Garuda - Garba Rujukan Digital

Analisis Sentimen Warganet terhadap Isu Layanan Transportasi Online Berbasis InSet Lexicon menggunakan Logistic Regression Kholifah, Binti; Thoib, Imam; Sururi, Nafis; Kurnia, Nicky Dwi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 11, No 1 (2024)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v11i1.655

Beberapa isu terkait layanan transportasi online kerap menjadi pusat perdebatan di media sosial. Hal tersebut memberikan pengaruh pada penilaian layanan tersebut di Google Play Store. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap isu layanan transportasi online berbasis data warganet di Google Play Store. Analisis sentimen dan pelabelan dilakukan berdasarkan Inset Lexicon, sedangkan klasifikasi dilakukan menggunakan Logistic Regression. Sebelum diolah, data ulasan warganet harus melalui tahap pra-pemrosesan dan eksplorasi data. Selanjutnya, dilakukan optimisasi dengan parameter C, solver, dan max_iter pada model Logistic Regression. Hasil menunjukkan bahwa kombinasi nilai dari beberapa parameter optimisasi membawa pengaruh pada kinerja Logistic Regression. Selama pengujian, dapat dilihat juga bahwa rating tidak selamanya mecerminkan ulasan dari pengguna. Hal ini bisa dipengaruhi beberapa faktor seperti perilaku pengguna itu sendiri.

Efektivitas Sistem Informasi Akademik dalam Meningkatkan Komunikasi dan Informasi Akademik di Institut Teknologi Mojosari Kholifah, Binti; Thoib, Imam; Sururi, Nafis; Satya Nugraha, Danang
Bahasa Indonesia Vol 5 No 1 (2024): J-Kis: Jurnal Komunikasi Islam Juni 2024
Publisher : Program Studi Komunikasi dan Penyiaran Islam IAI Pangeran Diponegoro Nganjuk

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53429/j-kis.v5i1.953

Penelitian ini bertujuan untuk mengevaluasi efektivitas Sistem Informasi Akademik (SIAKAD) dalam meningkatkan komunikasi dan informasi akademik di Institut Teknologi Mojosari. Dengan pendekatan deskriptif kualitatif dan analisis tematik, data dikumpulkan melalui wawancara mendalam dan observasi partisipatif. Partisipan penelitian meliputi mahasiswa, dosen, dan staf administrasi. Hasil penelitian menunjukkan bahwa SIAKAD di Institut Teknologi Mojosari secara umum efektif dalam meningkatkan komunikasi dan informasi akademik. Sistem ini menunjukkan performa yang baik dalam berbagai aspek: keamanan data, kecepatan dan ketepatan informasi, ketelitian, kelengkapan laporan, dan relevansi informasi. Namun, terdapat beberapa tantangan yang perlu diperhatikan, seperti peningkatan kesiapan sistem dalam menghadapi bencana dan penanganan masalah teknis saat penggunaan tinggi. Dengan perbaikan dan pengembangan lebih lanjut, SIAKAD memiliki potensi besar untuk terus mendukung proses akademik di Institut Teknologi Mojosari.

Efektivitas Sistem Informasi Akademik dalam Meningkatkan Komunikasi dan Informasi Akademik di Institut Teknologi Mojosari Kholifah, Binti; Thoib, Imam; Sururi, Nafis; Satya Nugraha, Danang
Bahasa Indonesia Vol 5 No 1 (2024): J-Kis: Jurnal Komunikasi Islam Juni 2024
Publisher : Program Studi Komunikasi dan Penyiaran Islam IAI Pangeran Diponegoro Nganjuk

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53429/j-kis.v5i1.953

Penelitian ini bertujuan untuk mengevaluasi efektivitas Sistem Informasi Akademik (SIAKAD) dalam meningkatkan komunikasi dan informasi akademik di Institut Teknologi Mojosari. Dengan pendekatan deskriptif kualitatif dan analisis tematik, data dikumpulkan melalui wawancara mendalam dan observasi partisipatif. Partisipan penelitian meliputi mahasiswa, dosen, dan staf administrasi. Hasil penelitian menunjukkan bahwa SIAKAD di Institut Teknologi Mojosari secara umum efektif dalam meningkatkan komunikasi dan informasi akademik. Sistem ini menunjukkan performa yang baik dalam berbagai aspek: keamanan data, kecepatan dan ketepatan informasi, ketelitian, kelengkapan laporan, dan relevansi informasi. Namun, terdapat beberapa tantangan yang perlu diperhatikan, seperti peningkatan kesiapan sistem dalam menghadapi bencana dan penanganan masalah teknis saat penggunaan tinggi. Dengan perbaikan dan pengembangan lebih lanjut, SIAKAD memiliki potensi besar untuk terus mendukung proses akademik di Institut Teknologi Mojosari.

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

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.

Exploratory Data Analysis dan Machine Learning dalam Memprediksi Employee Attrition: Exploratory Data Analysis and Machine Learning in Predicting Employee Attrition Kholifah, Binti; Firmansyah, Fendy Bayu; Sururi, Nafis; Nugraha, Danang Satya
Nusantara Journal of Science and Technology Vol 1 No 2 (2024): Published in November of 2024
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM) Universitas Nahdlatul Ulama Kalimantan Selatan

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

Employee attrition is one of the main challenges faced by organizations in retaining competent human resources. This study aims to explore data patterns and predict employee attrition using the Exploratory Data Analysis (EDA) approach and Machine Learning algorithms such as Logistic Regression, Support Vector Machine (SVM), and Naive Bayes. The analysis was conducted on a dataset that includes various factors such as demographics, job satisfaction, and employee performance. The research findings indicate that Logistic Regression achieved an accuracy of 87%, but the model has weaknesses in detecting the positive class (attrition), as reflected by its low recall score. SVM, with an accuracy of 85%, provided high precision for the positive class but performed poorly in detecting actual attrition cases. Conversely, Naive Bayes, with an accuracy of 85%, demonstrated more balanced performance with a higher weighted average F1-score compared to the other models, although there is still room for improvement, particularly in predicting the positive class. Based on the results, Naive Bayes stands out as a more reliable model for predicting employee attrition with more balanced performance compared to Logistic Regression and SVM. To enhance prediction performance, it is recommended to address the class imbalance in the dataset through techniques such as oversampling, undersampling, class weighting, or specialized algorithms.

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search