Articles
<![CDATA[Analisis Algoritma Naive Bayes Classifier untuk Klasifikasi Tweet Pelecehan Seksual dengan #MeToo ]]>
<![CDATA[Tia Adha Mariam Putri]]>;
<![CDATA[Ultach Enri]]>;
<![CDATA[Betha Nurina Sari]]>
<![CDATA[ IJCIT (Indonesian Journal on Computer and Information Technology) Vol 5, No 2 (2020): November 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (861.045 KB)
|
DOI: 10.31294/ijcit.v5i2.8636
<![CDATA[Pelecehan seksual adalah perilaku yang ditandai oleh ketika seseorang membuat komentar seksual yang tidak diinginkan dan tidak pantas atau menyentuh secara fisik di tempat kerja atau situasi profesional atau situasi sosial. Permasalahan terhadap tweets yang mengandung curhatan para korban pelecehan seksual menjadi hal penting untuk dikaji sebagai pemrosesan teks. Analisis sentimen dapat digunakan sebagai solusi untuk mengidentifikasi tweets pelecehan seksual berdasarkan jenisnya dengan metode klasifikasi menggunakan algoritma Naïve Bayes Classifier. Naïve Bayes Classifier menggunakan metode probabilitas dan statistik setiap kelas dalam pembelajaran klasifikasinya, sehingga jarak perbedaan antar kelas tidak besar. Tujuan penelitian ini yaitu untuk mengklasifikasikan data tweets berdasarkan kelas quid pro quo dan hostile work environment. Pengujian pada penelitian ini dilakukan dengan empat skenario yang berbeda menggunakan bahasa pemrograman R dan tools RStudio yang kemudian dievaluasi menggunakan confusion matrix untuk menentukan model klasifikasi terbaik. Hasil evaluasi dengan confusion matrix didapatkan bahwa model klasifikasi terbaik adalah skenario dengan pembagian data training dan data testing 80:20. Skenario ini menghasilkan nilai akurasi sebesar 88.55% dengan recall 96.50%, precision 90.78%, dan f-measure 93.55%.Sexual harassment is behavior that is characterized by when someone makes an unwanted and inappropriate sexual comment or physical advances at work or a professional or social situation. The issue of tweets containing the experience of victims of sexual harassment becomes important to be examined as text processing. Sentiment analysis can be used as a solution to identify sexual harassment tweets by type by classification method using the Naïve Bayes Classifier algorithm. Naïve Bayes Classifier uses the probability and statistical methods of each class in its classification learning, so that the difference between classes is not large. The purpose of this study is to classify tweets data based on quid pro quo and hostile work environment classes. Testing in this study was carried out with four different scenarios using the R programming language and RStudio tools which were then evaluated using a confusion matrix to determine the best classification model. The results of the evaluation with the confusion matrix found that the best classification model is a scenario with the distribution of training data and testing data 70:30. This scenario produces an accuracy value of 88.55% with a recall 96.50%, precision 90.78%, and f-measure 93.55%.]]>
<![CDATA[Sistem Pendukung Keputusan Rekomendasi Topik Skripsi Menggunakan Naïve Bayes Classifier ]]>
<![CDATA[Farid Farid]]>;
<![CDATA[Ultach Enri]]>;
<![CDATA[Yuyun Umaidah]]>
<![CDATA[ JOINTECS (Journal of Information Technology and Computer Science) Vol 6, No 1 (2021) ]]>
Publisher : <![CDATA[Universitas Widyagama Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31328/jointecs.v6i1.2076
<![CDATA[Setiap mahasiswa dituntut untuk melakukan kewajiban, salah satunya berupa penelitian. Sebagai wujud nyata proses akhir menuju sarjana setiap mahasiswa diharuskan membuat artikel ilmiah dalam bentuk buku yang diberi nama skripsi. Selama ini proses menentukan topik skripsi mahasiswa dilakukan secara manual, baik pembimbing skripsi yang memberi masukan atau ide diperoleh dari berbagai makalah penelitian. Dan proses penentuan topik skripsi tanpa menggunakan sistem terkomputerisasi. Maka dari itu peneliti membuat penelitian ini agar dapat membantu Mahasiswa dalam menentukan topik skripsi yang sesuai dengan kompetensi Mahasiswa. Metode penelitian ini menggunakan metode pengembangan data mining dan perangkat lunak dengan menerapkan algoritma Naïve Bayes Classifier ke sistem berbasis website. Hasil dari penelitian ini adalah sistem pendukung keputusan yang dapat memberikan rekomendasi topik skripsi berdasarkan data nilai mata kuliah pilihan. Nilai accuracy model terbaik yang diimplementasikan pada sistem ini adalah sebesar 69,27%. Nilai akurasi kurang baik karena jumlah data yang tidak seimbang pada setiap kategori topik skripsi.]]>
<![CDATA[ANALYSIS OF KARAWANG ONLINE SALES CUSTOMER SATISFACTION USING CUSTOMER SATISFACTION INDEX (CSI) METHOD ]]>
<![CDATA[Hannie Hannie]]>;
<![CDATA[Ultach Enri]]>;
<![CDATA[Yuyun Umaidah]]>
<![CDATA[ Jurnal Pilar Nusa Mandiri Vol 16 No 1 (2020): Publishing Period for March 2020 ]]>
Publisher : <![CDATA[LPPM Universitas Nusa Mandiri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1038.308 KB)
|
DOI: 10.33480/pilar.v16i1.1111
<![CDATA[Karawang is one of the industrial cities. Most industry players look at Karawang as a strategic city to run a business. Many products have been produced from Karawang. However, there are lack in promoting, marketing the product and expanding the marketing area. The analysis of consumer satisfaction in Karawang is to determine the satisfaction of Karawang consumers to the prospects of promising online sales. Service attributes can be included in increasing online sales at Karawang using the Customer Satisfaction Index (CSI) method. The result of the Customer Satisfaction Index (CSI) is 78.43% which means that overall consumers who live in Karawang and have been shopped online are satisfied with the development of online shopping. This research was conducted in Karawang. The data used are primary data and secondary data. The sampling method is a non-probability sampling method, while the non-probability sampling method used sampling purposes.]]>
<![CDATA[GOVERNMENT POLICIES MODELING IN CONTROLLING INDONESIA'S COVID-19 CASES USING DATA MINING ]]>
<![CDATA[Ultach Enri]]>;
<![CDATA[Eka Puspita Sari]]>
<![CDATA[ Jurnal Pilar Nusa Mandiri Vol 17 No 1 (2021): Publishing Period for March 2021 ]]>
Publisher : <![CDATA[LPPM Universitas Nusa Mandiri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33480/pilar.v17i1.2206
<![CDATA[Since the positive case of covid-19 in Indonesia, the government has taken several policies with the purpose of controlling the spread of the covid-19 virus, which has been regulated in Government Regulation No. 21 of 2020. The purpose of research is to obtain a model of government policy in controlling cases of covid by using data mining classification techniques, and obtain attributes that have the greatest weight, as well as look at the impact of policies that have been carried out by the government on the cases of covid-19 in Indonesia. The methodology used in the research is Knowledge Discovery In Database (KDD). Based on the research that has been done, it can be concluded that the policies that have been done by the government in controlling cases of covid-19 can be said to be successful, the C4.5 algorithm is the algorithm that gives the best results compared to the Deep Learning algorithm, as well as the attribute that has the greatest weight is cancel public events. Secondary data will be used in this research.]]>
<![CDATA[PREDICTION OF PUBLIC SERVICE SATISFACTION USING C4.5 AND NAÏVE BAYES ALGORITHM ]]>
<![CDATA[Yuyun Umaidah]]>;
<![CDATA[Ultach Enri]]>
<![CDATA[ Jurnal Pilar Nusa Mandiri Vol 17 No 2 (2021): Publishing Period for September 2021 ]]>
Publisher : <![CDATA[LPPM Universitas Nusa Mandiri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33480/pilar.v17i2.2403
<![CDATA[One of the things that has often been questioned lately is in the field of public services, especially in terms of the quality or service quality of government agencies to the community, the Manpower and Transmigration Office of Kab. Karawang is a government agency in charge of public services. where one of the tasks is to make an AK.1 card (yellow card), based on this problem the Manpower and Transmigration Office of Kab. Karawang Regency. Karawang seeks to improve service quality in order to satisfy consumers by distributing questionnaires to every consumer who is making an AK card.1. In this study, we will apply the C4.5 and Naïve Bayes algorithms to predict the satisfaction of public services with the nominal type of dataset used. The evaluation is done based on a comparison of the level of accuracy, precision, recall, and F-Measure using a confusion matrix. From the research that has been carried out, the Naïve Bayes algorithm with 70% training data distribution and 30% testing is able to provide better predictive results than the C4.5 algorithm as evidenced by the accuracy value = 96.89%, precision = 95.50%, recall = 95.00% and f-measure = 94.60%.]]>
<![CDATA[Sistem Pakar Diagnosis Penyakit Karies Gigi pada Anak Usia Dini Menggunakan Metode Forward Chaining ]]>
<![CDATA[Heni Anggraeni]]>;
<![CDATA[Ultach Enri]]>;
<![CDATA[Tesa Nur Padilah]]>
<![CDATA[ Reslaj : Religion Education Social Laa Roiba Journal Vol 4 No 5 (2022): RESLAJ: Religion Education Social Laa Roiba Journal ]]>
Publisher : <![CDATA[LPPM Institut Nasional Laa Roiba Bogor ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1892.291 KB)
|
DOI: 10.47467/reslaj.v4i5.1063
<![CDATA[Dental caries is very common in Indonesian people. 56% of Indonesian people have problems with their teeth, this research started from problems that exist in the Indonesian community so that the idea emerged to create an expert system that can educate the public about dental diseases, especially dental caries. This research was conducted by building an information system regarding dental caries disease information and in it there is an expert system that can be used for consultation. The user system was built using the Forward Chaining method. The Forward Chaining method serves to look for uncertain rules based on the symptoms that arise in people who suffer from dental caries. This the results can be known whether the community suffers from dental caries disease or not. The results of the system testing carried out by the white and black box methods obtained system suitability based on the design requirements through the UML Diagram. Keywords: Forward Chaining, Dental Caries, System Expert]]>
<![CDATA[Klasifikasi Berita Clickbait Menggunakan K-Nearest Neighbor (KNN) ]]>
<![CDATA[Riska Sagita]]>;
<![CDATA[Ultach Enri]]>;
<![CDATA[Aji Primajaya]]>
<![CDATA[ JOINS (Journal of Information System) Vol 5, No 2 (2020): Edisi November 2020 ]]>
Publisher : <![CDATA[Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (2122.406 KB)
|
DOI: 10.33633/joins.v5i2.3705
<![CDATA[Clickbait menjadi salah satu cara untuk mencari uang dengan meningkatkan traffic pengunjung dan pengunjung. Praktik clickbait pada saat ini sudah merambah pada dunia jurnalistik sedangkan sistem berita media online berbeda dengan media cetak. Sama halnya dengan media online lainnya, clickbait ini memberikan pengaruh besar terhadap penyedia berita karena rasa keingintahuan dari para pembaca dan sulitnya para pembaca memilih berita clickbait atau bukan clickbait. Praktik clickbait ini sendiri sangat di andalkan oleh penyedia situs berita yang menggunakan judul-judul yang menjebak untuk menarik para pembaca. Berdasarkan masalah tersebut dilakukan penelitian untuk mengklasifikasikan berita clickbait menggunakan metode K-Nearest Neighbors (K-NN).Dari hasil penelitian yang dilakukan, diperoleh hasil terbaik pada jumlah k = 11 dengan menggunakan skenario 1 pada data pembagian dengan jumlah data sebanyak 800 data dan 200 data uji yang menghasilkan akurasi sebesar 71%, ketepatan 72%, dan ingat 71%. Hal ini menunjukkan bahwa klasifikasi berita clickbait dapat di klasifikasikan menggunakan K-Nearest Neighbor.]]>
<![CDATA[Naïve Bayes Klasifikasi untuk Rekomendasi Strategi Promosi Tindakan pada Aesthetic Dental Clinic Karawang ]]>
<![CDATA[Dwiarti Rahma Utami]]>;
<![CDATA[Adi Kurniawan]]>;
<![CDATA[Ultach Enri]]>
<![CDATA[ J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 5, No 2 (2021): EDISI SEPTEMBER ]]>
Publisher : <![CDATA[STIKOM Tunas Bangsa Pematangsiantar ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30645/j-sakti.v5i2.360
<![CDATA[Aesthetic Dental Clinic is one of clinic in Karawang. To keep old patients and attract new patients visiting Aesthetic Dental Clinic, it is necessary to develop a new marketing strategy in promotion. The metodh of data mining classification can be used to help determine promotional strategies to attract customers. The Naïve Bayes algorithm can be helpful to predict customer interest based on promos given by the ADC Clinic (Aesthetic Dental Clinic). The Naïve Bayes algorithm is a data mining classification algorithm that can be used to support an effective and efficient promotion strategy. The result of this research is the application of the data mining algorithm, namely Naïve Bayes, which can provide important information such as prediction results in an effort to attract customer interest. The data used in this study is customer data from October 2020 - November 2020. The accuracy value generated by Naïve Bayes using Rapid Miner was 31.74% and the result of kappa value was 0.183. With the accuracy value obtained, it is hoped that it can help to support promotional strategies that have an impact on the effectiveness and efficiency of promotions and can increase the number of new customers.]]>
<![CDATA[Analisis Perkembangan Bisnis Online Mahasiswa Karawang Menggunakan Metode Customer Satisfaction Index (CSI) ]]>
<![CDATA[Hannie Hannie]]>;
<![CDATA[Dini Sri Istiningdias]]>;
<![CDATA[Ultach Enri]]>
<![CDATA[ RESEARCH : Journal of Computer, Information System & Technology Management Vol 4, No 1 (2021) ]]>
Publisher : <![CDATA[UNIVERSITAS PGRI MADIUN ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.25273/research.v4i1.7826
<![CDATA[Saat ini banyak mahasiswa melakukan usaha bisnis pada masa perkuliahan. Masa kuliah adalah masa yang tepat bagi mahasiswa untuk memulai usaha bisnis karena mahasiswa dapat belajar langsung menghadapi tantangan dunia kerja. Berbekal kreativitas, peluang dan keberanian dalam mengambil resiko maka mahasiswa dapat melakukan usaha bisnis online untuk memasarkan produknya lebih luas. Analisis yang dilakukan pada penelitian ini bertujuan untuk mengukur perkembangan bisnis online di kalangan mahasiswa Universitas Singaperbangsa Karawang. Atribut pelayanan jasa dapat dijadikan masukkan dalam meningkatkan bisnis online mahasiswa dengan menggunakan metode Customer Satisfaction Index (CSI). Penelitian dilakukan di Universitas Singaperbangsa Karawang. Data penelitian diperoleh dari kuesioner yang dibagikan secara online menggunakan Google Form. Metode pengambilan sample yang digunakan yaitu metode nonprobability sampling dengan jenis purposive sampling, dimana teknik penentuan sampel berdasarkan kriteria yaitu mahasiswa Universitas Singaperbangsa Karawang dan mempunyai usaha bisnis. Uji pengolahan data menggunakan Uji Validitas dan Uji Realibilitas. Perhitungan Customer Satisfaction Index menunjukkan hasil sebesar 74,49 %. Hasil tingkat kepuasan diantara 66 % - 80 % menunjukkan bahwa mahasiswa puas dengan perkembangan bisnis online.]]>
<![CDATA[Sistem Pendukung Keputusan Penentuan Dosen Pembimbing Magang Dengan Menggunakan Metode Ahp Rating Mode ]]>
<![CDATA[Bayu Laksono Wahyu Arminsyah]]>;
<![CDATA[Kamal Prihandani]]>;
<![CDATA[Ultach Enri]]>
<![CDATA[ INTECOMS: Journal of Information Technology and Computer Science Vol 4 No 2 (2021): INTECOMS: Journal of Information Technology and Computer Science ]]>
Publisher : <![CDATA[Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31539/intecoms.v4i2.2661
<![CDATA[Pada saat ini penentuan dosen pembimbing magang di FASILKOM UNSIKA masih dilaksanakan secara manual, tentu saja hal ini kurang efisien dan efektif serta mempunyai kemungkinan human error. Penentuan dosen pembimbing magang juga tidak mudah karena harus mempertimbangkan juga antara tema/topik magang mahasiswa dengan kemampuan dosen. Tujuan penelitian ini adalah untuk mengimplementasikan metode AHP rating mode untuk membantu menentukan dosen pembimbing magang. Metode penelitian yang digunakan adalah model waterfall dari SDLC, yang terdiri dari analisis kebutuhan, desain, pengkodean, pengujian dan pemeliharaan. Sistem pendukung keputusan akan dirancang berbasis web dengan menggunakan bahasa pemrograman PHP dan dengan DBMS MySQL. Berdasarkan hasil dari pengujian terhadap sistem oleh tim magang FASILKOM UNSIKA dapat disimpulkan bahwa sistem pendukung keputusan ini dibutuhkan dan membantu dalam menentukan dosen pembimbing magang di FASILKOM UNSIKA.]]>
