Garuda - Garba Rujukan Digital

ANALISIS KLASIFIKASI SENTIMEN PENGGUNA MEDIA SOSIAL TWITTER TERHADAP PENUNDAAN PEMILU PRESIDEN TAHUN 2024 Jimmy; Eni Heni Hermaliani; Laela Kurniawati
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 4 No. 2 (2023): Jurnal Indonesia : Manajemen Informatika dan Komunikasi (JIMIK)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) AMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v4i2.243

The discourse of postponing the 2024 election and extending the term of office of the president has stimulated sentiment in some regions in Indonesia. The discourse has implications for the extension of the president's term of office which is considered unconstitutional. The issue of postponing the election is clearly not the aspiration of the people, but only the interests of political passion and lust among the rulers who want to perpetuate power so that it is considered to violate and insult the constitution which stipulates that elections are held every five years. This study aims to determine how to analyze the sentiment of postponement the 2024 election on comments from the Indonesian people on Twitter or called tweets. The number of comments that will be used in the study is 1826 consisting of 710 positive sentiments and 1116 negative sentiments. The research method used is the Cross-Industry Standard Process for Data Mining (CRISP-DM) method. With this method, the stages of research carried out are data collection, business understanding, data understanding, data preprocessing, data labeling, modeling, evaluation, and deployment. Based on the results obtained at the modeling stage, the tweet data that has been collected is then processed and analyzed for sentiment with a train/test split data model and k-fold cross validation using the Naive Bayes (NB) algorithm, Support Vector Machine (SVM), Deep Learning (DL) ), and Desicious Tree (DT) and a comparison of 80:20 for training and testing data, the highest accuracy value is obtained by using the train/test split data model using the Naive Bayes algorithm to produce an accuracy of 80,55%.

Penerapan Metode Simple Additive Weighting (SAW) dalam Penentuan Calon Penerima KJP Friska Klara; Tuti Haryanti; Laela Kurniawati
SATIN - Sains dan Teknologi Informasi Vol 7 No 1 (2021): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Salah satu hak anak adalah mendapatkan pendidikan yang layak, tetapi masih banyak orang tua yang tidak mampu untuk membiayai pendidikan anaknya. Pemerintah menyediakan Kartu Jakarta Pintar (KJP) untuk membantu pendidikan siswa yang kurang mampu. Masalah yang dihadapi pada SDN Lagoa 09 Jakarta Utara banyak orang tua memakai data palsu dan keterbatasan waktu operator untuk validasi. Penelitian ini bertujuan untuk pemilihan siswa/i yang layak menjadi Calon Penerima KJP yang obyektif. Metode yang digunakan adalah Simple Additive Weighting (SAW). Metode ini menentukan nilai bobot untuk setiap atribut, yang dilanjutkan dengan proses perangkingan dan akan menghasilkan alternatif terbaik dari banyak alternatif dengan perhitungan yang cukup tepat. Siswa calon penerima KJP pada SDN Lagoa 09 Jakarta Utara diseleksi berjumlah 34 orang berdasarkan kriteria yang terdiri dari Kondisi Orangtua, Status Tempat Tinggal, Pekerjaan Orang tua, Penghasilan Orang tua dan Jumlah Anak dalam Keluarga. Hasil yang diperoleh berdasarkan penelitian dengan metode Simple Additive Weighting adalah 11 siswa yang berhak menerima KJP

Pemilihan Operator Terbaik Menggunakan Metode Profile Matching Dewa Ayu Diah Saraswati; Laela Kurniawati; Tuti Haryanti
SATIN - Sains dan Teknologi Informasi Vol 8 No 2 (2022): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Kemajuan sebuah perusahaan sangat dipengaruhi oleh kualitas sumber daya manusia, salah satunya adalah operator yang bekerja dan mengabdi di dalam perusahaan. Untuk dapat mewujudkan suatu keberhasilan dalam sebuah perusahaan tentunya operator harus memiliki kinerja yang baik dan berkualitas. Permasalahan pengolahan data pada PT. Panggilan Burung Kutilang untuk penilaian operator terbaik yang dilakukan secara manual adalah dapat menyebabkan hasil penilaian operator yang diperoleh bersifat subjektif. Penilaian yang subjektif dianggap tidak akurat dan tidak tepat karena penilaian yang dilakukan pada umumnya mendapatkan hasil yang diperoleh berdasarkan duga-duga, sesuai perasaan atau selera manusia itu sendiri tanpa menilai berdasarkan kriteria-kriteria tertentu. Ada beberapa kriteria penilaian dalam pemilihan operator terbaik yang bisa dilihat dari dua aspek, yaitu: Aspek pertama adalah aspek kinerja meliputi prosedur kerja, kehadiran dan kemampuan. Aspek kedua adalah aspek sikap kerja meliputi kesopanan, kedisplinan, kejujuran dan kerjasama. Tujuan dari penelitian ini adalah untuk membantu perusahaan dalam menentukan operator terbaik pada perusahaan dengan melakukan penilaian yang tidak subjektif dan menghasilkan penilaian yang tepat dan akurat. Dalam melakukan pemilihan operator terbaik salah satunya dapat menggunakan metode Profile Matching, metode ini dapat menjadi solusi agar pemilihan operator lebih tepat dan akurat dengan penilaian yang baik dan proses pengambilan keputusan yang cepat dan tepat. Hasil penelitian yang telah dilakukan dengan menggunakan metode profile matching dalam pemilihan operator terbaik adalah operator terbaik berdasarkan hasil akhir perangkingan dengan memperoleh nilai rata-rata tertinggi yaitu 4,7.

IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN MURID BERPRESTASI Muhammad Raffi Zidne Ariyuda; Tuti Haryanti; Laela Kurniawati
Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Vol 6, No 2 (2023): J-SISKO TECH EDISI JULI
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jsk.v6i2.8275

Pada era saat ini Persaingan di dunia belajar semakin kompeten dan kompetitif.murid tidak hanya mampu menjalan hal tugas dalam satu bidang melainkan harus generalis yang mampu menangani masalah dalam bidang lain. Dengan kata lain, pada saat ini yang diutamakan adalah harus memiliki kualitas yang unggul. Dengan adanya permasalahan tersebut, maka digunakan sistem pendukung keputusan yang mampu menjalankan pengambilan keputusan secara objektif sesuai dengan nilai-nilai yang ada. Sistem pendukung keputusan metode Simple Additive Weighting (SAW) adalah salah satu metode yang digunakan untuk penyelesaian masalah Multiple Attribute Decision Making (MADM).Dengan Pemilihan kriteria C1,C2,C3,C4,C5 Pengambilan nilai alternatif A1,A2,A3,A4,A5. Untuk menentukan murid Berprestasi. Didapatkan hasil dengan A2 nilai tertinggi yaitu 0.830 dan menjadi kandidat murid berpretasi pada VIA English Study Center.Â

ANALISIS KLASIFIKASI SENTIMEN PENGGUNA MEDIA SOSIAL TWITTER TERHADAP PENUNDAAN PEMILU PRESIDEN TAHUN 2024 Jimmy; Eni Heni Hermaliani; Laela Kurniawati
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 4 No. 2 (2023): Jurnal Indonesia : Manajemen Informatika dan Komunikasi (JIMIK)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v4i2.243

The discourse of postponing the 2024 election and extending the term of office of the president has stimulated sentiment in some regions in Indonesia. The discourse has implications for the extension of the president's term of office which is considered unconstitutional. The issue of postponing the election is clearly not the aspiration of the people, but only the interests of political passion and lust among the rulers who want to perpetuate power so that it is considered to violate and insult the constitution which stipulates that elections are held every five years. This study aims to determine how to analyze the sentiment of postponement the 2024 election on comments from the Indonesian people on Twitter or called tweets. The number of comments that will be used in the study is 1826 consisting of 710 positive sentiments and 1116 negative sentiments. The research method used is the Cross-Industry Standard Process for Data Mining (CRISP-DM) method. With this method, the stages of research carried out are data collection, business understanding, data understanding, data preprocessing, data labeling, modeling, evaluation, and deployment. Based on the results obtained at the modeling stage, the tweet data that has been collected is then processed and analyzed for sentiment with a train/test split data model and k-fold cross validation using the Naive Bayes (NB) algorithm, Support Vector Machine (SVM), Deep Learning (DL) ), and Desicious Tree (DT) and a comparison of 80:20 for training and testing data, the highest accuracy value is obtained by using the train/test split data model using the Naive Bayes algorithm to produce an accuracy of 80,55%.

Title

Found 15 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 15 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 15 Documents
Search