Classification of Public Opinion on Vaccine Administration Using Convolutional Neural Network

Kristanto, Sepyan Purnama; Hakim, Lutfi; Yusuf, Dianni; Haq, Endi Sailul; Asyari, Aditya Rohman

doi:10.1109/icvee57061.2022.9930412

Cited by 2 publications

(2 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Hasil berbeda diperoleh [27] yang membandingkan kinerja algoritma SVM dan NB pada analisis sentimen e-sport untuk kurikulum edukasi di mana algoritma NB mampu menghasilkan akurasi lebih tinggi dibandingkan SVM yaitu sebesar 70,32%. Adapun penggunaan algoritma Deep Learning (DL) tipe Convolutional Neural Network (CNN) pada sentimen analisis [28] mampu menghasilkan tingkat akurasi di atas 60%, dan pada penelitian lain pemanfaatan algoritma kombinasi CNN dengan Long-Short Term Memory (LSTM) atau CLSTM menghasilkan tingkat akurasi sebesar 85,8% untuk klasifikasi komentar ke dalam 4 kelas sentimen [29].…”

Section: Pendahuluanunclassified

“…Algoritma SVM mengungguli algoritma NB dalam prediksi sentimen jika metrik keputusan yang digunakan adalah presisi. Penelitian ini sekaligus membuktikan algoritma DL pada analisis sentimen mampu mencapai akurasi cukup tinggi yaitu 79,95%, sebagaimana penelitian sebelumnya yang mampu mencapai akurasi di atas 60% [28]. Perbandingan ketiga model pada penelitian ini turut mendukung hasil studi literatur [23] di mana ketiga model memiliki kinerja yang bagus pada analisis sentimen sehingga banyak diimplementasikan pada penelitian text mining.…”

Section: Modeling Dan Model Evaluationunclassified

See 1 more Smart Citation

Analisis Sentimen Evaluasi Reaksi E-Learning Menggunakan Algorima Naïve Bayes, Support Vector Machine Dan Deep Learning

Firdausy,

Yuadi,

Puspitasari

2023

View full text Add to dashboard Cite

Evaluasi reaksi atau evaluasi kepuasan merupakan bentuk evaluasi paling umum digunakan dalam pelatihan karena kemudahan dan sifatnya yang lekat dengan pelatihan. Meskipun mengandung wawasan yang dapat bernilai dalam peningkatan kualitas penyelenggaraan pelatihan, namun penelitian terkait reaksi peserta masih sangat terbatas. Penelitian ini bertujuan melakukan analisis sentiment terhadap evaluasi reaksi peserta e-learning menggunakan algoritma Naïve Bayes, Support Vector Machine dan Deep Learning. Reaksi peserta berupa komentar diklasifikasikan ke dalam kategori apresiasi, saran dan kritik. Hasil penelitian menunjukkan model Naïve Bayes memiliki kinerja yang lebih baik dibandingkan SVM dan Deep Learning dalam prediksi sentimen komentar peserta dengan tingkat akurasi, presisi dan recall masing-masing sebesar 82,54%, 68,08% dan 69,81%. Prediksi sentiment reaksi peserta menggunakan model Naïve Bayes diperoleh hasil 70% berupa apresiasi, 16% berupa saran dan 14% merupakan kritik. Penelitian ini memberikan kontribusi praktis analisis evaluasi reaksi pelatihan dan menambah literatur implementasi text mining pada domain human resource analytics.

show abstract

Section: Pendahuluanunclassified

Section: Modeling Dan Model Evaluationunclassified

Analisis Sentimen Evaluasi Reaksi E-Learning Menggunakan Algorima Naïve Bayes, Support Vector Machine Dan Deep Learning

Firdausy,

Yuadi,

Puspitasari

2023

View full text Add to dashboard Cite

show abstract

Classification of Dragon Fruit Stem Diseases Using Convolutional Neural Network

Hakim,

Asyhari,

Kristanto

et al. 2023

intensif

View full text Add to dashboard Cite

A holticulture plant known as dragon fruit (pitaya) is a fruit that has many benefits and is widely cultivated by farmers in several areas of Banyuwangi. In dragon fruit plants there are various kinds of diseases that attack including red spot, stem rot, black rot, scab, and mosaic. Farmers still recognize diseases on dragon fruit stems manually so that sometimes there are errors in disease recognition. In this research, a system was developed to identify the types of diseases on dragon fruit stems. This system was built by proposing the Convolutional neural network method with the proposed architecture using the Python programming language with the Tensorflow, Keras, and Scikit-Learn libraries. The proposed system is tested using k-fold cross validation with tunning parameters fold = 5 and epoch = 5. The training results show that the highest accuracy performance value is 85.06% with the data used as test data as many as 191 images producing 147 correct data and 44 data wrong, while the average overall accuracy score was 76.43%.

show abstract

Classification of Public Opinion on Vaccine Administration Using Convolutional Neural Network

Cited by 2 publications

References 12 publications

Analisis Sentimen Evaluasi Reaksi E-Learning Menggunakan Algorima Naïve Bayes, Support Vector Machine Dan Deep Learning

Analisis Sentimen Evaluasi Reaksi E-Learning Menggunakan Algorima Naïve Bayes, Support Vector Machine Dan Deep Learning

Classification of Dragon Fruit Stem Diseases Using Convolutional Neural Network

Contact Info

Product

Resources

About