Article Per Year (5 Year)
p-Index From 2020 - 2025
2.217
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika JUTIK : Jurnal Teknologi Informasi dan Komputer Georafflesia : Artikel Ilmiah Pendidikan Geografi TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Tematik : Jurnal Teknologi Informasi Komunikasi JURNAL ADMINISTRASI NUSANTARA (JAN) Jurnal Ilmiah Pengabdian dan Inovasi eProceedings of Engineering Serambi Engineering Journal on Mathematics Education
EDWAR
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Mathematics Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JUTIK : Jurnal Teknologi Informasi dan Komputer

 1 
IMPLEMENTASI TEXT MINING UNTUK KLASIFIKASI OPINI ALUMNI PADA PERGURUAN TINGGI I Komang Dharmendra; I Gusti Ngurah Ady Kusuma; Ida Ayu Mirah Cahya Dewi; Edwar
Jurnal Teknologi Informasi dan Komputer Vol. 9 No. 3 (2023): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

Penelitian bertujuan untuk menganalisis sentimen opini alumni menggunakan metode Support Vector Machine (SVM). Analisis sentimen opini alumni merupakan faktor penting dalam evaluasi kualitas institusi pendidikan. Metode SVM digunakan untuk mengklasifikasikan opini dengan tingkat keakuratan yang tinggi, dengan menggunakan TF-IDF untuk pembobotan dan vektorisasi. Hasil penelitian menunjukkan akurasi sebesar 0.873, dengan nilai precision, recall, dan F1-Score berturut-turut sebesar 0.877, 0.803, dan 0.823. Temuan ini menunjukkan bahwa SVM dapat menjadi pilihan yang efektif dalam analisis sentimen opini alumni. Hasil penelitian memberikan wawasan penting bagi institusi pendidikan untuk memahami dan meningkatkan kepuasan alumni, serta mengidentifikasi aspek-aspek yang perlu diperbaiki. Dalam konteks pengambilan keputusan, hasil analisis sentimen opini alumni dapat memengaruhi strategi dan pengembangan program pendidikan. Penelitian selanjutnya dapat mempertimbangkan perluasan sampel dan eksplorasi teknik pemrosesan bahasa alami lainnya untuk meningkatkan performa analisis sentimen opini alumni.
PERBANDINGAN METODE VEKTORISASI PADA ANALISA SENTIMENT, STUDI KASUS : CYBERBULLYING PADA KOMENTAR INSTAGRAM I Putu Ramayasa; I Gusti Ayu Desi Saryanti; I Komang Dharmendra; Edwar
Jurnal Teknologi Informasi dan Komputer Vol. 9 No. 5 (2023): Jurnal Teknologi Informasi dan Komputer
Publisher : LPPM Universitas Dhyana Pura

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

Abstract

Media sosial sebagai alat komunikasi global telah membawa dampak positif namun juga muncul sisi gelapnya, seperti peningkatan kasus cyberbullying. Penelitian ini mengajukan pendekatan melalui analisis sentimen, dengan penekanan pada teknik vektorisasi. Pendekatan ini menggabungkan tiga teknik vektorisasi utama, yaitu LSTM, Word2Vec, dan TF-IDF, dengan tiga model klasifikasi utama: Random Forest, Naive Bayes, dan Gradient Boosting. Hasil penelitian menunjukkan bahwa penggunaan LSTM dalam kaitannya dengan algoritma Random Forest memunculkan akurasi tertinggi, mencapai 92.5%, dengan kemampuan mengenali pola sentimen yang kompleks. Sementara Naive Bayes memiliki akurasi yang lebih rendah, Word2Vec memberikan peningkatan signifikan dalam pengenalan pola sentimen pada algoritma ini. Penggunaan Word2Vec juga menghasilkan hasil yang konsisten pada algoritma Gradient Boosting dengan akurasi sekitar 86%, menegaskan kemampuannya dalam mengidentifikasi relasi kata dalam analisis sentimen terkait cyberbullying. Di sisi lain, teknik vektorisasi TF-IDF memberikan hasil yang mengesankan, mencapai akurasi tertinggi 96.25% pada algoritma Random Forest, dengan kemampuan mengenali kata-kata kunci yang mempengaruhi sentimen. Kesimpulannya, penelitian ini menggambarkan bahwa berbagai metode vektorisasi memiliki dampak yang signifikan dalam analisis sentimen terhadap komentar Instagram, terutama dalam konteks deteksi cyberbullying. Oleh karena itu, pemilihan metode vektorisasi yang sesuai sangat penting dalam mengembangkan algoritma analisis sentimen yang efektif.
Co-Authors Agung Bagus Pramana Putra Suada, Anak Anggelina , Cherlin Anggun dwi utami Anisa, Aura Pirdaraya Nur Arie Pratama, I Putu Bambang Setia Nugroho Darmawijoyo, Darmawijoyo Degit Refniawan DHONI PUTRA SETIAWAN Dihamri Fadhlul Ariqi Fevi Wira Citra Hanifah, Nita Hikmah Fratiwi, Tria I Gusti Ayu Desi Saryanti I Gusti Ngurah Ady Kusuma I Komang Dharmendra I Putu Ramayasa, I Putu Ida Ayu Mirah Cahya Dewi Imash Gareda, Jeremy Khairan Rafi Sukma Pratama Levy Olivia Nur Maricar, M. Azman Mohamad Ramdhani Muhammad Alfi Nina Dwi Putriani Nyoman Ayu Nila Dewi Rahman, Saifur Ratu Ilma Indra Putri Rayhan Almahdy Reni Diah Lestari Silaban, Nurmintan Simangunsong, Batara FS Sri Sulastri Winala, Isra Putri Wira Citra, Fevi Zairin Zulkardi