Article Per Year (5 Year)
p-Index From 2019 - 2024
2.065
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Technologia: Jurnal Ilmiah Jurnal Mnemonic Journal of Informatics, Information System, Software Engineering and Applications (INISTA) Idealis : Indonesia Journal Information System Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Informatika Terpadu Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Jurnal Teknik Informatika Unika Santo Thomas (JTIUST)
Agung Pambudi
Universitas Muhammadiyah Sukabumi
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Technologia: Jurnal Ilmiah

 1 
ANALISIS SENTIMEN TERHADAP BRAND SKINCARE LOKAL MENGGUNAKAN NAÏVE BAYES CLASSIFIER Kaswili Sriwenda Putri; Iwan Rizal Setiawan; Agung Pambudi
Technologia : Jurnal Ilmiah Vol 14, No 3 (2023): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v14i3.11259

Abstract

Seiring dengan perkembangan teknologi informasi yang makin meningkat serta akses internet yang semakin mudah, banyak masyarakat yang menyuarakan opini mereka di media sosial salah satunya yaitu Twitter. Salah satu isu atau topik yang sering dibahas di twitter adalah mengenai perawatan kulit atau skincare terutama dalam mengulas produk-produk skincare dari suatu brand. Ulasan serta opini terhadap brand skincare terutama brand skincare lokal seperti Avoskin, Azarine dan Somethinc di twitter dijadikan sumber data untuk mengetahui persepsi masyarakat terhadap brand skincare lokal tersebut. Data tweet yang digunakan dibagi kedalam 3 dataset berdasarkan ulasan terhadap brand yang dituju yaitu Avoskin, Azarine dan Somethinc. Untuk mendapatka hasil yang jelas, maka dilakukan proses klasifikasi. Salah satu algoritma yang dapat digunakan untuk mengklasifikasikan suatu data adalah naïve bayes classifier dengan mengklasifikasikan data kedalam 2 jenis, yaitu positif dan negatif. Proses klasisfikasi yang menggunakan naïve bayes classifier ini menghasilkan nilai akurasi sebesar 79% untuk dataset Avoskin, 78% untuk dataset Azarine dan 75% untuk dataset Somethinc. Sedangkan pengujian dengan k-fold cross validation menghasilkan nilai sebesar 79% untuk dataset Avoskin serta Somethinc dan 78% untuk dataset Azarine.
penilaian status gizi balita menggunakan metode K-Nearest Neighbor Restu Shafira; Prajoko .; Agung Pambudi
Technologia : Jurnal Ilmiah Vol 14, No 3 (2023): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v14i3.11299

Abstract

Gizi merupakan asupan penting yang mempengaruhi tumbuh kembang seorang anak kebutuhan gizi pada anak terutama balita sangat rentan mengalami perubahan berat badan. Untuk mengetahui penilaian status gizi, balita akan melakukan pemeriksaan antropometri yang terdiri dari pengukuran tinggi badan dan berat badan diposyandu pada tiap bulannya. Hasil pemeriksaan tersebut akan dicatat secara manual pada sebuah kertas yang disebut KMS (Kartu Menuju Sehat). Metode tersebut kurang akurat serta kurang lengkap karena penilaian status gizi hanya berdasarkan berat badan menurut umur (BB/U) balita saja. Oleh sebab itu digunakanlah algoritma data mining yaitu algoritma k-nearest neighbor (KNN) yang dapat mengklasifikasi status gizi balita berdasarkan 3 parameter yaitu penilaian status gizi berdasarkan berat badan menurut umur (BB/U), penilaian status gizi tinggi badan menurut umur (TB/U) dan penilaian status gizi berdasarkan berat badan menurut tinggi badan (BB/TB). Algoritma K-Nearest Neighbor dapat memenuhi variabel-variabel dalam klasifikasi status gizi balita dan juga merupakan metode yang digunakan dalam pengklasifikasian dengan mencari jarak terdekat antara data yang akan dievaluasi dengan tetangga terdekatnya dalam data pelatihan. Penilaian status gizi dengan metode K-Nearest Neighbor ini menghasilkan nilai akurasi diantaranya yaitu berdasarkan berat badan menurut umur (BB/U) menghasilkan nilai akurasi sebesar 91%, berdasarkan tinggi badan menurut umur (TB/U) menghasilkan nilai akurasi sebesar 88% dan berdasarkan berat badan menurut tinggi badan (BB/TB) menghasilkan nilai akurasi sebesar 90%. 
Co-Authors Asriyanik Asriyanik Asriyanik Asriyanik Asriyanik Asriyanik Asriyanik Bangga Angkasa Deni Alpiana Didik Indrayana Fahmi Nurfalah Ikram Maulana Iwan Rizal Setiawan Kaswili Sriwenda Putri Luthfy Budhy Adzy M. Rizky Suherlan Muhammad Drajat Ramdhani Muhammad Zaynurroyhan Prajoko Raka Erlana Reski Mulud Muchamad Restu Shafira Salma Rita Winda Apriandari