Article Per Year (5 Year)
p-Index From 2021 - 2026
2.795
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Informatika dan Teknik Elektro Terapan Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Pengabdian Pada Masyarakat Jurnal Sains dan Informatika Techne : Jurnal Ilmiah Elektroteknika STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Informasi Interaktif Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Cyber Security dan Forensik Digital (CSFD) Scientific Journal of Informatics Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Nasional Teknik Elektro dan Teknologi Informasi SATIN - Sains dan Teknologi Informasi Jurnal Teknik Informatika dan Teknologi Informasi
Chaerur Rozikin
Universitas Singaperbangsa Karawang
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Mathematics Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
ANALISIS SENTIMEN PENGGUNA APLIKASI SHOPEE PADA SITUS GOOGLE PLAY MENGGUNAKAN NAIVE BAYES CLASSIFIER Andriani Nurian; Muhammad Samsul Ma'arif; Indira Nur Amalia; Chaerur Rozikin
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3631

Abstract

Perkembangan teknologi dalam era digital ini sangat pesat. Salah satu bidang yang mengalami perkembangan signifikan adalah industri keuangan (fintech). Banyak perusahaan fintech, termasuk Shopee, yang muncul dan menawarkan kemudahan kepada pengguna. Dalam konteks ini, Google Play Store merupakan platform yang memungkinkan pengguna memberikan ulasan terhadap produk yang mereka gunakan. Seiring dengan pertumbuhan jumlah pengguna, jumlah ulasan di Google Play Store juga meningkat. Ulasan dari pengguna dapat menjadi sumber informasi berharga bagi perusahaan untuk melakukan perbaikan dan peningkatan di masa depan. Penelitian ini berfokus pada analisis sentimen terhadap ulasan pengguna aplikasi Shopee di Google Play Store menggunakan algoritma Naïve Bayes. Data ulasan diklasifikasikan ke dalam tiga kategori, yaitu positif, negatif, dan netral. Evaluasi penelitian ini menunjukkan hasil Accuracy sebesar 87,58%, presisi sebesar 91,20%, dan recall sebesar 90,21%. Penelitian ini memberikan kontribusi dalam pemahaman sentimen pengguna terhadap aplikasi Shopee. Dengan menggunakan Naïve Bayes Classifier dan metode seleksi fitur TF-IDF, perusahaan dapat mengklasifikasikan ulasan pengguna dengan lebih efektif. Hasil penelitian ini dapat digunakan sebagai dasar untuk meningkatkan pengalaman pengguna dan kualitas layanan aplikasi Shopee.
KLASIFIKASI PENGGUNA HASHTAG PADA APLIKASI TIKTOK MENGGUNAKAN PERBANDINGAN METODE K-NEAREST NEIGHBORS DAN NAÏVE BAYES CLASSIFIER Moh. Aulia Miftakhurahmat; Nur Safitri; Putri Aulia Kusnadi; Chaerur Rozikin
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3150

Abstract

Penelitian ini bertujuan untuk membandingkan penggunaan algoritma machine learning yaitu, K-Nearest Neighbors (KNN) dengan algoritma Naive Bayes classifier dalam memberikan rekomendasi hashtag untuk pengguna aplikasi TikTok. Dataset yang digunakan dalam penelitian ini adalah dataset hashtag TikTok yang diambil dari sebuah website yang berdasarkan dari setiap kategori. Pada penelitian ini dilakukan pemodelan dengan menggunakan algoritma K-Nearest Neighbors (KNN) dan Naive Bayes classifier untuk memprediksi hashtag yang sesuai untuk pengguna Tiktok berdasarkan pada hashtag yang sedang populer digunakan. Kemudian dilakukan evaluasi kinerja kedua metode dengan menggunakan precision, recall, f1 score dan  accuracy. Pada penelitian ini penulis akan membandingkan performa klasifikasi model yang telah dibuat menggunakan metode K-Nearest Neighbors dan Naive Bayes Classifier, tujuan perbandingan kinerja ini adalah untuk mempelajari metode mana yang memiliki kinerja terbaik dalam hal merekomendasikan penggunaan hashtag. Hasil dari penelitian ini menunjukan bahwa perbandingan dari kedua metode dapat memberikan klasifikasi rekomendasi hastag yang baik dengan nilai f1 score dan accuracy yang cukup tinggi.
Analisis Transaksi Penjualan Pada Recovery.u Computer Menggunakan Algoritma Naive Bayes Almira Dwi Yuliarti; Corrinna Salsabila Amelia; Dewi Ika Sukarno Putri; Chaerur Rozikin
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 3 No. 3 (2023): Desember : Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v3i3.3144

Abstract

As time passes, the competition in the realm of venture and technologyis quickly increasing, so that business people are competing to expand their business by utilizing existing technology, and also that their business always survives and thrives in the rapid business competition. Sales at Recovery.u Computer are supposed to continue to mount benefit, one of which is by providing products to market demand so that no harm occur. During this time the company often suffers losses because it does not have a system to predict sales. This research has been past perform and attest that the Naïve Bayes Algorithm can be used to predict sales of products and services at Recovery.u Computer. The research data consists of 4 attributes, namely, transaction date, product line, brand, and purchase status obtained from Recovery.u Computer from January 2023 – October 2023. The yield of the estimation that have been it is known that the calculation procces is assisted by WEKA software, by making a possibility table of each variable and an exactness rate of 98,6248% on the test data that has been curried out, and purposeful this can be informed to Recovery.u Computer to do wiser policy in the future.
Co-Authors Agung Susilo Yuda Irawan Ahmad Ridhoi Fajri Alang Mulya Lesmana Alifa Puteri Bilqis Salsabila Almira Dwi Yuliarti Andreanov Ridhovan Andriani Nurian Apriade Voutama Aries Suharso Arif Widayana Arip Solehudin Arni Sepharni Corrinna Salsabila Amelia Dewi Ika Sukarno Putri Dewi Ratih Nurcahyani Dwi Suci Anggraeni Eddy Ryansyah Eno Hakimah Kusuma Dewi Fakhri Muhammad Febry Purnomo Aji Heru Sukoco Indira Nur Amalia Iwansyah Edo Hendarawan Iwansyah Edo Hendrawan Jamaludin Jamaludin Kusnadi, Kusnadi Moh. Aulia Miftakhurahmat Muhamad Yoga Fauzan Muhammad Nur Yasin Muhammad Samsul Ma'arif Nur Safitri Purwantoro Purwantoro Putri Aulia Kusnadi Putri Dwi Rahayu Reymen Maulana Richard Julianno Soeganda Rika Nursyahfitri Riza Ibnu Adam Ronna Putri Fadhillah Satyanto Krido Saptomo Suseno Suseno Susilawati Susilawati Ultach Enri Ultach Enri Yuyun Umaidah Zajuli T Bisri