Article Per Year (5 Year)
p-Index From 2021 - 2026
5.48
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic JSI: Jurnal Sistem Informasi (E-Journal) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Teknik Komputer AMIK BSI Cakrawala : Jurnal Humaniora Bina Sarana Informatika Paradigma Bina Insani ICT Journal Jurnal Sistem Informasi dan Informatika (SIMIKA) Jurnal Infortech Jurnal Inovasi Informatika RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI Bulletin of Computer Science Research Computer Science (CO-SCIENCE) Reputasi: Jurnal Rekayasa Perangkat Lunak Informatics and Computer Engineering Journal SATIN - Sains dan Teknologi Informasi Jurnal Komputer Antartika Information Technology and Systems Jurnal Infortech
Yopi Handrianto, Yopi
Universitas Bina Sarana Informatika
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Library & Information Science Social Sciences Other

Published : 49 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : jurnal infortech

 1 
Pemanfaatan Algoritma Support Vector Machine dalam Analisis Sentimen Ulasan Pengguna Aplikasi POLRI Presisi Yopi Handrianto; Omar Pahlevi; Mateus Hantoro Winarsa
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11378

Abstract

Kepolisian Negara Republik Indonesia (Polri) merupakan institusi penting dalam pelayanan publik, termasuk pengurusan administrasi SIM dan SKCK. Untuk mendukung transformasi digital, Polri merilis aplikasi POLRI Presisi. Penelitian ini menganalisis sentimen ulasan pengguna terhadap fitur layanan SIM dan SKCK pada aplikasi tersebut. Sebanyak 4000 ulasan dikumpulkan melalui web scraping dari Google Play Store dan diberi label menggunakan pendekatan lexicon-based ke dalam tiga kelas: positif, negatif, dan netral. Ulasan diproses melalui cleaning, case folding, normalisasi, tokenisasi, negation handling, stopword removal, dan stemming. Fitur teks dikonversi menggunakan TF-IDF dan digabungkan dengan fitur leksikal. Synthetic Minority Oversampling Technique (SMOTE) diterapkan untuk menyeimbangkan data latih. Model klasifikasi dibangun menggunakan Support Vector Machine (SVM) dan dioptimalkan melalui GridSearchCV. Hasil penelitian menunjukkan distribusi sentimen sebesar 76,36% negatif, 12,23% netral, dan 11,41% positif. Model SVM mampu mengklasifikasikan sentimen dengan akurasi 91,50%, f1-score makro 0,82, dan ROC-AUC makro 0,9693. Temuan ini membuktikan efektivitas SVM dalam menganalisis sentimen ulasan pengguna aplikasi POLRI Presisi secara akurat.
Penerapan Algoritma Naive Bayes Pada Penerimaan Santri Baru Pendidikan Pondok Pesantren Yopi Handrianto; Muadz Zidan AlWafi
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12357

Abstract

Penerimaan santri baru merupakan tahapan penting dalam sistem pendidikan di sekolah formal maupun di pondok pesantren. Di beberapa pondok pesantren proses penerimaan santri baru sering kali dilakukan secara manual, sehingga rentan terhadap kesalahan data dan penilaian subjektif, yang menyebabkan hasil dari tes seleksi tidak akurat. Seperti yang terjadi di pesantren Shalahuddin Al-Ayyubi Kabupaten Bekasi. Penelitian ini bertujuan untuk membantu pengelola pesantren menetapkan kelulusan tes seleksi santri baru dengan  menerapkan algoritma naïve bayes dalam proses penerimaan santri baru, supaya hasil dari tes seleksi bisa lebih akurat dan terkomputerisasi. Penelitian menggunakan pendakatan kuantitatif dengan memanfaatkan data awal sebanyak 47 record, yang dibagi menjadi data testing, 80% untuk data pelatihan dan 20% untuk data pengujian. Hasil penelitian menunjukkan bahwa algoritma naïve bayes mampu memberikan akurasi sebesar 88.89%, dengan precision sebesar 66,67%, recall sebesar 100% dan nilai AUC sebesar 1,000. Dari hasil prediksi, 7 santri dinyatakan diterima dan 2 santri tidak diterima. Terbukti bahwa algoritma Naïve Bayes memiliki tingkat akurasi yang tinggi serta mampu memberikan hasil prediksi yang valid dan terukur.
Co-Authors Achmad Nurhadi Ade Christian Adjat Sudradjat Ahmad Sinnun Alamul Huda, Alamul Aldo Priamnistiko Ali Haidir AlWafi, Muadz Zidan Amrin Amrin Anastasiaa Siwi Fatma Utami Andi Nugroho Budi Sanjaya Budi Waluyo Dewi Ayu Nur Wulandari Eka Wahyu Styani Fajar Arrizky Syuhada Ghofar Taufiq Hadi Sukmana, Sulaeman Hariyanto Harna Govin Pratama Hendra Supendar Henny Destiana Henny Leidiyana Karlena Indriani Latifa, Nurul Robiatul Luci Kanti Rahayu Maisyaroh Mateus Hantoro Winarsa Muadz Zidan AlWafi Muflih, Dzaky Fallah Muhamad Raka Fadilah Muhammad Farhan Muhammad Fatkhul Munir Muhammad Hamdan Sukri Noval, Qibran Omar Pahlevi Pamungkas, Jarseno Panjaitan, Leo Fernando Phindika, Phindika Pratama, Lutfi Fadillah Rivaldo, Ricky Rusdiansyah Rusdiansyah Santiyana Yulia Santoso Setiawan Saputra, Ilham Thomas Sri Radhitya Murti Mahening Suhar Janti Sutisna, Alifan Widad Syamsiar, Syamsiar Tuslaela Wahyu Styani, Eka Zirohim, Tanzil