Abstract:Abstract: The policy to increase the Rural and Urban Land and Building Tax (PBB-P2) in Indonesia often elicits mixed reactions from the public. Some support it because they believe it can strengthen regional fiscal capacity,…
ity, while others reject it because they are concerned that it will increase the economic burden on the community. Understanding public sentiment towards this policy is important for evaluating the effectiveness of the policy and formulating appropriate communication strategies. This study aims to analyze public sentiment towards the PBB-P2 increase policy using data uploaded on Platform X (Twitter). The data were collected through crawling with the keyword “building tax,” then processed through several preprocessing stages before classifying tweets into positive and negative sentiments. Two models were used: Support Vector Machine (SVM) and Bidirectional Long Short-Term Memory (BiLSTM). Results show that SVM outperformed BiLSTM, achieving training accuracy of 99.4% and testing accuracy of 85.9%, with accuracy 0.8595, precision 0.8536, recall 0.8595, and F1-score 0.8449. Meanwhile, BiLSTM achieved training accuracy of 86.9% and testing accuracy of 82.9%, with accuracy 0.8294, precision 0.8150, recall 0.8294, and F1-score 0.8080. These findings suggest SVM is more effective in classifying public sentiment and can support better evaluation of regional tax policies.
Keywords: sentiment analysis; PBB-P2; BiLSTM; SVM; X platform
Abstrak: Kebijakan kenaikan tarif Pajak Bumi dan Bangunan Perdesaan dan Perkotaan (PBB-P2) di In-donesia sering memunculkan beragam reaksi dari masyarakat. Sebagian mendukung karena dianggap dapat memperkuat kapasitas fiskal daerah, sementara lainnya menolak karena kha-watir menambah beban ekonomi masyarakat. Pemahaman terhadap sentimen publik atas ke-bijakan tersebut penting untuk mengevaluasi efektivitas kebijakan dan merumuskan strategi komunikasi yang tepat. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kebijakan kenaikan PBB-P2 menggunakan data unggahan di Platform X (Twitter). Data dik-umpulkan melalui proses crawling dengan kata kunci “pajak bangunan” kemudian diproses melalui beberapa tahap preprocessing sebelum diklasifikasikan menjadi sentimen positif dan negatif. Dua model digunakan dalam penelitian ini, yaitu Support Vector Machine (SVM) dan Bidirectional Long Short-Term Memory (BiLSTM). Hasil penelitian menunjukkan bahwa SVM memiliki kinerja lebih baik dibandingkan BiLSTM, dengan akurasi pelatihan 99,4% dan akurasi pengujian 85,9%. Nilai akurasi 0,8595, precision 0,8536, recall 0,8595, dan F1-score 0,8449. Sementara itu, BiLSTM memperoleh akurasi pelatihan 86,9% dan akurasi pengujian 82,9%, dengan akurasi 0,8294, precision 0,8150; recall 0,8294; dan F1-score 0,8080. Temuan ini menunjukkan bahwa SVM lebih efektif dalam mengklasifikasikan sentimen publik serta dapat mendukung evaluasi kebijakan pajak daerah dengan lebih baik.
Kata kunci: analisis sentimen; PBB-P2; BiLSTM; SVM; platform X
Abstract:Abstract: Face recognition based on deep learning has become an important technology in many areas. However, these systems often face challenges in real-world conditions, such as when the face is partially covered by accessories…
essories such as masks or glasses. This study aims to evaluate the effect of data augmentation by adding facial accessories (masks, glasses, and a combination of both) and geometric augmentation on the accuracy of face recognition systems. There are three types of datasets used in this method: the original dataset (category 1), the dataset with facial accessories augmentation (category 2), and the dataset with geometric augmentation (category 3). Data augmentation was performed on the training dataset to increase diversity, followed by the face detection process using SCRFD and feature extraction with ArcFace. The model was then trained using Multi-Layer Perceptron (MLP). Based on the results, adding face accessories (category 2) made the model a lot more accurate, hitting 99% accuracy. In category 3, adding geometric features improved accuracy to 91%. Other evaluation metrics, such as precision, recall, and F1-score, also showed improvement after augmentation. This study concludes that facial accessories augmentation is more effective in improving the accuracy and robustness of face recognition models compared to geometric augmentation.
Keywords: augmentation; deep learning; face recognition; glasses.
Abstrak: Pengenalan wajah berbasis deep learning telah menjadi salah satu teknologi penting dalam berbagai aplikasi. Namun, sistem ini sering kali menghadapi tantangan dalam kondisi dunia nyata, seperti saat wajah tertutup sebagian oleh aksesori seperti masker atau kacamata. Penelitian ini bertujuan untuk mengevaluasi pengaruh augmentasi data dengan menambahkan aksesori wajah (masker, kacamata, dan kombinasi keduanya) serta augmentasi geometris terhadap akurasi sistem pengenalan wajah. Metode yang digunakan melibatkan tiga kategori dataset: dataset asli tanpa augmentasi (kategori 1), dataset dengan augmentasi aksesoris wajah (kategori 2), dan dataset dengan augmentasi geometris (kategori 3). Augmentasi data dilakukan pada dataset pelatihan untuk meningkatkan keberagaman, diikuti dengan proses deteksi wajah menggunakan SCRFD dan ekstraksi fitur dengan ArcFace. Model kemudian dilatih menggunakan Multi-Layer Perceptron (MLP). Hasil penelitian menunjukkan bahwa augmentasi aksesoris wajah (kategori 2) memberikan peningkatan signifikan pada akurasi model, mencapai 99%, sedangkan kategori 3 dengan augmentasi geometris mencapai akurasi 91%. Metrik evaluasi lainnya, seperti precision, recall, dan F1-score, juga menunjukkan peningkatan setelah augmentasi. Penelitian ini menyimpulkan bahwa augmentasi aksesoris wajah lebih efektif dalam meningkatkan akurasi dan ketahanan model pengenalan wajah dibandingkan dengan augmentasi geometris.
Kata kunci: augmentasi; deep learning; kacamata; pengenalan wajah.
Abstract:Abstract: Schools become educational institutions in supporting the teaching and learning process to increase student potential. In the world of education, determining the best students is still an obstacle that is often…
faced such as subjectivity assessment resulting in diverse mindsets. SMP Negeri 3 Kisaran which is located at Jalan Madong Lubis, Selawan, East Kisaran District, Asahan Regency. The process of determining the overall champion students still relies on conventional assessments by manual means so that it requires a long assessment time, assessment is also subjective, this tends to limit recognition of diverse student potential. The purpose of this study is to design a decision support system application in determining the overall champion students at SMP Negeri 3 Kisaran with specified criteria. The SAW method is used as a weighted summation method of the performance of each alternative across all attributes. The best alternative decision result as the General Champion Student of class IX in the Odd Semester of 2023/2024 at SMP Negeri 3 Kisaran is Naurah Ghaisani Lubis with a score of 0.906. Based on these results, it can help SMP Negeri 3 Kisaran in determining the overall champion students and become a reference in decision making.
Keywords: decision support system; simple addictive weighting; general champion students
Abstrak: Sekolah menjadi institusi pendidikan dalam mendukung proses belajar mengajar untuk meningkatkan potensi siswa. Dalam dunia pendidikan menentukan siswa terbaik masih menjadi kendala yang sering dihadapi seperti penilaian secara subjektivitas mengakibatkan pola pikir yang beragam. SMP Negeri 3 Kisaran yang beralamatkan di Jalan Madong Lubis, Selawan, Kecamatan Kisaran Timur, Kabupaten Asahan. Proses penentuan siswa juara umum masih mengandalkan penilaian konvensional dengan cara manual sehingga membutuhkan waktu penilaian yang cukup lama, penilaian juga bersifat subjektif, hal ini cenderung membatasi pengakuan atas potensi siswa yang beragam. Tujuan penelitian ini untuk merancang aplikasi sistem pendukung keputusan dalam menentukan siswa juara umum di SMP Negeri 3 Kisaran dengan kriteria yang ditentukan. Metode SAW digunakan sebagai metode penjumlahan terbobot dari kinerja setiap alternatif di semua atribut. Hasil keputusan alternatif terbaik sebagai Siswa Juara Umum kelas IX pada Semester Ganjil Tahun 2023/2024 di SMP Negeri 3 Kisaran adalah Naurah Ghaisani Lubis dengan nilai 0.906. Berdasarkan hasil tersebut dapat membantu pihak SMP Negeri 3 Kisaran dalam menentukan siswa juara umum dan menjadi acuan dalam pengambilan keputusan.
Kata Kunci: sistem pendukung keputusan; simple addictive weighting; siswa juara umum
Abstract:Abstract: The development of information technology has experienced very rapid growth, especially the internet. The internet makes a very helpful contribution in the business sector. Tight business competition and the rapid…
pid growth of information technology make it easy for customers to switch to other stores. UD. Nazwan has not implemented a service that makes it easier for customers to buy goods easily and is still using the service manually, sales report data is still used in ledgers so it is not efficient to keep neat records, customers have to come directly to the shop to find out what products are being sold so customers are not aware of the latest discounts and products sold in the store. UD. Nazwan is a business that sells pants, shoes, school uniforms, shirts, dresses and sandals. One effort to improve service is by implementing the concept of Customer Relationship Management (CRM). The goal achieved at this stage is the operability of the system design results that have been created. With CRM design, you can increase sales to meet customer needs. This system was created to make it easier for UD. Nazwan sells products, processes data computerizedly and can improve service to customers.
Keywords: consumer; E-CRM; UD.nazwan.
Abstrak: Perkembangan teknologi informasi telah mengalami pertumbuhan yang sangat pesat terutama internet. Internet memberikan kontribusi yang sangat membantu dalam bidang bisnis. Persaingan bisnis yang ketat dan pesatnya pertumbuhan teknologi informasi memudahkan pelanggan untuk beralih ke toko lain. UD. Nazwan belum menerapkan layanan yang memudahkan pelanggan untuk membeli barang dengan mudah dan masih menggunakan layanan secara manual, data laporan penjualan masih digunakan dalam buku besar sehingga tidak efisien untuk melakukan pencatatan yang tertata rapi, pelanggan harus datang langsung ke toko untuk mengetahui produk apa yang dijual maka pelanggan tidak mengetahui diskon terbaru dan produk yang dijual di toko. UD. Nazwan adalah usaha bisnis yang menjual produk celana, sepatu, seragam sekolah, kemeja, baju dan sendal. Salah satu upaya dalam meningkatkan pelayanan adalah dengan menerapkan konsep Customer Relationship Management (CRM). Tujuan yang dicapai pada tahap ini adalah operabilitas hasil desain sistem yang telah dibuat. Dengan desain CRM, dapat meningkatkan penjualan dalam memenuhi kebutuhan pelanggan. Sistem ini dibuat untuk memudahkan UD. Nazwan dalam menjual produk, mengolah data secara komputerisasi dan dapat meningkatkan pelayanan kepada pelanggan.
Kata kunci: E-CRM; konsumen; UD.nazwan
Abstract:Abstract: This study aims to train computers to recognize Javanese script characters known as Hanacaraka. The evaluation was conducted on the use of Convolutional Neural Network (CNN) with the ResNet-18 architecture in recognizing…
ecognizing these characters. The research objective is to overcome traditional character recognition barriers and improve accuracy. The method employed includes building a CNN model with the ResNet-18 architecture and using diverse datasets. The results show a training accuracy of 100%, validation accuracy of 98.01%, and accuracy, precision, recall, and F1-score each at 100%. This study concludes that the developed model successfully achieves a high level of accuracy and contributes positively to the development of Javanese Hanacaraka character recognition technology.
Keywords: convolution neural network (CNN); javanese hanacaraka script; resnet-18
Abstrak: Penelitian ini bertujuan melatih komputer untuk mengenali huruf aksara Jawa Hanacaraka. Evaluasi dilakukan terhadap penggunaan Convolutional Neural Network (CNN) dengan arsitektur ResNet-18 dalam pengenalan karakter tersebut. Tujuan penelitian adalah mengatasi hambatan pengenalan karakter tradisional dan meningkatkan akurasi. Metode yang digunakan mencakup pembuatan model CNN dengan arsitektur ResNet-18 dan penggunaan dataset yang beragam. Hasilnya menunjukkan akurasi pelatihan 100%, validasi 98.01%, dan akurasi, presisi, recall, dan F1-score masing-masing sebesar 100%. Simpulan penelitian ini adalah bahwa model yang dikembangkan berhasil mencapai tingkat akurasi yang tinggi dan memberikan kontribusi positif pada pengembangan teknologi pengenalan karakter Hanacaraka Jawa.
Kata kunci: convolution neural network (CNN); huruf aksara jawa hanacaraka; resnet-18
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: The advances in information technology have substantially affected the world of education. One of these impacts is the emergence of the concept of innovative schools. The Smart School application is a solution…
to increase the effectiveness and efficiency of managing the educational procedures in schools. This research intends to design a Smart School application using the Web-based Prototype method. The prototype method allows developers to design and develop application prototypes that can be tested by users (teachers, students, and parents) before implementing the actual application. This will help identify user needs, collect feedback and ensure that the resulting Smart School application meets the expectations and needs of all stakeholders. The Smart School application has many features, such as student data management, lesson schedules, homework and test management, communication between teachers, students and parents, and tracking student learning progress. This application is designed with a web interface like computers, tablets and smartphones. The resulting Smart School application using the Prototype approach will be better able to meet changing user needs and help improve the quality of education in schools. Apart from that, web technology will make it easier to access and use applications by all stakeholders in the world of education.
Keywords: Smart School Application; Prototype; Website
Abstrak: Kemajuan teknologi informasi sudah meninggalkan efek yang substansial terhadap dunia pendidikan. Salah satu dampak tersebut adalah munculnya konsep sekolah cerdas. Aplikasi Smart School merupakan solusi untuk meningkatkan efektivitas dan efisiensi pengelolaan prosedur pendidikan di sekolah. Riset ini bermaksud untuk merancang aplikasi Smart School dengan menggunakan metode Prototype berbasis Web. Metode Prototipe memungkinkan pengembang merancang dan mengembangkan prototipe aplikasi yang dapat diuji oleh pengguna (guru, siswa, dan orang tua) sebelum menerapkan aplikasi sebenarnya. Hal ini akan membantu mengidentifikasi kebutuhan pengguna, mengumpulkan umpan balik dan memastikan bahwa aplikasi Smart School yang dihasilkan memenuhi harapan dan kebutuhan seluruh pemangku kepentingan. Aplikasi Smart School dirancang dengan banyak fitur yang beragam seperti pengelolaan data siswa, jadwal pelajaran, pengelolaan pekerjaan rumah dan ulangan, komunikasi antara guru, siswa dan orangtua, serta pelacakan kemajuan perkembangan pembelajaran siswa. Aplikasi ini dirancang dengan antarmuka web seperti komputer, tablet, dan smartphone. Dengan menggunakan pendekatan Prototype, diharapkan aplikasi Smart School yang dihasilkan akan lebih mampu memenuhi perubahan kebutuhan pengguna dan dapat membantu meningkatkan kualitas pendidikan di sekolah. Selain itu, pemanfaatan teknologi web akan memudahkan akses dan penggunaan aplikasi oleh seluruh pemangku kepentingan di dunia pendidikan.
Kata kunci: Aplikasi Smart School; Prototype; Website
Abstract:Abstract: Twitter, as a social media platform, has rapidly grown as a means for people to express their opinions and thoughts on various topics, including education. The number of Twitter users surged to 10.645.000 in 2020,…
20, with a significant increase during the pandemic. Telkom University, as a private institution of higher education in Indonesia, has become one of the topics of discussion on Twitter. Users’ opinions about Telkom University vary, ranging from positive to negative. To gain deeper insights into public view, sentiment analysis is essential. The analysis follows the Knowledge Discovery in Databases (KDD) process, utilizing the Naive Bayes classification algorithm. The evaluation results indicate the best accuracy achieved with an 80:20 data split, resulting in an accuracy rate of 82.05%, precision of 82.3%, recall of 82.05%, and F1-Score of 82.08%. The Naïve Bayes model demonstrates good performance for sentiment analysis of public views regarding Telkom University on Twitter.
Keywords: naïve bayes; sentiment analysis; twitter; telkom university.
Abstrak: Media sosial Twitter berkembang pesat sebagai sarana masyarakat berekspresi untuk menuangkan opini dan pikiran mereka mengenai topik apapun, termasuk pendidikan. Pengguna Twitter meningkat tajam hingga 10.645.00 pengguna pada tahun 2020 dan terus meningkat selama pandemi. Telkom University sebagai perguruan tinggi menjadi salah satu topik yang dibicarakan yang berkaitan dengan pendidikan. Pendapat mengenai Telkom University yang diungkapkan oleh pengguna Twitter beragam, baik positif maupun negatif. Analisis sentimen diperlukan untuk memahami pandangan publik lebih mendalam. Digunakan tahapan Knowledge Discovery in Databases dan algoritma klasifikasi Naïve Bayes dalam analisis ini. Hasil evaluasi menunjukkan akurasi paling baik dicapai dengan rasio data 80:20, dengan nilai akurasi sebesar 82.05%, nilai presisi sebesar 82.3%, nilai recall sebesar 82.05%, dan nilai F1-Score sebesar 82.08%. Model klasifikasi Naïve Bayes memiliki performa baik untuk analisis sentimen pandangan publik di Twitter mengenai Telkom University.
Kata kunci: analisis sentimen; naïve bayes; twitter; telkom university.
Abstract:Abstract: The JKN Mobile application is a mobile application created to facilitate healthcare administration in Indonesia since 2017. The application has been downloaded by over 10 million users and has received 484,000…
diverse reviews, including positive, negative, and neutral feedback. The average rating given by users is 4.5 out of 5 stars. This research aims to perform sentiment analysis on user reviews found in the Google Play Store review column. The methods used for sentiment analysis are Naive Bayes, K-Nearest Neighbor (K-NN), and Support Vector Machine (SVM). The test results show that with a 10% test data and 90% training data proportion, the SVM method achieves the highest accuracy of 95%. Naive Bayes follows with an accuracy of 87%, and K-NN with an accuracy of 75%.
Keywords: JKN mobile application, sentiment analysis, naive bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstrak: Aplikasi Mobile JKN adalah sebuah aplikasi yang dibuat untuk mempermudah administrasi kesehatan di Indonesia sejak tahun 2017. Aplikasi ini telah diunduh lebih dari 10 juta pengguna dengan 484 ribu ulasan beragam positif, negatif, dan netral. Rata-rata rating yang diberikan pengguna adalah 4,5 bintang dari 5 bintang. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna yang terdapat di kolom review Google Play Store. Metode yang digunakan untuk analisis sentimen adalah Naive Bayes, K-Nearest Neighbor (K-NN), dan Support Vector Machine (SVM). Hasil pengujian menunjukkan bahwa dengan menggunakan proporsi data uji sebesar 10% dan data training sebesar 90%, metode SVM mencapai akurasi tertinggi sebesar 95%. Diikuti oleh Naive Bayes dengan akurasi 87%, dan K-NN dengan akurasi 75%.
Kata kunci: JKN mobile, analisis sentimen, naïve bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstract:Abstract: One of the main aspects of education, such as elementary school education, the initial stage for children to continue to the next level of education. Elementary school for the first level of education plays an…
important role in developing students' attitudes, skills, and interests and talents. Every new academic year, students and parents will choose the best school according to their wishes. There are many choices of schools with a variety of different offerings provided. That way, many parents of students are confused by the many choices of types of schools for their children. This study aims to provide recommendations for the best elementary schools in the Sei Dadap sub-district based on the criteria desired by prospective students by applying the Simple Addictive Weighting (SAW) method to a system The SAW method helps in solving simple unstructured problems so that by applying the SAW method a more effective decision-making process can be carried out. The data used as alternative data are elementary schools in the Sei Dadap sub-district. The criteria used in decision making include accreditation, facilities, extracurricular activities, number of classrooms, number of students, and distance between schools.
Keywords: Decision Support System; Elementary school; Simple Addictive Weighting
Abstrak: Salah satu aspek pendidikan utama seperti pendidikan sekolah dasar yang tahap awal bagi anak untuk melanjutkan ke jenjang pendidikan berikutnya. Sekolah Dasar jenjang pendidikan pertama memegang peranan penting dalam mengembangkan sikap, keterampilan, serta minat dan bakat siswa. Setiap tahun ajaran baru, siswa dan orang tua akan memilih sekolah terbaik sesuai dengan keinginan mereka. Ada banyak pilihan sekolah dengan beragam penawaran berbeda yang disediakan. Dengan begitu, banyak orang tua siswa yang bingung dengan banyaknya pilihan jenis sekolah untuk anaknya. Penelitian ini bertujuan untuk memberikan rekomendasi sekolah dasar terbaik di kecamatan Sei Dadap berdasarkan kriteria yang diinginkan oleh calon siswa dengan menerapkan metode Simple Addictive Weighting (SAW) pada suatu sistem. Metode SAW membantu dalam menyelesaikan masalah sederhana yang tidak terstruktur sehingga dengan menerapkan metode SAW dapat dilakukan proses pengambilan keputusan yang lebih efektif. Data yang digunakan sebagai data alternatif adalah sekolah dasar yang ada di kecamatan Sei Dadap. Kriteria yang digunakan dalam pengambilan keputusan meliputi akreditasi, fasilitas, kegiatan ekstrakurikuler, jumlah ruang kelas, jumlah siswa, dan jarak antar sekolah.
Kata kunci: Sistem Pendukung Keputusan; Simple Addictive Weighting; Sekolah Dasar