Twitter sebagai platform yang digandrungi masyarakat terbukti dengan data yang menunjukkan bahwa Indonesia peringkat lima di dunia dengan banyak pengguna mencapai 18.4 juta. Banyak pengguna mengutarakan pendapat di dalam Twitter. Skincare lokal kini sedang merajai industri kecantikan di Indonesia. Beberapa brand kecantikan yang menggunakan artis korea sebagai brand ambassador. Berdasarkan hal tersebut, maka dilakukan analisis sentimen menggunakan algoritma Support Vector Machine (SVM)  dan naïve bayes untuk mengetahui bagaimana sentimen para pengguna terhadap penggunaan artis korea sebagai brand ambassador produk kecantikan lokal. Data yang digunakan merupakan komentar masyarakat twitter sebanyak 317 data yang terdiri 266 komentar positif dan 21 komentar negatif. Hasil terbaik diperoleh pada SVM dengan nilai akurasi  83.60% dengan precision 83.86% dan recall 99.62%.

Predicting early Type 2 diabetes (T2D) is critical for improved care and better T2D outcomes. An accurate and efficient T2D prediction relies on unbiased relevant features. In this study, we searched for important features to predict T2D by integrating ML-based models for feature selection and classification from 520 individuals newly diagnosed with diabetes or who will develop it. We used standard machine learning classifications, such as logistic regression (LR), Gaussian naive Bayes (NB), decision tree (DT), random forest (RF), support vector machine (SVM) with linear basis function, and k-nearest neighbors (KNN). We set out to systematically explore the viability of main feature selection representing each different technique, such as a statistical filter method (F-score), an entropy-based filter method (mutual information), an ensemble-based filter method (random forest importance), and a stochastic optimization (simultaneous perturbation feature selection and ranking (SpFSR)). We used a stratified 10-fold cross-validation technique and assessed the performance of discrimination, calibration, and clinical utility. We attained the highest accuracy of 98% using RF with the full set of features (16 features), then used RF as a classifier wrapper to select the important features. We observed a combination of SpFSR and RF as the best model with a P-value above 0.05 (P-value = 0.26), statistically attaining the same accuracy as the full features. The study's findings support the efficiency and usefulness of the suggested method for choosing the most important features of diabetic data: polyuria, gender, polydipsia, age, itching, sudden weight loss, delayed healing, and alopecia.

Indonesia adalah negara yang mayoritas penduduknya muslim, namun Indonesia juga kaya akan budaya yang terpengaruh agama-agama sebelumnya seperti hindu dan budha. Pawang hujan oleh umat islam di anggap kesyirikan, namun di lain pihak juga menganggap ini budaya nenek moyang yang sejak dulu ada. Dengan semakin majunya perkembangan tekhnologi manusia semakin mudah mengemukan pendapat atau opininya terkait suatu topik yang sedang ramai di bicarakan misalnya terkait pawang hujan yang beraksi di Sirkuit Mandalika beberpa waktu lalu melalui media sosial. Twitter adalah Media sosial yang dijadikan salah satu media sosial sebagai tempat menyampaikan opini tersebut. Pada penelitian ini di gunakan metodologi data mining CRISP-DM (Cross Industry Standard Process for Data Mining) dengan alat bantu Rapid miner Versi 9.10 dengan Metode klasifikasi Support Vector Machine (SVM) dan Naïve Bayes dengan SMOTE untuk meningkatkan akurasi. Penerapan metode SVM 97,71 % dengan AUC 0.997 Komentar Positif, dan Menggunakan Naïve Bayes maka akurasi yang didapat akurasi 93,41 % dengan AUC 0.973 Komentar Positif.

Tindakan Invasi Rusia ke Ukraina dikecam oleh berbagai pihak termasuk dari Indonesia. Sikap yang ditunjukkan oleh pemerintah Indonesia ternyata tidak sama dengan respon masyarakat Indonesia berdasarkan berbagai macam komentar pada halaman media berita online. Komentar yang pembaca berita online digunakan sebagai penilaian terhadap tokoh Presiden Rusia yang terlibat dalam konflik antara Rusia dan Ukraina dalam bentuk analisis sentimen. Penelitian ini berhasil mendapatkan data sebanyak 352 komentar yang berasal dari salah satu media berita online, data tersebut sebelumnya telah melalui tahap cleansing untuk menghilangkan duplikasi. Untuk mendapatkan informasi dasar pada komentar, Text mining dan Pre-Processing Text menjadi bagian penting dalam prosesnya. Algoritma klasifikasi yang digunakan oleh peneliti yaitu Support Vector Machine (SVM) dan Naive Bayes (NB) yang dioptimalkan menggunakan Particle Swarm Optimization (PSO). Kedua algoritma itu diuji dan memberikan hasil bahwa SVM berbasis PSO mendapatkan hasil akurasi terbaik yaitu sebesar 79.90% dan AUC 0.901.

The problem of waste is one of the things that need to be considered by society, especially food waste. Household waste management has begun to be carried out using the Reduce, Reuse and Recycle (3R) method but has not yet used technology. By using Finite State Automata (FSA) which is the basic concept of the Vending Machine (VM), waste management can be more economically by converting waste into balances for Rubbish Bank customers which of course becomes income for the society. In the payment method, QRIS applies where the customer does not get cash but immediately gets the balance which will go into the customer's own account. This implementation certainly reduces the amount of waste because it applies paper less and cashless. In this Reserve Vending Machine Food Waste process using Non-Deterministic Finite Automata (NFA).