Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science Tematik
Hidayati, Nutriana
Unknown Affiliation
Computer Science & IT Social Sciences

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

Found 2 Documents
Search

 1 
PEMANFAATAN APLIKASI EDMODO SEBAGAI ALAT BANTU PENGAJARAN PADA GURU SD NEGERI WONOSARI 01 SEMARANG Pungkasanti, Prind Triajeng; Wakhidah, Nur; Hidayati, Nutriana
TEMATIK Vol. 2 No. 2 (2022): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v2i2.4385

Abstract

Pemerintah mewajibkan semua penduduk mengikuti program wajib belajar pendidikan dasar selama dua belas tahun dengan rincian enam tahun pendidikan di sekolah dasar, tiga tahun di sekolah menengah pertama, dan tiga tahun di sekolah menengah atas. Sistem pengajaran yang diterapkan di sekolah selama ini masih menggunakan metode pengajaran Teacher Learning Center (TCL) yang mana guru hanya memberikan materi di depan kelas dan memberikan tugas untuk mengukur penangkapan siswa mengenai materi yang diberikan pada saat itu. Sistem pengajaran TCL hanya bisa dilakukan saat Proses Belajar Mengajar (PBM) dilakukan secara tatap muka pada saat guru dan siswa bertemu di dalam kelas. Namun pada pandemic Covid-19 ini PBM TCL tidak dapat dilakukan, sehingga Pemerintah dalam hal ini Kementrian Pendidikan dan Kebudayaan dituntut untuk mengeluarkan kebijakan pendidikan dengan mengedepankan kesehatan dan keselamatan peserta didik, pendidik, tenaga kependidikan, keluarga dan masyarakat, maka pembelajaran secara daring, salah satunya SDN Wonosari 01 Semarang. PBM di SDN Wonosari 01 Semarang juga sudah menggunakan aplikasi pengajaran secara daring, namun belum adanya keseragaman dalam menggunakan aplikasi pembelajaran secara daring tersebut, sehingga menjadi kendala bagi guru, siswa, dan terutama bagi orang tua siswa yang ikut membantu mendampingi siswa selama PBM. Edmodo merupakan platform media sosial, seperti facebook yang dikembangkan khusus untuk siswa dan guru dalam suatu ruangan kelas virtual yang dapat berfungsi untuk melaksanakan pembelajaran yang menarik dan mudah digunakan (Subiyantoro, 2013). Edmodo membuat pembelajaran menjadi dapat diselenggarakan dimana saja dan kapan saja tidak terbatas ruang dan waktu. Pemanfaatan Aplikasi Edmodo sebagai aplikasi yang digunakan dalam PBM di SDN Wonosari 01 Semarang sehingga memudahkan para guru dalam menyampaikan materi, memberikan tugas, dan video pembelajaran, selain itu memudahkan para guru untuk melakukan penilaian dan merekap kehadiran siswa.
Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM) : Sentiment Analysis of Pluang Applications With Naive Bayes and Support Vector Machine (SVM) Algorithm Maulana, Bagas Akbar; Fahmi, Muhammad Jazilul; Imran, Ari Muhamad; Hidayati, Nutriana
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1206

Abstract

Analisis sentimen merupakan proses menganalisis teks untuk menentukan sentimen yang diungkapkan, seperti positif, negatif, atau netral. Analisis sentimen dapat digunakan untuk berbagai tujuan, seperti memahami opini publik, mengukur kepuasan pelanggan, dan mendeteksi penipuan. Dalam penelitian ini, kami menerapkan metode klasifikasi sentimen untuk menganalisis ulasan aplikasi Pluang. Aplikasi Pluang adalah aplikasi investasi digital yang menawarkan berbagai produk investasi, seperti emas, saham, dan reksa dana. Kami menggunakan dua model klasifikasi sentimen, yaitu Naive Bayes dan SVM. Hasil penelitian menunjukkan bahwa model SVM bekerja lebih baik dibandingkan model Naive Bayes. Secara spesifik, model SVM memiliki akurasi sebesar 99,50%, presisi 99,67%, recall 99,33%, dan skor F1 sebesar 99,50%. Sedangkan model Naive Bayes memiliki akurasi sebesar 99,25%, presisi sebesar 99,44%, recall sebesar 99,06%, dan skor F1 sebesar 99,25%. Kelebihan model SVM dibandingkan model Naive Bayes adalah kemampuannya untuk membedakan teks positif dan negatif dengan lebih baik. Ini disebabkan oleh beberapa faktor, antara lain: Data negatif memiliki karakteristik yang lebih beragam daripada data positif, SVM menggunakan teknik kernel yang mampu memetakan data ke dalam ruang dimensi yang lebih tinggi, sehingga dapat memodelkan hubungan antar data dengan lebih baik. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM merupakan metode klasifikasi yang efektif untuk menganalisis sentimen ulasan aplikasi Pluang.
Co-Authors Fahmi, Muhammad Jazilul Imran, Ari Muhamad Maulana, Bagas Akbar Nur Wakhidah Prind Triajeng Pungkasanti, Prind Triajeng