Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika
Dzikrullah, Muhammad
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
PERBANDINGAN ALGORITMA NAIVE BAYES CLASIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TERHADAP TIKTOK SHOP SELLER CENTER laami, zulaeha; Dzikrullah, Muhammad; Ibrahim, Adelina
Jurnal Teknik Informatika (J-Tifa) Vol 8 No 1 (2025): Volume 8 No 1 Maret 2025
Publisher : Universitas Muhammadiyah Maluku Utara (Prodi Teknik Informatika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52046/j-tifa.v8i1.2234

Abstract

Jualan online menjadi salah satu pilihan yang paling diminati masyarakat/seller karena dinilai memiliki banyak kelebihan seperti, tidak perlu sewa toko, tidak ada batasan wilayah dan waktu, jangkauan pemasaran luas, dan sebagainya. Akan tetapi dari kelebihan itu terdapat pula kekurangan, persaingan ketat, pengiriman terlambat, kendala teknis pada platform, dan sebagainya. Dengan begitu, pengguna aplikasi Tiktok Seller akan melampiaskan penilaian terhadap layanan yang diberikan oleh aplikasi dan akan mempengaruhi rating aplikasi tersebut. Hal ini menarik perhatian peneliti untuk mengetahui apa yang mempengaruhi kepuasan pengguna aplikasi dengan pendekatan analisis sentimen menggunakan algoritma Naive Bayes dan Support Vector Machine. Penilaian kepuasan pengguna diperlukan untuk mengetahui apakah sudah memenuhi ekspektasi dari para pengguna atau belum sehingga pihak perusahaan dapat menciptakan layanan yang sesuai dengan umpan balik para penggunanya. Pada penelitian ini untuk algoritma Naive Bayes Clasifier di dapatkan hasil akurasi 96.8%, presisi 97%, rekal 100%, dan f1-score 98%. Sedangkan pada algoritma Support Vector Machine di dapatkan hasil akurasi 97.36%, presisi 97%, rekal 100% , dan f1-score 99%. Kata yang paling sering muncul pada sentimen positif membahas seputar kata : “jual”, “bisa”, “tiktok”, “seller”, “produk”, dan sebagainya. Pada sentimen negatif diantaranya membahas seputar : ”jual”, “produk”, “seller”, “tiktok”, “langgar”, dan sebagainya. Untuk kata dari seluruh data dari penelitian ini yang dominan yaitu “jual”, “bisa”, “sudah”, “tiktok”, “seller”, “produk”, dan sebagainya.
SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT TANAMAN KELAPA(COCOS NUCIFERA) MENGGUNAKAN PERBANDINGAN METODE FORWARD CHAINING DAN DEMPSTER SHAFER aryana, laela; Dzikrullah, Muhammad; Muhammad, Abdul Haris
Jurnal Teknik Informatika (J-Tifa) Vol 8 No 1 (2025): Volume 8 No 1 Maret 2025
Publisher : Universitas Muhammadiyah Maluku Utara (Prodi Teknik Informatika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52046/j-tifa.v8i1.2422

Abstract

Tanaman kelapa (Cocos nucifera) merupakan komoditas unggulan karena sebagian besar masyarakat Maluku Utara membudidayakan tanaman kelapa (Cocos nucifera) sebagai mata pencarian. Namun serangan hama dan penyakit pada tanaman kelapa (Cocos nucifera) mengakibatkan hasil panen menjadi terganggu dan hasil produksi tidak maksimal. Minimnya pengetahuan tentang cara penanganan hama dan penyakit membuat petani masih mengandalkan penyuluhan pertanian yang jumlahnya masih sangat terbatas, sehingga informasi yang diterima tidak bisa di dapatkan oleh semua petani. Dari uraian permasalahan di atas maka dibangunlah sebuah sistem pakar untuk mendiagnosis hama dan penyakit tanaman kelapa(cocos nucifera) berdasarkan gejala yang dialami dengan menggunakan metode forward chaining dan dempster shafer. Berdasarkan hasil penelitian yang dilakukan, telah diperoleh hasil dari pengujian sistem berdasarkan 6 data hama, penyakit dan 23 data gejala yang telah di uji dengan menggunakan metode forward chaining dan dempster shafer mempunyai tingkat akurasi sebesar 100%. Hal ini menunjukkan bahwa kedua metode tersebut berhasil dan layak digunakan sebagai metode dalam sistem pakar.
Co-Authors aryana, laela Ibrahim, Adelina laami, zulaeha Muhammad, Abdul Haris