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)
Nabila Ramadhani
Sistem Informasi, Universitas Sriwijaya
Computer Science & IT

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

Found 2 Documents
Search

 1 
KNOWLEDGE DISCOVERY TERHADAP INFORMASI KESEHATAN DI MEDIA X MENGGUNAKAN TOPIC MODELING BERBASIS NON-NEGATIVE MATRIX FACTORIZATION (NMF) Nabila Ramadhani; Dinda Aulika Elfarin Aritonang; Ken Ditha Tania; Ahmad Rifai
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.v10i3.18093

Abstract

Media sosial menjadi salah satu sumber utama penyebaran dan pertukaran informasi kesehatan di masyarakat. Media X (Twitter) memungkinkan pengguna untuk berbagi pengalaman, pertanyaan, dan opini terkait berbagai isu kesehatan secara real-time. Namun, informasi kesehatan yang tersebar di media sosial bersifat tidak terstruktur dan jumlahnya sangat besar sehingga sulit dianalisis secara manual untuk mengetahui kebutuhan informasi kesehatan masyarakat. Oleh karena itu, penelitian ini bertujuan untuk melakukan knowledge discovery terhadap informasi kesehatan yang dibagikan di media sosial X menggunakan pendekatan topic modeling berbasis Non-Negative Matrix Factorization (NMF). Data penelitian diperoleh melalui proses web crawling menggunakan kata kunci terkait kesehatan pada periode November 2025 hingga Februari 2026 dan menghasilkan 1.338 tweet setelah melalui tahap pembersihan data. Tahapan penelitian meliputi data preprocessing, pembobotan Term Frequency–Inverse Document Frequency (TF-IDF), serta pemodelan topik menggunakan metode NMF. Hasil penelitian menunjukkan bahwa model NMF mampu mengidentifikasi lima topik utama, yaitu kesehatan mental, self-diagnosis dan konsultasi profesional, edukasi kesehatan dan layanan medis, mitos kesehatan, serta biaya dan akses pengobatan. Analisis distribusi topik menunjukkan bahwa kesehatan mental merupakan topik yang paling dominan dibahas oleh pengguna media sosial
KLASIFIKASI BERITA HOAKS DAN FAKTA BERDASARKAN REPRESENTASI TF-IDF MENGGUNAKAN SUPPORT VECTOR MACHINE Dinda Aulika Elfarin Aritonang; Putri Maharani; Nabila Ramadhani; Ken Ditha Tania; Allsela Meiriza
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.v10i3.18129

Abstract

Perkembangan media digital yang pesat menyebabkan penyebaran informasi berlangsung sangat cepat, termasuk munculnya berita hoaks yang dapat menimbulkan misinformasi di masyarakat. Permasalahan dalam penelitian ini adalah sulitnya membedakan berita hoaks dan fakta secara otomatis karena tingginya volume informasi yang beredar. Penelitian ini dilakukan untuk menganalisis kinerja algoritma Support Vector Machine (SVM) dalam membedakan berita hoaks dan fakta berbahasa Indonesia menggunakan fitur Term Frequency–Inverse Document Frequency (TF-IDF). Dataset yang dipakai berjumlah 1.896 berita yang terdiri dari 948 berita hoaks dan 948 berita fakta. Langkah-langkah penelitian mencakup pembersihan teks, ekstraksi fitur dengan TF-IDF, pembagian data menjadi data pelatihan (80%) dan data pengujian (20%), serta proses pengklasifikasian dengan SVM. Penilaian kinerja model dilakukan dengan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model ini berhasil mencapai akurasi 97% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,97. Temuan ini menandakan bahwa metode SVM yang menggunakan TF-IDF efektif dalam mengenali berita hoaks dan berita yang benar
Co-Authors Ahmad Rifai Allsela Meiriza Dinda Aulika Elfarin Aritonang Dinda Aulika Elfarin Aritonang Ken Ditha Tania Ken Ditha Tania Putri Maharani