Article Per Year (5 Year)
p-Index From 2019 - 2024
0.562
P-Index
This Author published in this journals
All Journal Jurnal Informatika: Jurnal Pengembangan IT Jurnal Nasional Teknik Industri, Sistem Informasi dan Teknik Informatika
Chandra Ayunda Apta Soemedhy
Institut teknologi Telkom Purwokerto
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Analisis Komparasi Algoritma Machine Learning untuk Sentiment Analysis (Studi Kasus: Komentar YouTube “Kekerasan Seksual”) Chandra Ayunda Apta Soemedhy; Nora Trivetisia; Nawang Anggita Winanti; Dwi Puspa Martiyaningsih; Tri Wulandari Utami; Sudianto Sudianto
Jurnal Informatika: Jurnal Pengembangan IT Vol 7, No 2 (2022): JPIT, Mei 2022
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v7i2.3547

Abstract

Cases of sexual violence in the last decade have been rampant in Indonesia. Cases of sexual violence are increasingly exposed, along with the increasing use of social media. One of them is violence against women. Cases of sexual violence often cause various kinds of stigma in the community, so this study aims to determine the public's response to cases of sexual harassment using sentiment analysis. The data used is sourced from YouTube comments with the title "Kasus Bunuh Diri NW: Bripda Randy Tersangka, Penanganan Polisi Dikritik | Narasi Newsroom." The method used is Machine Learning algorithms such as the SVM algorithm, Naive Bayes, and Random Forest. The results of comparing the three Machine Learning algorithms, Random Forest, obtained the best accuracy rate of 78% compared to the other two algorithms in conducting sentiment analysis on YouTube comments about sexual harassment discussions.
Klasifikasi Tangisan Bayi Klasifikasi Tangisan Bayi Berdasarkan Amplitudo Frekuensi Suara Menggunakan Algoritma MFCC dan CNN Chandra Ayunda Apta Soemedhy; Dwi Puspa Martiyaningsih; Vina Afrilia Kurniawan
Jurnal Teknik Industri, Sistem Informasi dan Teknik Informatika Vol. 1 No. 1 (2022): Jurnal Teknik Informatika, Sistem Infomasi dan Teknik Industri
Publisher : Universitas Bakti Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Suara tangisan bayi dapatmengidentifikasikan masalah bayi, seperti sedih, bahagia, ngantuk, dan lapar. Tetapi tidak semua orang dewasa mengerti dan memahami arti tangisan bayi. Terutama bagi orang tua baru yang belummemiliki pengalaman untuk mengasuh seorang anak. Pada era digital saat ini, dibutuhkan suatu sistem untuk mengidentifikasi suara bayi. Pernah dilakukan penelitian mengenai tangis bayimenggunakan algoritma Metode Moments of Distribution dan KNearest Neighbours dengan tingkat akurasi masih dibawah 50%. Sehingga perlu dilakukan pengembangan Identifikasi tersebutdengan menggunakan metode algoritma Mel Frequency Cepstrum Coefficient (MFCC) dan Convolutional Neural Network (CNN). Langkah pertama yaitu dengan melakukan ekstraksi ciridengan amplitudo menggunakan algoritma MFCC, selanjutnya hasil dari ekstraksi ciri dapat ditentukan nilai tengah dari amplitudonya. Untuk pengkategorian sedih dan Bahagia didapatkan nilai tengah 0.5, sedangkan untuk lapar dan mengantuk didapat nilai tengah 0.6 pada data I dan III dan 0.875 pada data II. Selanjutnya diklasifikasikan denganalgoritma CNN dan akurasi yang didapatkan untuk kategori sedih dan bahagia adalah 95% dengan presentase probabilitas kebenaran pengujian terhadap sampel diatas 75%, sedangkan untuk kategori lapar dan mengantuk adalah 100% denganpresentase probabilitas kebenaran pengujian terhadap sampel berkisar 63% sampai 100%.
Co-Authors Dwi Puspa Martiyaningsih Nawang Anggita Winanti Nora Trivetisia Sudianto Tri Wulandari Utami Vina Afrilia Kurniawan