Di era yang serba digital segala aspek penerapan suatu kebijakan oleh pemerintah menjadi topik yang banyak dibicarakan dijejaring media sosial terutama Twitter. Salah satunya topik terkait Penerapan Permendikbud Nomor 30 Tahun 2021. Pada tweet dapat dilakukan analisis sentimen untuk mengetahui tanggapan masyarakat terhadap penerapan Permendikbud PPKS dengan melakukan identifikasi dan mengkategorikan polaritas teks untuk menentukan text tersebut memiliki nilai positif atau negatif. Model sistem bertujuan sebagai evaluasi pihak pemerintah dalam tindaklanjut dari penetapan kebijakan. Pengumpulan data yang diambil dari twitter dengan hash tag kesetaraan gender, kekerasan seksual, dan PPKS berjumlah 159 data. Pembagian data latih dan data uji mengunakan rasio 70:30 secara acak oleh sistem. Untuk data latih digunakan sebanyak 111 data, sedangkan data uji digunakan sebanyak 48 data. Berdasarkan hasil pengujian dengan textblob yang dibantu dengan menggunakan algoritma Support Vector Machine menggunakan data uji sebanyak 48 data dengan 34 data positif, dan 14 data negatif, mendapatkan akurasi sebesar 70,8%.
Hortikultura khususnya sayuran memiliki potensi besar untuk dikembangkan karena menjadi sumber pendapatan bagi masyarakat dan petani kecil di setiap daerah disebabkan negara Indonesia disebut sebagai negara agraris dengan sebagian besar bekerja dibidang pertanian. Kabupaten Mandailing Natal merupakan kabupaten dengan wilayah terluas di provinsi Sumatera Utara tapi Mandailing Natal belum dapat mengungguli produksi panen tanaman sayuran di Sumatera Utara. Metode penambangan data dapat menemukan pola yang menarik dan tidak terlihat dalam kumpulan data salah satu metodenya adalah algoritma K-Means klastering yang mengelompokkan data ke dalam cluster berdasarkan kesamaan karakteristik data. Pada penelitian ini dilakukan klastering pada data sayuran yang bertujuan untuk mengetahui komoditi yang berpotensi pada setiap daerah di Kabupaten Mandailing Natal, tanaman yang berpotensi di daerah akan tetap dijaga dan ditingkatkan produksinya sedangkan tanaman sayuran yang produksinya masih rendah akan menjadi prioritas untuk meningkatkan hasil produksinya. Metode penelitian yang digunakan pada penelitian ini dengan melakukan pengumpulan data sayuran dari Badan Pusat Statistik berupa data luas panen, produksi, luas tanaman, dan luas penanaman baru. Selain itu, pengumpulan data juga dilakukan dengan melakukan kajian teori pada jurnal. Hasil klastering sayuran unggulan menggunakan algoritma K-Means berupa pengelompokan potensi ke dalam 3 klaster yaitu klaster rendah, sedang, dan tinggi dan didapatkan output berupa sistem berbasis web dalam pengaplikasiannya. Adapun hasil analisa klastering yang didapatkan dengan masing-masing total data 69 data yaitu cabai besar dengan hasil C1 81%, C2 16% dan C3 3%. Cabai Rawit C1 29%, C2 48% dan C3 23%. Kacang Panjang C1 26%, C2 38% dan C3 36%. Kangkung C1 39%, C2 36% dan C3 25%. Terung C1 43%, C2 29% dan C3 28%. Tomat C1 41%, C2 58% dan C3 1%.
Adzan dan Iqamah menjadi penanda waktu masuknya melaksanakan rukun islam yang kedua. Ketika muazzin mengumandangkan azan pada waktu-waktu tertentu dengan suara yang merdu dengan ciri khas nagham yang berbeda-beda.Nagham adalah kata yang berasal dari bahasa Arab yang artinya lagu/irama. Kata nagham yang akhirnya kemudian dirangkai dengan Al-Qur'an menjadi nagham Al-Qur'an yang artinya melagukan Al-Qur'an, bisa juga disebut dengan Tahsin As-Shout dalam membaca Al-Qur'an (membaguskan suara dalam membaca Al-Qur'an). Banyak masyarakat yang belum mengetahui jenis-jenis nagham yang sering digunakan oleh muazzin dan sangat disayangkan kejadian seperti ini terjadi pada beberapa remaja bahkan sebagian orang dewasa yang belum paham tentang nagham itu sendiri. Hal tersebut yang menjadikan penulis tertarik untuk membuat sebuah sistem yang dapat mengenali nagham apa yang digunakan saat adzan melalui sample suara adzan yang kita masukkan. Sistem ini memudahkan kita dalam belajar jenis nagham adzan, maka dari itu penulis tertarik mengambil judul Pengenalan Nagham Adzan Melalui Suara Menggunakan Discrete Wavelet Transform dan MellinTransform.Discrete Wavelet Transform dan MellinTransform ini digunakan untuk mencari nilai frekuensi pada sinyal suara.Hasil penelitian menunjukkan bahwa sistem Perbandingan Kinerja Algoritma Discrete Wavelet Transform (DWT)Dan Mellin Transform untuk pengenalan nagham suara adzan, memiliki kisaran true detection untuk algoritma Discrete Wavelet Transform sebesar 73,33% dan Mellin Transform sebesar 80% .
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.