Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

3.947

P-Index

This Author published in this journals

All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Simetris JOIV : International Journal on Informatics Visualization IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal Teknik Komputer AMIK BSI Paradigma Journal of Information Technology and Computer Science (JOINTECS) Jurnal CoreIT Techno Nusa Mandiri : Journal of Computing and Information Technology Infoman's: Jurnal Ilmu-Ilmu Manajeman dan Informatika Jurnal Riset Informatika Journal of Information System, Applied, Management, Accounting and Research INTI Nusa Mandiri Jurnal Sistem Informasi KLIK: Kajian Ilmiah Informatika dan Komputer Computer Science (CO-SCIENCE) Paradigma Jurnal Insan Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS SATIN - Sains dan Teknologi Informasi Infomans: Jurnal Ilmu-ilmu Informatika dan Manajemen

Yuris Alkhalifi

Universitas Bina Sarana Informatika, Jakarta

Author-ID : 2555019

Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences

Published : 32 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Analisis Sentimen Opini Publik Mengenai Larangan Mudik pada Twitter Menggunakan Naïve Bayes Mutiara, Tika Adilah; Alkhalifi, Yuris; Mayangky, Nissa Almira; Gata, Windu
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 6, No 2 (2020): Desember 2020
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Aturan larangan mudik yang dikeluarkan oleh pemerintah di tengah pandemic virus corona (covid-19) saat ini menjadi topik yang sering diperbincangkan oleh masyarakat, salah satunya di twitter. Twitter merupakan salah satu media sosial yang seringkali digunakan untuk penyampaian pesan berupa pendapat atau opini masyarakat. Analisis sentimen adalah studi komputasional dari opini-opini orang. Analisis sentimen akan mengelompokkan teks yang ada dalam sebuah kalimat atau dokumen untuk mengetahui pendapat yang dikemukakan dalam kalimat atau dokumen tersebut. Penelitian ini mencoba untuk menganalisa opini masyarakat mengenai aturan larangan mudik dengan mengklasifikasikan opini kedalam 2 sentimen yaitu positif atau negatif. Klasifikasi dilakukan dengan menggunakan metode Naïve Bayes Clasifiers. Metode Naive Bayes Classifiers merupakan salah satu metode klasifikasi teks berdasarkan probabilitas kata kunci dalam membandingkan dokumen latih dan dokumen uji. Hasil pengujian pada tools RapidMiner memperlihatkan bahwa akurasi dengan fitur TF-IDF memberikan hasil akurasi yang baik. Metode Naïve Bayes Classifier dapat menghasilkan akurasi yang tingga yaitu 83,38%. secara keseluruhan penggunaan metode Naive Bayes memiliki performansi yang cukup baik untuk melakukan klasifikasi tweet.

Analisis Sentimen Penghapusan Ujian Nasional pada Twitter Menggunakan Support Vector Machine dan Naïve Bayes berbasis Particle Swarm Optimization Alkhalifi, Yuris; Gata, Windu; Prasetya, Arfhan; Budiawan, Imam
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 6, No 2 (2020): Desember 2020
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Twitter merupakan sebuah platform media sosial yang sering digunakan oleh pengguna di Indonesia. Dalam penggunaannya twitter digunakan sebagai platform yg membahas tentang opini publik, hiburan dan trending topik didunia salah satu perbincangan pada awal tahun 2020 yakni dihapusnya Ujian Nasional (UN) oleh Kementerian Pendidikan dan Kebudayaan Republik Indonesia (Mendikbud RI). Opini dan Sentimen pengguna di twitter pun sangat beragam, ada yg termasuk kedalam sentimen positif dan ada juga sentimen negatif. Untuk memilah mana yang termasuk kedalam sentimen positif dan negatif diperlukan sebuah rangkaian proses, salah satu proses yang dapat digunakan yakni data mining. Pada penelitian ini akan membahas tentang sentimen pengguna twitter dalam kasus penghapusan UN dengan menggunakan algoritma Support Vector Machine (SVM) dan Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO). Dalam 2 algoritma tersebut akan dibagi masing-masing kedalam 2 proses yakni menggunakan PSO dan tidak menggunakan PSO sehingga mempunyai 4 metode. Pengujian dilakukan menggunakan k-Fold Cross Validation untuk diperoleh nilai akurasi (accuracy), tabel Confusion Matrix dan Area Under Curve. Hasil pengujian diperoleh nilai akurasi 92,92% dan AUC sebesar 0,977 untuk SVM tanpa PSO. Lalu nilai akurasi 94,81% dan AUC sebesar 0,974 untuk SVM dengan PSO. Nilai akurasi 85,93% dan AUC sebesar 0,645 untuk NB tanpa PSO. Serta nilai akurasi 86,92% dan AUC sebesar 0,715 untuk NB dengan PSO. Dalam penelitian ini metode SVM dengan PSO yang paling baik untuk mengklasifikasikan sentimen positif dan negatif terkait penghapusan UN.

Co-Authors Achmad Fachrurozi Achmad Rifai Agung Fazriansyah Agung Fazriansyah Ainun Zumarniansyah Aldo Erianda, Aldo Amir Amir Amir Amir Amir Anas Faisal Annisa Elfina Augustia Annisa Elfina Augustia Destia Sari Rahmadhani Fadillah Dinar Ismunandar Dinar Ismunandar Dipa Putra Pratama Ferda Ernawan Firdaus, Muhammad Rifqi Firstianty Wahyuhening Fibriany Fitra Septia Nugraha Gata, Windu Harsono, Muhammad Luthfiy Kurniawan Hasan Basri Imam Budiawan Irmawati Irmawati Irwan Herliawan Ispandi Ispandi, Ispandi Kartika Puspita Kartika Puspita Khairul Rizal khairul rizal Kudiantoro Widianto, Kudiantoro Mayangky, Nissa Almira Mery Oktaviyanti Puspitaningtyas Mohammad Syamsul Azis Muhammad Ilham Prasetya muhammad luthfiy kurniawan harsono Muhammad Luthfiy Kurniawan Harsono Muhammad Rifqi Firdaus Nila Hardi Nur Alam Nurajijah Nurajijah Oky Kurniawan Prasetya, Arfhan Puspita, Kartika Qudsiah Nur Azizah Rahdian Kusuma Atmaja Resi Taufan Rian Ardianto Rifki Sadikin Rino Ramadan Shahreen Kasim, Shahreen Tika Adilah M Tri Rivanie Windu Gata Windu Gata Yan Rianto Yulita Ayu Wardani Zahrah Rachmawaty

Title Search

Found 2 Documents Search Journal : Jurnal CoreIT

Abstract

Abstract

Title

Found 2 Documents
Search
Journal : Jurnal CoreIT