Claim Missing Document
Check
Articles

Found 12 Documents
Search

Penggunaan Wi-Fi Direct Untuk Aplikasi Presensi dan Distribusi File Fikry Al Farisi Muslim; Yudi Wibisono; Yaya Wihardi
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 1 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i1.33207

Abstract

Presensi merupakan kehadiran seseorang di suatu tempat untuk memenuhi kewajibannya. Penelitian ini bertujuan untuk membantu proses presensi dalam kegiatan perkuliahan dengan mengembangkan sebuah aplikasi. Aplikasi ini juga dapat menghemat waktu dalam distribusi file. Aplikasi presensi dan distribusi file yang dibuat berbasis Android dan digunakan pada perangkat mobile smartphone yang memanfaatkan teknologi Wi-Fi Direct. Dosen akan memegang kendali aplikasi ini dan mahasiswa sebagai seseorang yang di catat kehadirannya. Pengujian dilakukan oleh pengguna secara langsung dan menghasilkan respon berupa tanggapan yang dikategorikan dengan metode rating scale. Hasil analisis data respon pengguna terhadap aplikasi menghasilkan penilaian sebesar 83%, sehingga aplikasi yang dibuat termasuk dalam kategori sangat baik dan cocok untuk membantu dalam melakukan presensi dan distribusi file
Implementasi Multinomial Naive Bayes Untuk Klasifikasi Ujaran Kebencian Pada Dataset Kicauan (Twitter) Bahasa Indonesia Umar Syahid Aulia Rahman; Yudi Wibisono; Eddy Prasetyo Nugroho
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.28231

Abstract

Pada paper ini kami membahas klasifikasi ujaran kebencian pada data kicauan (Twitter) dalam bahasa Indonesia dimana pada penelitian ini kami membangun dataset ujaran kebencian pada kicauan bahasa Indonesia dan melakukan pengklasifikasian dengan mengimplementasikan algoritma Multinomial Naive Bayes dengan menggunakan ekstraksi fitur term frequency – inverse document frequency (TF-IDF). Pada penelitian kami melakukan beberapa konfigurasi dalam modifikasi data training untuk mengatasi imbalanced dataset yaitu dengan menggunakan metode random oversampling dan random undersampling. Dari eksperimen tersebut kami melakukan evaluasi menggunakan confusion matrix dan didapatkan hasil implementasi metode Multinomial Naive Bayes dengan modifikasi data training menggunakan random oversampling dengan rasio data testing 10% memiliki hasil yang paling bagus dengan fmeasure sebesar 0.5307.