Article Per Year (5 Year)
p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal Infotek : Jurnal Informatika dan Teknologi Jurnal Ekonomi dan Teknik Informatika Abdi Wina : Jurnal Pengabdian Kepada Masyarakat Universitas Kristen Wira Wacana Sumba
Winarnie Winarnie
Amikom Yogyakarta University
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Veterinary

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengurangan Dimensi dengan Metode Linear Discriminant Analist (LDA) Winarnie Winarnie; Kusrini Kusrini; Anggit Dwi Hartanto
Infotek: Jurnal Informatika dan Teknologi Vol 6, No 2 (2023): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v6i2.10069

Abstract

The purpose of this study is to reduce the dimensions of the dataset that affect the prediction of breast cancer. The data used in research is very much data or is called high-dimensional data. The use of classification algorithms has weaknesses when used on high-dimensional data, so an appropriate method is needed to reduce the dimensions or variables used. There are several methods that can be used to reduce dimensions. In this study using the method of linear discriminant analysis (LDA). LDA is a supervised machine learning algorithm that is used to classify data into several classes, using a linear technique to determine the best set of linear variables to unify class data. LDA is used to reduce the dataset variables used by retaining information that is important for the classification process. The method used in this research is using LDA in data processing and then using a logistic regression model for the classification process. The conclusion obtained in this study is that LDA can overcome the problem of multiclass classification. The results obtained were 16 wrong cases out of a total of 455 cases so that the results obtained were 0.035% misclassification.
PENGENALAN DASAR ANALISIS DATA DENGAN PEMROGRAMAN PYTHON DALAM PROGRAM GURU AHLI PADA JURUSAN AKL SMKN 2 PURWOREJO Hery Oktafiandi; Winarnie Winarnie; Pratika Ayuningtyas
ABDI WINA JURNAL PENGABDIAN KEPADA MASYARAKAT Vol 3 No 1 (2023): Abdi Wina Edisi Juni 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Kristen Wira Wacana Sumba

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58300/abdiwina.v3i1.440

Abstract

Analisis data merupakan pengolahan data yang diproses sedemikian rupa berdasar tipe dan karakteristiknya dan memiliki tujuan mendapatkan informasi yang berguna serta dapat dijadikan dasar dalam pengambilan keputusan suatu masalah yang dihadapi oleh institusi atau bagian yang terkait. SMKN 2 Purworejo dalam hal ini jurusan Akuntansi mencoba mengenalkan proses analisis data dengan pemrograman python kepada siswa-siswa jurusan Akuntansi kelas X dalam program Guru Ahli. Kegiatan ini diikuti oleh 4 kelas dari Kelas X jurusan Akuntansi yang dibagi menjadi 2 hari kegiatan, dimana masing-masing 2 kelas dalam satu hari. Pelaksanaan kegiatan pengenalan dasar analisis data dengan pemrograman python dengan durasi 3 jam untuk masing-masing kelas, langsung mengerjakan program dasar python dan dilanjutkan untuk menyelesaikan 2 contoh kasus analisa data yang berbeda. Hasil program Guru Ahli ini, siswa dapat mengerjakan kasus proses analisa data dengan pemrograman python dan menyimpulkan hasil dari analisa tersebut. Hasil akhir data disajikan dalam bentuk grafik atau plot yang memudahkan orang lain untuk memahaminya. Kata kunci: Analisis Data, Pemrograman Python, SMK, Akuntansi, Program Guru Ahli
Perbandingan Algoritma untuk Analisis Sentimen Terhadap Google Play Store Menggunakan Machine Learning Hery Oktafiandi; Winarnie Winarnie; Sayid M. Raziq Olajuwon
Jurnal Ekonomi dan Teknik Informatika Vol 11 No 2 (2023): JURNAL EKONOMI DAN TEKNIK INFORMATIKA
Publisher : Politeknik Sawunggalih Aji

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37601/jneti.v11i2.234

Abstract

Banyaknya aplikasi yang tersedia pada google playstore memudahkan para pengguna untuk memiilih aplikasi yang sesuai dengan kebutuhannya. Pengguna aplikasi pada google playstore memiliki sedikit kesulitan dalam memilih aplikasi mana saja yang baik performancenya karena terlalu banyaknya pilihan aplikasi yang tersedia. Para pengembang aplikasi menyediakan kolom komentar untuk review para pengguna aplikasi. Dengan review ini para calon pengguna aplikasi dapat memutuskan apakah menggunakan atau tidak, sedangkan untuk pengembang, review sangat dibutuhkan karena dapat melihat pencapaian kinerja dari aplikasi yang telah dibuat. Pada penelitian ini dilakukan untuk membandingkan tiga algorima machine learning yaitu : naives bayes, k-nearest neighbors dan radom forest untuk membandingkan nilai akurasi pada setiap algoritma berdasarkan sentimen pengguna. Pada penelitian ini dataset didapat dari scraping langsung dari aplikasi yang tersedia pada google play. Data kemudian diseleksi dan diberi label/klas. Pada penelitian ini dilakuakan percobaan dengan menggunakan jumlah dataset yang berbeda yaitu 40 dataset, 100 dataset dan 1000 dataset. Hasil akurasi yang didapar pada penggunaan dataset 1000 data diperoleh hasil akurasi untuk algoritma naïve bayes sebesar 79%, algoritma k nearest neighbors sebesar 77% dan algoritma random forest sebesar 75%.
Co-Authors Anggit Dwi Hartanto Hery Oktafiandi Kusrini Kusrini Pratika Ayuningtyas Sayid M. Raziq Olajuwon