Claim Missing Document
Check
Articles

Found 3 Documents
Search

Komparasi Algoritme C4.5 Dan Naïve Bayes Dalam Klasifikasi Produk Zam–Zam Time Berdasarkan Tingkat Kepuasan Pelanggan Dwi Puspa Martiyaningsih; Rima Dias Ramadhani; Atika Ratna Dewi
Progresif: Jurnal Ilmiah Komputer Vol 19, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i2.1226

Abstract

The grouping of Zam-Zam Time products based on the level of customer satisfaction is carried out using the C4.5 and Naïve Bayes classification algorithms. Algorithm classification for Zam-Zam Time products is carried out to find out which products are classified as Best Selling or Less Selling. The purpose of this study is to measure and analyze the best algorithm for handling data on the level of customer satisfaction. Zam-Zam Time is classified as a best seller or not a best seller. The method used in this study was data preprocessing by distributing questionnaires and labeling taken from private or primary data from Zam-Zam Time itself as well as the results of a questionnaire of 400 customer respondents, then a classification analysis process was carried out. The results of the performance of the C4.5 Algorithm in the classification of Zam-Zam Time products are classified as Best Selling or Less Selling, namely with a Training data accuracy value of 98%, computation time of 0.003989458084106445 seconds, Testing data accuracy value of 96%, commutation time of 0.001993417739868164 seconds, with the 8th max_depth, and while Naïve Bayes Data Accuracy Value Training 90% computing time 0.0049860477447509766 seconds, Data Testing 85%, computing time 0.0019948482513427734 seconds.Keywords: Classification; Customer Satisfaction; C4.5 Algorithm; Naïve Bayes; Zam-Zam Time AbstrakPengelompokan produk Zam-Zam Time berdasarkan tingkat kepuasan pelanggan dilakukan menggunakan klasifikasi algoritme C4.5 dan Naïve Bayes. Klasifikasi algoritme pada produk Zam-Zam Time dilakukan untuk mengetahui produk tergolong laris atau kurang laris. Tujuan dari penelitian ini mengukur dan analisis algoritme terbaik dalam menangani data tingkat kepuasan pelanggan Zam-Zam Time tergolong laris atau kurang laris. Metode yang digunakan dalam penelitian ini adalah dilakukan preprocessing data dengan penyebaran kuesioner dan pelabelan yang diambil dari data privat atau primer dari Zam-Zam Time itu sendiri serta hasil kuesioner sebanyak 400 responden pelanggan, kemudian dilakukan proses analisis klasifikasi. Hasil kinerja Algoritme C4.5 dalam klasifikasi produk Zam-Zam Time tergolong Laris atau Kurang Laris yaitu dengan Nilai Akurasi data Training 98%, waktu komputasi 0.003989458084106445 detik, nilai akurasi data Testing 96%, waktu komutasi 0.001993417739868164 detik, dengan max_depth ke-8, sedangkan Naïve Bayes Nilai Akurasi data Training 90% waktu komputasi 0.0049860477447509766 detik, data Testing 85%, waktu komputasi 0.0019948482513427734 detik.Kata Kunci: Kepuasan Pelanggan; Algoritme C4.5; Naïve Bayes; Klasifikasi; Zam-Zam Time
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%.