Article Per Year (5 Year)
p-Index From 2021 - 2026
2.332
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri IJIS - Indonesian Journal On Information System JSiI (Jurnal Sistem Informasi) JURNAL TEKNOLOGI INFORMASI J-SAKTI (Jurnal Sains Komputer dan Informatika) J-Intech (Journal of Information and Technology) Jurnal Ilmu Komputer Innovative: Journal Of Social Science Research Inspiration: Jurnal Teknologi Informasi dan Komunikasi Informatics and Software Engineering (ISE)
Saputra, Dedi Dwi
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Energy Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Public Health Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Sentiment Analysis of Rising Fuel Prices on Social Media Twitter using the Naïve Algorithm Bayes Classifiers And AdaBoost Hendriyadi, Imam; Putri, Angela Febrianti; Rahmawati, Rahmawati; Saputra, Dedi Dwi
Informatics and Software Engineering Vol. 1 No. 1 (2023): June 2023
Publisher : SAN Scientific

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58777/ise.v1i1.55

Abstract

The government issued a policy of increasing the price of Indonesian fuel oil (BBM) in September 2022. This policy resulted from the war in Europe between Russia and Ukraine, which caused a surge in world oil prices because many respondents complained about the increase in fuel. This condition has caused much controversy or opinion among the public on social media, especially Twitter. With this phenomenon, sentiment analysis uses the Naïve Bayes classifiers algorithms to see how the public responds to government policies. The classification used in this sentiment analysis is Complaint or Not Complaint. Sentiment analysis of fuel rise on Twitter using Naïve Bayes classifier algorithm and AdaBoost Naïve Bayes classifier algorithm is applied to get the best classification By using hashtag tweets The increase in the price of fuel oil (BBM) which was taken 1000 tweets to be Used US a dataset. Data preprocessing consists of Text, Status, removal annotations, Remove hashtags, Remove urls, regexp, Indonesian stemming, and Indonesian stopword removal. The analysis results obtained an accuracy value of 70.69%, precision of 70.49%, recall of 71.45%, and AUC of 0.729 (good classification).   Pemerintah mengeluarkan kebijakan menaikkan harga bahan bakar minyak (BBM) Indonesia pada September 2022. Kebijakan ini adalah hasil dari perang di Eropa antara Rusia dan Ukraina hal ini menyebabkan lonjakan harga minyak dunia karena banyak responden masyarakat yang mengeluhkan atas kenaikan BBM. Hal ini banyak menimbulkan kontroversi ataupun opini pada kalangan masyarakat di social media khususnya twitter. Dengan adanya fenomena tersebut, untuk melihat bagaimana tanggapan masyarakat terhadap kebijakan pemerintah maka dilakukan analisis sentimen menggunakan algoritma naïve bayes classifier. Klasifikasi yang digunakan pada analisis sentimen ini adalah Complaint atau Not complaint. Analisis sentimen kenaikan bahan bakar pada twitter menggunakan algoritma naive bayes classifier dan adaboost, algoritma naïve bayes classifier ini diterapkan untuk mendapatkan klasifikasi terbaik. Dengan menggunakan hashtag tweets Kenaikan harga bahan bakar minyak (BBM) yang diambil 1000 tweet untuk di jadikan dataset. Preprocessing data terdiri dari Text, Status, Remove annotations, Remove hastag, Remove url, Regexp, Indonesian stemming, Indonesian stopword removal. Hasil analisis tersebut didapatkan nilai accuracy 70,69%, precision 70,49%, recall 71,45%, dan AUC yang didapat sebesar 0,729 (good classification).
Optimasi Feature Selection Text Mining: Stemming dan Stopword untuk Sentimen Analisis Aplikasi SatuSehat Wardhani, Diky; Astuti, Rika; Saputra, Dedi Dwi
Innovative: Journal Of Social Science Research Vol. 4 No. 1 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i1.8759

Abstract

Aplikasi SatuSehat merupakan hasil pengembangan dan transformasi dari Peduli Lindungi yang dilakukan oleh KEMENKES (kementerian kesehatan) dengan tujuan untuk mencatat data kesehatan masyarakat. Dengan berubahnya aplikasi Peduli Lindungi menjadi SatuSehat, beragam ulasan di layangkan oleh pengguna aplikasi ini di PlayStore. Penelitian ini dilakukan untuk membandingkan dan mengoptimasikan Feature Selection pada Text Mining untuk mendapatkan hasil yang paling optimal dari kedua fitur tersebut. 2000 data set didapatkan dengan metode Scrapping pada ulasan PlayStore. Lalu data tersebut diterapkan metode SMOTE dan Pre-Processing dengan Feature Selection, Stemming dan Stopword sehingga kedua fitur dapat dibandingkan dan dicari hasil yang optimal. Hasil penelitian ini maka bisa diperoleh hasil saat menggunakan Feature Selection steaming hasilnya akurasinya mendapatkan 93,43% dan presisi mendapatkan 88,42% sedangkan saat menggunakan feature selection stopword hasil yang didapatkan adalah nilai akurasinya mendapatkan 89,19% dan presisi mendapatkan 82,23%, dan jika menggunkan stopword dan stemming dilakukan secara bersamaan maka hasilnya nilai akurasinya mendapatkan 92,56% dan presisi mendapatkan 95,46%. Dan hasil teroptimal diperoleh paling optimal saat menggunakan stemming dan stopword digunakan secara bersamaan.
Co-Authors Abdullah, M Arief Agustinus, Matius Akhsanal, M. Antonius Yadi Kuntoro Ariyanto, Angga Armansyah, A Awang, Nana Deni Hermawan Dewi, Anggi Riantika Fahlapi, Riza Fakhrezi, Moch Alvi Fatoni, Raden Mirza Kurnia Gata, Windu Gevin, Muhammad Farrell Afelino Hartati, H Hendriyadi, Imam Hermanto Hermanto Hidayatulloh, Muhammad Yusuf Indah Purnamasari juwita sari Krisnadi, Eka Kharisma Kusumayudha, Mochammad Rizky Maulana, Fajrullah Ma’arif, Helmi Muchamad Bachram Shidiq Panggabean, Supriadi Pratiwi, Risca Lusiana Putra, Andreyana Pratama Putri, Angela Febrianti Rahmawati, Rahmawati Rika Astuti Siddik, Dimas Zappar Sigit Kurniawan Siti Fauziah Sri Diana Sukmawati, Alfiani Sulistyo, Romy Triadi Sunanto, Anto Sururi, Dede Miftah Taufik Asra Telaumbanua, Emrina Wahyudi, Zailani Wardhani, Diky Wibowo, Gigih Hasoko yuda pratama