Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal sudo Jurnal Teknik Informatika Journal of Artificial Intelligence and Engineering Applications (JAIEA)
Raras Ailsa
Universitas Bina Sarana Informatika
Automotive Engineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Sentiment Analysis of Public Opinion on RUU KUHAP 2025 Using Multinomial Naïve Bayes and Random Oversampling Muhammad Aqshal Anindya Tratama; Fadli Santoso Murmita; Dimas Arsya Maulana; Cindy Renata; Raras Ailsa
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 2 (2026): February 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i2.1895

Abstract

The ratification of the Draft Criminal Procedure Code (RUU KUHAP) in 2025 has triggered a significant wave of public reaction on social media, particularly on YouTube. Understanding these public sentiments is crucial for evaluating the legislative performance of the House of Representatives (DPR). This study aims to classify public opinion into positive and negative sentiments using the Multinomial Naïve Bayes algorithm. The dataset consists of 2,370 user comments collected from YouTube. To address the chal lenge of unstructured text, a comprehensive pre - processing pipeline was implemented, including cleaning, normalization, and stemming. Furthermore, this research addresses the issue of class imbalance , where negative comments dominated (73.9%) by applying the Random Oversampling (ROS) technique to the training data. The feature extraction was performed using TF - IDF. The experimental results demonstrate that the proposed model achieved an overall Accuracy of 87.22%. Detailed evaluation shows a Pr ecision of 0.9 1 and Recall of 0.93 for the negative class, confirming the model's robustness. These findings indicate that the majority of public sentiment is critical of the RUU KUHAP , focusing on issues of corruption and trust. This research contributes to the field of text mining by demonstrating the effectiveness of oversampling in improving Naïve Bayes performance on imbalanced social media data.
Analisis Sentimen Keefektifan Belajar Bahasa Asing di Aplikasi Duolingo dengan Algoritma Naïve Bayes Muhammad Aqshal Anindya Tratama; Fadli Santoso Murmita; Dimas Arsya Maulana; Cindy Renata; Raras Ailsa; Fuad Nur Hasan
sudo Jurnal Teknik Informatika Vol. 5 No. 1 (2026): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i1.1354

Abstract

Aplikasi pembelajaran bahasa Duolingo telah diunduh lebih dari 500 juta kali, namun terdapat perdebatan mengenai keefektifannya. Ulasan pengguna di Google Play Store merupakan sumber data masif untuk mengevaluasi persepsi ini, namun volumenya terlalu besar untuk dianalisis secara manual. Penelitian ini bertujuan untuk menganalisis sentimen pengguna guna memahami lebih dalam persepsi efektivitas Duolingo sebagai media pembelajaran bahasa asing. Penelitian ini menggunakan 5.000 ulasan yang dikumpulkan melalui scraping dari Google Play Store. Metode Natural Language Processing (NLP) diterapkan, meliputi text pre-processing serta vektorisasi TF-IDF. Sebuah model klasifikasi sentimen biner yang telah dilabeli positif dan negatif dibangun menggunakan algoritma Multinomial Naïve Bayes. Hasil analisis data menunjukkan sentimen keseluruhan sangat positif, dimana 85.34% ulasan diklasifikasikan sebagai positif. Analisis kualitatif mengidentifikasi pendorong sentimen positif adalah efektivitas ("mudah paham", "bantu ajar") dan aspek gamifikasi ("seru"). Sebaliknya, sentimen negatif didominasi oleh keluhan pada fitur "sistem hati" dan "iklan" yang mengganggu. Model Naïve Bayes yang telah dilatih berhasil mencapai akurasi 92.81% dalam mengklasifikasikan data uji, membuktikan efektivitasnya untuk tugas ini terutama dalam tugas klasifikasi sentimen positif. Hasil ini mengonfirmasi persepsi positif terhadap keefektifan Duolingo, sekaligus memberikan masukan kritis mengenai model bisnis freemium-nya dan kekurangan lain yang dimiliki aplikasi pembelajaran ini.
Co-Authors Cindy Renata Dimas Arsya Maulana Fadli Santoso Murmita Fuad Nur Hasan Muhammad Aqshal Anindya Tratama