Intisari—Dengan kemajuan teknologi saat ini seluruh informasi tentang semua film sudah tersedia di Internet. Jika informasi dikelola dengan baik maka dapat memberikan manfaat berupa informasi yang berguna untuk membantu individu atau organisasi untuk mengambil keputusan. Penelitian ini bertujuan untuk menjelaskan analisis sentimen pada dokumen film. Metode yang digunakan pada penelitian ini adalah TF-IDF (Term Frequency-Inverse Document Frequency) dan SVM (Support Vector Machine) . Metode ini dipilih karena mampu melakukan pembobotan terhadap kata dan mengklasifikasikan data berdimensi tinggi. Dari uji skenario yang dilakukan, diketahui bahwa algoritma TF-IDF dan SVM dapat digunakan untuk kasus review film dengan nilai Accuracy 85%, nilai Precision 100%, nilai Recall 70%, dan nilai F1-Score sebesar 82%.
Metode numerik dapat membantu memecahkan persoalan Matematika kompleks dan rumit yang sulit untuk diselesaikan secara analitik. Seiring dengan kemajuan teknologi komputer yang berkembang pesat, komputasi numerik dapat membantu menyelesaikan persoalan seperti solusi persamaan linear dan nonlinear, kalkulus turunan dan integral, solusi persamaan diferensial atau persoalan deret dan galat. Pada kasus penentuan penyakit tanaman hias, khususnya Anggrek Hitam (Coelogyne pandurata), penerapan komputasi numerik dapat menjadi studi sebagai bahan ajar pada kelas mata kuliah Metode Numerik di Program Studi Informatika, Fakultas Teknik Universitas Mulawarman. Penelitian ini bertujuan untuk merancang bahan ajar Metode Numerik untuk diagnosa penyakit tanaman hias Anggrek Hitam menggunakan Metode Naive Bayes. Data pada riset ini berupa bobot gejala dan penyakit yang diperoleh dari para pakar tanaman. Hasil penelitian menunjukkan bahwa komputasi numerik dapat mempermudah pada pemodelan permasalahan yang kompleks. Juga dihasilkan bahan ajar Metode Numerik pada kasus diagnosa penyakit tanaman Anggrek Hitam menggunakan Metode Naive Bayes.
Riset merupakan kegiatan akademik yang wajib dilakukan oleh mahasiswa tugas akhir di Program Studi Informatika, Fakultas Teknik Universitas Mulawarman, Samarinda Kalimantan Timur. Riset eksperimen memerlukan pengetahuan dan pemahaman yang kuat di bidang Statistik. Pelajaran Matematika dan Statistika termasuk materi yang sulit dipahami di kalangan mahasiswa di beberapa perguruan tinggi. Pelatihan atau workshop ini betujuan untuk melakukan penguatan kembali (recharging) serta peningkatan pengetahuan peserta tentang ilmu pengetahuan, konsep dan aplikasi Statistik Kuantitatif untuk riset eksperimen. Pelatihan dilakukan dengan cara pembelajaran secara langsung di dalam kelas. Monitoring pelatihan dilakukan dengan observasi selama kegiatan berlangsung, sedangkan evaluasi dilakukan melalui survey kepada peserta. Bobot penilaian oleh peserta terhadap materi, narasumber, fasilitas pelatihan dan peningkatan kemampuan diukur dengan Skala Likert. Pelatihan dilaksanakan dengan 38 peserta dan observasi monitoring menunjukkan dinamika peserta dan fasilitator yang aktif dan lancar. Hasil evaluasi kegiatan pelatihan menunjukkan materi, narasumber, fasilitas pelatihan dan peningkatan kemampuan telah memenuhi kebutuhan peserta dengan persentase rata-rata sebesar 99.7%. Evaluasi juga menunjukkan bahwa sebesar 64% peserta menyatakan peningkatan pengetahuan yang sangat tinggi, 31% menilai tinggi dan 5% menyatakan sedang. Students in the Department of Informatics at the Faculty of Engineering, Mulawarman University, Samarinda, East Kalimantan, are required to conduct research for their final project. Strong statistical expertise and understanding are necessary for conducting experimental research. Many universities' students report having trouble understanding math and statistics classes. The purpose of this training is to deepen and broaden participants' understanding of scientific principles and the uses of quantitative statistics in experimental research. Direct learning takes place during the training in the classroom. Evaluation of training is done through surveys given to participants, while monitoring is done by observing during the activity. A Likert Scale was used to gauge how seriously the participants took the content, resource people, training facilities, and capacity building. 38 people attended the training, and monitoring observations revealed the dynamics of fluent and active participants and facilitators. According to the findings of the evaluation of training activities, an average percentage of 99.7% of the participants' needs were met by the training materials, resource people, training facilities, and capacity building. Additionally, the evaluation revealed that 64% of participants rated the level of knowledge gain as very high, 31% as high, and 5% as moderate.
Tutupan lahan merupakan ilmu tentang penggunaan suatu lahan untuk mencapai tujuan kesejahteraan dan kemajuan baik masyarakat ataupun lingkungan itu sendiri. Tutupan dan penggunaan lahan selalu berubah mengikuti perkembangan jumlah penduduk dan juga kebijakan yang dimiliki pemerintah suatu daerah itu sendiri. Kota Samarinda merupakan kota yang dimana tutupan lahannya berubah dengan cepat akibat pertumbuhan pendududuk yang pesat. Informasi tentang keadaan tutupan lahan sangat penting dalam perencanaan operasional dan penyelenggaraan evaluasi pada pemerintah. Sehingga diperlukannya analisis terhadap perubahan yang terjadi. Metode yang digunakan dalam penelitian ini adalah memanfaatkan teknologi penginderaan jauh yang kemudian diolah dengan menggunakan algoritma Maximum Likelihood Classification dan menghitung nilai kerapatan vegetasi dari suatu daerah yaitu NDVI (Normalized Difference Vegetation Index). Penentuan sampel untuk training area menggunakan metode plot area dan pengambilan sampel menggunakan metode random sampling. Hasil pengolahan menghasilkan tutupan lahan yang ada di Kota Samarinda didominasi dengan kelas tutupan lahan vegetasi alami yang mencakup 50% dari keseluruhan wilayah Kota Samarinda. Kerapatan vegetasi menunjukkan kehjijaun tingi pada interval 0.510494065 – 0.793650806 pada tahun 1994. Sedangkan pada tahun 2022 menunjukkan interval 0.143671161 – 0.249420762. Akurasi keseluruhan pada tahun 1994 menghasilkan nilai 97,02% sedangkan pada tahun 2022 menghasilkan nilai 99,01%.
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.