Article Per Year (5 Year)
p-Index From 2021 - 2026
3.597
P-Index
This Author published in this journals
All Journal Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Jurnal Teknologi dan Sistem Komputer Jurnal Abdimas BSI: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Jurnal Pilar Nusa Mandiri Jurnal Sains dan Informatika Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Teknologi Informasi dan Multimedia JURSIMA (Jurnal Sistem Informasi dan Manajemen) Journal of Applied Data Sciences Jurnal Responsif : Riset Sains dan Informatika Djtechno: Jurnal Teknologi Informasi Jurnal Media Informatika Jurnal Teknik Informatika dan Teknologi Informasi JURSIMA Jurnal Sistem Informasi dan Manajemen
Asti Herliana, Asti
Universitas Adhirajasa Reswara Sanjaya
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Mathematics Neuroscience Social Sciences Transportation

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
ANALISIS SENTIMEN PENGGUNA APLIKASI SAPAWARGA - JABAR SUPER APPS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Shafa, Raisya Nadzira Zahirahtush; Herliana, Asti
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6877

Abstract

Pertumbuhan aplikasi layanan publik digital menjadi bagian penting dalam reformasi birokrasi dan transformasi pelayanan pemerintah kepada masyarakat. Salah satu implementasinya di Provinsi Jawa Barat adalah aplikasi Sapawarga – Jabar Super Apps, yang mempermudah akses masyarakat terhadap layanan publik. Penelitian ini bertujuan mengevaluasi opini publik terhadap aplikasi tersebut melalui pendekatan analisis sentimen berbasis teks ulasan pengguna di App Store, terutama pasca peralihan kepemimpinan daerah. Metode yang digunakan adalah pendekatan lexicon-based sentiment analysis dengan kamus Indonesian Sentiment Lexicon (InSet), dilanjutkan dengan klasifikasi menggunakan algoritma Support Vector Machine (SVM). Proses penelitian meliputi preprocessing data (cleansing, normalisasi, tokenisasi, dan penghapusan stopwords), pelabelan sentimen, ekstraksi fitur menggunakan TF-IDF, dan evaluasi model melalui confusion matrix. Data diperoleh melalui web scraping, menghasilkan 229 ulasan valid, yang diklasifikasikan menjadi 166 sentimen negatif, 47 positif, dan 16 netral. Hasil evaluasi menunjukkan akurasi tertinggi sebesar 86% pada skenario pembagian data latih dan uji 90:10. Penelitian ini memberikan gambaran objektif mengenai persepsi pengguna terhadap layanan digital publik serta rekomendasi berbasis data bagi pengambil kebijakan dan pengembang aplikasi dalam meningkatkan kualitas dan responsivitas pelayanan.
Analisis Sentimen Publik atas Kebijakan Efisiensi Anggaran 2025 dengan Text Mining dan Natural Language Processing Agustina, Vina; Herliana, Asti
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6301

Abstract

Kebijakan efisiensi anggaran merupakan langkah strategis pemerintah untuk mengoptimalkan penggunaan belanja negara. Langkah konkret terbaru di tahun 2025, yakni Instruksi Presiden Nomor 1 Tahun 2025 yang dikeluarkan pada tanggal 22 Januari 2025, menetapkan pemangkasan anggaran belanja negara sebesar Rp 306,69 triliun. Namun, implementasi kebijakan ini sering menimbulkan pro dan kontra di masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan efisiensi anggaran tahun 2025 dengan pendekatan Text Mining dan Natural Language Processing (NLP). Data dikumpulkan dari media sosial Twitter menggunakan teknik web crawling berbasis Python, dengan kata kunci tertentu dan filter waktu tertentu, sehingga diperoleh 1.614 tweet yang relevan. Proses pre-processing meliputi pembersihan data, case folding, tokenisasi dan stopword removal. Data kemudian diberi label sentimen secara manual (positif, negatif, netral), dibagi menjadi data latih (70%) dan data uji (30%) dengan teknik stratified sampling, serta ditransformasikan menjadi bentuk numerik menggunakan metode TF-IDF. Hasil klasifikasi menggunakan algoritma Naive Bayes menunjukkan bahwa mayoritas sentimen masyarakat bersifat negatif (74,53%), dengan akurasi model mencapai 93,01%. Temuan ini menunjukkan bahwa masih terdapat ketidakpuasan publik terhadap kebijakan tersebut. Penelitian ini memberikan kontribusi dalam pemanfaatan teknologi untuk mendukung pengambilan keputusan berbasis data (evidence-based policy), serta dapat menjadi acuan bagi pemerintah dalam merumuskan strategi komunikasi publik yang lebih responsif.
KOMPARASI OPTIMASI ANALISIS SENTIMEN CYBERBULLYING PADA INSTAGRAM BERBASIS PARTICLE SWARM OPTIMIZATION Herliana, Asti; Muawiyah, Shofiyah Siti
Jurnal RESPONSIF: Riset Sains & Informatika Vol 6 No 1 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i1.1419

Abstract

Sejak masa pandemi covid-19 melanda dunia, sekitar 78,19% manusia di Indonesia mengandalkan media internet sebagai penunjang utama kegiatan sehari-hari. Hal ini membuat aktivitas manusia mayoritas dilakukan melalui dunia maya, salah satunya adalah sebagai bentuk eksistensi. Media sosial seperti Instagram, menjadi pilihan dari banyak manusia di dunia utamanya Indonesia untuk menyalurkan segala macam bentuk aspirasinya. Efek dari meningkatnya postingan di media sosial ini juga berimbas kepada tingginya tingkat perundungan melalui dunia maya yang sering dikenal dengan istilah cyberbullying. Salah satu bentuk cyberbullying yang marak terjadi adalah melalui ujaran kebencian dan kata-kata yang tidak baik terhadap postingan yang diunggah. Pada penelitian kali ini akan dilakukan optimasi untuk mengetahui analisis sentimen terhadap berbagai tindak cyberbullying yang ada pada media sosial Instagram agar dapat ditindak lebih lanjut dengan menggunakan metode Particle Swarm Optimization (PSO). Sedangkan untuk metode klasifikasi dari analisis sentiment pada penelitian kali ini dilakukan komparasi dengan menggunakan algoritma support vector machine (SVM) dan naïve bayes. Dari hasil penelitian diketahui bahwa performa metode PSO memberikan hasil yang lebih baik jika dikombinasikan dengan metode SVM yang mencapai nilai akurasi 78,60% dengan dukungan 100% class precission. Sedangkan hasil naïve bayes hanya mencapai nilai akurasi 78,00% dengan dukungan class precission sebesar 99,74%.
The Application of Deep Learning in Qur’anic Tafsir Retrieval Using SBERT, FAISS and BERT-QA Herliana, Asti; Najiyah, Ina; Susanti, Sari; Billah, Lutfhi Muayyad
Journal of Applied Data Sciences Vol 7, No 1: January 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v7i1.1000

Abstract

Accurate understanding of the Qur’an requires access to reliable tafsir, yet many classical tafsir resources remain non-digital, making search and retrieval time-consuming. This study presents a semantic-based retrieval system for Tafsir Ibn Kathir, covering 114 entries and 6,236 Verses, using SBERT embeddings and FAISS indexing. The system enables users to perform semantic queries, retrieving relevant passages in response to their questions. Evaluation was conducted using 50 representative queries spanning diverse topics, including Fiqh, Aqidah, History, and Spirituality. Relevance judgments were independently provided by three Qur’anic studies experts and reconciled through discussion, with inter-annotator agreement indicating substantial consistency. Each query included 20 non-relevant passages as negative samples to increase evaluation difficulty. Two approaches were tested: retrieval-only and retrieval combined with a zero-shot QA module for span extraction. Retrieval-only achieved slightly higher top-1 accuracy (0.72), but retrieval + QA improved ranking-oriented metrics, including Accuracy@5 (0.88), Mean Reciprocal Rank (MRR = 0.76), and normalized Discounted Cumulative Gain at 5 (nDCG@5 = 0.82), with the increase in Accuracy@5 statistically significant (p = 0.01). The zero-shot QA module enabled the system to extract more precise and contextually relevant information, enhancing overall retrieval quality and robustness. These results indicate that the proposed system effectively retrieves relevant tafsir passages and provides accurate, context-specific answers. The study demonstrates the potential and limitations of zero-shot QA for domain-specific religious texts and supports the development of web-based applications or Islamic chatbots, facilitating easier access to shahih tafsir knowledge for scholars and the broader Muslim community.
Analisis Kesiapan Pengguna di Indonesia dalam Adopsi Teknologi Blockchain Pada Platform Pertukaran Kripto Menggunakan TRI Nurjanah, Sri Putri; Herliana, Asti
Jurnal Teknologi Informasi dan Multimedia Vol. 8 No. 1 (2026): February
Publisher : Sekawan Institut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/jtim.v8i1.803

Abstract

The use of blockchain technology on cryptocurrency exchange platforms in Indonesia has experi-enced notable growth, yet challenges persist concerning user preparedness and preferences be-tween domestic and international platforms. This research seeks to explore the factors influencing users’ selection of crypto platforms and to evaluate the technological readiness of Indonesian us-ers by integrating the Technology Readiness Index (TRI) with an information technology adop-tion framework. The study employed purposive sampling to gather data from 156 active crypto platform users. Quantitative data analysis was performed using PLS-SEM through SmartPLS version 4.0. Findings indicate that the majority of respondents are young adults aged 17 to 25, predominantly male, and show a preference for international platforms due to their innovative capabilities, greater liquidity, and lower transaction fees. Nonetheless, local platforms remain attractive because of easier accessibility and enhanced regulatory backing. Structural model re-sults demonstrate that optimism, innovativeness, and insecurity significantly influence user readiness, whereas discomfort does not have a meaningful impact. Moreover, user readiness stands out as a critical factor strongly facilitating blockchain technology adoption on crypto ex-changes. This study validates the combined application of the TRI and IT adoption models as ef-fective tools for pinpointing key determinants of blockchain adoption readiness, offering strategic insights for developers of local platforms and serving as a foundation for future research on blockchain implementation in Indonesia.
Co-Authors Ade Mubarok Aldi Supriyadi Ali Akbar Rismayadi Ambi Nur Akbar Annisa Risqi Sulistya Kusuma Wardhani Ardianto, Rian Arif Armansyah Bayu Saputra Billah, Lutfhi Muayyad Dasril Aldo Dwiza Riana El Miana Assni Ernamia Fira Fathonah Firza Novaldy Fitriyani Fitriyani Fitriyani Fitriyani Freddy Agus Renaldi Fuady, Tb. Dedy Holis Holis Ina Najiyah Lina Lulus Destianti Mayya Nurbayanti Shobary Moh Siri, Moh Muawiyah, Shofiyah Siti Muckti, Masaldi Kharisma Muhammad Ali Zafar Sidiq Muhammad Rivai Nurjanah, Sri Putri Oktaviani, Fani Rahma Pratiwi Pratiwi Prima Muhamad Rasyid Rangga Sanjaya Rian Ardianto Rian Ardianto Rizki Tri Prasetio Salman Khemaludin Yoesoef Sari Susanti, Sari Shafa, Raisya Nadzira Zahirahtush Syarif Hidayatulloh Taufik Hidayatulloh Tb. Dedy Fuady Titin Suhartini Toni Arifin Vina Agustina, Vina Visqia Ade Setiawan Wardhani, Annisa Risqi Sulistya Kusuma Yayu Sri Rahayu Yudhiono, Noor Fuadillah Yudi Ramdhani