Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Uce Indahyanti
Informatika, Universitas Muhammadiyah Sidoarjo
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
ANALISIS SENTIMEN ULASAN MASYARAKAT APLIKASI BROMPIT MENGGUNAKAN ALGORITMA NAIVE BAYES DAN SVM Egha Arya Affandi; Sumarno Sumarno; Uce Indahyanti; Yulian Findawati
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.v10i1.16955

Abstract

Aplikasi BromPit dikembangkan untuk memudahkan pemilik sepeda motor Honda dalam melakukan pemesanan servis, pelacakan status kendaraan, dan pencarian bengkel resmi, namun ulasan pengguna pada Google Play Store menunjukkan beragam tanggapan. Studi ini berfokus pada sentimen orang-orang tentang penggunaan aplikasi BromPit serta membandingkan efektivitas metode Naive Bayes dibandingkan dengan teknik Support Vector Machine (SVM) untuk mengkategorikan data teks. Prosedur penelitian meliputi pengumpulan data ulasan, pelabelan sentimen, preprocessing, pembagian data train dan test, pembobotan TF-IDF, implementasi Naive Bayes dan SVM, penerapan SMOTE untuk menyeimbangkan kelas minoritas, serta evaluasi akurasi. Temuan penelitian ini memperlihatkan bahwa sebagian besar masyarakat banyak merasa puas terhadap aplikasi ini, dengan ulasan positif mendominasi sebanyak 7.157 ulasan, diikuti 1.351 negatif dan 221 netral. Output pengujian model menunjukkan bahwa akurasi Naive Bayes berada di kisaran 82,63%–83,05% dan SVM 81,90%–82,51% pada berbagai pembagian data, sehingga Naive Bayes menjadi model terbaik dan lebih efektif dibanding SVM untuk menganalisis sentimen ulasan. Hasil penelitian menunjukkan bahwa sejumlah besar individu telah menyatakan kepuasan terkait aplikasi BromPit, hal ini dapat digunakan untuk memperbaiki fitur, meningkatkan layanan, dan memastikan pengalaman pelanggan lebih baik
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.
RANCANG BANGUN SISTEM INFORMASI LAYANAN ADMINISTRASI DESA BERBASIS WEB: Faris Dwi Prasetya; Irwan Alnarus Kautsar; Uce Indahyanti; Suhendro Busono
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.17951

Abstract

Pelayanan administrasi desa merupakan bagian penting dalam tata kelola pemerintahan yang profesional dan transparan di era transformasi digital. Namun, di Desa Gerbo, Kabupaten Pasuruan, proses pelayanan masih dilakukan secara manual sehingga menimbulkan antrean panjang, keterbatasan akses layanan, serta rendahnya transparansi informasi. Permasalahan ini berdampak pada kurang optimalnya efisiensi dan akuntabilitas pelayanan publik. Penelitian ini bertujuan merancang dan mengimplementasikan sistem informasi layanan administrasi desa berbasis web guna meningkatkan kualitas pelayanan. Metode yang digunakan adalah Research and Development (R&D) dengan pendekatan System Development Life Cycle (SDLC) model Waterfall. Analisis permasalahan dilakukan menggunakan Cause–Effect–Solution (CES) Framework, sedangkan analisis kebutuhan sistem menggunakan Functional and Non-Functional (FNF) Framework. Sistem yang dikembangkan menyediakan fitur pengajuan surat daring, verifikasi dan pembuatan surat berbasis template, persetujuan kepala desa, pengarsipan digital, serta notifikasi status permohonan. Pengujian dilakukan dengan metode Black Box Testing untuk memastikan kesesuaian fungsi sistem. Hasil penelitian menunjukkan bahwa sistem mampu meningkatkan efisiensi, transparansi, dan keterpaduan pelayanan administrasi desa, sehingga layak diimplementasikan sebagai pendukung transformasi digital pelayanan publik di tingkat desa.
PEMODELAN SENTIMEN KOMENTAR YOUTUBE TERKAIT KEBIJAKAN HILIRISASI NIKEL MENGGUNAKAN ALGORITMA SUPERVISED LEARNING Ditta Adelia; Uce Indahyanti; Yunianita Rahmawati; Suprianto Suprianto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18003

Abstract

Kebijakan hilirisasi nikel Indonesia sejak 2020 menuai respon beragam, mulai dari dukungan kedaulatan ekonomi hingga kritik dampak lingkungan dan ketimpangan distribusi manfaat. Platform YouTube dengan 139 juta pengguna aktif menjadi ruang diskusi publik yang dinamis terkait kebijakan ini. Namun, analisis sentimen sering menghadapi kendala ketidakseimbangan kelas yang menyebabkan model bias terhadap kelas mayoritas dan gagal mendeteksi kelas minoritas. Penelitian ini bertujuan menganalisis sentimen publik terhadap kebijakan hilirisasi nikel melalui komentar YouTube dan mengevaluasi efektivitas metode SMOTE-Tomek Links dalam menangani ketidakseimbangan kelas. Dataset 7.850 komentar YouTube yang telah melalui tahap text processing dan pelabelan, menghasilkan distribusi tidak seimbang (81,04% negatif vs 18,96% positif). Tiga algoritma supervised learning (Naive Bayes, Random Forest, Support Vector Machine) diuji pada dua skenario yaitu sebelum dan sesudah penerapan SMOTE-Tomek Links. Hasil menunjukkan bahwa model terbaik diperoleh menggunakan SVM rasio 80:20 dengan SMOTE-Tomek Links, mencapai akurasi 96,37% dan recall kelas positif 89%. Metode ini efektif mengurangi bias dengan penurunan selisih recall dari 14% menjadi 9%. Analisis sentimen mengungkapkan opini negatif didominasi kekhawatiran kerusakan lingkungan dan ketimpangan ekonomi, sementara opini positif berfokus pada kemajuan industri dan kedaulatan negara.
Co-Authors Ditta Adelia Egha Arya Affandi Faris Dwi Prasetya Indri Arianti Wibowo Irwan Alnarus Kautsar Rohman Dijaya Suhendro Busono Sumarno Sumarno Suprianto Suprianto Yulian Findawati Yunianita Rahmawati