Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika Jurnal Ilmu Komputer dan Bisnis
Pontoh, Fransisca Joanet
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Sentimen Twitter Pasca Pengumuman Hasil Pilpres 2019 Menggunakan Metode Lexicon Analysis Nababan, Adi Pandu Rahmat; Lumenta, Arie Salmon Matius; Rindengan, Yaulie Deo; Pontoh, Fransisca Joanet; Akay, Yuri Vanli
Jurnal Teknik Informatika Vol 15, No 1 (2020): JURNAL TEKNIK INFORMATIKA
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35793/jti.15.1.2020.29030

Abstract

Perkembangan yang cepat dalam bidang teknologi informasi menjadi sebuah paradigma baru. Twitter salah satu produk teknologi yang memungkinkan pengguna menyampaikan informasi peristiwa dari dunia nyata ke media sosial sehingga dapat diketahui khalayak luas lewat media internet. Salah satu peristiwa menarik adalah pengumuman hasil Pilpres oleh KPU pada tanggal 21 Mei 2019. Banyak kicauan di twitter menjadi trending topik yang berhubungan dengan kejadian tersebut. Karena itu pada penelitian ini akan dilakukan penarikan data tweet, kemudian menganalisis data dengan metode lexicon analysis. Lalu menampilkan data yang telah dianalisis. Pada penelitian ini terdapat 21 hashtag trending topik yang ditarik. Selanjutnya data tweet melalui tahap preprosesing yaitu tokenizing, normalisasi kata, filtering dan stemming. Data dianalisis menggunakan metode lexicon analisis dan dukungan kamus lexicon dan dijalankan dalam bahasa R untuk menentukan sentimen positif, negatif dan netral. Dari hasil penelitian sentimen positif   tertinggi  pada hashtag #JokowiAminSudahMenang sebanyak 54%. Sentimen negatif   tertinggi    pada   hashtag    #PrabowoBukanPemimpin sebanyak 51%, serta sentimen netral tertinggi terdapat pada #98jagademokrasi sebanyak 72%. Lexicon analysis dapat mengklasifikasikan data tweet dalam tiga kelas yaitu positif, negatif dan netral. Dan tingkat akurasi analisis sangat ditentukan oleh banyaknya jumlah kata pada kamus lexicon.
Teknik Pengenalan Pembuluh Darah Punggung Tangan Berbasis Fitur Local Binary Pattern Pontoh, Fransisca Joanet; Kainde, Henry V.F.; Akay, Yuri Vanli
Jurnal Ilmu Komputer dan Bisnis Vol. 12 No. 2a (2021): Vol. 12 No. 2a Special Issue (2021)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v12i2a.221

Abstract

Teknologi biometrik untuk mengidentifikasi dan mengenal karakteristik bagian tubuh manusia yang unik dan tetap sudah banyak dilakukan. Teknik ini menjadi bagian dari sistem keamanan di berbagai bidang seperti sidik jari, palm print, wajah, dan iris. Tetapi semua teknik ini masih memiliki keterbatasan. Vena punggung tangan merupakan salah satu bagian dari sistem biometrik populer yang memiliki karakteristik tekstur yang berbeda pada setiap individu yang terletak di dalam tubuh sehingga sulit untuk ditempa ataupun dipalsukan, higienis dan nyaman. Metode yang digunakan adalah experimental atau berbasis pada eksperimen yang bersifat analisis. Tahapan rancangan yang dibangun meliputi input data citra, ekstraksi fitur, pencocokan dan pengenalan citra vena punggung tangan. Data yang digunakan dalam penelitian ini berupa citra punggung tangan tangan kiri dan kanan. Pengambilan gambar dilakukan menggunakan sebuah webcam yang telah dimodifikasi sehingga menangkap citra NIR. Hasil dari penelitian ini menghasilkan metode yang diusulkan dapat melakukan ekstraksi fitur pada citra pembuluh darah punggung tangan dengan akurasi maksimal mencapai 90% dan waktu komputasi selama 36.0 detik.
Co-Authors Kainde, Henry V.F. Lumenta, Arie Salmon Matius Nababan, Adi Pandu Rahmat Rindengan, Yaulie Deo Yuri Vanli Akay