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
Kab. ponorogo,
Jawa timur
INDONESIA
Fountain of Informatics Journal
Published by Universitas Darussalam Gontor
ISSN : 25414313     EISSN : 25485113     DOI : -
Core Subject :
Fountain of Informatics Journal (FIJ), with registered ISSN 2541-4313 (Print), ISSN 2548-5113 (Online), and DOI 10.21111/fij, is a peer-reviewed journal published semi-annual (May and November) by Universitas Darussalam Gontor. The FIJ invites manuscripts in the various topics include, but not limited to, functional areas of the information system, software engineering, computer network and game technology.
Arjuna Subject : -
Articles 3 Documents
 1 
Search results for , issue "Vol. 7 No. 2 (2022): November" : 3 Documents clear
Front Matter and Back Matter Muriyatmoko, Dihin
Fountain of Informatics Journal Vol. 7 No. 2 (2022): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v7i2.8801

Abstract

Analisis Sentimen Opini Masyarakat Terhadap Virus Omicron Di Indonesia Menggunakan Metode Naïve Bayes Musthafa, Aziz; Harmini, Triana; Setiawan, Angga Fahri; Asy’ari, Nur Aini Shofiya
Fountain of Informatics Journal Vol. 7 No. 2 (2022): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v7i2.9359

Abstract

AbstrakVirus covid-19 terus bermutasi membentuk varian baru. Varian terakhir yang terdeteksi yaitu, varian Omicron dikenal sebagai varian B.1.1.529. Varian ini pertama kali dilaporkan dari Afrika Selatan pada 24 November 2021 dan saat ini telah menyebar ke seluruh dunia. Pada bulan juli 2022 kasus Omicron mengalami lonjakan. Hal ini menimbulkan banyaknya opini masyarakat khususnya di media sosial mengenai virus omicron. Penelitian ini bertujuan untuk megklasifikasi opini masyarakat terhadap kemunculan virus Omicron pada sosial media twitter dan youtube ke dalam kelas positif, negatif dan netral. Metode yang digunakan pada penelitian ini yaitu algoritma naïve bayes. Naïve bayes merupakan salah satu metode yang bisa digunakan untuk klasifikasi sentiment opini publik. Hasil penelitian sentiment analisis menggunkan naïve bayes menghasilkan tingkat akurasi sebesar 0.82%. Kemudian model diuji untuk membaca opini public di twitter dari tanggal 5 oktober 2022 sampai 27 oktober 2022. Untuk hasil sentiment pengguna twitter pada kata kunci Covid 19 didominasi oleh sentiment positif dengan presentase 85%. Dan untuk sentiment dengan kata kunci Omicron masih didominasi oleh sentiment positif dengan presentase 49%. Disebutkan dari hasil klasifikasi pada data bulan oktober 2022 berarti masyarakat jauh lebih optimis akan menghilangnya virus omicron. Untuk selanjutnya penelitian ini dapat ditingkatkan dengan menambah data atau menggunakan algoritma yang berbeda ataupun implementasi pada algoritma yang sudah ada.Kata kunci: Covid-19, Omicron, Media Sosial, Naïve bayes Abstract[Analysis Of News Sentiment And Public Opinion On Omicron Virus In Indonesia Using The Naïve Bayes Method] The Covid-19 virus continues to mutate to form new variants. The last detected variant, the Omicron variant, is known as the B.1.1.529 variant. This variant was first reported from South Africa on 24 November 2021 and has now spread worldwide. In July 2022 Omicron cases experienced a spike. This has led to a lot of public opinions, especially on social media, about the omicron virus. This study aims to classify public opinion on the emergence of the Omicron virus on Twitter and YouTube social media into positive, negative, and neutral classes. The method used in this study is the naïve Bayes algorithm. Naïve Bayes is a method that can be used to classify public opinion sentiment. The results of sentiment analysis research using naïve Bayes produce an accuracy rate of 0.82%. Then the model was tested to read public opinion on Twitter from 5 October 2022 to 27 October 2022. The results for Twitter user sentiment on the keyword Covid 19 were dominated by positive sentiment with a percentage of 85%. And sentiment with the keyword Omicron is still dominated by positive sentiment with a percentage of 49%. It was stated that the results of the classification of data for October 2022 meant that people were much more optimistic about the disappearance of the Omicron virus. Henceforth this research can be improved by adding data or using a different algorithm or implementing an existing algorithmKeywords:  Covid-19, Omicron, Social Media, Naïve Bayes
Pengembangan Sistem Pendeteksi Kebocoran LPG Menggunakan Infrastruktur Instant Messaging Berbasis Internet of Things Kholil, Moch; Ismanto, Ismanto; Akhsani, Rafika
Fountain of Informatics Journal Vol. 7 No. 2 (2022): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v7i2.6509

Abstract

AbstrakPerkembangan teknologi yang semakin pesat seiring dengan pekerjaan manusia yang semakin banyak, menjadikan peran teknologi sebagai upaya optimalisasi dalam membantu pekerjaaan manusia sangat dibutuhkan. Salah satu tren teknologi yang menarik dan berkembang adalah teknologi Internet of Things atau biasa disingkat dengan IoT. Pemanfaatan Internet of Things juga sangat membantu dalam sistem pemantauan jarak jauh. Sebagai salah satu bentuk pemanfaatannya adalah sistem pendeteksi jarak jauh terhadap kebocoran Liquified Petroleum Gas (LPG) pada dapur sebuah rumah tangga, restoran maupun industri sehingga pemilik bisa melakukan pencegahan dini apabila terjadi sebuah kebocoran di dalam ruangan dan mampu memberikan peringatan dini kebocoran LPG saat ditinggal bepergian. Sistem dikembangkan melalui 4 tahapan, mulai dari pengumpulan data, perancangan perangkat keras, penulisan kode program dan uji coba sistem. Penelitian ini bertujuan menghasilkan sebuah alat pendeteksi kebocoran LPG berbasis IoT, dimana alat ini mampu mendeteksi serta mengirimkan pesan peringatan dini saat terjadi kebocoran LPG baik melalui pesan telegram maupun buzzer yang terpasang di perangkat. Dengan mengacu pada standarisasi yang dikeluarkan oleh Badan Standardisasi Nasional tentang Nilai Ambang Batas zat kimia di udara tempat kerja, sistem telah bekerja dengan baik dengan mampu memberikan peringatan kebocoran LPG saat Nilai Ambang Batas (NAB) zat kimia mencapai 1000 bds/ppm.Kata kunci: IoT, telegram, LPG, ppm Abstract[Development Of LPG Leak Detection System Using Instant Messaging Infrastructure Based On Internet Of Things]Developments of technology along with human work are growing, making the role of technology as an optimization effort in helping human work needed.  One of the technologies that are developing is the Internet of Things or commonly abbreviated as IoT. Utilization of the Internet of Things is also very helpful in remote monitoring systems. One form of utilization is a remote detection system for Liquefied Petroleum Gas (LPG) leaks in the kitchen of a household, restaurant, or industry so that owners can take early prevention in the event of a leak in the room and are able to provide early warning of LPG leaks when left traveling. The system is developed through four stages, starting from data collection, hardware design, writing program code, and system testing. This study aims to produce an IoT-based LPG leak detector, which a tool that is able to detect and send an early warning message when an LPG leak occurs either through a telegram message or a buzzer installed on the device. By referring to the standard issued by the National Standardization Agency regarding the Threshold Value of chemicals in the workplace air, the system has worked well by being able to provide an LPG leak warning when the Threshold Value of chemical substances reaches 1000 ppm.. Keywords: IoT; telegram, LPG; ppm

Page 1 of 1 | Total Record : 3

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol. 10 No. 1 (2025): Mei Vol. 9 No. 2 (2024): November 2024 Vol. 9 No. 1 (2024): Mei 2024 Vol. 8 No. 2 (2023): November Vol. 8 No. 1 (2023): Mei Vol 7, No 2 (2022): November 2022 Vol. 7 No. 3 (2022): Specials Issue Desember - Seminar Nasional Sains dan Teknologi Vol. 7 No. 2 (2022): November Vol 7, No 1 (2022): Mei Vol 6, No 2 (2021): November Vol. 6 No. 2 (2021): November Vol 6, No 1 (2021): Mei Vol 5, No 3 (2020): Specials Issue November - Seminar Nasional Sains dan Teknologi Vol 5, No 2 (2020): November Vol 5, No 1 (2020): Mei Vol 4, No 2 (2019): November Vol 4, No 1 (2019): Mei Vol 3, No 2 (2018): November Vol 3, No 1 (2018): Mei Vol 2, No 2 (2017): November Vol 2, No 1 (2017): Mei Vol 1, No 2 (2016): November More Issue