Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Tasyri` : Jurnal Tarbiyah-Syari`ah-Islamiyah Conten : Computer and Network Technology
Ubaidillah , Ubaidillah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI VIDIO DI GOOGLE PLAY STORE Pratmanto, Dany; Widayanto, Aprih; Kristania, Yustina Meisella; Ubaidillah , Ubaidillah; Wijianto, Ragil
CONTEN : Computer and Network Technology Vol. 4 No. 2 (2024): Desember 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v4i2.6891

Abstract

Penelitian ini mengkaji efektivitas algoritma Naive Bayes (NB) dan K-Nearest Neighbors (KNN) dalam analisis sentimen ulasan pengguna aplikasi Vidio di Google Play Store. Evaluasi kinerja kedua model dilakukan menggunakan berbagai metrik, termasuk akurasi, precision, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa KNN mengungguli Naive Bayes dalam beberapa aspek penting. KNN mencapai akurasi 74.92% dibandingkan dengan Naive Bayes sebesar 71.32%. Dalam hal precision, KNN juga menunjukkan performa yang lebih baik dengan nilai 76.52%, sementara Naive Bayes mencapai 71.61%. Meskipun demikian, kedua model menunjukkan kinerja yang sebanding dalam hal recall, dengan KNN mencapai 72.54% dan Naive Bayes 71.46%. Yang menarik, kedua model memiliki nilai AUC yang sangat tinggi dan hampir setara, yaitu 90.10% untuk KNN dan 90.00% untuk Naive Bayes, menunjukkan kemampuan yang sangat baik dalam membedakan sentimen positif dan negatif. Berdasarkan hasil evaluasi secara keseluruhan, algoritma KNN lebih direkomendasikan untuk implementasi analisis sentimen pada ulasan pengguna aplikasi Vidio.
SINTESIS NILAI HUMANISME, EKSISTENSIALISME, DAN FUTURISME DALAM PENGEMBANGAN KURIKULUM PENDIDIKAN AGAMA ISLAM Ubaidillah , Ubaidillah; Rohman, M. Imdadur; Angraeini, Naal Hira; pengelola, pengelola
Tasyri` : Jurnal Tarbiyah-Syari`ah-Islamiyah Vol. 32 No. 01 (2025): April 2025
Publisher : LPPM STAI Ihyaul Ulum Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70281/tasyri.v32i01.1002

Abstract

Pendidikan Agama Islam (PAI) menghadapi tantangan besar untuk tetap relevan di tengah perkembangan ilmu pengetahuan, teknologi, dan dinamika masyarakat modern. Artikel ini bertujuan untuk menganalisis relevansi nilai-nilai dari aliran filsafat pendidikan Barat, khususnya humanisme, eksistensialisme, dan futurisme, dan mengaitkannya secara kritis dengan pengembangan Pendidikan Agama Islam. Pendekatan penelitian yang digunakan adalah kualitatif dengan metode studi pustaka (library research). Hasil kajian menunjukkan bahwa nilai-nilai ketiga aliran tersebut memiliki titik temu dengan prinsip-prinsip dasar PAI, seperti penghargaan terhadap martabat manusia, tanggung jawab personal, dan kesiapan menghadapi perubahan zaman. Artikel ini menawarkan sintesis konseptual untuk membentuk kurikulum PAI yang lebih kontekstual, reflektif, dan transformatif.
ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI VIDIO DI GOOGLE PLAY STORE Pratmanto, Dany; Widayanto, Aprih; Kristania, Yustina Meisella; Ubaidillah , Ubaidillah; Wijianto, Ragil
CONTEN : Computer and Network Technology Vol. 4 No. 2 (2024): Desember 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v4i2.6891

Abstract

Penelitian ini mengkaji efektivitas algoritma Naive Bayes (NB) dan K-Nearest Neighbors (KNN) dalam analisis sentimen ulasan pengguna aplikasi Vidio di Google Play Store. Evaluasi kinerja kedua model dilakukan menggunakan berbagai metrik, termasuk akurasi, precision, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa KNN mengungguli Naive Bayes dalam beberapa aspek penting. KNN mencapai akurasi 74.92% dibandingkan dengan Naive Bayes sebesar 71.32%. Dalam hal precision, KNN juga menunjukkan performa yang lebih baik dengan nilai 76.52%, sementara Naive Bayes mencapai 71.61%. Meskipun demikian, kedua model menunjukkan kinerja yang sebanding dalam hal recall, dengan KNN mencapai 72.54% dan Naive Bayes 71.46%. Yang menarik, kedua model memiliki nilai AUC yang sangat tinggi dan hampir setara, yaitu 90.10% untuk KNN dan 90.00% untuk Naive Bayes, menunjukkan kemampuan yang sangat baik dalam membedakan sentimen positif dan negatif. Berdasarkan hasil evaluasi secara keseluruhan, algoritma KNN lebih direkomendasikan untuk implementasi analisis sentimen pada ulasan pengguna aplikasi Vidio.
Co-Authors Angraeini, Naal Hira Aprih Widayanto Dany Pratmanto Nawawi Nawawi pengelola, pengelola Ragil Wijianto Rohman, M. Imdadur Yustina Meisella Kristania - STMIK Nusa Mandiri Jakarta, Yustina Meisella Kristania