Article Per Year (5 Year)
p-Index From 2019 - 2024
5.336
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Faktor Exacta Conference on Innovation and Application of Science and Technology (CIASTECH) Petir Jurnal Telematika Progresif: Jurnal Ilmiah Komputer Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Computer Science and Information Technologies Scientific Student Journal for Information, Technology and Science Jurnal Buana Pengabdian Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal)
Siregar, Amril Mutoi
Teknik Informatika, Universitas Buana Perjuangan Karawang
Religion Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Faktor Exacta

 1 
Prediksi Analisis Penderita Covid19 di Indonesia dengan Metode Linier Regresi dan Unsupervised Learning Yana Cahyana; Amril Mutoi Siregar
Faktor Exacta Vol 14, No 3 (2021)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v14i3.10591

Abstract

Penyakit Covid-19 sekarang ini telah dinyatakan penyeakit pandemic, karena tingkat penyebaran dan resiko yang ditimbulkan sangat berbahaya. Berbagai langkah seperti program awareness, social distancing, dan contact tracing telah dilakukan untuk mengendalikan wabah COVID-19. Jika tidak ada vaksin, prediksi kasus yang dikonfirmasi, meninggal, dan pulih diperlukan untuk meningkatkan kapasitas sistem perawatan kesehatan dan mengendalikan penularan. Dalam studi ini, kasus kumulatif dan harian dikonfirmasi, meninggal, dan pulih di Indonesia. Analisisa tidak mempertimbangkan perubahan apa pun dalam tindakan pengendalian pemerintah. Informasi dari studi ini dapat memberikan informasi yang relevan kepada pemerintah dan pejabat Kesehatan dan masyarakat. Bagaimana tingkat kesembuhan terhadap terkonfirmasi, tingkat kematian terhadap jumlah penderita. Penelitian ini menggunakan model regresi dan clustering dengan K-means, menggunakan unsupervised learning dan supervised learning untuk membangun distribusi model. Hasil penelitian ini dengan metode regresi dengan R2 = 0.99 sedangkan untuk clustering denga K= interval 10 - 15 dilihat dari hasil metode elbow
Klasifikasi Kab Kota Provinsi Jawa Barat Berdasarkan Pendapatan Dari Sektor Pertanian Dengan Algoritma Decision Tree Amril Mutoi Siregar; Ahmad Fauzi
Faktor Exacta Vol 13, No 1 (2020)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v13i1.5542

Abstract

The welfare level of rural communities, especially the province of West Java, especially those living away from the cities, can not be separated from the primary revenue is in the agriculture sector. The agricultural industry covers many industries and still many lives under the poverty line. Because facilities and financing are still minimal from the local government. Given the root of the problem is that almost all villages in the city district do not have the correct data, accurate and precise about the condition of the issues and potential of the village-owned. This research is expected to be the wrong way to know the future development opportunities by analyzing the revenue data from the agriculture sector to better decision making. And this data processing technique can be implanted for the local government to measure the success of its agriculture. The selection of features in this study is to use the Decision Tree algorithm to classify data automatically. After this research, the Accuracy of 90% obtained.Keywords: DataMining, classification, Decision Tree, agriculture
Analisis Sentimen Pindah Ibu Kota Negara (IKN) Baru pada Twitter Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM) Amril Mutoi Siregar
Faktor Exacta Vol 16, No 3 (2023)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v16i3.16703

Abstract

Pemindahan Ibu Kota Negara (IKN) Indonesia merupakan salah satu topik yang sedang menjadi sorotan bahkan trending topik di Twitter, sehingga menimbulkan pro kontra bagi masyarakat. Topik tersebut sudah menjadi sumber perdebatan bagi pengguna Twitter. Untuk mengetahui para pengguna twitter dalam mengemukakan pendapatnya dapat dilakukan dengan cara analisis sentimen, dimana cara tersebut memisahkan opini berdasarkan positif dan negatif. Pada analisis sentimen, metode yang digunakan biasanya menggunakan Naïve Bayes dan Support Vector Machine (SVM). Dengan dilakukannya analisa sentimen pada pemindahan IKN Indonesia dengan menggunakan dua metode algoritma yaitu Naïve Bayes dan SVM, maka permasalahan yang menjadi kontroversi dapat diketahui, sehingga dapat menjadi bahan evaluasi untuk kepentingan lainnya. Selain itu juga dengan penggunaan dua metode algoritma tersebut diharapkan dapat diketahui metode algoritma mana yang dapat menunjukkan tingkat akurasi yang tepat. Berlandaskan uraian tersebut, maka penelitian kali ini perlu memberikan kontribusi baru dalam mengalisis sentimen IKN Indonesia dengan menggunakan dua metode yang berbeda, sehingga penelitian berbeda dari penelitian-penelitian terdahulu. Penelitian ini bertujuan untuk menganalisis dan mengetahui sentimen masyarakat Indonesia terhadap pemindahan IKN melalui cuitan pada aplikasi Twitter. Untuk melakukan analisis sentimen tersebut, peneliti menggunakan dataset dari Twitter guna mengetahui perbandingan keakurasian diantara dua metode yang digunakan yaitu Naïve Bayes untuk mengkategorikan cuitan kedalam 2 kategori yaitu cuitan positif dan negatif, kemudian dibandingkan dengan metode SVM. Penelitian dilaksanakan sebagai pendukung informasi yang akurat kepada masyarakat terhadap Ibu Kota Negara. Metode penelitian yang digunakan yaitu klasifikasi Naïve Bayes dan klasifikasi SVM dengan dukungan tools Rapidminer. Hasil analisis sentimen dengan algoritma Naïve Bayes menghasilkan akurasi 86.94% memiliki nilai presisi rata-rata 96.24%, dan nilai recall 86.66%. Sedangkan hasil analisis dengan algoritma SVM menghasilkan nilai akurasi sejumlah 90.81%. Hasil analisis sentimen penelitian ini memiliki nilai presisi rata-rata sebesar 90.12%, dan nilai recall sebesar 99.12%.
Co-Authors Abdul Mufti Ahmad Fauzi Ahmad Fauzi Alma Hidayanti Andri Juliyanto Anton Romadoni Junior Deden Wahiddin Dwi Sulistya Kusumaningrum Dwi Sulistya Kusumaningrum Dwi Vina Wijaya Farkhina Dwi Utari Fitri Nur Masruriyah, Anis Hanny Hikmayanti Hanny Hikmayanti H Hanny Hikmayanti Handayani Indi Nurul Hassanah Indra, Jamaludin Jaman, Jajam Haerul Juwita, Ayu Ratna Lestari, Santi Arum Puspita Lutfiah Adeliana Maulana Abdur Rofik Mulya Cahya Ramadanty Murniasih Nahrowi Nahrowi Nahrowi Nofita Sari Nursela Basuni Permana, Tedi Priyatna, Bayu Rahmad Nahar Siregar Rizqi Fahrozi Santi Arum Puspita Lestari Sekar Wuni Sinta Candra Dewi Sinung Suakanto SITI NURJANAH Siti Silvia Arifin Sony Hartono Wijaya Sony Hartono Wijaya Sutan Faisal Sutan Faisal Sutan Faisal Tia Astiyah Hasan Tjong Wan Sen Tjong Wan Sen Tohirin Al Mudzakir Tohirin Al Mudzakir Tria Pratiwi Sutriyani Tukino Tukino Wilda Amalia Y Aris Purwanto Yana Cahyana Yana Cahyana Cahyana Yholanda Maldini Yogi Firman Alfiansyah Yusuf Khoiruddin