Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Sisfokom (Sistem Informasi dan Komputer)

Analisis Sentimen Terhadap Isu Penundaan Pemilu di Twitter Menggunakan Naive Bayes Clasifier Aziz Perdana; Arief Hermawan; Donny Avianto
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 11, No 2 (2022): JULI
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v11i2.1412

Abstract

Penundaan pemilu Indonesia menjadi isu terhangat dan kontroversial baru-baru ini. Isu ini dilontarkan pertama kali oleh ketua umum PKB, Muhaimin Iskandar setelah menerima pelaku UMKM, pengusaha dan para analis ekonomi di ruang Delegasi DPR RI, Nusantara III, Jakarta pada Rabu, 23 Februari 2022 [14]. Isu penundaan pemilu ini menyebabkan sentimen publik terpecah menjadi tiga, yaitu sentimen negatif, netral, dan positif. Untuk mengetahui persentase sentimen terbesar, diperlukan suatu analisis  sentimen terhadap data cuitan twitter pada periode waktu 1 Januari 2022 sampai dengan saat penelitian ini dilakukan (27 Mei 2022). Dengan menggunakan model Naive Bayes Classifier, kita mencoba memetakan analisis sentimen sebelum Muhaimin Iskandar mengutarakan isu (31.840 data cuitan) dan setelah Muhaimin Iskandar mengutarakan isu (151.878 data cuitan). Analisis sentimen di durasi waktu sebelum Muhaimin Iskandar mengutarakan isu diperlukan untuk mengetes, apakah klaim penundaan pemilu adalah keinginan rakyat adalah benar. Sedangkan analisis sentimen di durasi waktu setelah Muhaimin Iskandar mengutarakan isu diperlukan untuk melihat polarisasi di twitter, seberapa besar dukungan maupun penolakan terhadap isu tersebut. Hasil penelitian yang dilakukan menunjukkan masyarakat baru membahas isu penundaan pemilu setelah dibahas oleh Muhaimin. Sedangkan sentimen terhadap isu penundaan pemilu setelah dilontarkan oleh Muhaimin cenderung menunjukkan sentimen positif sebesar 60.581 cuitan unik, dengan  58.998 cuitan unik yang menunjukan sentimen negatif, sedangkan sisanya, yaitu sebesar 32.291 menunjukkan sentimen netral.
Analyze Important Features of PIMA Indian Database For Diabetes Prediction Using KNN Aziz Perdana; Arief Hermawan; Donny Avianto
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 12, No 1 (2023): MARET
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v12i1.1598

Abstract

Diabetes is a chronic, non-communicable disease, and a long-term health condition that affects how the body uses glucose, the type of sugar that gives energy. In Indonesia, diabetes ranks as the sixth highest cause of death, following conditions related to childbirth. In 2021, Indonesia has a total of 19.5 million diabetes patients, making it the fifth-highest in the world. Some machine learning research has used data from the PIDD (PIMA Indian Diabetes Dataset) to predict diabetes. In this research, in addition to prediction accuracy, data complexity is also important. This research analyzes important features in the PIMA Indian database using the KNN (k-nearest neighbor) method for classification. The results show that using KNN with k=22 value results in the highest accuracy of 83.12%. The analysis also found that the important features required by the KNN method to achieve high accuracy from the PIMA Indian database, in order of importance, are glucose, age, insulin, blood pressure, Body Mass Index, pregnancy, skin thickness, and diabetes pedigree function. However, when used in the KNN classification method, the diabetes pedigree function feature was found to be unnecessary, not relevant, and can be reduced.