Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi JurTI (JURNAL TEKNOLOGI INFORMASI)
Firman Yosep Tember
Ars University
Computer Science & IT Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Analisis Sentiment Covid-19 Di Twitter Menggunakan Metode Naive Bayes Dan SVM Sri Hadianti; Firman Yosep Tember
(JurTI) Jurnal Teknologi Informasi Vol 6, No 1 (2022): JUNI 2022
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v6i1.2557

Abstract

- Aspirasi masyarakat sangat sulit disampaikan secara langsung, karena terkendala beberapa factor, seperti waktu, ruang dan factor lainnya. Namun, media sosial sekarang digunakan sebagai media menyuarakan saran, kritik dan pendapat kepada masyarakat umum, salah satu media sosial yang digunakan adalah twiter. Namun opini di twitter banyak sekali makna yang berbeda dari setiap pengguna, salah satu nya mengenai COVID-19. Oleh karena itu tujuan penelitian ini adalah menganalisis sentimen publik dari cuitan Twitter mengenai COVID-19 di Indonesia, metode yang digunakan yaitu Naïve Bayes dan Support Vektor Machine. Penelitian ini berfokus pada perbandingan hasil klasifikasi kedua metode tersebut, serta untuk mengetahui kecenderungan opini masyarakat di Twitter. Subjek diambil menggunakan dataset public dengan kata kunci dataset COVID-19. Dimulai dari klasifikasi opini positif dan negative, dan didapatkan hasil akhir. Dari hasil pengujian diketahui metode Suppor Vektor Machine memiliki tingkat akurasi yang paling tinggi dengan tingkat akurasi sebesar 54.21 % dan didapatkan pula kecenderungan opini masyarakat di seluruh duni condong negatif,hal tersebut dapat dilihat dari opini positif sebesar 98 dan negative sebesar 116. Sedangkan metode Naïve Bayes memperoleh tingkat Occurancy sebesar 53.27%.
Classification of West Java Batik Motifs Using Convolutional Neural Network Firman Yosep Tember; Ina Najiyah
Sistemasi: Jurnal Sistem Informasi Vol 12, No 2 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i2.2259

Abstract

The difference in the types of batik in West Java Province for the general public will not be seen significantly, because all the motifs at first glance look the same. Classification of batik motifs needs to be done to overcome the difficulties of different types of batik, in order to provide information and make it easier to distinguish the name of a batik motif and can tell the name of a batik motif for ordinary people who do not know the name of a batik motif with a fairly accurate level of accuracy. Classification of batik needs to be done to determine the type of batik from each region to make it easier to distinguish motifs from each region. The method used in this study is the classification of batik types in West Java Province using the Convolutional Neural Network (CNN) method. The results carried out for the classification of West Java batik image types using the Convolutional Neural Network (CNN) method that the feature extraction process can be carried out outside the process contained in the CNN algorithm or using feature learning depending on the needs of the research itself, and the results of the classification at 20 epochs and a learning rate value of 0.001 obtained an accuracy of 90% with a precision of 90% and a recall of 90%. This result is quite good considering the quality and amount of data obtained is not so good and the amount is not much.
Co-Authors Ina Najiyah Sri Hadianti