Komputa : Jurnal Ilmiah Komputer dan Informatika

Analisis Sentimen Berbasis Aspek Terhadap Produk Kecantikan Menggunakan Neighbor Weighted K-Nearest Neighbor

Fauzan Lukmanul Hakim, Kania Evita Dewi — Thu, 25 Apr 2024 10:26:05 +0700

Penelitian ini bertujuan untuk menguji performansi Neighbor Weighted K-Nearest Neighbor (NWKNN) dalam menangani dataset yang tidak seimbang dalam kasus analisis sentiment berbasis aspek. Data yang digunakan didalam penelitian ini adalah ulasan produk kecantikan yang berasal dari situs kaggel. Diperoleh data sebanyak 2.449 ulasan. Setiap ulasan produk sebelum masuk ketahapan klasifikasi, melalui preprocessing. Dalam penelitian ini tahapan preprocessing terdiri dari proses casefolding, cleaning, tokenisasi, normalisasi, stemming, convert negasi, dan stopword removal. Agar hasil preprocessing dapat diolah oleh algoritma klasifikasi maka setiap ulasan yang sudah diprepocessing masuk kedalam ekstraksi fitur. Metode ekstraksi fitur yang digunakan dalam penelitian ini adalah TF-IDF. Hasil ekstraksi fitur lah yang masuk kedalam proses klasifikasi. Didalam penelitian ini setiap ulasan melalui proses klasifikasi beberapa kali. Karena dalam penelitian ini dalam penanganan multilabel menggunakan teknik binary relevance. Setiap klasifikasi menggunakan NWKNN. Pengklasifikasian dilakukan sebanyak empat kali sesuai dengan aspek yang digunakan didalam penelitian ini, yaitu: harga, kemasan, efektifitas dan aroma. Sehingga setiap klasifikasi menghasilkan polaritas untuk setiap aspek, yaitu: positif, negative, atau non sentiment. Hasil pengujian perfomansi dengan Confusion Matrix dihasilkan performansi NWKNN lebih tinggi dibandingkan KNN untuk masing-masing aspek, dalam f1-score. Dimana nilai e dan k yang optiman untuk metode NWKNN yaitu nilai k=40 dan e=2. Ini menunjukkan bahwa NWKNN terbukti lebih baik bekerja jika dataset tidak seimbang dibandingkan KNN.

Implementasi Face Recognition dan Geolocation Pada Sistem Presensi Karyawan Berbasis Mobile Apps

Bagus Budi Wibowo, Eko Budi Setiawan — Thu, 25 Apr 2024 10:43:16 +0700

Teknologi informasi dan komunikasi dapat digunakan pada sistem presensi karyawan. Tujuan penelitian ini mengimplementasikan teknologi face recognition dan geolocation pada sistem presensi karyawan di PT. Motiolabs Indonesia berbasis mobile Android. Perusahaan yang menjadi tempat penelitian ini memperbolehkan para karyawannya untuk melakukan presensi secara mobile, namun belum memanfaatkan teknologi geolocation dan deteksi wajah sehingga prosees otentifikasi dan verifikasi presensi masih kurang efektif. Metode penelitian ini terdiri dari beberapa tahapan yaitu analisis permasalahan, perancangan arsitektur sistem dan teknologi, penerapan teknologi, implementasi dan pengujian sistem. Teknologi geolocation yang digunakan pada penelitian ini yaitu Global Position System dan Google Maps. Face recognition yang digunakan menggunakan Google Machine Learning Kit serta Face API JS. Hasil pengujian pendeteksian wajah berhasil mendeteksi wajah dengan maksimal tiga wajah dalam satu frame kamera sewaktu pengujian. Pendeteksian wajah berhasil dilakukan dengan maksimal jarak 0,3 meter dan mendapatkan waktu paling cepat pendeteksian paling cepat selama 45 detik. Berdasarkan pengujian geolocation sudah memberikan hasil yang akurat dan berhasil mendapatkan lokasi koordinat yang sesuai dari posisi presensi dilakukan. Setelah dilakukan pengujian kepada para stakeholder yakni para Karyawan dan pihak HRD perusahaan, aplikasi hasil penelitian ini berhasil mempermudah pihak perusahaan dalam mencatat dan memverifikasi data presensi.

Identifikasi Ujaran Kebencian Pada Sosial Media Bahasa Inggris Menggunakan Recursive Neural Network

Jasman Pardede, Rangga Alfyansyah — Thu, 25 Apr 2024 11:17:25 +0700

Penyebaran ujaran kebencian pada sosial media telah menjadi masalah serius karena menciptakan serangkaian konflik ras, etnis, orientasi seksual, kebangsaan, dan agama. Penelitian ini menggali dari unggahan ujaran kebencian di media sosial. Ujaran kebencian semakin meningkat di media sosial yang merendahkan individu atau kelompok banyak ditemukan. Mengidentifikasi ujaran kebencian secara tepat menjadi penting untuk menganalisis sentimen publik dari kelompok pengguna terhadap kelompok lain serta mencegah kegiatan yang tidak diinginkan. Dengan mengidentifikasi akar penyebabnya, pihak-pihak yang berwenang dan platform-platform digital dapat mengambil tindakan yang lebih efektif dalam memitigasi dampak negatifnya dan melindungi masyarakat dari ancaman yang mungkin timbul. Algoritma seperti Support Vector Machine dan Deep Neural Networks, terutama Recursive Neural Network, dapat mengidentifikasi ujaran kebencian. Dalam penelitian ini menerapkan Recursive Neural Network untuk mengidentifikasi ujaran kebencian. Performa sistem ini diukur berdasarkan nilai precision, recall, accuracy, dan F-Measure. Hasil eksperimen yang dilakukan terhadap data ujaran kebencian diperoleh nilai rata-rata precision, recall, accuracy, dan F-Measure masing-masing sebesar 0.78, 0.74, 0.76, dan 0.76. Hasil tersebut menunjukkan bahwa Recursive Neural Networks yang diusulkan memiliki performa yang cukup baik.

Penerapan Data Mining dalam Pengelompokan Penyakit untuk Rekomendasi Materi Penyuluhan Kesehatan di Klinik Keluarga Cianjur

Mochamad Nurkhayal Kadafi, Alif Finandhita — Thu, 25 Apr 2024 11:27:13 +0700

Tujuan dari penelitian ini adalah memberikan rekomendasi materi penyuluhan untuk membantu Koordinator Promkes dan Marketing di Klinik Keluarga dalam menentukan materi penyuluhan kesehatan yang tepat di suatu wilayah. Penyuluhan dilakukan secara terjadwal ke wilayah yang sudah ditentukan. Namun demikian banyak materi yang disampaikan tidak sesuai dengan mayoritas penyakit yang diderita oleh masyarakat di wilayah tersebut. Hal tersebut menyebabkan pelayanan klinik menjadi tidak optimal dikarenakan kurangnya kewaspadaan terhadap suatu penyakit yang ada di wilayahnya. Data Mining dengan metode Clustering dan algoritma K-Means digunakan pada penelitian ini untuk mengetahui pola penyebaran penyakit berdasarkan karateristiknya dari sumber data yang digunakan, terdiri dari data kunjungan, data induk penyakit, data kategori penyakit, data kecamatan, dan data desa. Hasil evaluasi menunjukkan proses pengelompokan penyakit menghasilkan rata-rata akurasi sebesar 0,263. Hasil tersebut menunjukan bahwa data mining dengan metode clustering dapat membantu Koordinator Promkes dan Marketing di Klinik Keluarga dalam menentukan materi penyuluhan yang tepat untuk masyarakat.

Pembangunan Game Edukasi Interaktif Pelajaran Bahasa Jawa Indramayu pada SDN 1 Margadadi

Revano Fabiansyah Priadi, Richi Dwi Agustia — Thu, 25 Apr 2024 11:51:11 +0700

Penelitian ini bertujuan untuk meningkatkan kemampuan peserta didik di SDN 1 Margadadi dalam membaca dan menulis bahasa Jawa Indramayu. Alur yang dilakukan yaitu melakukan observasi dan pengumpulan data, selanjutnya menganalisis permasalahan yang ada dengan mendapatkan data nilai kelas V dari kurun waktu 2 tahun yang lalu dalam materi menulis dan membaca bahasa jawa Indramayu, masih terdapat banyak peserta didik yang meraih nilai dibawah Kriteria Ketuntasan Minimal, didapatkanlah sebuah solusi dengan membuat game edukasi Pembelajaran Bahasa Jawa Indramayu adapun metode penelitian yang digunakan terdiri dari 5 tahapan yaitu analisis masalah, analisis game yang akan dibangun, perancangan sistem, implementasi dan pengujian sistem dan yang terakhir kesimpulan dan saran, game edukasi ini menggunakan metode pembelajaran Visual, Audio dan Kinestetik pada materi didalamnya. Dari hasil pengujian terhadap pengguna dengan menggunakan responden sebanyak 10 siswa, hasil menunjukan bahwa total rata-rata waktu yang didapatkan pada pengujian menulis aksara jawa sebesar 13,63 detik, lebih cepat daripada menulis manual dengan waktu yang digunakan yaitu 27,03 detik, dengan waktu lebih lama pada huruf Nyo yaitu 16 detik karena didalam pengujianya hanya 7 responden yang berhasil mengerjakan, berikutnya hasil pengujian pemahaman bahasa Jawa Indramayu dengan nilai rata-rata sudah diatas Kriteria Ketuntasan Minimal yaitu 75% dengan rata-rata nilai pada level normal di game sebesar 84,6% dan rata-rata nilai pada level sulit di game sebesar 81,4%.

Perbandingan Algoritma K-Means, Affinity Clustering, dan Mini Batch K-Means Untuk Analisis Segmentasi Pasar

Andrew Castello Purba, Teny Handhayani — Thu, 25 Apr 2024 12:11:08 +0700

Segmentasi pasar adalah proses membagi pasar menjadi kelompok-kelompok pembeli yang homogen berdasarkan karakteristik tertentu. Segmentasi pasar penting bagi perusahaan untuk memahami kebutuhan dan perilaku konsumennya sehingga dapat mengembangkan strategi pemasaran yang lebih efektif. Penelitian ini membandingkan tiga metode clustering, yaitu K-Means Clustering, Affinity Propagation Clustering, dan Mini Batch K-Means, dalam konteks analisis segmentasi pasar. Data yang digunakan adalah dataset marketing_campaign.csv yang terdiri dari 29 kolom dan 2240 baris. Eksperimen dilakukan untuk mengevaluasi performa ketiga metode dengan menggunakan metrik siluet. Hasil eksperimen menunjukkan bahwa Affinity Propagation menghasilkan nilai silhouette tertinggi sebesar 0.5861, diikuti oleh K-Means dengan 0.4675, dan Mini Batch K-Means dengan 0.4659. Temuan ini mengindikasikan bahwa Affinity Propagation dapat menjadi pilihan yang baik untuk analisis segmentasi pasar pada dataset tersebut. Hasil perbandingan ini memberikan wawasan tentang keunggulan dan kelemahan masing-masing metode clustering, membantu pemilih dalam memilih pendekatan yang paling sesuai untuk tujuan analisis mereka. Studi ini memberikan kontribusi pada pemahaman praktis penerapan teknik clustering dalam konteks pemasaran.

Penerapan Fuzzy Tsukamoto untuk Sistem Prediksi Jumlah Produksi Roti Berbasis Web

Sri Nurhayati, Hani Irmayanti, Yusuf Rakha Wijaya — Thu, 25 Apr 2024 12:37:18 +0700

Penelitian ini bertujuan untuk membuat system yang akan memberikan informasi mengenai prediksi jumlah produksi untuk membantu pihak terkait dalam menentukan jumlah produksi, selain itu untuk melihat keakuratan dari penggunaan metode dalam memprediksi jumlah produksi. Kegiatan produksi merupakan serangkaian kegiatan yang dilakukan untuk menjadikan bahan mentah menjadi produk yang dapat dipasarkan dan dijual. Salah satu yang terlibat dari proses ini adalah jumlah bahan mentah yang akan di buat menjadi produk jadi. Diperlukan suatu proses perhitungan untuk meprediksi jumlah produk yang akan diproduksi untuk meminimalkan biaya produksi. Metode yang digunakan untuk proses Prediksi adalah metode Fuzzy Tsukamoto, dimana metode ini mengatasi ketidakpastian dan kompleksitas dalam pengambilan keputusan. Perhitungan kesalahan dalam meprediksi digunakan mean absolute percentage error (MAPE), dan untuk perancangan system digunakan pendekatan objek dengan menggunakan tools Unified Modeling Language (UML). Hasil dari penelitian menyatakan bahwa pengujian system bernilai 92 % artinya sistem sudah dapat digunakan sesuai dengan kebutuhan, dan untuk metode yang digunakan mendapatkan nilai error 10,62 % sehingga metode Fuzzy Tsukamoto dapat digunakan prediksi jumlah produksi.

Sistem Evaluasi Pada Aplikasi Akademik Menggunakan Metode Skala Likert Dan Algoritma Naïve Bayes

Sat, 27 Apr 2024 10:58:12 +0700

Politeknik Harapan Bersama Kota Tegal (Poltek Harber), merupakan salah satu instansi Pendidikan tingkat perguruan tinggi. Pada Poltek Harber terdapat berbagai bidang dalam menjalankan bagian tugasnya, salah satunya bidang Teknologi Informasi dan Komunikasi (TIK). Suatu instansi pasti memiliki sebuah sistem yang digunakan dalam memudahkan dan menjalankan tujuannya. Sebuah sistem atau aplikasi akademik yang digunakan oleh instansi yaitu Oase dan Syncnau. Dari adanya sistem tersebut tentusaja perlu sebuah tempat atau wadah untuk mengevaluasinya, mengetahui seberapa puas user pengguna yang sering menggunakan sistem tersebut, yang direalisasikan dalam bentuk web repository dan evaluasi. Web repository ini dirancang untuk digunakan untuk kuesioner untuk sistem akademik tersebut dan hasil evaluasi dengan menggunakan dua metode yaitu Metode Skala Likert dan Algoritma Naïve Bayes. Dari dua metode tersebut digunakan sebagai pilihan kuesioner dan text klasifikasi dari ulasan user yang telah mengisi kuesioner. Metode skala likert yang digunakan memakai empat tingkatan likert yaitu sangat setuju, setuju, tidak setuju dan sangat tidak setuju hasil dari metode skala likert susah sesuai, sedangkan untuk text klasifikasi dibuat menggunakan algoritma Naïve Bayes dari hasil build model tersebut mendapatkan tingkat kualitas persentase yang cukup tinggi yaitu 83,6 %, dan hasil testing dari model tersebut juga cukup memuaskan sehingga penggunaan text mining ini berguna dalam mengevaluasi sistem akademik instansi. Web Repository ini sudah dirancang dengan beberapa fitur dan telah diujikan ke beberapa responden dan mendapatkan performa yang cukup bagus. Hasil tersebut sudah dianalisis dengan metode tersebut dan hasil akhir dari evaluasi adalah tingkat persentase kepuasan sistem dan hasil komentar atau ulasan yang telah diklasifikasikan untuk memudahkan pengembang dalam mengembangkan sistem akademik kedepannya.

Peringkasan Teks Otomatis Abstraktif Menggunakan Transformer Pada Teks Bahasa Indonesia

Andika Bahari, Kania Evita Dewi — Sat, 27 Apr 2024 11:22:10 +0700

Peringkasan teks abstraktif digunakan untuk menghasilkan ringkasan yang mirip dengan ringkasan buatan manusia. Untuk mencapai kemampuan tersebut, biasanya diterapkan arsitektur deep learning yang bersifat recurrent, seperti RNN, LSTM, dan GRU. Pada penelitian sebelumnya yang membahas peringkasan teks abstraktif dalam bahasa Indonesia, model recurrent banyak digunakan dan terdapat masalah pada kohesi dan tata bahasa dari ringkasan yang dihasilkan oleh model, sehingga hal ini bisa berdampak terhadap performa. Saat ini, terdapat arsitektur yang lebih baru bernama Transformer yang mengandalkan mekanisme attention secara keseluruhan. Karena sifatnya yang tidak recurrent, Transformer mengatasi masalah ketergantungan terhadap deretan hidden state yang terjadi pada model recurrent dan bisa mempertahankan informasi pada seluruh input sequence. Dengan demikian, pada penelitian ini, penulis menggunakan Transformer untuk mengevaluasi seberapa baik Transformer dalam melakukan peringkasan teks abstraktif dalam bahasa Indonesia. Pelatihan dilakukan menggunakan pre-trained model T5 dengan dataset Indosum yang berisi sekitar 19 ribu pasangan berita dan ringkasan. Skor evaluasi paling tinggi yang berhasil dicapai adalah ROUGE-1 sebesar 0.61 dan ROUGE-2 sebesar 0.51.

Perancangan UI/UX Pada Prototipe Website Perusahaan Menggunakan Metode Design Sprint (Studi Kasus: PT. Real Media Lab)

Rosaline Theophilia Tayane; Firsta Angelia Islami; susi Marianingsih — Sat, 27 Apr 2024 21:01:56 +0700

Visibilitas online suatu perusahaan adalah hal yang cukup penting dalam era digital saat ini, terutama untuk mempromosikan produk dan menjangkau pelanggan lebih luas. Salah satu sarana untuk mewujudkannya adalah website perusahaan. Perancangan website sebagai media informasi, promosi dan komunikasi tanpa pengenalan dan pemahaman aspek psikologis akan menghasilkan sebuah sistem yang gagal. Membangun website dengan antar muka (user interface/UI) yang menarik akan menciptakan pengalaman pengguna (user experience/UX) yang baik. Untuk menghasilkan UI website yang baik diperlukan sebuah standar yang akan menjadi tolak ukur dalam perancangan sistem nyata, dalam hal ini adalah prototipe. Selain sebagai standar, prototipe bisa dijadikan sebagai alat pengujian kinerja sistem sebelum diterapkan. Metode yang digunakan dalam perancangan prototipe UI pada penelitian ini adalah metode design sprint. Pengumpulan data dilakukan dengan metode wawancara dan survey terhadap pemangku kepentingan (pimpinan perusahaan), pegawai, dan konsumen yang terlibat secara aktif dalam sistem di perusahaan untuk menggali kebutuhan dari pengguna. Berdasarkan kebutuhan pengguna maka dirancang prototipe website perusahaan. Pengujian prototipe meliputi pengujian usability, content, aesthetics, dan quality of information. Pengujian melibatkan 16 responden. Hasil pengujian menunjukan rata-rata 60% pengguna memberikan respon positif.

Atap Jemuran Cerdas Berbasis Arduino Dengan Sensor Hujan Dan Cahaya

Rizky Rizaldi Mastiyanto, Abdurrakhman Hamid Al-Azhari, Djuniadi Djuniadi — Sun, 28 Apr 2024 02:28:16 +0700

Sebuah prototipe atap jemuran cerdas berbasis Arduino dilengkapi dengan sensor hujan, sensor cahaya, dan servo motor guna otomatisasi respons terhadap perubahan cuaca. Sistem ini dirancang untuk menutup atap jemuran secara otomatis saat terdeteksi adanya hujan, sehingga dapat melindungi pakaian atau barang-barang yang digantung dari resiko kerusakan akibat terkena air hujan. Di samping itu, sensor cahaya berperan menyesuaikan posisi atap jemuran sesuai dengan tingkat intensitas cahaya di sekitar, sehingga dapat membuka lebar saat kondisi cerah untuk memaksimalkan proses pengeringan pakaian pada saat pencahayaan matahari memadai. Penerapan mikrokontroller Arduino memberikan fleksibilitas dalam hal pemrograman algoritma cerdas pada sistem, sedangkan motor servo bertugas menggerakkan atap jemuran secara presisi sesuai dengan masukan perintah yang dikirimkan oleh Arduino. Hasil pengujian prototipe menunjukkan kemampuannya dalam merespons perubahan kondisi lingkungan dan cuaca secara akurat, di mana sensor hujan akan memicu penutupan atap begitu terdeteksi adanya tetesan air atau hujan, sementara sensor cahaya akan mengatur tingkat bukaan atap untuk mengoptimalkan penjemuran ketika cahaya matahari cukup terik. Dengan solusi cerdas ini, efisiensi dan efektivitas pemanfaatan atap jemuran dapat ditingkatkan serta perlindungan pakaian dari paparan hujan dapat dijaga secara optimal

Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Random Forest Dan Decision Tree Dengan Evaluasi Confusion Matrix

Azel Fabian Azmi, Apriade Voutama — Sun, 28 Apr 2024 00:00:00 +0700

Dalam lanskap perbankan yang terus berkembang, customer churn menjadi tantangan yang signifikan, yang berdampak pada pendapatan dan reputasi. Penelitian ini mengeksplorasi efektivitas pengklasifikasi Random Forest dan Decision Tree dalam memprediksi churn bank. Memanfaatkan dataset yang bersumber dari Kaggle, yang berisi informasi mengenai 10.000 nasabah bank, penelitian ini menggunakan teknik preprocessing dan pemilihan fitur untuk menyaring data. Selanjutnya, dataset tersebut dibagi menjadi set pelatihan dan pengujian untuk evaluasi model. Model Random Forest dan Decision Tree dilatih dan dievaluasi menggunakan analisis Confusion matrix. Hasilnya menunjukkan bahwa Random Forest mengungguli Decision Tree, mencapai rata-rata precision yang lebih tinggi (79% vs 72%), recall (78% vs 72%), F1-score (78% vs 72%), dan accuracy (78% vs 72%). Penelitian ini menyoroti keampuhan Random Forest dalam memprediksi churn nasabah secara akurat, sehingga memberikan wawasan yang berharga bagi bank dalam menerapkan strategi retensi nasabah yang efektif. Penelitian ini berkontribusi dalam memajukan analisis prediktif di sektor perbankan, memberdayakan institusi untuk mengurangi churn dan meningkatkan kepuasan pelanggan.