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)
Rohman Dijaya
Informatika, Universitas Muhammadiyah Sidoarjo
Computer Science & IT

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

Found 2 Documents
Search

 1 
PENERAPAN ALGORITMA MACHINE LEARNING UNTUK MEMPREDIKSI SENTIMEN KEPUASAN PENGGUNA WEVERSE Amalia Rossa Annjani; Uce Indahyanti; Azmuri Wahyu Azinar; Rohman Dijaya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16874

Abstract

Perkembangan teknologi digital mendorong meningkatnya penggunaan platform komunitas penggemar seperti Weverse, yang menghasilkan ulasan pengguna sebagai indikator kepuasan terhadap layanan aplikasi. Namun, ulasan pada Google Play Store bersifat tidak terstruktur dan memiliki distribusi kelas sentimen yang tidak seimbang, sehingga menyulitkan proses klasifikasi sentimen. Permasalahan utama dalam penelitian ini adalah ketidakseimbangan data sentimen serta pemilihan algoritma klasifikasi yang mampu memberikan kinerja optimal. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Decision Tree dan Naïve Bayes dalam mengklasifikasikan sentimen ulasan pengguna Weverse. Metode penelitian meliputi preprocessing teks, pelabelan semi-otomatis, ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta penanganan ketidakseimbangan kelas menggunakan Random Oversampling (ROS) pada data latih. Evaluasi model dilakukan menggunakan Confusion Matrix dengan rasio pembagian data sebesar 80:20 dan 70:30. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes dengan rasio split 80:20 menghasilkan kinerja terbaik dengan nilai akurasi sebesar 86,81% dan F1-Score sebesar 83,88%. Penerapan Random Oversampling (ROS) terbukti meningkatkan recall pada kelas negatif sehingga menghasilkan model klasifikasi yang lebih seimbang
EVALUASI PERFORMA NAIVE BAYES DAN SVM DALAM MEMPREDIKSI SENTIMEN ULASAN PENGGUNA APLIKASI PINTEREST Indri Arianti Wibowo; Uce Indahyanti; Irwan Alnarus Kautsar; Rohman Dijaya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17860

Abstract

Kemajuan teknologi digital telah mendorong pertumbuhan signifikan dalam penggunaan aplikasi mobile di berbagai kalangan pengguna, termasuk Pinterest yang menghasilkan banyak ulasan pengguna sebagai sumber informasi kepuasan. Meskipun demikian, banyaknya ulasan yang tersedia dalam bentuk teks yang tidak tersusun membuat proses analisis secara manual sulit dilakukan dan berpotensi menimbulkan bias akibat ketidakseimbangan data sentimen. Penelitian ini dilaksanakan guna membandingkan tingkat performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam pengelompokan sentimen ulasan pengguna aplikasi Pinterest. Metode penelitian meliputi pre-processing, pelabelan, ekstraksi fitur melalui penerapan Term Frequency-Inverse Document Frequency (TF-IDF), pembagian data 80:20 dan 70:30, serta penerapan Random Oversampling (ROS) dilakukan untuk mengatasi ketidakseimbangan data. Evaluasi diterapkan dengan memanfaatkan confusion matrix melalui metrik akurasi, precision, recall, dan F1-score. Temuan penelitian menunjukkan bahwa Support Vector Machine (SVM) pada kondisi data Imbalanced rasio 80:20 memperoleh akurasi global tertinggi sebesar 89,01% dan F1-score 88,71%, sedangkan Naive Bayes dengan Random Oversampling (ROS) rasio 70:30 menghasilkan recall kelas negatif tertinggi sebesar 87,03% dan F1-score 72,68%. Penelitian menegaskan bahwa evaluasi model pada data tidak seimbang perlu menitikberatkan pada performa per kelas, khususnya recall kelas negatif, bukan hanya akurasi global.
Co-Authors Amalia Rossa Annjani Azmuri Wahyu Azinar Indri Arianti Wibowo Irwan Alnarus Kautsar Uce Indahyanti Uce Indahyanti