Article Per Year (5 Year)
p-Index From 2020 - 2025
6.92
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Informatika dan Teknik Elektro Terapan Panrita Abdi - Jurnal Pengabdian pada Masyarakat JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science (JOINTECS) Jurnal Ilmiah FIFO Equilibrium: Jurnal Ilmiah Ekonomi, Manajemen dan Akuntansi JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI ILKOM Jurnal Ilmiah Jiko (Jurnal Informatika dan komputer) Conference on Innovation and Application of Science and Technology (CIASTECH) JOURNAL OF SCIENCE AND APPLIED ENGINEERING Jurnal Abdimas Mahakam Applied Technology and Computing Science Journal Jurnal Aplikasi Dan Inovasi Ipteks SOLIDITAS Systematics Buana Information Technology and Computer Sciences (BIT and CS) Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pengabdian Masyarakat Multidisiplin Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Conference on Industrial Revolution for Polytechnic Education International Journal of Community Service (IJCS) Prosidia Widya Saintek
Aviv Yuniar Rahman
Universitas Widyagama Malang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 58 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Jurnal Informatika dan Teknik Elektro Terapan

 1 
KLASIFIKASI TINGKAT TUTUR BAHASA SASAK BERBASIS TEKS MENGGUNAKAN NAIVE BAYES arrozi, lalu muhamad alawi; rahman, aviv yuniar; putra, rangga pahlevi
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5149

Abstract

Abstrak. Tujuan dari penelitian ini adalah untuk menilai efektivitas klasifikasi tingkat tutur bahasa Sasak berbasis teks menggunakan algoritma Naive Bayes dalam mengidentifikasi dan mengkategorikan tingkat tutur bahasa Sasak. Penurunan kesadaran kaum muda mengenai penggunaan "tatakrama" atau tingkat tutur dalam percakapan sehari-hari di Lombok menunjukkan perlunya melestarikan aspek budaya yang penting ini. Tingkat tutur, yang melibatkan sistem kode untuk menyampaikan kesopanan, mencakup kosakata dan aturan leksikal tertentu. Metode yang digunakan dalam penelitian ini adalah Naive Bayes, yang memanfaatkan probabilitas dan statistik untuk klasifikasi teks. Ada dua tahap utama dalam studi ini: pelatihan dan pengujian, dengan pembagian data 70:30. Temuan menunjukkan bahwa model Naive Bayes mencapai F1-score sebesar 84,99%, akurasi 85,08%, presisi 85,12%, dan recall 85,08%. Hasil ini menunjukkan bahwa Naive Bayes adalah metode yang efektif untuk mengklasifikasikan tingkat tutur bahasa Sasak, meskipun hasilnya tidak setinggi beberapa studi sebelumnya. Penelitian ini memberikan kontribusi terhadap pengembangan metode yang lebih efisien dan akurat untuk klasifikasi teks tingkat tutur bahasa Sasak dan menunjukkan perlunya perbaikan dalam pemilihan fitur serta perluasan dataset untuk studi-studi mendatang.
ANALISIS SENTIMEN APLIKASI SHOPEE, TOKOPEDIA, LAZADA DAN BLIBLI MENGGUNAKAN LEKSIKON DAN RANDOM FOREST Syah, Adryan; Nurdiyansyah, Firman; Rahman, Aviv Yuniar
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5155

Abstract

Abstrak. Dalam era digital, aplikasi e-commerce telah menjadi sarana utama bagi masyarakat untuk berbelanja. Keberhasilan aplikasi e-commerce tidak hanya bergantung pada fungsionalitasnya tetapi juga pada pengalaman pengguna. Ulasan pengguna di Play Store menjadi indikator penting dalam mengevaluasi kepuasan dan sentimen pengguna terhadap aplikasi tertentu. Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan aplikasi Shopee, Tokopedia, Lazada, dan Blibli di Play Store menggunakan pendekatan Lexicon-based dan algoritma Random Forest. Metode ini dipilih untuk memberikan interpretasi yang jelas terhadap sentimen teks dan meningkatkan akurasi analisis sentimen. Hasil penelitian menunjukkan bahwa aplikasi Lazada memiliki kinerja terbaik dengan akurasi 88,33%, presisi 88,88%, recall 88,33%, dan F1 score 88,34%. Aplikasi Blibli berada di posisi kedua dengan akurasi 85,66%, presisi 85,82%, recall 85,66%, dan F1 score 85,60%. Shopee memiliki akurasi 85,16%, presisi 85,62%, recall 85,16%, dan F1 score 85,26%. Tokopedia menunjukkan performa terendah dengan akurasi 80,33%, presisi 80,96%, recall 80,33%, dan F1 score 80,12%. Penelitian ini menunjukkan bahwa rasio pembagian data latih dan data uji mempengaruhi kinerja model, dengan model bekerja lebih efektif ketika jumlah data latih lebih besar dari data uji.
PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI CAPCUT Muslim, Shinta Nilam Sari; Nurdiyansyah, Firman; Rahman, Aviv Yuniar
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5156

Abstract

Abstrak. Penelitian ini berfokus pada analisis sentimen ulasan pengguna aplikasi CapCut yang tersedia di Google Play Store dengan menerapkan model Naïve Bayes dan K-Nearest Neighbors (KNN). Tujuan utama penelitian ini adalah untuk mengevaluasi bagaimana pengruh variasi rasio pembagian data latih dan uji terhadap kinerja kedua metode dalam analisis sentimen, serta membandingkan keduanya berdasarkan akurasi, presisi, recall dan f1 score. Menggunakan sembilan rasio pembagian data, ditemukan bahwa rasio 80:20 memberikan kinerja terbaik untuk kedua metode. Naïve Bayes mengungguli KNN dengan akurasi 79.41% dibanding 75.63%. Rasio 50:50 memberikan presisi terbaik untuk kedua metode. Secara keseluruhan, Naïve Bayes menunjukkan performa lebih baik, terutama pada rasio 80:20, menjadikannya pilihan yang lebih tepat untuk analisis sentimen aplikasi CapCut.
KLASIFIKASI TINGKAT TUTUR BAHASA SASAK BERBASIS TEKS MENGGUNAKAN NAIVE BAYES arrozi, lalu muhamad alawi; rahman, aviv yuniar; putra, rangga pahlevi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5149

Abstract

Abstrak. Tujuan dari penelitian ini adalah untuk menilai efektivitas klasifikasi tingkat tutur bahasa Sasak berbasis teks menggunakan algoritma Naive Bayes dalam mengidentifikasi dan mengkategorikan tingkat tutur bahasa Sasak. Penurunan kesadaran kaum muda mengenai penggunaan "tatakrama" atau tingkat tutur dalam percakapan sehari-hari di Lombok menunjukkan perlunya melestarikan aspek budaya yang penting ini. Tingkat tutur, yang melibatkan sistem kode untuk menyampaikan kesopanan, mencakup kosakata dan aturan leksikal tertentu. Metode yang digunakan dalam penelitian ini adalah Naive Bayes, yang memanfaatkan probabilitas dan statistik untuk klasifikasi teks. Ada dua tahap utama dalam studi ini: pelatihan dan pengujian, dengan pembagian data 70:30. Temuan menunjukkan bahwa model Naive Bayes mencapai F1-score sebesar 84,99%, akurasi 85,08%, presisi 85,12%, dan recall 85,08%. Hasil ini menunjukkan bahwa Naive Bayes adalah metode yang efektif untuk mengklasifikasikan tingkat tutur bahasa Sasak, meskipun hasilnya tidak setinggi beberapa studi sebelumnya. Penelitian ini memberikan kontribusi terhadap pengembangan metode yang lebih efisien dan akurat untuk klasifikasi teks tingkat tutur bahasa Sasak dan menunjukkan perlunya perbaikan dalam pemilihan fitur serta perluasan dataset untuk studi-studi mendatang.
ANALISIS SENTIMEN APLIKASI SHOPEE, TOKOPEDIA, LAZADA DAN BLIBLI MENGGUNAKAN LEKSIKON DAN RANDOM FOREST Syah, Adryan; Nurdiyansyah, Firman; Rahman, Aviv Yuniar
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5155

Abstract

Abstrak. Dalam era digital, aplikasi e-commerce telah menjadi sarana utama bagi masyarakat untuk berbelanja. Keberhasilan aplikasi e-commerce tidak hanya bergantung pada fungsionalitasnya tetapi juga pada pengalaman pengguna. Ulasan pengguna di Play Store menjadi indikator penting dalam mengevaluasi kepuasan dan sentimen pengguna terhadap aplikasi tertentu. Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan aplikasi Shopee, Tokopedia, Lazada, dan Blibli di Play Store menggunakan pendekatan Lexicon-based dan algoritma Random Forest. Metode ini dipilih untuk memberikan interpretasi yang jelas terhadap sentimen teks dan meningkatkan akurasi analisis sentimen. Hasil penelitian menunjukkan bahwa aplikasi Lazada memiliki kinerja terbaik dengan akurasi 88,33%, presisi 88,88%, recall 88,33%, dan F1 score 88,34%. Aplikasi Blibli berada di posisi kedua dengan akurasi 85,66%, presisi 85,82%, recall 85,66%, dan F1 score 85,60%. Shopee memiliki akurasi 85,16%, presisi 85,62%, recall 85,16%, dan F1 score 85,26%. Tokopedia menunjukkan performa terendah dengan akurasi 80,33%, presisi 80,96%, recall 80,33%, dan F1 score 80,12%. Penelitian ini menunjukkan bahwa rasio pembagian data latih dan data uji mempengaruhi kinerja model, dengan model bekerja lebih efektif ketika jumlah data latih lebih besar dari data uji.
PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI CAPCUT Muslim, Shinta Nilam Sari; Nurdiyansyah, Firman; Rahman, Aviv Yuniar
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5156

Abstract

Abstrak. Penelitian ini berfokus pada analisis sentimen ulasan pengguna aplikasi CapCut yang tersedia di Google Play Store dengan menerapkan model Naïve Bayes dan K-Nearest Neighbors (KNN). Tujuan utama penelitian ini adalah untuk mengevaluasi bagaimana pengruh variasi rasio pembagian data latih dan uji terhadap kinerja kedua metode dalam analisis sentimen, serta membandingkan keduanya berdasarkan akurasi, presisi, recall dan f1 score. Menggunakan sembilan rasio pembagian data, ditemukan bahwa rasio 80:20 memberikan kinerja terbaik untuk kedua metode. Naïve Bayes mengungguli KNN dengan akurasi 79.41% dibanding 75.63%. Rasio 50:50 memberikan presisi terbaik untuk kedua metode. Secara keseluruhan, Naïve Bayes menunjukkan performa lebih baik, terutama pada rasio 80:20, menjadikannya pilihan yang lebih tepat untuk analisis sentimen aplikasi CapCut.
Co-Authors Adi Saputra, Deni Adya Hermawati Affi Nizar Suksmawati Ahmad Farhan, Ahmad Ahmad Fauzi Anderias Bai Seran April Hananto April Lia Hananto arrozi, lalu muhamad alawi Bagus Setyawan Budiawan, Renaldi Widi Chauliah Fatma Putri Da Costa, Zania Abuk Daiman, Claudia Nila Dio Amin Putra Eko Sediyono Fauzi Ahmad Muda Firman Nurdiansyah Firman Nurdiyansyah Firman Nurdiyansyah Firman Nurdiyansyah, Firman Hananto, Agustia Hendry Hero Diogenes Adoe Huda, Baenil Ilhamsyah Ilhamsyah Indra, Jamaludin Istiadi Istiadi Istiadi Joko Purwanto khusniyatul latifah Kristianingrum Kristianingrum, Kristianingrum Luruk, Maria Ovalia Mamba’us Sa’adah Maria Alfanita Bhia, Meisya MARIFANI FITRI ARISA Muhammad Romadloni Putra Muslim, Shinta Nilam Sari Napulun, Kanisius Nasharuddin Mas Neno, Adi nisti, Melita Novalia, Elfina Nudiyansyah, Firman Nusman, Bayu Pahlevi Putra, Rangga Paryono, Tukino Priyandoko Gigih Priyatna, Bayu Putera, Rangga Pahlevi Putra, Rangga Pahlevi Putra, S.Pd., M.T., Rangga Pahlevi Putra Ratna Hidayati Rudy Joegijantoro, Rudy Rukmanta Jayawiguna Sabar Setiawidayat Setiawan, Feddy Wanditya Sidi, Husri Suhada, Karya Suksmawati, Affi Nizar Syah, Adryan Syahroni Wahyu Iriananda, Syahroni Wahyu Ursaputra Pratama, Lionardi Wisnu, Alif Dio Raka Yuliana Rachmawati