Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Yunianita Rahmawati
Informatika, Universitas Muhammadiyah Sidoarjo
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI SENTIMEN DAN HUBUNGAN KARAKTERISTIK TEKS TERHADAP TINGKAT ENGAGEMENT TWEET PADA LAYANAN SHOPEE Ricki Maulana Abdillah; Yulian Findawati; Irwan Alnarus Kautsar; Yunianita Rahmawati
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.v10i2.17209

Abstract

Media sosial Twitter (X) menjadi salah satu sarana utama pengguna dalam menyampaikan opini, keluhan, maupun pengalaman terhadap layanan e-commerce seperti Shopee. Tingginya volume percakapan menyebabkan perlunya analisis otomatis untuk memahami sentimen pengguna serta keterlibatan engagement yang dihasilkan. Permasalahan dalam penelitian ini berfokus pada proses pengklasifikasian sentimen tweet yang berkaitan dengan Shopee serta pengkajian keterkaitan karakteristik teks terhadap tingkat engagement. Penelitian ini bertujuan untuk menyusun model klasifikasi sentimen dan mengamati kecenderungan pola engagement berdasarkan fitur yang terdapat pada konten tweet. Metode yang diterapkan meliputi Naive Bayes dan Support Vector Machine (SVM) sebagai algoritma klasifikasi sentimen, pembagian data dengan rasio 80:20 untuk data latih dan data uji, serta FP-Growth, WordCloud, dan Crosstab untuk mendukung analisis engagement. Hasil penelitian menunjukkan bahwa kedua model menghasilkan akurasi sebesar 68%, dengan SVM memiliki distribusi performa yang lebih seimbang. Analisis FP-Growth menemukan pola dominan pada sentimen positif dengan engagement rendah, sementara engagement tinggi tidak menunjukkan pola asosiasi yang kuat. Hal ini mengindikasikan bahwa engagement tidak hanya dipengaruhi oleh sentimen, tetapi juga faktor eksternal dan karakteristik akun.
SISTEM INFORMASI BERBASIS WEB DENGAN QR CODE UNTUK PENCOCOKAN DATA KONDISI SEPEDA MOTOR PADA DEALER MOTOR Indra Maulana; Yulian Findawati; Yunianita Rahmawati; Suhendro Busono
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.v10i2.17515

Abstract

Pencatatan dan verifikasi kondisi sepeda motor di dealer ALFAR 46 MOTOR masih dilakukan secara manual sehingga berpotensi menimbulkan kesalahan pencatatan dan kesulitan dalam pencocokan data kendaraan. Permasalahan tersebut berdampak pada menurunnya akurasi dan efisiensi pengelolaan data kondisi sepeda motor. Penelitian ini bertujuan untuk mengembangkan sistem informasi berbasis web yang terintegrasi dengan teknologi QR Code guna mendukung proses pencocokan data kondisi sepeda motor secara lebih cepat dan akurat. Metode pengembangan sistem yang digunakan adalah metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. Sistem yang dikembangkan menyediakan fitur pengelolaan data sepeda motor, pencatatan kondisi kendaraan, pembuatan QR Code, serta pemindaian QR Code untuk menampilkan informasi kendaraan secara langsung. Pengujian sistem dilakukan menggunakan metode black-box testing untuk memastikan seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa sistem informasi yang dikembangkan mampu meningkatkan efisiensi proses pencatatan dan verifikasi kondisi sepeda motor serta membantu mengurangi kesalahan pencatatan dalam operasional dealer.
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 Indra Maulana Irwan Alnarus Kautsar Ricki Maulana Abdillah Suhendro Busono Suprianto Suprianto Uce Indahyanti Yulian Findawati