Article Per Year (5 Year)
p-Index From 2021 - 2026
2.822
P-Index
This Author published in this journals
All Journal Media Statistika JURNAL SISTEM INFORMASI BISNIS Telematika : Jurnal Informatika dan Teknologi Informasi Seminar Nasional Informatika (SEMNASIF) Jurnal Sistem informasi dan informatika (SIMIKA) International Journal of Advances in Data and Information Systems ESTIMASI: Journal of Statistics and Its Application Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika Nusantara Science and Technology Proceedings Jurnal Teknik Informatika (JUTIF) Journal of Technology and Informatics (JoTI) International Journal Of Computer, Network Security and Information System (IJCONSIST) Journal of International Conference Proceedings Journal of Data Mining and Information Systems Parameter: Jurnal Matematika, Statistika dan Terapannya Jurnal PETISI (Pendidikan Teknologi Informasi) Joong-Ki
Hindrayani, Kartika Maulida
Sains Data, Universitas Pembangunan Nasional Veteran Jawa Timur
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology

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

Found 23 Documents
Search

 1   2   3 
Sentiment Analysis on Generation Z News Article using Support Vectore Machine (SVM) with Synthetic Minority Over-sampling Technique (SMOTE) Kartini, Kartini; Hindrayani, Kartika Maulida; Puspasari, Betty Dewi
IJCONSIST JOURNALS Vol 5 No 2 (2024): March
Publisher : International Journal of Computer, Network Security and Information System

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/ijconsist.v5i2.141

Abstract

The development of digital media has increased the volume of news articles discussing various issues, including those involving Generation Z. Understanding public perception of these news items can be achieved by applying a crucial approach, namely sentiment analysis. This study aims to classify sentiment in news articles about Generation Z using the Support Vector Machine (SVM) algorithm. The main challenge in sentiment analysis is data class imbalance, where the amount of positive and negative sentiment data is often unbalanced. Therefore, the Synthetic Minority Over-sampling Technique (SMOTE) is used to address this problem by balancing the class distribution before model training. The datasets used were collected from various online news portals and analyzed through text preprocessing, feature extraction using Bag of Word, and SVM model training. The evaluation results show that the application of SMOTE significantly improves the model's performance in classifying sentiment, with improvements in accuracy, precision, recall, and F1-score compared to the model without data imbalance handling. This study demonstrates that the combination of SVM and SMOTE is effective in conducting sentiment analysis on Generation Z news articles. The accuracy shows 84% with 83% precision and 76% recall.
Pengujian Fungsional Website Crusher Report Berbasis Machine Learning Menggunakan Metode Robustness Testing Adhigiadany, Chelsea Ayu; Hindrayani, Kartika Maulida; Prasetya, Dwi Arman
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 7 No. 1 (2026): JURNAL PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v7i1.2014

Abstract

Website dan Machine Learning menjadi kebutuhan penting perusahaan dalam rangka meningkatkan efektivitas kinerja. Salah satu implementasi integrasi website dengan Machine Learning adalah website Crusher Report milik PT XYZ. Website yang dirancang dengan memanfaatkan LARS, PostgreSQL, dan Flask ini sudah diuji secara ketangkasan model dalam memprediksi. Penelitian ini bertujuan untuk menguji keandalan website Crusher Report sebagai user interface milik PT XYZ menggunakan pendekatan Black Box Testing dengan metode Robustness Testing. Skenario pengujian yang digunakan yaitu dengan memberikan input diluar ketentuan website. Hasil pengujian menunjukkan bahwa website mampu menangani seluruh input tidak valid dengan baik melalui notifikasi kesalahan dan pengaturan nilai input otomatis, menghasilkan tingkat keberhasilan pengujian sebesar 100%. Temuan ini menunjukkan bahwa website Crusher Report efektif dalam mendeteksi dan mengelola kesalahan input, serta layak digunakan sebagai platform pendukung operasional crusher PT XYZ.
Implementasi Metode Ensemble ROCK dalam Pengelompokan UMKM di Kabupaten Malang Purwadwika, Reza Sadiya; Hindrayani, Kartika Maulida; Damaliana, Aviolla Terza
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 7 No. 1 (2026): JURNAL PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v7i1.3396

Abstract

UMKM memiliki peran penting dalam perekonomian nasional, namun masih menghadapi berbagai permasalahan seperti rendahnya pemanfaatan teknologi, keterbatasan akses permodalan, dan lemahnya daya saing. Kompleksitas karakteristik data UMKM yang mencakup variabel numerik dan kategorikal menjadi tantangan dalam analisis dan pemetaan yang akurat. Penelitian ini bertujuan untuk mengelompokkan UMKM di Kabupaten Malang berdasarkan karakteristik usaha dan pelaku usahanya dengan pendekatan ensemble clustering menggunakan algoritma ROCK. Data terdiri dari 75 entri UMKM yang mencakup variabel numerik (omset, modal, tenaga kerja) dan kategorikal (jenis usaha, penggunaan aplikasi transportasi daring). Clustering dilakukan secara terpisah dengan Agglomerative Hierarchical Clustering untuk data numerik dan ROCK untuk data kategorikal. Hasil kedua metode digabungkan menggunakan pendekatan ensemble untuk memperoleh klaster yang lebih stabil dan representatif. Parameter optimal diperoleh pada theta = 0,05 dan k = 4 dengan nilai Clustering Purity (CP*) sebesar 0,8148 dan Davies-Bouldin Index sebesar 0,3817, menunjukkan pemisahan cluster yang baik. Cluster akhir menunjukkan perbedaan signifikan dalam skala usaha, pemanfaatan teknologi digital, dan performa ekonomi. Temuan ini diharapkan menjadi dasar dalam merancang kebijakan pengembangan UMKM yang lebih tepat sasaran dan berbasis data.
Co-Authors Adhigiadany, Chelsea Ayu Afidria, Zulfa Febi Ahmad, Davin Anezta Alfiansyah , Achmad Dzulfiqar Altetiko, Faizal Johan Alzam, Muhammad Arsyad Amelia, Meisya Vira Azizah, Alisa Jihan Betty Dewi Puspasari Bhalqis, Anissa Andiar Budi, Aditya Septa Christina, Enzelica Vica Damaliana, Aviolla Terza Diyasa, I Gede Susrama Mas Dwi Arman Prasetya Elmaliyasari, Shifa Eristya Maya Safitri Fahrudin, Tresna Maulana Fajar Ramadhani Fernando, Moch. Firman Fitriani, Aulia Nur idhom, Mohammad Isyanto, Aisyah Kirana Putri Kartini Kartini Made Hanindia Prami Swari Maulana F, Tresna Ningrum, Imelda Widya Nur Aini Rakhmawati Pakpahan, Vera Febrianti Pratiwi, Nanda Aulia Prismahardi Aji Riyantoko Prismahardi Aji Riyantoko Purwadwika, Reza Sadiya Putro, R. Kokoh H. rachmanto, Nugroho Fajar Riskiyah, Ameliyah Riyantoko, Prismahardi Aji Safira, Alya Mirza Saputra, Wahyu S. J. Saputra, Wahyu Syaifullah Jauharis Tresna Maulana Fahruddin Tresna Maulana Fahrudin Trimono Trimono, Trimono Wara, Shindi Shella May Wardati, Nanda Kurnia Wibowo, Muhammad Bagas Satrio