Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Linguistik Komputasional Jurnal Sains Informatika Terapan (JSIT)
Asih, Anggun Yuli
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Analisis Komentar Cyberbullying Terhadap Kata Yang Mengandung Toksisitas Dan Agresi Menggunakan Bag of Words dan TF-IDF Dengan Klasifikasi SVM Krisnandi, Dwi; Ambarwati, Rini Novi; Asih, Anggun Yuli; Ardiansyah, Angga; Pardede, Hilman Ferdinandus
Jurnal Linguistik Komputasional Vol 6 No 2 (2023): Vol. 6, No. 2
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v6i2.85

Abstract

Masyarakat menjadi orang yang anti sosial tidak banyak berkomunikasi dengan lingkungan dan mereka lebih menyukai komunikasi melalui internet atau social media. dengan internet atau social media orang bisa menyembunyikan identitas aslinya dan bisa mengakibatkan keburukan saat berkomunikasi atau memberi sebuah komentar di social media dengan menggunakan kata-kata yang buruk, menghina, tidak sopan mempermalukan, mengancam, mengganggu menghina, mengucilkan, merusak reputasi orang melalui internet atau teknologi digital. Hal seperti ini termasuk dalam tindak kejahatan yang dinamakan cyberbullying. Cyberbullying berdampak buruk bagi korbannya seperti mengakibatkan depresi, hingga yang terburuk hingga mengakibatkan seseorang melakukan bunuh diri. Cyberbullying sering menjadi masalah besar baik di tingkat nasional maupun global. Pada penilitian ini akan dibahas mengenai text mining alisis sentiment cyberbullying dengan menentukan kata yang mengandung toxicity dan aggression. Metode yang digunakan pada penelitian ini memakai model Bag of Word dan TF-IDF dengan klasifikasi SVM. Hasil dari penelitian ini didapat akurasi tertinggi dengan menggunakan model Bag of Word dengan akurasi sebesar 65,2% di banding dengan pemodelan menggunakan TF-IDF dengan akurasi sebesar 64,7% Hal ini menunjukkan bahwa penerapan Bag of Word mampu menghasilkan tingkat akurasi yang lebih baik dalam memprediksi kata yang mengandung cyberbullying dari penelitian ini dibandingkan dengan model TF-IDF.
Analisis Sentimen Zoom Cloud Meetings Di Play Store Menggunakan Metode IndoBERT Herlinawati, Nuraeni; Ariyati, Indah; Samudi; Asih, Anggun Yuli
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pandemi global COVID-19 telah mendorong lonjakan penggunaan aplikasi konferensi video, dengan Zoom Cloud Meetings menjadi salah satu platform dominan. Ulasan pengguna di Google Play Store merupakan sumber informasi berharga mengenai persepsi dan kepuasan pengguna. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Zoom Cloud Meetings di Google Play Store menggunakan metode IndoBERT, sebuah model pra-latih berbasis Transformer yang dikhususkan untuk bahasa Indonesia. Data ulasan dikumpulkan melalui teknik web scraping, kemudian diproses melalui tahap pembersihan, pelabelan berdasarkan rating, dan tokenisasi. Model IndoBERT selanjutnya di-fine-tuning untuk tugas klasifikasi sentimen tiga kelas: positif, netral, dan negatif. Evaluasi performa model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model IndoBERT yang telah di-fine-tuning mampu mencapai tingkat akurasi sebesar 92%, dengan F1-score rata-rata tertimbang sebesar 91%. Analisis lebih lanjut terhadap matriks konfusi menunjukkan performa klasifikasi yang baik untuk ketiga kelas sentimen, meskipun terdapat sedikit kebingungan dalam membedakan ulasan netral dari yang negatif atau positif. Penelitian ini mengonfirmasi efektivitas IndoBERT dalam menganalisis sentimen ulasan pengguna berbahasa Indonesia dan memberikan wawasan berharga bagi pengembang Zoom dalam memahami umpan balik pengguna.
Co-Authors Ambarwati, Rini Novi Angga Ardiansyah Indah Ariyati Krisnandi, Dwi Nuraeni Herlinawati Pardede, Hilman Ferdinandus samudi