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) Jurnal Sintaks Logika (JSilog)
Bambang Irawan
Teknik Informatika, Universitas Muhadi Setiabudi Brebes
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS KINERJA CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI MASA PAKAI SEPATU LARI BERDASARKAN POLA PENGGUNAAN Inesya Melodifa; Bambang Irawan
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.v10i1.16966

Abstract

Perkembangan metode deep learning, khususnya Convolutional Neural Network (CNN), membuka peluang penerapannya tidak hanya pada pengolahan citra, tetapi juga pada klasifikasi data kategorikal yang kompleks. Dalam konteks olahraga lari, penentuan masa pakai sepatu lari masih bersifat subjektif dan belum didukung oleh pendekatan berbasis data yang sistematis. Oleh karena itu, penelitian ini bertujuan untuk menerapkan metode CNN dalam mengklasifikasikan masa pakai sepatu lari berdasarkan variabel penggunaan seperti frekuensi pemakaian, jenis medan lari, tingkat kecepatan, jarak tempuh, dan persepsi performa sepatu. Penelitian ini menggunakan pendekatan kuantitatif dengan pengumpulan data melalui kuesioner, yang kemudian diproses melalui tahap seleksi, pembersihan data, pelatihan model CNN, serta evaluasi menggunakan confusion matrix dan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN mampu mengklasifikasikan data dengan tingkat akurasi sebesar 75%, dengan performa terbaik pada kategori dengan jumlah data dominan. Temuan ini menunjukkan bahwa CNN berpotensi menjadi pendekatan yang efektif untuk mendukung pengambilan keputusan terkait masa pakai sepatu lari secara objektif dan berbasis data
Analisis Analisis Sentimen Ulasan eFootball pada Google Play Store Menggunakan Multinomial Naive Bayes dan Support Vector Machine Mohammad Umar Sasongko Sasongko; Bambang Irawan
Jurnal Sintaks Logika Vol. 6 No. 1 (2026): Januari 2026
Publisher : Fakultas Teknik Universitas Muhammadiyah Parepare

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31850/jsilog.v6i1.4282

Abstract

In the digital era, the use of mobile applications is increasing, so it is important to understand user satisfaction and dissatisfaction with the applications used. One of the popularmobile games in Indonesia is eFootball 2026, which has a lot of reviews from players on the Google Play Store. The large number of reviews allows sentiment analysis to be carried out to find out user opinions on the quality of the application. This study aims to analyze the sentiment of eFootball application user reviews using the Multinomial Naive Bayes method and Support Vector Machine. Review data is processed through the stages of text preprocessing, feature extraction using TF-IDF, and class imbalance handling with SMOTE. Model evaluation was carried out using accuracy, precision, recall, and F1-score metrics. The results showed that the Multinomial Naive Bayes method produced an accuracy of 76.72%, while the Support Vector Machine obtained an accuracy 74.92%, with relatively balanced precision, recall, and F1-score values. Based on these results, it can be concluded that the Multinomial Naive Bayes method has a better performance in analyzing the sentiment of eFootball app reviews on the Google Play Store and can be used as a basis for evaluation for future app development.
Co-Authors Inesya Melodifa Mohammad Umar Sasongko Sasongko