Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Agussalim Agussalim
Sistem Informasi, Universitas Pembangunan Nasional "Veteran" Jawa Timur
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
TEXT-BASED EMOTION SENTIMENT ANALYSIS DENGAN PENDEKATAN DEEP LEARNING : AKUISISI TIKTOK TERHADAP TOKOPEDIA Angga Pornama; Agussalim Agussalim; Seftin Fitri Ana Wati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12435

Abstract

Akuisisi 75% saham Tokopedia oleh Tiktok memunculkan banyak pro dan kontra. Di samping dampak positif, terdapat kekhawatiran terkait potensi monopoli, dominasi pasar, persaingan tidak sehat, keamanan data pengguna, hingga geopolitik dari China. Pengakusisian Tokopedia juga disinyalir merupakan langkah TikTok untuk mendapatkan izin dagang social commerce meraka. Dengan adanya perdebatan opini publik, dilakukan analisis sentimen untuk mengetahui respon masyrakat terhadap isu terkait. Diadopsi sentimen berdasar emosi guna memahami konteks dari data. Adapun data yang digunakan berasal dari komentar platform YouTube yang diambil melalui proses scraping di mana didapatkan 3041 baris data setelah proses labeling secara manual. Deep learning dengan model CNN, LSTM, CNN-LSTM, dan LSTM-CNN digunakan sebagai algoritma dalam penelitian dengan melibatkan ektraksi fitur TF-IDF (Term Frequency–Inverse Document Frequency) untuk vektorisasi kata dan augmentasi untuk menyeimbangkan data. Model CNN menunjukkan performa terbaik dengan akurasi tertinggi sebesar 97.03% pada x3 augmentasi, F1-Score 0.97, precision 0.97, dan recall 0.96. Hal ini menunjukkan bahwa model CNN dapat mengidentifikasi kelas emosi pada data lebih baik dibandingkan dengan model lainnya
ANALISIS SENTIMEN BERBASIS ASPEK PADA SISTEM LAYANAN PENGADUAN MASYARAKAT DI KOTA SURABAYA MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION DAN NAÏVE BAYES Ferdy Atmaja; Agussalim Agussalim; Eka Dyar Wahyuni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12438

Abstract

Sistem layanan pengaduan masyarakat menjadi salah satu sarana penting bagi pemerintah kota untuk menerima, memproses, dan menindaklanjuti berbagai keluhan warga. Namun, peningkatan volume data pengaduan di Kota Surabaya menjadi tantangan dalam pengelolaan manual yang kurang efektif. Analisis mendalam terhadap data pengaduan diperlukan untuk memahami opini masyarakat terhadap kualitas layanan. Penelitian ini bertujuan untuk melakukan analisis sentimen berbasis aspek terhadap data aduan. Penelitian dilakukan dengan memanfaatkan metode Latent Dirichlet Allocation (LDA) untuk mengidentifikasi aspek utama keluhan dan menggunakan Multinomial Naïve Bayes (MNB) untuk mengklasifikasikan sentimen. Data yang digunakan terdiri dari 10.847 pengaduan yang dikumpulkan melalui aplikasi WargaKu dan Media Center sepanjang tahun 2023. Metode LDA berhasil mengidentifikasi 17 topik utama, termasuk administrasi, infrastruktur, dan informasi publik. Selanjutnya, Model MNB mencapai akurasi 80% setelah penerapan resampling, membuktikan keandalannya dalam klasifikasi sentimen. Hasil penelitian memberikan wawasan yang relevan untuk membantu pemerintah kota memprioritaskan perbaikan pada isu utama serta menawarkan pendekatan yang dapat diadopsi oleh sistem pengaduan serupa
Co-Authors Angga Pornama Eka Dyar Wahyuni Ferdy Atmaja Seftin Fitri Ana Wati