Ini adalah karya mahasiswa universitas potensi utama http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/13 2026-08-03T20:42:50Z 2026-08-03T20:42:50Z Alvinur http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6858 2026-08-01T02:22:33Z 2024-07-01T00:00:00Z

Title: SUPPORT VECTOR MACHINE DENGAN SELEKSI FITUR CHI-SQUARE PADA ANALISIS SENTIMEN TWITTER Authors: Alvinur Abstract: Perkembangan media sosial Twitter menjadi munculnya informasi tekstual dalam jumlah yang tidak terbatas, sehingga nilai dari informasi ini perlu dikaji. Istilah di Twitter yang disebut Tweet yang merupakan pesan atau status yang dibuat oleh penggunanya. Setiap tweet yang diekspresikan dalam twitter memiliki nilai makna positif dan negatif serta komentar-komentar yang ada dalam Twitter. Algoritma yang paling banyak diteliti dalam analisis sentimen yaitu Support Vector Machine karena bekerja dengan sangat baik. Meskipun memiliki sedikit kekurangan dalam hal lebih sensitif terhadapa fitur yang bisa berpengaruh pada pemprosesan, namun hal ini penulis mencoba mengimplementasi algoritma chi square untuk seleksi fitur. Setelah dilakukan pengujian terhadapa 2000 sampel data dengan penggunaan 0 sampai 100 % dari jumlah fitur yang sudah diseleksi maka didapatkan hasil akurasi SVM yang paling bagus berada pada penggunaan 80% fitur. Hal ini dibuktikan dengan nilai accuracy score sebesar 0.889 (88.9%), precision score 0.8843873517786561 (88.44%), recall score 0.895 (89.5%) dan f1 score 0.889662027833002 (88.96%).

2024-07-01T00:00:00Z Hasibuan, Ubaidullah http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6857 2026-08-01T02:19:26Z 2024-07-01T00:00:00Z

Title: ANALISIS DATA MINING TREND MOMENT DALAM FORECASTING PENJUALAN PUPUK PT GRESIK CIPTA SEJAHTERA Authors: Hasibuan, Ubaidullah Abstract: PT Gresik Cipta Sejahtera merupakan salah satu perusahaan yang bergerak di bidang penjualan pupuk, pestisida, bahan kimia, gas industri, jasa angkutan dan pergudangan. Permasalahan yang sering terjadi pada perusahaan PT Gresik Cipta Sejahtera yaitu sering mengalami kelebihan atau kekurangan stok pupuk, ketidakpahaman stok pupuk yang terjual membuat arus kas menjadi tidak optimal. Sehingga diperlukan proses peramalan (forecasting) yang di gunakan sebagai prediksi dalam penjualan pupuk. Penelitian ini menggunakan metode trend moment dengan proses pengujian Mean Absolute Percentage Error (MAPE). Hasil perhitungan akurasi nilai error terhadap hasil prediksi penjualan jenis NPK Phonska Plus sebesar 481,42 ton, dengan nilai error MAPE sebesar 0,00117%, Urea sebesar 384.11 ton, dengan nilai error MAPE sebesar 0,00193%. SP-26 sebesar 441,90 ton, dengan nilai error MAPE sebesar 0,00330 %, Petrocas sebesar 63,40 ton, dengan nilai error MAPE sebesar 0,00409 %. ZA Plus sebesar 81,54 ton, dengan nilai error MAPE sebesar 0,00303 %. Hal ini membuktikan bahwa prediksi pada Perusahaan PT Gresik Cipta Sejahtera menggunakan metode trend moment dianggap tepat, karena nilai error yang dihasilkan terbilang cukup kecil.

2024-07-01T00:00:00Z Nasution, M. Fachrurrozi http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6856 2026-08-01T02:15:51Z 2024-07-01T00:00:00Z

Title: KLASIFIKASI K-NEAREST NEIGHBOR (K-NN) DAN CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK IDENTIFIKASI PENYAKIT BRONKITIS PADA ANAK BALITA DENGAN MENGGUNAKAN EKSTRAKSI FITUR GLCM BERDASARKAN CITRA X-RAY THORAX Authors: Nasution, M. Fachrurrozi Abstract: K-Nearest Neighbor (K-NN) adalah metode klasifikasi yang mencari kelas mayoritas dari k-nearest neighbors (tetangga terdekat) dari suatu contoh yang akan diklasifikasikan. Sedangkan Convolutional Neural Network (CNN) adalah jenis jaringan saraf tiruan yang dirancang khusus untuk mengenali pola dalam data gambar. Kemudian diekstraksi menggunakan fitur GLCM dari citra X-Ray Thorax. Penelitian ini bertujuan untuk mengembangkan dua pendekatan klasifikasi, yaitu K-Nearest Neighbor (K-NN) dan Convolutional Neural Network (CNN), untuk mendeteksi penyakit bronkitis pada anak balita berdasarkan citra X-Ray Thorax. Dengan Ekstraksi fitur berbasis Gray Level Co-occurrence Matrix (GLCM) digunakan untuk mengubah citra menjadi fitur numerik yang dapat diolah oleh algoritma klasifikasi. Hasil dari akurasi metode KNN Teridentifikasi Bronkitis_Kronis sebesar 96,8589% dan dari akurasi metode CNN Teridentifikasi Bronkitis_Kronis sebesar CNN memiliki hasil akurasi sebesar 97,8373%

2024-07-01T00:00:00Z Sinaga, Alesia Lorenzza http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/6855 2026-08-01T02:12:24Z 2024-07-01T00:00:00Z

Title: IMPLEMENTASI JENIS KENDARAAN DENGAN DEEP LEARNING BERBASIS PENGOLAHAN CITRA Authors: Sinaga, Alesia Lorenzza Abstract: Kendaraan merupakan sebagian unsur pokok dalam penyelenggaraan lalu lintas dan angkutan jalan yang bertujuan untuk alat transportasi yang sering digunakan masyarakat dalam kegiatan sehari-hari. Terdapat beberapa jenis kendaraan yang sangat umum digunakan masyarakat untuk menempuh perjalanan jarak jauh contohnya Mobil, Sepeda Motor dan Bus. Pada penelitian ini penginplementasian metode ini Convolutional Neural Network (CNN) dan Support Vector Machine (SVM) dilakukan setting jumlah epoch dan memperbesar ukuran data training untuk meningkatkan akurasi dalam pengklasifikasian citra. Ukuran yang digunakan adalah 128x128 dan didapat nilai akurasi paling tertinggi yang mencapai 99,00 % sedangkan nilai akurasi untuk Support Vector Machine (SVM) paling tertinggi mencapai 85,06 % jadi yang di nyatakan paling bagus di antara perbandingan antara kedua metode yaitu Convolutional Neural Network (CNN).

2024-07-01T00:00:00Z