Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi INTECOMS: Journal of Information Technology and Computer Science
Eflin Tresia
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Computer Science & IT Economics, Econometrics & Finance

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

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN PUBLIK TERHADAP KJP PLUS DENGAN ALGORITMA NAÏVE BAYES DI SMPN 172 JAKARTA Nova Dahliyanti; Eflin Tresia
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 6 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/vpbq5t54

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program KJP Plus menggunakan algoritma Naïve Bayes sebagai metode klasifikasi. Data yang digunakan dalam penelitian ini diperoleh melalui pengumpulan opini dan tanggapan dari siswa, orang tua siswa, serta tenaga pendidik yang berada di lingkungan SMPN 172 Jakarta, baik melalui media sosial maupun survei langsung. Data tersebut kemudian diproses melalui beberapa tahapan, yaitu preprocessing, selanjutnya diklasifikasikan menggunakan algoritma Naïve Bayes untuk menentukan kategori sentimen, yaitu paham dan tidak paham. Hasil akhir dari analisis sentimen terhadap program KJP Plus berdasarkan data yang diperoleh dari Twitter (X) dan diimplementasikan dengan metode Naïve Bayes menunjukkan nilai akurasi sebesar 80,7692%. Dari 182 data, diprediksi 73 data sebagai Sentimen Positif dan 109 data sebagai Sentimen Negatif. Sedangkan data yang diperoleh melalui kuesioner menujukkan akurasi sebagai berikut: (1) guru sebesar 52.00%, (2) siswa sebesar 82.23%, (3) orang tua sebesar 82.91%, dan (4) gabungan semua data sebesar 80.29%. Lalu Naïve Bayes memprediksi bahwa terdapat 129 orang yang tidak memahami program itu dan 292 orang yang memahaminya. Sehingga dapat disimpulkan bahwa mayoritas masyarakat memahami program KJP Plus tersebut namun sebagian besar menggunakannya sesuai dengan kebutuhan. Bahkan program pada tahap 2 lebih baik daripada tahap 1. Kata Kunci: KJP Plus, Analisis Sentimen, Naïve Bayes, Pendidikan, SMPN 172 Jakarta.
Analisis Tingkat Kepuasan Mahasiswa dalam Kegiatan UKM di Stikom CKI Menggunakan Algoritma Naive Bayes Ramdani Arvianto; Tundo Tundo; Eflin Tresia; Firly Januarsyah
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 8 No. 2 (2024): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol8No2.pp206-214

Abstract

The main problem in increasing the level of student satisfaction in UKM activities at STIKOM CKI is caused by various factors, including the rare frequency of meetings and the multiplication of material without significant development. This dissatisfaction can reduce students' interest in actively participating in UKM activities, which should be a source of positive experiences and skills development. Well-managed SME activities can be an important means of developing soft skills such as leadership, team collaboration and communication skills. However, when these activities are not managed well, the results can be counterproductive, causing frustration and dissatisfaction among students. Based on these problems, an application of the Naive Bayes algorithm will be carried out to determine the satisfaction level of STIKOM CKI students with 80 training data and 6 test data. After calculating, an accuracy rate of 83.33%, recall of 33.33%, and precision are obtained. 100%. Therefore, it is important to manage student satisfaction levels to avoid being counterproductive. One of the appropriate data mining algorithms to solve the case above is to use the Naive Bayes algorithm.
Co-Authors Firly Januarsyah Nova Dahliyanti Ramdani Arvianto Tundo Tundo