Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Pengabdian kepada Masyarakat Politeknik Negeri Batam
Handayani, Nadya Satya
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sentiment Analysis Optimization Using Ensemble of Multiple SVM Kernel Functions M. Khairul Anam; Lestari, Tri Putri; Efrizoni, Lusiana; Handayani, Nadya Satya; Andhika, Imam
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 4 (2025): August 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i4.6708

Abstract

This research aims to optimize sentiment analysis by leveraging the strengths of multiple Support Vector Machine (SVM) kernels—Linear, RBF, Polynomial, and Sigmoid—through an ensemble learning approach. This study introduces a novel model called SVM Porlis, which integrates these kernels using both hard and soft voting strategies to improve the classification performance on imbalanced datasets. Sentiment classification in this study involves two classes: positive and negative. Tweets related to the controversy over the naturalization of Indonesian national football players were collected using the official X/Twitter API, resulting in a dataset of 2,248 entries. The dataset was notably imbalanced, with significantly more negative samples than positive samples. Data preprocessing included cleaning, labeling, tokenization, stopword removal, stemming, and feature extraction using TF-IDF. To address the class imbalance, the SMOTE technique was applied to synthetically augment the minority class. Each SVM kernel was trained and evaluated individually before being combined into an SVM Porlis model. Evaluation metrics included accuracy, precision, recall, F1-score, and confusion matrix analysis. The results demonstrate that SVM Porlis with soft voting achieved the highest performance, with 98% accuracy, precision, recall, and F1-score, surpassing the performance of individual kernels and other ensemble approaches such as SVM + Chi-Square and SVM + PSO. These findings highlight the effectiveness of combining multiple kernels to capture both linear and non-linear patterns, offering a robust and adaptive solution for sentiment analysis in real-world, imbalanced data scenarios.
Peningkatan Partisipasi Masyarakat dalam Pelaporan Kerusakan Fasilitas Publik di Kota Batam Melalui Aplikasi BALAP-IN Sembiring, Evaliata Br; Wibowo, Ari; Brajawidagda, Uuf; Santiputri, Metta; Mufida, Mir’atul Khusna; Janah, Nur Zahrati; Rokhayati, Yeni; Prasetyaningsih, Sandi; Sartikha, Sartikha; Thohari, Ahmad Hamim; Purnamasari, Dwi Amalia; Uperiati, Alena; Ramadhan, Gilang Bagus; Andesti, Cyntia Lasmi; Afifah, Ummul Fitri; Handayani, Nadya Satya; Simalango, Holong Marisi; Evadini, Sukma
Jurnal Pengabdian kepada Masyarakat Politeknik Negeri Batam Vol. 7 No. 2 (2025): Jurnal Pengabdian kepada Masyarakat Politeknik Negeri Batam
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/abdimaspolibatam.v7i2.11822

Abstract

Fasilitas public di Kota Batam masih menghadapi sejumlah kendala, seperti kerusakanjalan, taman, mapun lampu penerangan sering kali lambat mendapatkan perbaikan. Rendahnya keterlibatan masyarakat dalam memnyampaikan laporan turut memperburuk kondisi ini, terutama karena mekanisme pelaporan yang dianggap berbelit dan kurang jelas. Salah satu solusi yang dapat dilakukan adalah dengan memanfaatkan teknologi berupa aplikasi BALAP-IN (Batam Lapor-Infrastruktur), dimana aplikasi ini merupakan platform digital yang dirancang untuk membantu masyarakat untuk melaporkan kerusakan fasilitas public secara praktis, transparan, dan terdokumentasi dengan baik. Oleh sebab itu, aplikasi BALAP-IN perlu diperkenalkan kepada masyarakat agar dapat dimanfaatkan sehingga diharapkan tumbuh kesadaran dan partisipasi aktif warga untuk melaporkan kerusakan yang ditemui kepada pihak pengelola. Kegiatan pengabdian menggunakan pendekatan partisipatif dengan menerapkan model teknologi partisipatif. Metode yang digunakan melalui sosialisasi di media sosial dalam bentuk kampanye digital, Brainstorming dan diskusi dengan pihak berwenang, dan FGD. Hasil kegiatan menunjukkan bahwa target dan tujuan tercapai yaitu: (1) Dapat menumbuhkan kesadaran masyarakat mengenai pentingnya melaporkan kerusakan fasilitas publik, melalui partisipasi masyarakat membagikan pengalamannya yang mencapai 70,87%; (2) aplikasi BALAP-IN dikenal masyarakat secara luas dan berpotensi dalam peningkatan partisipasi masyarakat dalam pelaporan kerusakan infrastruktur publik; (3) Antusias masyarakat dalam menggunakan aplikasi BALAP-IN, mengindikasikan dapat meningkatkan jumlah laporan kerusakan fasilitas publik yang valid di kota Batam. Dengan adanya aplikasi ini, diharapkan pengawasan dan pemeliharaan jalan di Kota Batam dapat berjalan lebih responsive, transpran dan berkelanjutan.
Co-Authors Afifah, Ummul Fitri Anam, M Khairul Andhika, Imam Ari Wibowo Cyntia Lasmi Andesti Efrizoni, Lusiana Evadini, Sukma Janah, Nur Zahrati Metta Santiputri Mufida, Mir’atul Khusna Purnamasari, Dwi Amalia Ramadhan, Gilang Bagus Rokhayati, Yeni Sandi Prasetyaningsih Sartikha, Sartikha Sembiring, Evaliata Br. Thohari, Ahmad Hamim Tri Putri Lestari, Tri Putri Uperiati, Alena Uuf Brajawidagda