Article Per Year (5 Year)
p-Index From 2020 - 2025
1.332
P-Index
This Author published in this journals
All Journal KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal Komunikasi Islam (J-KIs) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) NU-JST
Sururi, Nafis
Unknown Affiliation
Religion Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JUSTIN (Jurnal Sistem dan Teknologi Informasi)

 1 
Evaluasi Metode Pelabelan Sentimen Berbasis Leksikon terhadap Ulasan Aplikasi Sekuritas di Google Play Store Thoib, Imam; Candra, Beda Puspita; Sururi, Nafis; Nugraha, Danang Satya; Kholifah, Binti
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 13, No 4 (2025)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v13i4.93039

Abstract

Penelitian ini bertujuan untuk mengevaluasi persepsi pengguna terhadap aplikasi sekuritas di Indonesia melalui pendekatan analisis sentimen berbasis leksikon dan mengevaluasi performa klasifikasi menggunakan algoritma Random Forest. Data penelitian berupa 130.905 ulasan pengguna dari sepuluh aplikasi sekuritas populer di Google Play Store. Dua pendekatan leksikal yang digunakan adalah InSet Lexicon dan SentiWords_ID untuk memberi label sentimen pada ulasan tersebut. Hasil analisis menunjukkan bahwa aplikasi Ajaib memperoleh proporsi sentimen positif tertinggi dan paling representatif dengan jumlah ulasan terbesar dibandingkan aplikasi lain, sedangkan aplikasi MOST menunjukkan proporsi sentimen negatif tertinggi menurut kedua pendekatan. Pemodelan klasifikasi sentimen dilakukan menggunakan ekstraksi fitur TF-IDF dan algoritma Random Forest, yang dievaluasi melalui metrik akurasi, precision, recall dan f1-score. Hasil evaluasi menunjukkan bahwa SentiWords_ID memberikan performa klasifikasi yang lebih unggul dan stabil dibandingkan InSet Lexicon, khususnya dalam mengidentifikasi sentimen positif dan netral.
Co-Authors Bayu F, Fendy Candra, Beda Puspita Firmansyah, Fendy Bayu Kholifah, Binti Kurnia, Nicky Dwi Nugraha, Danang Satya Satya Nugraha, Danang Shah P, M. Sabil Thoib, Imam