Article Per Year (5 Year)
p-Index From 2020 - 2025
2.893
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Jurnal Informatika dan Teknik Elektro Terapan Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika JOIN (Jurnal Online Informatika) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JUMANJI (Jurnal Masyarakat Informatika Unjani) Jurnal Informasi dan Komputer Journal of Information System, Applied, Management, Accounting and Research JATI (Jurnal Mahasiswa Teknik Informatika) Competitive Jurnal Puan Indonesia Jurnal INFOTEL Competitive
Tati Ernawati
Politeknik TEDC Bandung
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Public Health Transportation Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Informatika dan Teknik Elektro Terapan

 1 
PENGGUNAAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KONFLIK PALESTINA DAN ISRAEL PADA PLATFORM X Andriawan, Muhammad Guruh; Ernawati, Tati
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4943

Abstract

Abstrak. Penelitian ini mengkaji penggunaan algoritma Naïve Bayes dan Support Vector Machine (SVM) untuk analisis sentimen konflik Palestina-Israel pada platform X. Alasan pemilihan topik ini adalah karena peran signifikan media sosial dalam mencerminkan opini publik terhadap konflik global. Dengan menganalisis tweet dari pengguna Indonesia, penelitian ini bertujuan untuk mengklasifikasikan sentimen menjadi kategori positif, negatif, dan netral. Pengumpulan data dilakukan menggunakan API X, mengumpulkan 599 tweet antara 7 Mei hingga 31 Desember 2023. Tahap pra-pemrosesan meliputi pembersihan, tokenisasi, penghapusan stopword, dan stemming. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 82,22%, mengungguli algoritma SVM yang memiliki akurasi sebesar 74,44%. Temuan ini menyoroti bahwa sebagian besar sentimen publik adalah netral, dengan kehadiran sentimen positif dan negatif yang signifikan. Hasil ini menekankan efektivitas Naïve Bayes dalam klasifikasi sentimen untuk analisis media sosial, menyediakan alat yang berharga untuk memahami opini publik tentang isu-isu politik sensitif.
ANALISIS SENTIMEN ULASAN APLIKASI GAME HAY DAY MENGGUNAKAN ALGORITMA RANDOM FOREST Effendi, Puput Amelia; Tati Ernawati
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.6772

Abstract

This study aims to analyze the sentiment of Hay Day game user reviews on the Google Play Store platform using the Random Forest (RF) algorithm. The data utilized consisted of 5,060 reviews, which were processed through pre-processing stages, including text cleaning, tokenizing, stopword removal, and stemming. TF-IDF was employed as a feature extraction technique to determine word importance within the reviews. The analysis results indicate that the majority of user sentiment tends toward negative (1,821 comments), suggesting dissatisfaction with technical aspects of the game, such as bugs, pay-to-win systems, and account access issues. The RF model evaluation demonstrates an accuracy of 80.41%, with precision values of 79.3%, recall of 80.41%, and F1-score of 78.55%. This research recommends that game developers prioritize improvements to frequently complained technical issues and enhance communication with users to increase player satisfaction and loyalty.
PENERAPAN ALGORITMA FREQUENT PATTERN GROWTH PADA POLA PEMBELIAN KONSUMEN (STUDI KASUS G.I.B STORE KOTA CIMAHI ) Resa Hardiyanti; Tati Ernawati
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.6773

Abstract

Transaction pattern analysis constitutes one of the key factors in business decision-making, particularly in retail business decisions. This study aims to identify consumer purchasing patterns at G.I.B store in Cimahi City by implementing the Frequent Pattern Growth (FP-Growth) algorithm as a data mining method to discover associative patterns among products that are frequently purchased together. This research utilized data from 2023 encompassing both online and offline sales transactions, and the research process included data collection, data cleansing, data transformation, and the application of the FP-Growth algorithm using Google Colaboratory, as well as analysis of the resulting association patterns. The findings demonstrate that strong relationships exist between certain specific products, such as between Junior Premium 8 and Kids Premium M, with a confidence level of 77.91%. These patterns can assist in determining and formulating business strategies for promotions, product bundling, and more efficient inventory management. The implementation of the FP-Growth algorithm has proven effective in helping business owners understand customer shopping behaviors and support more targeted decision-making.
PENGGUNAAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KONFLIK PALESTINA DAN ISRAEL PADA PLATFORM X Andriawan, Muhammad Guruh; Ernawati, Tati
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4943

Abstract

Abstrak. Penelitian ini mengkaji penggunaan algoritma Naïve Bayes dan Support Vector Machine (SVM) untuk analisis sentimen konflik Palestina-Israel pada platform X. Alasan pemilihan topik ini adalah karena peran signifikan media sosial dalam mencerminkan opini publik terhadap konflik global. Dengan menganalisis tweet dari pengguna Indonesia, penelitian ini bertujuan untuk mengklasifikasikan sentimen menjadi kategori positif, negatif, dan netral. Pengumpulan data dilakukan menggunakan API X, mengumpulkan 599 tweet antara 7 Mei hingga 31 Desember 2023. Tahap pra-pemrosesan meliputi pembersihan, tokenisasi, penghapusan stopword, dan stemming. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 82,22%, mengungguli algoritma SVM yang memiliki akurasi sebesar 74,44%. Temuan ini menyoroti bahwa sebagian besar sentimen publik adalah netral, dengan kehadiran sentimen positif dan negatif yang signifikan. Hasil ini menekankan efektivitas Naïve Bayes dalam klasifikasi sentimen untuk analisis media sosial, menyediakan alat yang berharga untuk memahami opini publik tentang isu-isu politik sensitif.
Co-Authors Andriawan, Muhammad Guruh Arif Hidayat Azizah, Nur Aviani Dahlan Effendi, Puput Amelia Endah Rachmawati Endrawan, Jemi Febi Febiansyah Fikri Faiz Fadhlur Rachmat Idham Kholid Ihsan Kamil, Ali Iqbal Heriyadi Iskandar, Rachmat Jemi Endrawan Kosasih, Heldi Akbar Muhammad Apipudin Safaat Nia Ekawati, Nia Pratiwi, Cece Raafidiani, Reni Resa Hardiyanti Rohmayani, Dini Sugianto, Castaka Agus Susdin, Susdin Syams, Fawwaz Muhammad Tresnawati, Shandy