Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika Kaputama (JIK)
Aloysius Kurniawan Santoso
Universitas Nusa Mandiri
Computer Science & IT Control & Systems Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI PERSEPSI PENGGUNA TWITTER TERHADAP KASUS COVID-19 MENGGUNAKAN METODE LOGISTIC REGRESSION Aloysius Kurniawan Santoso; Astrid Noviriandini; Aliyah Kurniasih; Bagus Dwi Wicaksono; Ahmad Nuryanto
Jurnal Informatika Kaputama (JIK) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i2.517

Abstract

Dunia dilanda penyakit coronavirus (COVID-19) yang menyerang sistem pernafasan pada manusia. Virus tersebut berasal dari Wuhan, China. Dan saat ini sudah ditetapkan sebagai pandemi karena sudah menyebar hampir di seluruh Negara. Hal tersebut memicu gagasan dan opini masyarakat Amerika Serikat di media sosial twitter. Cuitan tersebut dimanfaatkan untuk mengetahui emosi seseorang dengan mengelompokan dalam 5 label diantaranya, extreme positive, positive, neutral, negative dan extreme negative. Pada hal ini penulis mengelompokan label menjadi 3 label kelas, diantaranya positive, neutral dan negative. Penulis menguji menggunakan metode Logistic Regression dengan memberi variasi hyperparameter L2 dan None. Pada hyperparameter L2 diperoleh nilai akurasi 77% dan F1 score sebesar 74%. Dan pada variasi hyperparameter None diperoleh nilai akurasi 74% dan F1 Score 70%. Dalam demikian, pada nilai hyperparameter L2 merupakan variasi terbaik pada metode Logistic Regression.
ANALISIS SENTIMEN TWITTER BAHASA INDONESIA MENGGUNAKAN PENDEKATAN MACHINE LEARNING Aloysius Kurniawan Santoso
Jurnal Informatika Kaputama (JIK) Vol 6, No 2 (2022): Volume 6, Nomor 2 Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v6i2.890

Abstract

ABSTRAKTwitter merupakan media sosial yang masih banyak digunakan di Indonesia dalam menuangkan sebuah ide, gagasan, serta opini. Tidak sedikit seorang peneliti memanfaatkan tweet masyarakat untuk menjadikan sebuah penelitian mengenai analisis sentimen  Penelitian ini membahas mengenai analisis sentimen tweet bahasa Indonesia pada media sosial twitter. Sentimen pada penelitian ini ada 3 jenis, -1 melambangkan negatif, 0 melambangkan netral, dan 1 melambangkan positif. Penelitian ini bertujuan untuk menemukan pemodelan yang memiliki hasil accuracy terbaik. Penelitian ini menggunakan metode Logistic Regression, Random Forest, Adaboost dan Decision Tree. Pada metode Decision Tree menggunakan beberapa prepruning seperti Max Depth, Min Leaves dan Min Split. Diantara keempat model dalam penelitian ini, metode Logistic Regression mendapatkan nilai akurasi sebesar 61 %. Kata Kunci: Analisis Sentimen, Logistic Regression, Akurasi
ANALISIS SENTIMEN TWITTER BAHASA INDONESIA MENGGUNAKAN PENDEKATAN MACHINE LEARNING Aloysius Kurniawan Santoso
Jurnal Informatika Kaputama (JIK) Vol 6 No 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v6i2.111

Abstract

Twitter merupakan media sosial yang masih banyak digunakan di Indonesia dalam menuangkan sebuah ide, gagasan, serta opini. Tidak sedikit seorang peneliti memanfaatkan tweet masyarakat untuk menjadikan sebuah penelitian mengenai analisis sentimen Penelitian ini membahas mengenai analisis sentimen tweet bahasa Indonesia pada media sosial twitter. Sentimen pada penelitian ini ada 3 jenis, -1 melambangkan negatif, 0 melambangkan netral, dan 1 melambangkan positif. Penelitian ini bertujuan untuk menemukan pemodelan yang memiliki hasil accuracy terbaik. Penelitian ini menggunakan metode Logistic Regression, Random Forest, Adaboost dan Decision Tree. Pada metode Decision Tree menggunakan beberapa prepruning seperti Max Depth, Min Leaves dan Min Split. Diantara keempat model dalam penelitian ini, metode Logistic Regression mendapatkan nilai akurasi sebesar 61 %.
Co-Authors Ahmad Nuryanto Aliyah Kurniasih Astrid Noviriandini Bagus Dwi Wicaksono