Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Jurnal Pseudocode Jurnal Linguistik Komputasional
Prista Afikah
Universitas Muhammadiyah Prof. Dr. Hamka
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Implementasi Business Intelligence Untuk Menganalisis Data Kasus Virus Corona di Indonesia Menggunakan Platform Tableau Prista Afikah; Irfan Ricky Affandi; Firman Noor Hasan
Jurnal Pseudocode Vol 9, No 1 (2022): Volume 9 Nomor 1 Februari 2022
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1605.261 KB) | DOI: 10.33369/pseudocode.9.1.25-32

Abstract

Kasus yang terjadi akibat Covid-19 di Indonesia yaitu terjadi pertama kali pada awal maret tahun 2020 dan sudah menyebar di berbagai provinsi di Indonesia. Data mengenai jumlah kasus virus corona dari berbagai provinsi di Indonesia merupakan bagian penting dalam pertimbangan pengambilan keputusan berdasarkan visualisasi data tersebut. Tujuan dari Artikel ini adalah untuk memvisualisasikan data kasus virus corona dengan mengimplementasikan sistem Business Intelligence untuk menampilkan hasil jumlah kasus terkonfirmasi, kematian dan kesembuhan dari berbagai provinsi di Indonesia. Metode dari Artikel ini adalah dengan mengolah dataset virus corona di Indonesia dari www.kaggle.com, dengan menggunakan Tableau. Hasil dari Artikel ini berupa laporan dalam bentuk dashboard seperti jumlah kasus terkonfirmasi, kematian dan kesembuhan di berbagai provinsi di Indonesia yang dapat digunakan untuk mendukung sebuah pengambilan keputusan. Tampilan data yang dihasilkan dari hasil analisis yang biasa dapat menjadi menarik, dengan adanya pilihan dashboard interaktif yang disediakan oleh Tableau.Kata Kunci: Business Intelligence, Virus Corona, Tableau
Analysis Sentiment of Community Response on Cooking Oil Price Increase Policy With Naive Bayes Classifier Algorithm Firman Noor Hasan; Fajar Sidik; Prista Afikah
Jurnal Linguistik Komputasional Vol 5 No 2 (2022): Vol. 5, No. 2
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v5i2.99

Abstract

Cooking oil is a basic need for Indonesian people. Indonesia experienced a shortage of oil in March 2022. This has become a hot conversation on Twitter social media last March, many people think positively or negatively. But behind it all there are different assessments of the parties who feel the pros and cons, various parties have different points of view. In this article, we conduct a sentiment analysis on the public's response to the scarcity of cooking oil using a dataset obtained from the Twitter digital platform. This article aims to classify tweets related to the scarcity of cooking oil into positive and negative sentiments using a machine learning strategy using the Naive Bayes method. This algorithm was chosen to make it easier for the public to make choices and to know the level of accuracy of the method, where the level of accuracy obtained from the nave Bayes classifier method 72%.
Co-Authors Fajar Sidik Firman Noor Hasan Irfan Ricky Affandi