Article Per Year (5 Year)
p-Index From 2021 - 2026
1.318
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL JURNAL SISTEM INFORMASI BISNIS Sinkron : Jurnal dan Penelitian Teknik Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Teknologi Terapan MAHESA : Malahayati Health Student Journal IC Tech: Majalah Ilmiah Jurnal Informatika Polinema (JIP) Journal of Information System and Application Development IC Tech: Majalah Ilmiah
Mulyani, Esti
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Library & Information Science Mechanical Engineering Nursing Public Health Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Sistem Deteksi Tingkatan Bahasa Jawa Menggunakan Metode Naive Bayes Mulyani, Esti; Zulfaniar, Dea
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8991

Abstract

Bahasa Jawa memiliki berbagai tingkatan dalam penggunaannya yang bervariasi tergantung konteks sosial, yakni Ngoko, Madya, dan Krama Inggil. Penguasaan dan penerapan tingkatan tersebut sangat penting untuk komunikasi sehari-hari. Tujuan penelitian ini adalah menciptakan sistem yang dapat mendeteksi dan mengklasifikasikan tingkat bahasa Jawa secara otomatis melalui metode N-Gram dan algoritma Naive Bayes berbasis platform web. Langkah awal penelitian melibatkan pengumpulan data, tahap preprocessing yang mencakup pengubahan huruf kecil, pembersihan, tokenisasi, penghapusan kata umum, dan stemming. Fitur diekstraksi melalui metode TF-IDF dan N-Gram, diikuti dengan pelatihan menggunakan model Multinomial Naive Bayes. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 83%, dengan performa terbaik pada kelas Ngoko, performa yang cukup baik pada Madya, namun masih rendah pada Krama Inggil akibat adanya ketidakseimbangan dalam data. Sistem ini dapat memberikan bantuan kepada pengguna dalam belajar dan memahami tingkatan Bahasa Jawa secara efisien, serta mendukung pelestarian budaya Bahasa Jawa melalui teknologi. Diperlukan pengembangan lebih lanjut untuk memperbaiki akurasi prediksi pada semua tingkatan dengan lebih merata, terutama di Krama Inggil, agar sistem ini bisa digunakan secara optimal dalam proses pembelajaran dan praktik berbahasa Jawa
Klasifikasi Tweet Cyberbullying di Aplikasi X dengan Algoritma Naïve Bayes Mulyani, Esti; Aini Putri Prasetya, Hurul
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8992

Abstract

Perkembangan media sosial telah memberikan pengaruh yang signifikan dalam membentuk pola komunikasi dan interaksi masyarakat modern. Di balik manfaat yang ditawarkan, media sosial juga menjadi ruang terbuka bagi munculnya konten negatif, salah satunya adalah cyberbullying. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi dua tahap guna mendeteksi serta mengidentifikasi bentuk-bentuk cyberbullying dalam tweet berbahasa Indonesia. Data dikumpulkan melalui proses crawling berbasis autentikasi sesi pengguna (auth token) dengan pendekatan kata kunci tertentu. Metode yang digunakan meliputi pra-pemrosesan data teks, ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), serta pelatihan model klasifikasi menggunakan algoritma Multinomial Naïve Bayes. Pada tahap pertama, dilakukan klasifikasi biner untuk membedakan antara tweet yang mengandung unsur cyberbullying dan yang tidak, dengan akurasi mencapai 95%. Tahap kedua merupakan klasifikasi multikelas terhadap enam kategori cyberbullying, yaitu pelecehan, penghinaan, kata kasar, body shaming, ancaman, ambiguitas dan SARA, yang menghasilkan akurasi sebesar 82%. Seluruh hasil klasifikasi divisualisasikan secara interaktif melalui aplikasi web berbasis Python Flask. Hasil penelitian ini menunjukkan bahwa pendekatan dua tahap klasifikasi dengan algoritma Naïve Bayes mampu mengidentifikasi konten cyberbullying secara efektif, serta berpotensi digunakan sebagai salah satu alat bantu untuk mendukung upaya pencegahan perundungan daring di media sosial.
Co-Authors Aini Putri Prasetya, Hurul Fauzan Ishlakhuddin Futriani, Elfira Sri Gozali, Ahmad Lubis Kastuti, Kastuti Kurnia Adi Cahyanto Maulana, Much. Rifqi Moh Ali Fikri Muhamad, Fachrul Pralienka Bani Munengsih Sari Bunga Mushafa, Achmad Farhan Nugraha, Nur Budi Nurhanudin, Aldi Rahmat Gernowo Rosyalia, Syofi Udin, Sahrul Fazri Yaqutina Marjani Santosa Zulfaniar, Dea