Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII
Darmawan, J.B. Budi
Unknown Affiliation
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Physics Transportation

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Implementasi Metode Support Vector Machine dalam Analisis Sentimen Opini Masyarakat Terhadap Pilkada 2020 pada Media Sosial Twitter Darmawan, J.B. Budi; Paramarta, Martin
Retii Vol 18 No 1 (2023): Prosiding Seminar Nasional ReTII ke-18 (Edisi Penelitian)
Publisher : Institut Teknologi Nasional Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemilihan kepala daerah (Pilkada) tahun 2020 mengalami penundaan selama beberapa bulan karena efek pandemi COVID-19, hingga akhirnya ditetapkan untuk tetap digelar pada tanggal 9 Desember 2020. Banyak masyarakat beropini tentang pro dan kontra pelaksanaan Pilkada di tengah pandemi COVID-19 di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk mengetahui jumlah sentimen positif dan negatif serta performansi dari metode Support Vector Machine dalam mengklasifikasikan sentimen tweet tersebut. Data penelitian bersumber dari tweet dengan kata kunci “Pilkada 2020” yang berjumlah 6037 tweet. Data akan diberi label polaritas sentimen positif dan negatif secara otomatis. Hasil pengujian menunjukkan sebanyak 4864 data bersentimen positif dan 1173 data lainnya bersentimen negatif. Selain itu, hasil pengujian dalam penelitian ini menunjukkan bahwa metode Support Vector Machine memiliki performansi yang cukup baik dalam mengklasifikasikan sentimen tweet dengan hasil rata-rata akurasi sebesar 87,94%.
Penerapan Algoritma Agglomerative Hierarchical Untuk Clustering Peringkat Prioritas Penerima Bantuan Rumah Kartika, Katrina Yuliana; Darmawan, J.B. Budi
Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika (SNESTIK) 2025: SNESTIK V
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/p.snestik.2025.7644

Abstract

Kemiskinan masih menjadi masalah serius di Indonesia, terutama di daerah pedesaan dan tertinggal. Salah satu daerah yang masih menghadapi permasalahan terkait kemiskinan adalah Kabupaten Sumba Barat Daya. Untuk mengatasi masalah tersebut, pemerintah Indonesia telah menerapkan berbagai program bantuan sosial, salah satunya adalah program bantuan rumah. Namun, dalam pelaksanaannya, penentuan prioritas penerima bantuan rumah sering kali menjadi tantangan karena masih dilakukan secara manual, sehingga keluarga yang seharusnya diprioritaskan terkadang tidak mendapatkan bantuan. Dengan memanfaatkan data usulan calon penerima bantuan rumah, algoritma Agglomerative Hierarchical Clustering akan diterapkan untuk mengelompokkan peringkat prioritas penerima bantuan. Pendekatan ini bertujuan membantu Pemerintah Kabupaten Sumba Barat Daya meningkatkan efisiensi penyaluran program bantuan rumah agar lebih tepat sasaran dan menyasar masyarakat yang benar-benar membutuhkan. Hasil penelitian menunjukkan bahwa metode Agglomerative Hierarchical Clustering menghasilkan keluaran yang efektif dengan nilai silhouette coefficient yang baik. Hasil validasi terbaik dari metode ini terhadap data tahun 2022 yang telah dinormalisasi menggunakan metode Z-score terjadi saat k = 2, dengan nilai silhouette coefficient sebesar 0,79 menggunakan pendekatan Average Linkage. Penelitian ini menunjukkan bahwa cluster 0, yang terdiri dari 1.116 obyek, menjadi prioritas pertama, sedangkan cluster 1, yang berjumlah 95 obyek, ditetapkan sebagai prioritas kedua.
Analisis Sentimen Ulasan Aplikasi Gojek Di Google Play Store Menggunakan Multinomial Naïve Bayes Lundam, Ingrida Suryani; Darmawan, J.B. Budi
Retii 2024: Prosiding Seminar Nasional ReTII ke-19 (Edisi Penelitian)
Publisher : Institut Teknologi Nasional Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The development of technology in Indonesia has facilitated various human activities, including in the field of transportation through online-based services such as Gojek, a decacorn company that provides various transportation services. Gojek has changed the way Indonesian people move around in urban areas. Understanding user sentiment towards the Gojek application, especially through reviews on the Google Play Store, is key to improving and improving the services offered. This study aims to evaluate the performance of sentiment analysis on 4746 Gojek application reviews on the Google Play Store using the Naive Bayes algorithm. The methods used include data translation processes, labeling using Vader, text preprocessing, word weighting with TF-IDF, data balancing with SMOTE, and model testing using K-fold cross validation. Sentiment classification is done using Multinomial Naive Bayes, and model evaluation using a confusion matrix. The research results show that testing with K-fold cross validation k = 11 and alpha = 0.001 produces the highest accuracy of 92.25%, precision of 92.16%, recall of 89.71%, and F1-score of 90.42%.
Perbandingan Metode Multinomial Naïve Bayes dan Bernoulli Naïve Bayes pada Analisis Sentimen Terhadap Naturalisasi Timnas Berdasarkan Komentar di Instagram Haryo, Andrianus Dwi; Darmawan, J.B. Budi
Retii 2025: Prosiding Seminar Nasional ReTII ke-20 (Edisi Penelitian)
Publisher : Institut Teknologi Nasional Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sepak bola merupakan olahraga paling populer di Indonesia, dengan Tim Nasional sebagai simbol kebanggaan nasional. Salah satu isu yang memicu perdebatan publik adalah kebijakan naturalisasi pemain asing untuk memperkuat Timnas. Opini publik terkait isu ini banyak ditemukan di media sosial, terutama Instagram. Untuk mengetahui sentimen ekspresi pendapat masyarakat tentang berbagai topik, termasuk isu-isu terkait sepak bola dan Timnas digunakan analisis sentimen. Penelitian ini bertujuan untuk menganalisis sentimen dari 4.258 komentar Instagram terhadap isu naturalisasi dengan membandingkan unjuk kerja metode Multinomial Naïve Bayes dan algoritma Bernoulli Naïve Bayes. Proses analisis meliputi preprocessing, penerjemahan data menggunakan Google Translate API, pelabelan dengan VADER, pembobotan TF-IDF, serta penyeimbangan data menggunakan SMOTE. Evaluasi dilakukan menggunakan confusion matrix berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa Multinomial Naïve Bayes memberikan unjuk kerja lebih baik dengan accuracy 74,65%, precision 75,96%, recall 74,65%, dan F1-score 74,32% pada skenario k-fold 10 dan alpha 0,01 dibandingkan menggunakan Bernoulli Naïve Bayes.
Co-Authors Haryo, Andrianus Dwi Kartika, Katrina Yuliana Lundam, Ingrida Suryani Paramarta, Martin