TY - JOUR T1 - Analisis sentimen terhadap Body Shaming pada Twitter menggunakan Metode Naïve Bayes Classifier A1 - Fattah, St. Fajriah A1 - Purnawansyah Y1 - 2022/// JF - Indonesian Journal of Data and Science VL - 3 IS - 2 SP - 61 EP - 71 DO - 10.56705/ijodas.v3i2.46 L1 - file:///Users/kbh/Library/Application Support/Mendeley Desktop/Downloaded/Fattah, Purnawansyah - 2022 - Analisis sentimen terhadap Body Shaming pada Twitter menggunakan Metode Naïve Bayes Classifier.pdf N2 - Salah satu bentuk media sosial yang sedang populer saat ini adalah twitter. Namun tidak jarang pengguna twitter memberikan komentar yang cenderung menyinggung pengguna twitter lain dengan kalimat negatif. Salah satu bentuk komentar negatif yang sering dilontarkan pengguna twitter adalah tentang body shaming. Body shaming merupakan komentar negatif terhadap fisik seseorang seperti gendut, pesek, cungkring dan lain-lain. Berdasarkan perilaku body shaming pada twitter, maka pada penelitian ini akan dilakukan analisis sentimen menggunakan metode Naive Bayes Classifier. Tujuan dari penelitian adalah mengukur performa accuracy, precision, recall, dan f-measure pada metode Naïve Bayes Classifier dalam analisis sentimen terhadap body shaming pada Twitter. Dataset tersebut digunakan untuk mengklasifikasikan tweets yang bersifat positif dan negatif. Teknik klasifikasi yang digunakan yaitu dengan mengukur performa dari accuracy, precision, recall, dan f-measure menggunakan metode naïve bayes classifier. Berdasarkan hasil pengujian performansi accuracy, precision, recall, dan f-measure dengan feature model trigram menggunakan metode naïve bayes classifier dilakukan pada dataset tweets body shaming yang berjumlah 908 data. Berdasarkan hasil pengujian performa dengan model trigram didapatkan hasil accuracy 61%, precision 56%, recall 55% dan f-measure 55%. ER - TY - JOUR T1 - Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network A1 - Pradana, David A1 - Luthfi Alghifari, Muhammad A1 - Farhan Juna, Muhammad A1 - Palaguna, Dwisiwi Y1 - 2022/// JF - Indonesian Journal of Data and Science VL - 3 IS - 2 SP - 55 EP - 60 DO - 10.56705/ijodas.v3i2.35 L1 - file:///Users/kbh/Library/Application Support/Mendeley Desktop/Downloaded/Pradana et al. - 2022 - Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network.pdf N2 - Secara global, penyebab kematian nomor satu setiap tahunnya adalah penyakit jantung. Penyakit jantung adalah sebuah kondisi yang menyebabkan jantung tidak dapat melaksanakan tugasnya dengan baik.  Artificial Neural Network (ANN) merupakan model penalaran yang didasarkan pada otak manusia. Penelitian ini mencakup pengukuran performa (akurasi, presisi, recall dan f-score) metode ANN dengan 304 data pasien penyakit jantung yang diperoleh dari pusat dataset Kaggle. Hasil dari pengukuran performa diperoleh nilai akurasi 73,77%, presisi 80,43%, recall 84,09% dan f1-score sebesar 82,22% ER - TY - JOUR T1 - Analisis perbandingan Reduction Technique dengan metode Dimentional Reduction dan Cross Validation pada dataset Breast Cancer A1 - Sulistya, Yudha Islami Y1 - 2022/// JF - Indonesian Journal of Data and Science VL - 3 IS - 2 SP - 82 EP - 88 DO - 10.56705/ijodas.v3i2.41 L1 - file:///Users/kbh/Library/Application Support/Mendeley Desktop/Downloaded/Sulistya - 2022 - Analisis perbandingan Reduction Technique dengan metode Dimentional Reduction dan Cross Validation pada dataset Breast.pdf N2 - Machine learning (ML) merupakan bidang ilmu yang memungkinkan komputer dalam mengembangkan sebuah sistem yang dapat belajar dari data. Dalam ML sendiri banyak teknik sangat berperan penting dalam pengembangan machine ML salah satunya adalah teknik reduksi yang dimana membuat sistem lebih baik dari data yang telah di reduksi. Penelitian ini bertujuan membandingkan performa teknik reduksi dengan metode dimentional reduction dan cross validation pada dataset breast cancer. Dimentional reduction merupakan teknik yang menyederhanakan feature atau mengurangi dimensi pada dataset sedangkan cross validation merupakan metode yang digunakan untuk memaksimalkan hasil dari prediksi pada suatu model. Setalah melakukan tahapan-tahapn dalam pengujian dengan dimentional reduction dan cross validation menggunakan algoritma K-Nearest Neighbors dengan dataset breast cancer berjumlah 500. Hasil yang diperolah untuk dimentional reduction akurasi rata-rata pada model 95.2%, sedangkan pada cross validation 96.6%. ER - TY - JOUR T1 - Analisis performa metode klasifikasi Naïve Bayes Classifier pada Unbalanced Dataset A1 - Ericha Apriliyani A1 - Salim, Yulita Y1 - 2022/// JF - Indonesian Journal of Data and Science VL - 3 IS - 2 SP - 47 EP - 54 DO - 10.56705/ijodas.v3i2.45 L1 - file:///Users/kbh/Library/Application Support/Mendeley Desktop/Downloaded/Ericha Apriliyani, Salim - 2022 - Analisis performa metode klasifikasi Naïve Bayes Classifier pada Unbalanced Dataset.pdf N2 - Penelitian ini bertujuan menganalisis menganalisis performa metode Naïve Bayes Classifier pada berbagai variasi unbalanced dataset. Teknik klasifikasi yang digunakan yaitu dengan menggunakan pengukuran performa accuracy, precision, recall, dan f-measure dengan menggunakan metode Naïve Bayes Classifier. Dataset diambil dari Kaggle, dan dari tiap dataset memiliki data yang tidak seimbang atau unbalance, data inilah yang akan dihitung performanya menggunakan metode Naïve Bayes Classifier. Berdasarkan hasil pengujian menggunakan metode Naïve Bayes Classifier didapatkan pada dataset Glass yaitu accuracy sebesar 46%, precision sebesar 47%, recall sebesar 46% dan f-measure sebesar 43%, pada dataset Heart Disease yaitu accuracy sebesar 88%, precision sebesar 88%, recall sebesar 88% dan f-measure sebesar 88%, pada dataset Kidney Disease yaitu accuracy sebesar 100%, precision sebesar 100%, recall sebesar 100% dan f-measure sebesar 100%, pada dataset Liver Disease yaitu accuracy sebesar 78%, precision sebesar 82%, recall sebesar 78% dan f-measure sebesar 79%, pada dataset Diabetes yaitu accuracy sebesar 77%, precision sebesar 76%, recall sebesar 77% dan f-measure sebesar 76%, dan pada dataset Breast Cancer yaitu accuracy sebesar 94%, precision sebesar 94%, recall sebesar 94% dan f-measure sebesar 94%. Hasil penelitian ini menunjukkan metode Naive Bayes Classifier pada unbalanced dataset memperoleh nilai performa yang tidak menentu. ER - TY - JOUR T1 - Klasifikasi sampah menggunakan Convolutional Neural Network A1 - Ibnul Rasidi, Abdurrahman A1 - Pasaribu, Yolanda Al Hidayah A1 - Ziqri, Afzal A1 - Adhinata, Faisal Dharma Y1 - 2022/// JF - Indonesian Journal of Data and Science VL - 3 IS - 2 SP - 72 EP - 81 DO - 10.56705/ijodas.v3i2.33 L1 - file:///Users/kbh/Library/Application Support/Mendeley Desktop/Downloaded/Ibnul Rasidi et al. - 2022 - Klasifikasi sampah menggunakan Convolutional Neural Network.pdf N2 - Tingginya populasi manusia turut menyumbangkan peningkatan jumlah sampah, sehingga dibutuhkan sebuah sistem yang membantu manusia mengklasifikasikan sampah. Perkembangan teknologi yang dirasakan hampir di semua aspek kehidupan termasuk pada pengembangan lingkungan. Dengan teknologi yang ada diharapkan bisa membantu meringankan tugas manusia dan meningkatkan efektifitas penggunaan waktu. Convolutional Neural Network (CNN) merupakan sebuah sistem pengolahan objek dengan pengenalan citra. Dan dengan menggunakan teknik CNN atau Convolutional Neural Network yang banyak digunakan untuk mengenali suatu objek dan diharapkan dapat mempermudah kerja manusia serta menghemat waktu yang digunakan. ER -