UNITOMOUNITOMO
Inform: Jurnal Ilmiah Bidang Teknologi Informasi dan KomunikasiInform: Jurnal Ilmiah Bidang Teknologi Informasi dan KomunikasiInternet menciptakan ruang baru di mana orang dapat berinteraksi dan berkomunikasi secara efisien. Media sosial seperti Facebook dan Twitter memfasilitasi interaksi tersebut, namun keterbukaan pengguna sering mengungkapkan karakter pribadi tanpa disadari. Dalam penelitian ini, status media sosial dari 50 pengguna Facebook dan Twitter dikumpulkan dan diproses melalui tokenisasi, stopword removal, stemming, serta perhitungan TF‑IDF. Algoritma Probabilistik Neural Network (PNN) diterapkan untuk mengklasifikasikan Big Five personality traits, menghasilkan akurasi rata‑rata 86,99 % pada fase pelatihan dan 83,66 % pada pengujian dengan 30 data pelatihan dan 20 data uji.
Hasil analisis menunjukkan bahwa PNN dapat mengenal karakter seseorang dengan akurasi rata‑rata 86,99 % pada pelatihan dan 83,66 % pada pengujian.Akurasi optimal dicapai pada kombinasi 30 data pelatihan dan 20 data uji.Perluasan penelitian ditujukan pada penerapan metode seleksi fitur guna meningkatkan kinerja klasifikasi.
Pertama, lakukan studi perbandingan antara PNN dengan algoritma pembelajaran mendalam (deep learning) seperti CNN atau LSTM untuk melihat apakah arsitektur jaringan lebih kompleks dapat meningkatkan akurasi klasifikasi karakter. Kedua, lakukan analisis sensitivitas fitur dengan menerapkan teknik seleksi fitur berbasis informasi (mutual information atau chi‑square) pada dataset status media sosial, sehingga dapat mengidentifikasi kata kunci yang paling berkontribusi pada prediksi trait Big Five. Ketiga, kembangkan sistem real‑time monitoring yang dapat memproses status media sosial secara otomatis dan memberikan profil karakter secara dinamis; sistem ini dapat diuji pada platform media sosial yang berbeda serta dengan data pengguna seluler di Indonesia untuk validitas temuan secara nasional.
| File size | 315.69 KB |
| Pages | 4 |
| DMCA | Report |
Related /
UBUB Penelitian sebelumnya menggunakan metode SQL Complexity namun tidak dapat mengenali perintah Transact SQL dan memberikan bobot yang sama pada ketiga kriteriaPenelitian sebelumnya menggunakan metode SQL Complexity namun tidak dapat mengenali perintah Transact SQL dan memberikan bobot yang sama pada ketiga kriteria
UBUB Hasil evaluasi menunjukkan bahwa Naïve Bayes menghasilkan akurasi 82% dengan precision tertinggi pada kelas positif (95,40%), sedangkan Random ForestHasil evaluasi menunjukkan bahwa Naïve Bayes menghasilkan akurasi 82% dengan precision tertinggi pada kelas positif (95,40%), sedangkan Random Forest
UBUB Hasil menggunakan sistem automasi menunjukkan sistem pemantauan tidak kalah akurat dibandingkan pemantauan langsung; nilai error sensor TDS berada di antaraHasil menggunakan sistem automasi menunjukkan sistem pemantauan tidak kalah akurat dibandingkan pemantauan langsung; nilai error sensor TDS berada di antara
UBUB Selain itu, sistem juga terbukti dapat menjaga kondisi kumbung pada suhu rata-rata 25,96 ºC dan kelembapan rata-rata 87,18%. Penggunaan sistem ini jugaSelain itu, sistem juga terbukti dapat menjaga kondisi kumbung pada suhu rata-rata 25,96 ºC dan kelembapan rata-rata 87,18%. Penggunaan sistem ini juga
UBUB Penelitian ini menggunakan metode Systematic Literature Review (SLR) dengan teknik Critical Appraisal Skills Programme (CASP) untuk memastikan kualitasPenelitian ini menggunakan metode Systematic Literature Review (SLR) dengan teknik Critical Appraisal Skills Programme (CASP) untuk memastikan kualitas
UBUB Mayoritas individu mengalami dampak negatif dalam tingkat sedang, sementara kasus dengan dampak sangat rendah atau sangat tinggi lebih jarang. Usia 13‑30Mayoritas individu mengalami dampak negatif dalam tingkat sedang, sementara kasus dengan dampak sangat rendah atau sangat tinggi lebih jarang. Usia 13‑30
IVETIVET Tema Kemudahan Penggunaan terbagi atas sub tema Mudah Digunakan, Mudah Dipahami, dan Menarik. Tema Kecanggihan Aplikasi terbagi atas Hasil Akhir yang MudahTema Kemudahan Penggunaan terbagi atas sub tema Mudah Digunakan, Mudah Dipahami, dan Menarik. Tema Kecanggihan Aplikasi terbagi atas Hasil Akhir yang Mudah
IVETIVET Efisiensi energi meningkat signifikan, dengan penghematan estimatif sebesar 25–30% di satu ruang kelas. Jika diimplementasikan secara menyeluruh, sistemEfisiensi energi meningkat signifikan, dengan penghematan estimatif sebesar 25–30% di satu ruang kelas. Jika diimplementasikan secara menyeluruh, sistem
Useful /
UBUB Antarmuka depan diimplementasikan sebagai Progressive Web Application (PWA) untuk memastikan kompatibilitas lintas platform dan memberikan kemampuan offlineAntarmuka depan diimplementasikan sebagai Progressive Web Application (PWA) untuk memastikan kompatibilitas lintas platform dan memberikan kemampuan offline
UBUB KNN memberikan akurasi tertinggi 81,28% dan kinerja seimbang pada semua metrik. Kelemahan masih terletak pada tinggi rasio false positive dan false negative.KNN memberikan akurasi tertinggi 81,28% dan kinerja seimbang pada semua metrik. Kelemahan masih terletak pada tinggi rasio false positive dan false negative.
UBUB 26, yang menunjukkan kinerja model yang sangat baik dalam mendeteksi kesegaran buah dan sayur. Penelitian ini berhasil mengembangkan dan mengevaluasi model26, yang menunjukkan kinerja model yang sangat baik dalam mendeteksi kesegaran buah dan sayur. Penelitian ini berhasil mengembangkan dan mengevaluasi model
UNITOMOUNITOMO Metode Dragonfly menghasilkan biaya bahan bakar dan emisi CO₂ yang lebih rendah dibandingkan metode Lambda Iteration pada sistem pembangkit hidro‑termoMetode Dragonfly menghasilkan biaya bahan bakar dan emisi CO₂ yang lebih rendah dibandingkan metode Lambda Iteration pada sistem pembangkit hidro‑termo