiringan lahan. Lima pengujian dilakukan dalam penelitian ini. Pada pengujian 1 dan 2, citra dengan tinggi dan lebar berkisar 150-480 didapatkan waktu untuk normalisasi 15-30. Pada pengujian 3,4,5 citra dengan tinggi dan lebar citra berkisar 322 dan 788 dibutuhkan waktu 54-108.Kata Kunci: Kemiringan lereng, Adopsi Linear Programming, Sistem Pendukung Keputusan
Determining Laying Hens Production Performance Using Analytical Hierarchy Process and Simple Additive Weighting Methods Pradana, Andaka Dadi; Dewi, Findra Kartika Sari; Santoso, Albertus Joko
Jurnal Buana Informatika Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (466.574 KB) | DOI: 10.24002/jbi.v11i1.3072

Abstract

Abstract. The high consumption of chicken eggs in Indonesia must be balanced with the productivity level of laying hens to avoid scarcity resulting in an increasing price of chicken eggs. The maximum egg production can be possibly achieved by implementing a system of grouping chickens into good quality and poor performance different groups. This grouping can be made with a decision support system using the Analytical Hierarchy Process and Simple Additive Weighting methods. The criteria used in this test are eggs total, total of hens per coop, age, and hens’ death per coop. Alternatives used are coop 1, 2, 3, and 4. The coops were chosen as the alternative for the breeders compared the laying hens’ production performance based on the production per coop. The testing results, with the same input, show the same ranking order for both methods. The ranking order respectively the best to the worst is coop 1, coop 3, coop 2 and coop 4.Keywords: Laying hens, production performance, decision support system, Analytical Hierarchy Process, Simple Additive Weigthing.Abstrak. Banyaknya konsumsi telur ayam di Indonesia, harus diimbangi dengan tingkat produktivitas ayam petelur agar tidak terjadi kelangkaan yang mengakibatkan kenaikan harga telur ayam. Produksi telur yang maksimal bisa dicapai dengan menerapkan sistem pengelompokan ayam-ayam dengan kualitas performa yang baik dan yang kurang baik. Pengelompokan ini bisa dibuat dengan sistem pendukung keputusan menggunakan metode Analytical Hierarchy Process dan Simple Additive Weighting. Kriteria yang digunakan dalam pengujian ini adalah Total telur, Total ayam per kandang, umur ayam dan kematian ayam per kandang. Alternative yang digunakan adalah kandang 1, 2, 3, and 4. Kandang dipilih sebagai alternative karena peternak membandingkan performa produksi ayam petelur berdasarkan produksi per kandangnya. Hasil pengujian, dengan masukan yang sama, menunjukkan hasil perangkingan dengan urutan yang sama untuk kedua metode. Rangking terbaik sampai dengan terburuk, secara berturut-turut: kandang 1, kandang 3, kandang 2 dan kandang 4.Kata Kunci: Ayam Petelur, Performa Produksi, Sistem Pendukung Keputusan, Analytical Hierarchy Process, Simple Additive Weigthing.
Segmentasi Warna Citra Bunga Daisy dengan Algoritma K-Means pada Ruang Warna Lab Alamsyah, Derry; Pratama, Dicky
Jurnal Buana Informatika Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1655.562 KB) | DOI: 10.24002/jbi.v10i2.2458

Abstract

Abstract. Segmentation in images of flowers or plants is an important pre-process in the field of botany, one of which is for identifying diseases of flowers or other plants. One of the problems in the image segmentation is the segmented images produced automatically. It is due to the long period of time needed to produce segmented images manually. To overcome these issues, a clustering process was carried out using the k-means algorithm. In this study segmentation is done by using Lab color space and RGB as a comparison to K-means in clustering the image of daisy flowers. Good results are showed by the Lab color space in the clustering process that 60% of the data has lower silhouette coefficient than RGB color space and 3.94% as the mean of s negative.Keywords: Segmentation, Lab, K-MeansAbstrak. Segmentasi pada citra bunga atau tanaman merupakan pra proses yang penting dalam bidang botani, salah satunya untuk mengidentifikasi penyakit pada bunga atau tanaman lainnya. Salah satu permasalahan dalam segmentasi citra adalah menghasilkan citra tersegmentasi secara otomatis. Hal tersebut dikarenakan kebutuhan akan waktu yang tidak sebentar untuk menghasilkan citra tersegmentasi secara manual. Untuk mengatasi kendala tersebut dilakukan proses klasterisasi dengan menggunakan algoritma K-means. Pada penelitian ini segmentasi dilakukan dengan menggunakan ruang warna Lab dan RGB sebagai pembanding kinerja k-means dalam mengklasterisasi citra bunga Desi. Hasil yang baik dimiliki oleh ruang warna Lab dalam proses klasterisasinya, yaitu dengan 60% data memiliki nilai silhoutte coeficient (s) yang lebih kecil dari ruang warna RGB dan memiliki rata-rata sebesar 3.94% s negatif.Kata Kunci: Segmentasi, Lab, k-Means
Analisis Sentimen pada Indeks Kinerja Dosen Fakultas SAINTEK UIN Sunan Kalijaga Menggunakan Naive Bayes Classifier Sevsa, Bama Abpama; R Wahyudi, M. Didik
Jurnal Buana Informatika Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (485.665 KB) | DOI: 10.24002/jbi.v10i2.2250

Abstract

Abstract. UIN Sunan Kalijaga Yogyakarta has a lecturer performance appraisal system commonly referred to as IKD (Lecturer Performance Index) in the Academic Information System. At the end of semester, students give the assessment by filling in a questionnaire concerning judgement and suggestion towards the campus learning activities. The questionnaire results may reveal which are the negative, neutral or positive sentiments by conducting sentiment analysis. The sentiment analysis used is Naive Bayes Classifier. In this study, 8249 data were used, with the composition of 3000 training data with labels and 5249 test data without labels. The sentiment analysis of the critical data and suggestions of the IKD resulted in greater accuracy using the TF-IDF weighting, which was 73.9% compared to TF weighting which was 72.8%. This accuracy value is obtained from 3000 training data that has been labeled using the evaluation method of the K-Fold Cross Validation classification model.Keywords: Sentiment Analysis, IKD (Lecturer Performance Index), Naive Bayes Classifier, K-fold cross validation.Abstrak.UIN Sunan Kalijaga Yogyakarta memiliki sistem penilaian kinerja dosen yang biasa disebut dengan IKD (Indeks Kinerja Dosen) pada Sistem Informasi Akademik. Pada akhir semester, para mahasiswa akan memberikan penilaian dengan mengisi kuesioner mengenai kritik dan saran bagi kegiatan perkuliahan. Data-data dari hasil kuesioner yang didapat bisa menunjukkan apakah adanya sentimen negatif, netral, ataupun positif dengan cara melakukan analisis sentimen. Analisis sentimen yang dipergunakan adalah Naive Bayes Classifier. Penelitian ini menggunakan 8249 data dengan komposisi 3000 data latih dengan label dan 5249 data uji tanpa label. Analisis sentimen data kritik dan saran IKD ini menghasilkan akurasi yang lebih besar menggunakan pembobotan TF-IDF yaitu 73,9% dibandingkan dengan pembobotan TF yaitu 72,8%. Nilai akurasi ini didapatkan dari 3000 data latih yang sudah diberi label menggunakan metode evaluasi model klasifikasi K-Fold Cross Validation.Kata Kunci: Analisis Sentimen, Indeks Kinerja Dosen, Naive Bayes Classifier, K-Fold Cross Validation
Pembangunan Gim Edukasi Peraturan Lalu Lintas Kawasan Ganjil Genap di Jakarta Berbasis Android Randiani, Raudya Enggar; Dirgantara, Harya Bima
Jurnal Buana Informatika Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v11i1.2943

Abstract

Abstract. This study aims to create an educational game for odd-even traffic rules in Jakarta on an android-based platform called "Tilang Ganjil Genap". This game was developed since there are still many traffic violations that occur in the society. One of the traffic violations that still often occurs is a traffic area violation on the odd-even rule in Jakarta. In fact, to handle this violation, traffic police are still lacking to raise the public awareness. Therefore, an educational game for traffic rules in odd-even areas was built using the Game Development Life Cycle (GDLC) method with stages consisting of initiation, pre-production, production, trial, beta and release. This "Tilang Ganjil Genap" educational game aims to convey information about even odd traffic rules to the public through interesting and fun learning media. Based on the user trial results, it is found that 100% (14 users) state that this game provides a knowledge understanding about odd-even traffic rules area regulation.Keywords: Educational Games, Game Development Life Cycle, Odd Even Rule, AndroidAbstrak: Penelitian ini bertujuan untuk membangun gim edukasi peraturan lalu lintas ganjil genap di Jakarta berbasis android yang diberi nama “Tilang Ganjil Genap”. Gim ini dikembangkan karena masih ada pelanggaran lalu lintas yang terjadi pada masyarakat. Salah satu pelanggaran lalu lintas yang masih sering terjadi adalah pelanggaran kawasan lalu lintas pada peraturan ganjil genap di Jakarta. Upaya polisi lalu lintas dalam penanganan pelanggaran ini masih kurang untuk menyadarkan masyarakat. Oleh karena itu, gim edukasi peraturan lalu lintas kawasan ganjil genap ini dibangun dengan metode Game Development Life Cycle (GDLC) dengan tahapan: inisiasi, pre-produksi, produksi, uji coba, beta dan rilis. Gim edukasi “Tilang Ganjil Genap” ini mempunyai tujuan untuk menyampaikan informasi mengenai peraturan lalu lintas ganjil genap kepada masyarakat melalui media pembelajaran yang menarik dan menyenangkan. Dari hasil uji coba pengguna didapatkan hasil bahwa 100% (14 pengguna) menyatakan bahwa gim ini memberikan pemahaman pengetahuan tentang peraturan kawasan lalu lintas ganjil genap.Kata Kunci: Gim Edukasi, Game Development Life Cycle, Peraturan Ganjil Genap, Android
Klasifikasi Ujaran Kebencian pada Cuitan dalam Bahasa Indonesia Antariksa, Kevin; Purnomo WP, Y. Sigit; Ernawati, Ernawati
Jurnal Buana Informatika Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i2.2451

Abstract

Abstract. The sheer amount of hate speech in social media is making people nauseous. The amount of hate speech these days keeps increasing and yet, there was no preventive act to counter back the hate speech. Pre-existing hate speech detection is also not yet available in Bahasa Indonesia. A machine learning model that is able to recognize hate speech in Bahasa Indonesia will be explained in this article. The model will compare pre-existing methods in machine learning. Naive Bayes, SVM, and Logistics Regression are the methods that will be used for the model. Some of the parameters in the test will be altered to achieve the maximum value for detecting hate speech. The expectation is a machine learning model that is able to recognize hate speech in Bahasa Indonesia accurately. Expected accuracy is above 85%. After the experiment, the highest accuracy achieved was at 98%, while the lowest accuracy was only 80%.Keywords: Hate speech detection, machine learning model, social media, Bahasa Indonesia, tweetsAbstrak. Banyaknya ujaran kebencian yang ada di media sosial sudah membuat jengah. Ujaran kebencian tersebut makin marak dijumpai namun masih belum ada upaya preventif dari media sosial untuk menangkalnya. Deteksi ujaran kebencian yang sudah dibuat juga belum tersedia dalam Bahasa Indonesia. Sebuah model pembelajaran mesin yang dapat mengenali ujaran kebencian dengan Bahasa Indonesia akan dibahas pada naskah ini. Dalam model tersebut dibandingkan beberapa metode pembelajaran mesin yang ada. Metode yang digunakan dalam pengujian adalah Naïve Bayes, SVM, dan Logistic Regression. Dalam pengujian, beberapa parameter akan diubah-ubah sehingga didapatkan nilai paling maksimal dalam deteksi ujaran kebencian. Hasil yang diharapkan adalah sebuah model pembelajaran mesin. Model tersebut diharapkan dapat mengenali ujaran kebencian berbahasa Indonesia secara akurat. Akurasi yang diharapkan adalah diatas 85%. Setelah percobaan, didapatkan nilai akurasi paling tinggi yaitu 98%, sedangkan nilai akurasi paling rendah yaitu 80%.Kata Kunci: Deteksi ujaran kebencian, model pembelajaran mesin, media sosial, Bahasa Indonesia, cuitan

Page 24 of 60 | Total Record : 594

 22   23   24   25   26 

Filter by Year

2010 2025


Reset
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