Article Per Year (5 Year)
p-Index From 2021 - 2026
2.012
P-Index
This Author published in this journals
All Journal Jurnal Teknoin Teknika Telematika Scientific Journal of Informatics JAIS (Journal of Applied Intelligent System) Jurnal Eksplora Informatika Zonasi: Jurnal Sistem Informasi Journal of Telecommunication, Electronics and Control Engineering (JTECE) Agroteksos Journal Of Human And Education (JAHE) JSITP SmartComp
Saraswati, Nurul Mega
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology 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 Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Analisis Sentimen Pengguna Aplikasi MyPertamina Menggunakan Algoritma Bidirectional Long Short Term Memory Saputra, Angga; Sigitta Hariyono, Rito Cipta; Saraswati, Nurul Mega
Eksplora Informatika Vol 13 No 2 (2024): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v13i2.973

Abstract

Aplikasi mobile telah menjadi sarana penting bagi perusahaan untuk berinteraksi dengan pengguna dan mengumpulkan umpan balik dari mereka. Salah satu aspek penting dari analisis data aplikasi pengguna adalah analisis sentimen, yang dapat memberikan wawasan pengguna tentang pandangan dan penggunaan aplikasi. Aplikasi MyPertamina yang merupakan layanan e-money juga telah terdaftar dan diawasi oleh Bank Indonesia. MyPertamina berfungsi sebagai sistem pembayaran non tunai. Pada aplikasi MyPertamina dapat memberikan ulasan aplikasi melalui kolom komentar atau memberikan rating dari 1 hingga 5 pada google playstore, namun seringkali pengguna memberikan rating yang tidak sesuai dengan ulasannya sehingga dapat mempengaruhi pelanggan jika ulasannya kurang bagus. Agar mempermudah pengelolaan data ulasan, penelitian ini menggunakan analisis sentiment. Analisis sentimen merupakan suatu metode yang digunakan untuk memahami, mengekstrak, dan mengolah secara otomatis data opini dan tekstual untuk mendapatkan sentimen yang terkandung dalam suatu opini. Penggunaan algoritma Bidirectional Long Short Term Memory (BiLSTM) dan Long Short Term Memory (LSTM) untuk analisis sentimen dari umpan balik pengguna pada aplikasi myPertamina. Penelitian ini menggunakan dataset yang berisi ulasan pengguna dari aplikasi myPertamina yang dikumpulkan dari platform Google PlayStore. Dataset ini secara otomatis dianotasi menggunakan library transformers untuk mengidentifikasi sentimen dari ulasan sebagai positif atau negatif. Selanjutnya, algoritma BiLSTM dan LSTM diterapkan untuk melakukan analisis sentimen pada dataset yang dianotasi. Hasil eksperimen menunjukkan bahwa kedua algoritma BiLSTM dan LSTM mampu menghasilkan sentimen yang cukup baik pada dataset ulasan pengguna myPertamina. BiLSTM menunjukkan kinerja yang lebih baik dibandingkan dengan LSTM, dengan akurasi 90% dan 86,25% untuk model LSTM.
Indonesian Hate Speech Text Classification Using Improved K-Nearest Neighbor with TF-IDF-ICSρF Saputra, Nova Adi; Aeni, Khurotul; Saraswati, Nurul Mega
Scientific Journal of Informatics Vol 11, No 1 (2024): February 2024
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v11i1.48085

Abstract

Purpose: Freedom in social media gives rise to the possibility of disturbing users through the sentences they send, which is limited by the Electronic Information and Transactions Law (UU ITE). This research aims to find an effective method for classifying hate speech text data, especially in Indonesian, with many categories expected to minimize this case.Methods: This study used 1.000 data from Twitter with five labels, including religion, race, physical, gender and other (invective or slander). The process started with several steps of preprocessing, data transformation using TF-IDF-ICSρF term weighting and data mining using an Improved KNN algorithm. Then, the results were compared with the TF-IDF and KNN methods to evaluate the differences.Result: Using TF-IDF-ICSρF and Improved KNN algorithms gets an average accuracy value of 88.11%, 17.81% higher compared with the same data and parameters to the K-Nearest Neighbor and TF-IDF algorithms, which get results of 70.30%.Novelty: Based on the comparison results, TF-IDF-ICSρF and Improved KNN methods can effectively classify hate speech sentences that have many labels with fairly good accuracy.
Artificial Inteligence Dalam Apilkasi Chatbot Sebagai Helpdesk Obyek Wisata Dengan Permodelan Natural Language Processing (Studi Kasus: Kabupaten Cilacap) mukrodin, Mukrodin; Saraswati, Nurul Mega
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 10, No 1 (2021): Smart Comp : Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v10i1.2135

Abstract

Perkembangan teknologi informasi berbasis komputer yang sangat cepat telah membuat banyak perubahan dalam sendi kehidupan manusia. Salah satu perkembangan teknologi terkini adalah kecerdasan buatan (artificial intelligence). Dengan adanya kecerdasan buatan, komputer dapat melakukan tugas tertentu seperti yang dilakukan oleh manusia robot chatting (chatbot). Chatbot adalah program komputer yang dapat melakukan percakapan melalui tulisan. Dalam era globalisasi sekarang ini, aspek kehidupan sehari-hari tak pernah lepas dari penggunaan teknologi informasi, salah satunya dalam  aspek pariwisata. Pariwisata yang ada di Kabupaten Cilacap memiliki potensi yang banyak dikunjungi wisatawan. Namun pengembangan informasi pariwisata yang ada dirasa kurang efektif dan akurat. Dalam penyampaian informasi masih manual, yaitu dari informasi yang di dengar melalui orang lain. Karena itu, peneliti mencoba mengembangkan aplikasi chatbot sebagai helpdesk dengan pendekatan Natural Language Processing. Dengan aplikasi ini nantinya wisatawan mampu melakukan tanya jawab kepada sistem. Aplikasi ini menggunakan bahasa yang digunakan sehari-hari untuk manusia berkomunikasi.Kata kunci : artificial intelligence, chatbot, helpdesk, Natural Language Processing.
Sistem Monitoring Emisi Polutan Gas menggunakan IoT untuk Industri Pengolahan Teh Tradisional Desa Pandansari Saraswati, Nurul Mega; Murdiantoro, Randi Adzin; Rakhman, Alfin; Arsiandro, Fadzly Haris; Prasetyono, Rizki Noor
Journal of Telecommunication Electronics and Control Engineering (JTECE) Vol 8 No 1 (2026): Journal of Telecommunication, Electronics, and Control Engineering (JTECE)
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/jtece.v8i1.2051

Abstract

Pabrik pengolahan teh di desa Pandansari Brebes Jawa Tengah sudah ada dan berada disekitar masyarakat, bahkan masyarat sekitar pabrik ada yang mengolahnya secara mandiri dan manual. Salah satunya sangrai teh dengan pembakaran tradisional sedangkan dimana asap ini bisa menyebabkan emisi berupa polutan gas beracun. Kondisi ini bisa menyebabkan permasalahan kesehatan bagi orang disekitar jika tidak diantisipasi. Tujuan dari penelitian ini membuat rancang bangun alat untuk memonitoring polutan gas dari pembakaran pengolahan teh berbasis IoT (Internet of Things). Manfaat yang diharapkan yaitu masyarakat dan pabrik pengolahan teh yang tidak sesuai standar tidak mengakibatkan polutan gas yang berbahaya bagi masyarakat sekitar. Metode penelitian yang dilakukan yaitu pembuatan prototype yang diterapkan pada proses pembakaran teh. Tahapan yang dilakukan yaitu analisis masalah, studi literatur, penentuan/ perancangan alat, pengujian, penerapan alat, pengambilan data dan analisis data. Pada perancangan alat dibuat dengan 4 sensor gas yaitu sensor MQ135, sensor MQ4, sensor MQ6 dan Sensor MQ7 dihubungkan dengan ESP 32 terkoneksi internet ke alplikasi Blynk. Hasil monitoring emisi gas berbasis IoT dengan integrasi empat sensor (MQ-4, MQ-6, MQ-7, dan MQ-135) pada industri teh tradisional terbukti sangat layak digunakan, dengan validasi pakar di atas 85% dan akurasi pengukuran lebih dari 95%. Uji laboratorium menunjukkan tiap sensor bekerja sesuai fungsinya: MQ-4 mendeteksi metana, MQ-6 merespons hidrokarbon volatil, MQ-7 menangkap karbon monoksida, dan MQ-135 dominan pada asap serta polutan umum. Implementasi lapangan memperlihatkan emisi lebih tinggi pada daun teh mentah terutama uap air dan senyawa volatil dibanding tahap menjelang matang, dengan pola konsisten MQ-135 > MQ-4 > MQ-6 > MQ-7.
Co-Authors , Nasrulloh Angga Saputra Arsiandro, Fadly Haris Arsiandro, Fadzly Haris Budi Suhendro David Chandra Furqon, Mohamad Khatimah, Khusnul Khoerunisa Khurotul Aeni, Khurotul Lizda Iswari M. Zidan Alfariki Maulana, Alan Al Ridho Saputra millah, Asep saeful Nabyla, Fuaida Nursetyo, Arif Prasetyono, Rizki Rahayu, Yasinta Sri Rakhman, Alfin Randi Adzin Murdiantoro Rito Cipta sigitta Hariyono Rizki Noor Prasetyono Rizqiyani, Ayu Saputra, Nova Adi Septi, Ariani Dwi Sri Kusumadewi Sulistyani , Anggraeni Mashinta Suyudi, Suhud