Aplikasi e-learning dibutuhkan masyarakat dalam meningkatkan pendidikan di mana e-learning yang menjadi objek penelitian adalah Ruangguru dan Zenius karena memiliki jumlah pengguna lebih dari 16 juta dengan kepuasan pengguna lebih dari 8.5/10 dan lebih dari 1 juta kali di download di play store. Aplikasi tersebut memberikan ruang bagi pengguna aplikasi untuk mendapatkan tingkat kepuasan dari pengguna aplikasi. Sentiment analysis merupakan natural language preprocessing yang dapat digunakan dalam melakukan ekstraksi opini dari data berupa teks di mana tujuan penelitian ini melakukan evaluasi pada peningkatan hal positif dan memperbaiki hal yang negatif. Data ulasan yang diambil dari Twitter dan play store memiliki promosi dan giveaway yang akan berpengaruh pada pengolahan data dalam penentuan opini dan bukan opini. Penulis menggunakan metode lexicon based dalam memberikan label atau nilai sentiment pada setiap data. Pendekatan yang digunakan algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) dalam melakukan klasifikasi terhadap data test yang di uji dari model yang telah dibangun. Berdasarkan hasil klasifikasi opini menjadi tiga kelas yaitu kelas positif, negatif, dan netral dari ulasan aplikasi Ruangguru dan Zenius. Dari nilai akurasi dan F-measure diperoleh bahwa klasifikasi yang terbaik adalah menggunakan algoritma CNN dengan akurasi dan F-measure memiliki nilai 86%.
Kondisi cuaca merupakan faktor yang sangat mempengaruhi aktivitas manusia khususnya pada sektor transportasi karena kegiatan lalu lintas udara dan laut dilakukan dengan mempertimbangkan kondisi cuaca seperti hujan dan kecepatan angin. Untuk itu prediksi curah hujan dan angin penting dilakukan, sehingga semua kegiatan lalu lintas direncanakan dengan baik. Untuk mendapatkan hasil prediksi yang akurat, perlu dilakukan penelitian algoritma apa yang terbaik dan efektif. Pada penelitian ini dilakukan perbandingan pemodelan dari algoritma neural network yaitu Backpropagation (BPNN) dan Reccurent neural network (RNN). Dataset yang digunakan dalam penelitian ini adalah data cuaca periode 2010-2019 dari stasiun FL Tobing Badan Meteorologi, Klimatologi dan Geofisika yang berada di Kabupaten Tapanuli Tengah. Implementasi jaringan syaraf tiruan Backpropragation dan Reccuren dilakukan dengan membangun pemodelan prediksi, dimana dataset yang digunakan akan dinormalisasi terlebih dahulu untuk mendapatkan nilai RMSE terkecil. Berdasarkan percobaan yang telah dilakukan didapatkan bahwa dalam pemodelan prediksi curah hujan dengan nilai RMSE terkecil sebesar 0,079535 menggunakan algoritma BPNN. Sedangkan untuk pemodelan prediksi kecepatan angin diperoleh nilai RMSE terkecil sebesar 0,06281251 menggunakan algoritma RNN. Melalui penelitian ini didapatkan bahwa algoritma BPNN lebih baik dalam memprediksi curah hujan dan algoritma RNN lebih baik dalam memprediksi kecepatan angin.
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.