Journal-Technology of Computer

Klasifikasi Sentimen Komentar Debat Calon Presiden 2024 Di Youtube Dengan Algoritma K-Nearest Neighbors

guswita helmi — 2024-10-21

Dalam penelitian ini, metode K-Nearest Neighbor (KNN) digunakan untuk menganalisis sentimen terhadap berbagai topik yang menjadi perhatian publik di Indonesia. Dengan menggunakan data dari berbagai platform media sosial, terutama Twitter dan YouTube, studi ini menganalisis sentimen tentang kebijakan pemerintah, masalah sosial, dan layanan publik. Untuk menerapkan metode KNN, ada beberapa modifikasi dalam proses preprocessing data yang dilakukan, seperti pembobotan TF-IDF dan penggunaan algoritma jarak Levenshtein untuk meningkatkan akurasi. Hasil penelitian menunjukkan bahwa teknik KNN efektif dalam mengklasifikasikan sentimen masyarakat terhadap berbagai masalah. Ini termasuk penerapan sistem ganjil-genap, penghapusan ujian nasional, dan kualitas layanan internet. Selain itu, penelitian ini menghadapi masalah dalam menangani kelas data yang tidak seimbang; untuk mengatasi masalah ini, metode khusus diperlukan untuk meningkatkan efektivitas analisis sentimen.

KLASIFIKASI PRODUK BERDASARKAN JUMLAH TRANSAKSI PEMBAYARAN DI EDU POS SMKN 2 PADANG

Mutia Nurdina Wati — 2024-08-01

Penelitian ini bertujuan untuk mengklasifikasikan produk berdasarkan jumlah transaksi pembayaran di Edu Pos SMKN 2 Padang. Edu Pos adalah layanan yang memfasilitasi pembayaran berbagai tagihan, dan penelitian ini menggunakan metode K-Nearest Neighbor (KNN) untuk mengelompokkan pelanggan menjadi pelanggan rutin dan sporadis berdasarkan data transaksi selama periode Januari hingga Desember 2023. Proses data mining meliputi tahapan data selection, preprocessing, transformasi data, dan normalisasi. Hasil analisis menunjukkan bahwa metode KNN berhasil mengklasifikasikan data dengan akurasi sebesar 90,28%. Hasil klasifikasi menunjukkan bahwa produk yang paling sering dibayar adalah PDAM Kota Padang dan PLN Postpaid, sementara produk yang jarang dibayar adalah pengisian ShopeePay, GoPay, dan pulsa. Temuan ini memberikan wawasan baru untuk meningkatkan layanan dan pengambilan keputusan di Edu Pos SMKN 2 Padang. Penelitian selanjutnya disarankan untuk menggabungkan dua metode algoritma data mining untuk hasil yang lebih variatif dan bernilai informasi tinggi.

Algoritma Multi Layer Perceptron sebagai Prediksi Kelulusan Mahasiswa Universitas Adzkia Tepat Waktu berdasarkan jenis kelamin, Indeks Prestasi Semester, dan Jumlah SKS

Deryla Mardinah — 2024-08-01

Dalam proses akreditasi perguruan tinggi, kelulusan akademik mahasiswa digunakan sebagai kriteria penilaian. Data kelulusan siswa yang tersimpan dapat digunakan untuk membuat prediksi di masa depan. Prediksi dapat diukur dengan menggunakan AI untuk menghasilkan prediksi yang akurat berdasarkan data siswa selama enam semester, yaitu gender, IPS1-6, dan SKS1-6. Untuk memprediksi status kelulusan siswa, penelitian ini menggunakan Jaringan Syaraf Tiruan Multi-Layer Perceptron (JST MLP). Digunakan sebagai predikator, fitur terdiri dari tiga belas atribut. Nilai biner satu menunjukkan lulus tepat waktu dan 0 menunjukkan tidak lulus tepat waktu dalam kelas target. JST MLP yang diusulkan terdiri dari tiga lapisan: lapisan masukan yang terdiri dari tiga belas neuron, lapisan tersembunyi yang terdiri dari dua belas neuron, dan lapisan keluaran yang terdiri dari satu neuron. Aplikasi yang digunakan melalui Python Google Colab. Sebanyak 100 pochs digunakan untuk memberikan instruksi. Hasilnya mencakup bobot untuk setiap neuron dalam MLP. Nilai metrik akurasi model sebesar 95% menunjukkan bahwa prediksi memiliki tingkat akurasi yang baik.