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)
Ken Ditha Tania
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
ANALISIS SENTIMEN KONSUMEN WANITA GENERASI Z TERHADAP INDUSTRI FAST FASHION MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) M. Riswandifa Putra Alenky; Azzahra Dezza Syahputri; An'nur Aisyah Ghaidah Senjaya Mangkunegara; Winda Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
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.v10i3.18189

Abstract

Industri fast fashion berkembang pesat namun berdampak destruktif bagi lingkungan melalui emisi karbon dan akumulasi limbah tekstil. Meskipun Generasi Z memiliki kesadaran ekologis tinggi, mereka sering terjebak dalam perilaku konsumsi impulsif akibat pengaruh media sosial dan praktik greenwashing perusahaan yang memicu skeptisisme. Fenomena ini menciptakan kesenjangan antara nilai dan tindakan nyata (value-action gap) di kalangan konsumen muda. Penelitian ini bertujuan untuk menganalisis sentimen Generasi Z terhadap industri fast fashion serta mengevaluasi kinerja algoritma Support Vector Machine (SVM) dalam mengklasifikasikan opini publik. Metode penelitian menggunakan dataset “Womens Clothing E-Commerce Reviews” dari Kaggle yang diolah melalui pipeline machine learning meliputi praproses teks, ekstraksi fitur TF-IDF, dan klasifikasi SVM dengan kernel linear. Hasil eksperimen pada platform Google Colab menunjukkan bahwa algoritma SVM mampu mencapai tingkat akurasi kompetitif pada rentang 84% hingga 90%. Model terbukti stabil dalam menangani karakteristik bahasa informal konsumen muda dan efektif memetakan pola sentimen sebagai landasan strategis bagi peningkatan transparansi industri fashion di masa depan
Co-Authors Ahmad Rifai An'nur Aisyah Ghaidah Senjaya Mangkunegara Azzahra Dezza Syahputri Dinda Aulika Elfarin Aritonang Fathoni Fathoni M. Riswandifa Putra Alenky Nabila Ramadhani Winda Kurnia Sari