Refine Search

New Search

Advanced search

Journal Eksplora Informatika

-
31 articles
Page of 4
Articles per Page
by
Show export options
  Select all
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 60-69; doi:10.30864/eksplora.v9i1.254

Abstract:Dalam penelitian ini akan dilakukan analisis sentimen terhadap calon presiden Indonesia tahun 2019 berdasarkan komentar publik di jejaring sosial Facebook. Selanjutnya akan melalui beberapa tahapan dalam melaukan analisis sentimen, antara lain adalah tahap pengumpulan data, data correction, preprocessing data, dan klasifikasi menggunakan Naïve Bayes Classifier serta dilakukan asosiasi teks. Hasil dari penelitian ini diperoleh bahwa calon presiden Joko Widodo didapatkan postingan sebanyak 40 data dan calon presiden Prabowo Subianto didapatkan 12 data postingan dengan pengumpulan data pada tanggal 17 april 2019 sampai 22 mei 2019. Dari data sebanyak 5.000 komentar yang dipilih secara acak dan melalui tahap preprocessing menghasilkan polaritas sentimen, Joko Widodo memeperoleh 85% untuk sentimen positif, 15% sentimen negatif. Sedangkan Prabowo Subianto memperoleh 76% sentimen positif, dan 24% sentimen negatif. Untuk hasil klasifikasi menggunakan Naïve Bayes Classifier memperoleh hasil tingkat akurasi sebesar 86,4%, serta kata yang berasosiasi dengan kata masyarakat terhadap Joko Widodo didapatkan kata upaya, mental, dan kondisi untuk sentimen positif dan kata pemerintahan, pembangunan, kelompok untuk sentimen negatif. Sedangkan yang berasosiasi dengan kata masyarakat terhadap Prabowo Subianto didapatkan kata sistem, berkomitmen, dan kritis untuk sentimen positif dan kata bodohi, kelayakan, diusung untuk sentimen negatif.
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 1-10; doi:10.30864/eksplora.v9i1.237

Abstract:Pemilihan umum presiden yang diselenggarakan setiap lima tahun sekali merupakan momen yang penting untuk mewujudkan demokrasi dalam Negara Kesatuan Republik Indonesia. Penyampaian dukungan dilakukan baik tim sukses, buser maupun pendukung untuk mencitrakan positif calon masing-masing. Berbagai media digunakan salah satunya adalah Twitter, masyarakat menyampaikan komentar positif dan negatif bahkan cenderung “kampanye hitam” dan hoax sebelum pemilu dilaksanakan maupun saat pemilu sedang berlangsung mengenai pemilu yang diadakan, komentar di Twitter saat ini belum dapat ditentukan lebih ke arah positif atau negatif, oleh karena itu perlu dilakukan analisis sentimen untuk mengetahui kecenderungan opini masyarakat terhadap pemilu. Tujuan dari penelitian ini memperoleh analisis dokumen text untuk mendapatkan sentimen positif atau negatif. Metode yang digunakan K-Means untuk melakukan klastering pada data latih dan Naive Bayes classifier untuk mengklasifikasi pada data testing. Hasil dari pembobotan ini berupa sentimen positif dan negatif. Data diambil dari Twitter mengenai pemilu presiden 2019 sebanyak 500 data tweet. Dari hasil pengujian 100 dan 150 data uji diperoleh akurasi rata-rata 93.35% dan error rate sebesar 6.66%.
Arif Nur Rohman, Ema Utami, Suwanto Raharjo
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 70-76; doi:10.30864/eksplora.v9i1.277

Abstract:Emosi memenuhi kehidupan manusia setiap waktu. Emosi mempengaruhi hubungan sosial, ingatan dan bahkan dalam pengambilan keputusan. Saat ini, orang cenderung mengekspresikan emosi melalui media sosial seperti Facebook dalam bentuk gambar, video dan teks pada umumnya. Deteksi emosi pada teks merupakan bidang penelitian yang baru dan banyak diteliti khususnya dibidang linguistik. Penelitian ini menggunakan EmoLex sebagai leksikon yang digunakan untuk mendeteksi emosi pada suatu teks. Kosa kata pada EmoLex diperluas dengan pencarian sinonim menggunakan Kateglo API. EmoLex digunakan sebagai leksikon 8 kategori emosi Plutchik dan sentimen. EmoLex tersedia dalam 105 bahasa berbeda termasuk Indonesia yang mana mengandung 14.182 kata yang kemudian diperluas dengan pencarian sinonim menggunakan Kateglo API. Pencarian sinonim menghasilkan 20.690 kata sehingga memperoleh hasil akhir leksikon emosi yang berisi 34.872 kata. Pengujian menunjukkan bahwa leksikon emosi mampu mendeteksi 55.45% atau 15.357 dari 27.696 kata yang diperoleh dari update status pengguna Facebook dalam melakukan pendeteksian emosi, sebanyak 100 update status diambil dari Facebook. Selanjutnya update status tersebut diperbaiki menggunakan Natural Language Processing (NLP). Hasil perbaikannya dinilai dengan leksikon emosi yang telah dibuat sebelumnya. 26 dari 100 update status dapat diketahui label emosinya. Hasil validasi terdapat 16 update status atau 61,53% label emosinya akurat.
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 28-37; doi:10.30864/eksplora.v9i1.258

Abstract:Mammografi merupakan salah satu alat terbaik sampai saat ini untuk melakukan deteksi dini terhadap keberadaan kanker payudara. Penggunaan mammografi efektif menurunkan tingkat kematian akibat kanker payudara sebesar 30% sampai 70%. Akan tetapi, terdapat kesulitan melakukan interpretasi terhadap mammogram sebagai hasil luaran dari mammografi karena sangat bergantung pada kualitas mammogram dan pengalaman dari ahli radiologi dalam mendeteksi lesi kanker payudara. Computer Aided Diagnosis (CAD) sebagai pembaca ganda mammogram dapat dipergunakan untuk meningkatkan akurasi deteksi dan segmentasi dari ahli radiologi. Penelitian ini merupakan upaya untuk melakukan deteksi dan segmentasi dengan menggunakan teknik pemrosesan citra terhadap objek yang dicurigai sebagai lesi kanker payudara pada citra mammogram. Untuk meningkatkan akurasi deteksi dan segmentasi maka dilakukan preprocessing untuk mengurangi noise dan meningkatkan homogenitas aras keabuan mammogram. Deteksi dan segmentasi terhadap keberadaan lesi kanker dilakukan dengan menerapkan metode active contour Lankton. Hasil penelitian menunjukkan metode yang diajukan mampu melakukan deteksi dan segmentasi terhadap lesi kanker payudara dengan baik. Wilayah kanker payudara dapat terdeteksi sesuai dengan wilayah kanker payudara yang dideteksi radiolog dan tersegmentasi dengan jelas. Fitur FO dan GLCM hasil ekstraksi dari lesi kanker payudara dapat diperoleh signifikan tanpa terlalu banyak terkontaminasi dari fitur non lesi kanker payudara. Fitur FO dan GLCM dari lesi kanker payudara hasil ekstraksi dapat dipergunakan sebagai input untuk analisis lanjutan berupa klasifikasi lesi kanker.
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 88-95; doi:10.30864/eksplora.v9i1.234

Abstract:Kualitas mahasiswa merupakan bagian penting dalam institusi pendidikan. Universitas perlu melakukan evaluasi performa mahasiswa untuk menjaga kualitas mahasiswa. Salah satu variabel indikator performa mahasiswa adalah informasi tentang lama masa studi mahasiswa. Prediksi lama masa studi dibutuhkan pihak manajemen Universitas dalam menentukan kebijakan preventif terkait pencegahan dini kasus Drop Out (DO). Artificial Neural Network (ANN) adalah suatu metode yang meniru jaringan syaraf biologis untuk mempelajari sesuatu. Salah satu implementasi ANN yang banyak digunakan adalah untuk memprediksi. Penelitian ini melakukan prediksi masa studi mahasiswa dengan menggunakan ANN dengan metode pembelajaran backpropagation. Variabel yang digunakan adalah nilai Indeks Prestasi Semester (IPS) 4 semester awal mahasiswa. Data dibagi menjadi data latih dan data uji. Dari hasil pelatihan dan pengujian didapatkan nilai Mean Square Error (MSE) dan Koefisien Relasi (R). MSE digunakan untuk melihat kesalahan rata-rata antara output jaringan dengan target. Nilai R digunakan untuk melihat kuat atau tidaknya hubungan linier antara 2 variabel. Nilai MSE dan koefisien relasi pelatihan adalah 0,016175 dan 0,94353 sedangkan nilai MSE dan koefisien relasi pengujian adalah 0,12188 dan 0,56071. Dari hasil penelitian dapat disimpulkan bahwa ANN dapat digunakan untuk memprediksi masa studi mahasiswa.
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 11-16; doi:10.30864/eksplora.v9i1.256

Abstract:Batuan mulia (gemstone) merupakan salah satu kekayaan alam yang dapat dijadikan perhiasan dan koleksi. Terdapat beberapa jenis batuan seperti ruby, sapphire, zamrud, topaz, kecubung, dan kalimaya. Jenis batuan mulia tersebut dapat dikenali berdasarkan tekstur, motif, dan warnanya. Keberagaman atas jenis batuan mulia akan menjadi kendala bagi konsumen untuk mengidentifikasi bebatuan asli, palsu dan sintetis dikarenakan minimnya akan pengetahuan dan kemampuan individu dalam mengidentifikasi bebatuan mulia. Kemiripan Antara batuan mulia asli, sintetis, dan palsu menjadi suatu permasalahan dalam pemilihan batuan tersebut. Berdasarkan permasalahan yang telah dijabarkan maka dengan dibuatnya sistem basis jaringan saraf tiruan dapat mengidentifikasi dan mengenali batuan mulia, asli, palsu, atau sintetis dikarenakan jaringan saraf tiruan merupakan salah satu ilmu komputer yang dapat mempelajari dan menirukan kerja otak manusia dibidang pengelompokan dan pengenalan pola. Untuk pengaplikasian tersebut, algoritma yang akan digunakan yaitu backpropagation dan hasil dari keakurasian adalah 85%.
Nur Fitrianingsih Hasan, Sciprofile linkRifqi Hammad, Sciprofile linkDwinda Etika Profesi, Kusrini Kusrini
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 38-49; doi:10.30864/eksplora.v9i1.261

Abstract:Sektor pertanian di Indonesia yang memiliki potensi hasil tani tinggi ternyata memiliki kendala yaitu kurangnya pemanfaatan teknologi informasi. Data transaksi yang mengendap tidak dimanfaatkan, jika data ini diolah maka akan memberikan manfaat khususnya dalam memaksimalkan keuntungan penjualan produk pertanian. Penelitian ini bertujuan untuk merancang sebuah Sistem Pendukung Keputusan (SPK) kombinasi paket produk pertanian dengan memanfaatkan data transaksi yang sudah ada menggunakan algoritma apriori. Penelitian ini mengembangkan beberapa fitur inovasi agar pembangkitan item set lebih cepat dan menghasilkan aturan asosiasi yang mudah dipahami oleh pengguna. Hasil dari penelitian ini didapatkan rekomendasi paket produk pertanian dengan jumlah kemunculan transaksi 3, nilai support 25 dan nilai confidence 100, dan uji lift ratio 2,40. Jumlah data set dari fitur inovasi periode tanggal transaksi di mana semakin banyak data transaksi yang ada dan parameternya semakin tinggi maka akan semakin baik hasilnya. Presentasi dari penerimaan pengguna sebesar 73% artinya SPK ini diterima dan berjalan dengan baik.
Sciprofile linkBondan Prasetyo, Hanny Haryanto, Setia Astuti, Sciprofile linkErna Zuni Astuti, Sciprofile linkYuniarsi Rahayu
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 17-27; doi:10.30864/eksplora.v9i1.244

Abstract:Flazzstore merupakan sebuah toko yang bergerak dibidang penjualan casing smartphone. Terdapat banyak produk yang berbeda-beda dengan banyak tema yang berbeda pula, hal ini membuat beberapa user kesulitan dalam menentukan pilihan mengenai produk yang akan dipilih. Perlunya sebuah sistem rekomendasi yang mampu memberikan rekomendasi produk kepada user, untuk memudahkan user dalam memilih produk yang akan dibelinya. Penelitian ini menggunakan metode Item-Based Collaborative Filtering, metode ini mencari similarity/kesamaan item dengan item lainnya. Sistem akan mencari rating tiap item dan menghitung nilai similarity menggunakan persamaan pearson correlation-based similarity. Kemudian nilai dari hasil perhitungan similarity akan digunakan untuk menghitung nilai prediksi tiap produk dengan menggunakan persamaan weighted average of deviation. Sebelum direkomendasikan kepada pelanggan dari hasil prediksi tersebut dihitung nilai Mean Absolute Error (MAE) dihitung selisih antara nilai rating sebenarnya dengan prediksi, dan kemudian diurutkan mulai dari terkecil ke terbesar untuk direkomendasikan kepada user. Hasil dari penelitian menunjukkan kecilnya nilai rata-rata MAE 0,572039 namun untuk proses eksekusi, waktu yang dibutuhkan cukup lama yaitu 6,4 detik. Penelitian berikutnya dapat mengombinasikan pendekatan metode content based filtering dan collaborative filtering atau disebut dengan Item Based Clustering Hybrid Method (ICHM) supaya hasil yang diperoleh lebih baik dan dapat mempersingkat waktu yang dibutuhkan.
Wijanarto Wijanarto, Sciprofile linkRhatna Puspitasari
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 50-59; doi:10.30864/eksplora.v9i1.257

Abstract:Diabetes Melitus atau yang biasanya disebut dengan penyakit kencing manis merupakan penyakit yang terjadi akibat peningkatan kadar glukosa di dalam darah terlalu tinggi. Data World Health Organization (WHO), menunjukkan Indonesia menjadi negara keempat di dunia dengan angka penderita diabetes terbanyak dan mengalami peningkatan hingga 14 juta orang. Peningkatan kasus penyakit Diabetes melitus ini memerlukan suatu upaya penanggulangan dan pencegahan dini terhadap penyakit Diabetes melitus. Dalam penelitian ini akan dilakukan optimasi algoritma klasifikasi biner pada penyakit diabetes melitus mulai dari observasi, visualisasi, statistic deskriptif dataset, pre-processing dataset, penentuan baseline model, tuning parameter model dan finalisasi model. Penentuan baseline model diperoleh dengan mencari nilai akurasi tertinggi dari 3 algoritma linear (Logistic Regression, Linear Discriminant Analysis, K-nearest neighbor) atau 3 algoritma non- linear (Decision Tree, Naïve Bayes, Support Vector Machine) berdasarkan tuning parameternya dan yang menghasilkan akurasi optimal adalah Algoritma Support Vector Machine, sehingga dijadikan sebagai final model dengan parameter C sebesar 47 dengan kernel rbf dihasilkan rerata akurasi sebesar 77.3% pada data training dan 74.5% pada data testing, sementara berdasarkan confusion matrix dihasilkan precision 78%, recall 83%, f1-Score 81%, error rate 25%.
Sciprofile linkErwin Yudi Hidayat, Teguh Budi Prasetyo
Published: 30 September 2019
Eksplora Informatika, Volume 9, pp 77-87; doi:10.30864/eksplora.v9i1.269

Abstract:Pengguna gas LPG ukuran 3 kg meningkat setiap tahunnya. Perlu adanya perlindungan agar pengguna merasa aman. Perbaikan fisik tabung LPG 3 kg dilakukan untuk menjaga kualitas. Dalam proses perbaikan tersebut tabung mempunyai standar kelayakan dari warna, bentuk dan masa edar tabung. Dari segi warna tabung dikatakan layak jika tidak terdapat karat lebih dari 15%. Untuk menghindari subjektivitas, identifikasi kelayakan tabung dapat dilakukan menggunakan Blob Detection dan ekstraksi Red Green Blue (RGB) to Hue Saturation Value (HSV). Metode Blob Detection merupakan metode untuk menghitung hubungan suatu grup piksel sesuai dengan kategorinya. Total citra yang digunakan sejumlah 340 dengan format *.jpg, meliputi 160 citra latih, 60 citra kualitas layak sebelum tabung diperbaiki, 60 citra kualitas layak setelah tabung diperbaiki, serta 60 citra tidak. Diperoleh hasil akurasi 100% untuk citra kualitas layak setelah tabung diperbaiki, 73,33% untuk citra tabung kualitas layak sebelum tabung diperbaiki, dan 86,67% untuk kualitas tidak layak.
Page of 4
Articles per Page
by
Show export options
  Select all