Article Per Year (5 Year)
p-Index From 2021 - 2026
12.517
P-Index
This Author published in this journals
All Journal Jurnal technoscientia Jurnal Informatika dan Teknik Elektro Terapan Information System for Educators and Professionals : Journal of Information System Informatics for Educators and Professional : Journal of Informatics Information Management For Educators And Professionals (IMBI) JITK (Jurnal Ilmu Pengetahuan dan Komputer) KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer JURNAL ILMIAH INFORMATIKA Pelita : Jurnal Penelitian dan Karya Ilmiah JURIKOM (Jurnal Riset Komputer) Jurnal Informasi dan Komputer JOURNAL INFORMATICS, SCIENCE & TECHNOLOGY Jurnal Tekno Kompak Jurnal ICT : Information Communication & Technology Jurnal Manajemen Komunikasi Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) E-Link: Jurnal Teknik Elektro dan Informatika Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) MEANS (Media Informasi Analisa dan Sistem) JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Informatika Terpadu Prosiding Seminar Nasional Sisfotek (Sistem Informasi dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Informatika dan Teknologi Informasi INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi JURSIMA Jurnal Teknologi Ilmu Komputer AMMA : Jurnal Pengabdian Masyarakat Jurnal Informatika Polinema (JIP) Jurnal Sistem Informasi dan Manajemen Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Ilmiah Sistem Informasi Informasi interaktif : jurnal informatika dan teknologi informasi
Gifthera Dwilestari
STMIK IKMI Cirebon
Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Social Sciences Other

Published : 99 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 99 Documents
Search

 3   4   5   6   7 
Analisa Dataset Penjualan Teh Menggunakan Algoritma Linear Regresi Riyana, Iis; Suarna, Nana; Dwilestari, Gifthera
Jurnal Teknologi Ilmu Komputer Vol. 2 No. 1: Desember 2023
Publisher : PT. Bangun Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56854/jtik.v2i2.81

Abstract

Dalam industri minuman, analisis penjualan menjadi salah satu faktor kunci untuk keberhasilan bisnis. Dalam konteks ini, analisis dataset penjualan teh dapat memberikan wawasan yang berharga bagi perusahaan teh dalam hal pengambilan keputusan strategis. Dalam penelitian ini menggunakan algoritma linear regresi untuk menganalisis dataset penjualan teh dan mengidentifikasi pola dan tren yang terkait dengan penjualan. Masalah yang dihadapi dalam analisis dataset penjualan teh adalah menemukan hubungan antara variabel penjualan dengan variabel-variabel yang mempengaruhinya, seperti harga, promosi, cuaca, dan sebagainya. Selain itu, juga perlu memahami apakah faktor-faktor ini secara signifikan berdampak pada penjualan teh dan sejauh mana dampak tersebut.  Tujuan penelitian ini adalah untuk menganalisis dataset penjualan teh menggunakan algoritma linear regresi guna menemukan hubungan antara variabel penjualan dengan variabel-variabel yang mempengaruhinya. Selain itu, peneliti bertujuan untuk mengidentifikasi faktor-faktor yang signifikan dalam memprediksi penjualan teh dan memberikan wawasan yang berharga bagi perusahaan teh. Metode dalam penelitian ini menggunakan metode algoritma linear regresi. mengumpulkan dataset penjualan teh yang mencakup variabel-variabel seperti harga teh, promosi, cuaca, dan penjualan harian. Setelah melakukan analisis eksplorasi data dan pra-pemrosesan, kami menerapkan model linear regresi untuk menemukan hubungan antara variabel-variabel tersebut. peneliti juga melakukan evaluasi model untuk memeriksa keakuratan dan kecocokannya dengan data. Hasil analisis ini menunjukkan adanya hubungan signifikan antara variabel penjualan teh dengan faktor-faktor seperti harga teh dan promosi. Dengan adanya penurunan harga teh dan peningkatan promosi berkontribusi positif terhadap peningkatan penjualan. Namun, faktor cuaca tidak terbukti memiliki dampak yang signifikan pada penjualan teh dalam dataset Model linear regresi yang kami terapkan juga menunjukkan tingkat keakuratan yang baik dalam memprediksi penjualan teh berdasarkan variabel-variabel yang dianalisis.
PENERAPAN DATA MINING METODE K-MEANS CLUSTERING UNTUK ANALISA PENJUALAN PADA TOKO YANA SPORT Nugraha, Agung; Nurdiawan, Odi; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v6i2.5755

Abstract

Saat ini proses penjualan dan pemasaran yang di lakukan oleh Yana Sport masih sudah menggunakan aplikasi E-commerce, maka dari itu dengan pemanfaata teknologi informasi berupa E-commerce dapat memberikan peningkatan penjualan produk bagi Yanaspot. Akan tetapi persaingan dalam dunia bisnis pasti ada karena yang menjual barang masih ada toko lain yang membuka usaha yang sama. Kondisi tersebut menyebabkan pemilik toko ini dituntut untuk menemukan strategi yang dapat meningkatkan penjualan dan pemasaran toko olahraga. Data penelitian ini bersumber dari data transaksi penjualan toko yang sport yang beralamat di Jl. Fatahillah No.225, Watubelah, Kec. Weru, Kabupaten Cirebon, Jawa Barat 45154 Model algoritma k-means bahwa operator yang digunakan yaitu retrive dipergunakan untuk memanggil data set pada penelitian ini. Kemudian clustring kmeans untuk memodelkan data set yang telah ada, serta clusterdistance performance digunakan untuk menguji hasil pengelompokan, penelitian ini menetapkan 2 kelompok yaitu laris terjual dan tidak laris terjual. Hasil Data Performance menejelaskan bahwa Cluster 0 dengan nilai 110 dikategorikan sebagai Tidak Laris Terjual sedangkan 21389 dikategorikan sebagai laris terjual. Hasil rekomendasai penelitian ini mendapatkan informasi atau pola dari penerapan algoritma k-means dengan data penjualan terdapat sebanyak 99 item barang yang laris terjual dan terdapat 23 item barang yang tidak terjual sehingga pemilik dapat melakukan strategi penjualan dan pembelian ulang berdasarkan barang yang laris terjual.
PENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN AIR MINUM DALAM KEMASAN SELAMA MASA PANDEMI COVID-19 Fajar Fauzan, Muhammad; Irma Purnamasari, Ade; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6290

Abstract

Pada masa Pandemi Covid 19 setiap perusahaan saling bersaing dalam menjual produknya dengan ujung tombaknya. Dalam penelitian ini peneliti menggunakan data untuk mendukung penelitian ini. Penjualan merupakan kegiatan yang perlu diperhatikan setiap perusahaan, karena ujung dari sebuah produksi merupakan penjualan barang. Ketersediaan stok barang tergantung dari hasil penjualan, semakin penjualan tinggi semakin besar untung yang diperoleh perusahaan. Untuk menjaga kestabilan penjualan pada perusahaan, banyak perusahaan yang menggunakan data mining untuk membantu menyelesaikan permasalahan produksi. Penelitian ini bertujuan untuk mererapkan data mining dalam menganalisis data penjualan air minum dalam kemasan selama masa Pandemi Covid 19. Serta untuk mengetahui dampak yang ditimbulkan terhadap penjualan air minum dalam kemasan yang terjadi selama masa Pandemi Covid 19. Penelitian ini menggunakan metode K-Means dan KNN adalah dua buah metode yang telah digunakan dalam pengelompokkan. Berdasarkan hal tersebut dalam penelitian ini, dilakukan perbandingan K-Means dan KNN dalam kasus pengelompokkan. Berdasarkan hasil pengujian dengan mengukur kinerja kedua metode tersebut menggunakan rumus akurasi, kemudian diketahui bahwa K-Means menentukan tingkat penjualan terbanyak dan terendah sedangkan KNN memiliki tingkat akurasi yakni 85%. Penggunaan metode K-means (clustering) dan KNN diimplementasikan menggunakan aplikasi Rapid Miner, yang nantinya akan dilakukan analisis dari metode tersebut. Penelitian ini dilakukan dengan sekelompok data untuk mengetahui persentase nilai precision, recall dan accuracy.
PENERAPAN METODE RANDOM FOREST DALAM MENGANALISIS SENTIMEN PENGGUNA APLIKASI CAPCUT DI GOOGLE PLAY STORE Sagita, Ayu; Faqih, Ahmad; Dwilestari, Gifthera; Siswoyo, Bambang; Pratama, Denni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8205

Abstract

Pengguna aplikasi CapCut semakin meluas di kalangan pengguna smartphone. Namun, tanggapan pengguna terhadap aplikasi ini sangat bervariasi. Selain itu, perkembangan terus-menerus dalam menambah fitur dan kemampuan pengeditan telah membawa kompleksitas penggunaan aplikasi ini semakin meningkat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna CapCut melalui ulasan yang terdapat di Google Play Store menggunakan metode Random Forest. Metode ini dipilih untuk mengidentifikasi dan mengelompokkan tanggapan pengguna ke dalam kategori positif dan negatif secara efisien. Dataset yang digunakan dalam penelitian ini mencakup 5000 ulasan, mencerminkan keragaman pendapat dari pengguna yang berpartisipasi aktif. Tahapan preprocessing data melibatkan proses cleaning, case folding, tokenisasi, stopword removal, dan lemmatisasi untuk memastikan kualitas data yang baik sebelum dilakukan analisis sentimen. Selanjutnya, pembobotan kata dilakukan dengan metode TF-IDF untuk memberikan nilai bobot pada kata-kata yang mempengaruhi sentimen pengguna. Hasil penelitian menunjukkan bahwa metode Random Forest memberikan tingkat akurasi yang tinggi dalam menganalisis sentimen pengguna CapCut, dengan akurasi sebesar 86%, presisi 89%, recall 81%, dan f1-score 85%. Penelitian ini memberikan pemahaman lebih lanjut terkait tanggapan pengguna terhadap aplikasi CapCut, serta menegaskan keberhasilan metode Random Forest dalam menangani analisis sentimen pada dataset ulasan pengguna di Google Play Store.
ANALISIS SENTIMEN TERHADAP REVIEW APLIKASI BRIMO DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Nuraini, Asyifa; Faqih, Ahmad; Dwilestari, Gifthera; Dienwati Nuris, Nisa; Narasati, Riri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8228

Abstract

Dalam era perkembangan teknologi informasi, khususnya dalam ranah analisis sentimen menggunakan algoritma Naive Bayes, dampak signifikan terlihat pada aplikasi Brimo, platform perbankan internet dan mobile yang dikembangkan oleh Bank BRI. Analisis sentimen terhadap ulasan pengguna di Google Play Store dengan Naive Bayes menghadapi tantangan, seperti tingkat ketidak pastian dalam hasil analisis. Algoritma ini cenderung memperlakukan kata-kata secara terpisah, mengabaikan konteks, dan berpotensi menghasilkan hasil yang kurang akurat, terutama pada sentimen kompleks seperti ironi atau sarkasme. Pentingnya text mining, penggunaan metode klasifikasi, dan proses Knowledge Discovery in Database (KDD) muncul dalam mendukung analisis sentimen. Penelitian ini menggunakan metode KDD dan Naive Bayes untuk menganalisis sentimen ulasan pengguna Brimo di Google Play Store. Tahapan melibatkan seleksi data, pembersihan data, transformasi dengan TF-IDF, data mining dengan Naive Bayes, dan evaluasi pola. Hasil menunjukkan tingkat akurasi tinggi sebesar 89.58%, dengan nilai presisi 85.94%, Recall 89.58%, dan F1-Score 86.90%. Meskipun demikian, perhatian khusus diperlukan untuk sentimen negatif guna meningkatkan performa Recall. Proses implementasi model Naive Bayes pada data baru menunjukkan efisiensi melalui penggunaan joblib dan visualisasi hasil prediksi. Penelitian ini memberikan kontribusi dalam meningkatkan pemahaman evaluasi sentimen pengguna, mendukung pengambilan keputusan, dan mengembangkan strategi bisnis yang efektif pada aplikasi Brimo.
ANALISIS SENTIMEN DATA ULASAN PENGGUNA APLIKASI GOOGLE KELAS PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Nurwahidah, Dalilah; Dwilestari, Gifthera; Dienwati Nuris, Nisa; Narasati, Riri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8245

Abstract

Dalam era digital yang semakin berkembang, aplikasi Google Kelas telah menjadi salah satu platform utama untuk pembelajaran jarak jauh di Indonesia. Namun, pemahaman tentang sentimen pengguna terhadap aplikasi ini menjadi krusial dalam meningkatkan kualitas layanan Pendidikan online. Oleh karena itu, tujuan dari penelitian ini adalah untuk menganalisis sentimen dari data ulasan pengguna Aplikasi Google Kelas di Indonesia yang tersedia di Google Play Store.Data yang digunakan dalam penelitian ini akan diperoleh dari ulasan pengguna Aplikasi Google Kelas yang telah dipublikasikan di Google Play Store. Data tersebut mencakup beragam aspek, seperti penilaian pengguna, komentar dan saran yang akan digunakan untuk analisis sentimen.Penelitian ini akan mengikuti beberapa tahapan. Tahap awal adalah pengumpulan data dari ulasan pengguna. Selanjutnya, data akan dibersihkan dan diproses untuk analisis sentiment. Metode Naïve Bayes digunakan untuk mengklasifikasikan sentimen ulasan menjadi positif, negatif atau netral. Analisis sentimen melibatkan pemahaman lebih mendalam tentang persepsi pengguna terhadap aplikasi Google Kelas. Proses penelitian ini melibatkan pengolahan data, pelatihan model Naïve Bayes, evaluasi model dan analisis hasil. Data ulasan diproses untuk menghasilkan fitur- fitur yang relevan, dan kemudian model Naïve Bayes dilatih menggunakan data tersebut. Evaluasi model memastikan keakuratan analisis sentiment.Dengan menyelesaikan penelitian ini, diharapkan dapat memahami lebih baik bagaimana penguna di Indonesia merasakan aplikasi Google Kelas. Berdasarkan hasil penelitian yang telah dilakukan, hasil analisis sentimen pengguna aplikasi google kelas menghasilkan akurasi 82%, presisi 82%, recall 82% dan F-1 Score 81%. Dapat disimpulkan bahwa klasifikasi algoritma naïve bayes bisa digunakan untuk analisis sentimen aplikasi Google Kelas.
KOMPARASI ALGORITMA K-MEANS DAN K-MEDOIDS DALAM ANALISIS PENGELOMPOKAN DAERAH RAWAN KRIMINALITAS DI INDONESIA Hoerunnisa, Anis; Dwilestari, Gifthera; Dikananda, Fatihanursari; Sunana, Heliyanti; Pratama, Denni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8249

Abstract

Kriminalitas sebagai fenomena yang kompleks, memiliki dampak serius pada stabilitas dan ketertiban sosial, sertamemengaruhi aspek sosial dan ekonomi suatu wilayah. Pemahaman mendalam terhadap area-area rentan terhadap tindak kriminal menjadi esensial dalam upaya mencegah dan menangani kejahatan. Penelitian ini bertujuan eksploratif untuk membandingkan efektivitas dua metode clustering, yaitu K-Means dan K-Medoids, dalam menganalisis daerah-daerah rentan kriminal di Indonesia.Metode penelitian melibatkan langkah-langkah seperti pengumpulan data kriminalitas dari sumber terpercaya, penyortiran, dan pengolahan data untuk membentuk dataset yang akurat. Dengan menggunakan pendekatan Knowledge Discovery in Databases (KDD), penelitian ini menerapkan algoritma K-Means, pengelompokan dalam analisis data yang bertujuan mengelompokkan data menjadi beberapa klaster, dan K-Medoids, variasi K-Means yang menggunakan medoid sebagai representasi klaster. Hasil analisis menunjukkan bahwa kedua algoritma dapat digunakan untuk mengelompokkan daerah rawan kriminalitas di Indonesia, dengan K-Means membentuk 5 cluster dan K-Medoids membentuk 2 cluster. Evaluasi menggunakan Davies-Bouldin Index (DBI) menunjukkan bahwa K-Means lebih optimal (DBI=0,463) dibandingkan K-Medoids (DBI=1,089). Sebagai saran untuk pengembangan selanjutnya, disarankan untuk mempertimbangkan penggunaan algoritma clustering yang berbeda, melakukan perbandingan dengan metode lain, dan menambahkan kriteria atau variabel yang relevan untuk meningkatkan kualitas analisis clustering. Diharapkan hasil ini dapat memberikan kontribusi signifikan dalam upaya pencegahan dan penanggulangan kriminalitas di Indonesia.
PENERAPAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN YOUTUBE MENGENAI INTENSIF MOBIL LISTRIK Caswadi, Caswadi; Dienwati, Nisa; Dwilestari, Gifthera; Fathurrohman, Fathurrohman; Tohidi, Edi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8252

Abstract

Dampak pemanasan global terhadap perubahan iklim telah menarik perhatian dari berbagai pihak. 27% dari polusi udara disebabkan oleh transportasi. Di berbagai negara, pemerintah telah menerapkan langkah-langkah untuk mengurangi polusi udara dengan mendorong masyarakat untuk beralih menggunakan kendaraan listrik. Namun keberhasilan pemerintah untuk mengkampanyekan teknologi mobil listrik tergantung pada sentimen dan pemahaman masyarakat. Tujuan penelitian ini untuk menganalisa sentimen publik. Dataset digunakan dalam penelitian ini ialah 1517 data komentar di laman youtube mengenai intensif mobil listrik. Berdasarkan analisis, sebagian besar komentar youtube memiliki sentimen negatif (57,4%), sementara jumlah komentar yang positif (33,3%) dan netral (9,3%). Penelitian ini menerapkan metode Naïve Bayes dan K-Neareast Neighbor. Hasil penelitian menunjukan bahwa metode K-Nearest Neighbor memberikan hasil klasifikasi yang lebih baik dengan Accuracy sebesar 93,23%, precision 93,91% dan recall 91,56%. Sedangkan Naïve Bayes memperoleh hasil Accuracy 86,95%, precision 80,51%, dan recall 91,23%.
IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI PASIEN HIPERTENSI BERSADARKAN KARAKTERISTIK PASIEN Saepu Qirom, Dani; Faqih, Ahmad; Dwilestari, Gifthera
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8314

Abstract

Dalam beberapa dekade terakhir, fokus terhadap penyakit hipertensi menjadi semakin mendesak seiring dengan perkembangan pesat di bidang Informatika yang telah memberikan dampak signifikan pada berbagai aspek kehidupan. Puskesamas yang terletak di Kecamatan Rajapolah Kabupaten Tasikmalaya mengalami peningkatan dalam jumlah pasien yang datang ke puskesmas, penyakit hipertensi paling sering dialami oleh setiap pasien yang datang ke Puskesmas Rajapolah. Penelitian ini bertujuan untuk mengelompokan data pasien melalui pendekatan data mining untuk mengidentifikasi kelompok pasien hipertensi. Metode yang digunakan yaitu algoritma k-means clustering menggunakan software rapidminer dengan tahapan Knowledge Discovery in Database (KDD). Dalam menentukan jumlah cluster yang paling optimal menggunakan hasil evaluasi Davies Bouldin Index (DBI). Setiap 2 cluster sampai 10 cluster di evaluasi untuk mencari jumlah cluster dengan nilai DBI paling rendah. Data yang digunakan merupakan data rekam medis Puskesmas Rajapolah pada bulan september 2023 dengan jumlah 1000 records. Hasil analisis menunjukan 4 cluster dengan nilai DBI 0.269, jumlah anggota cluster 0 : 213 pasien, cluster 1 : 302 pasien, cluster 2 : 145 pasien, cluster 3 : 68 pasien. Kelompok dengan tingkat hipertensi paling tinggi yaitu cluster 3 berjumlah 68 pasien dengan umur 30 sampai 74 tahun, tingkat hipertensi kelompok ini berada pada stadium 2 sampai krisis hipertensi
ANALISIS SENTIMEN KOMENTAR VIDEO MOBIL LISTRIK DI PLATFORM YOUTUBE DENGAN METODE NAIVE BAYES Karimah, Ayu; Dwilestari, Gifthera; Mulyawan, Mulyawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8373

Abstract

Dalam era perkembangan teknologi yang pesat, mobil listrik menjadi inovasi utama dalam industri otomotif. Namun, analisis sentimen menunjukkan adanya tantangan, terutama kurangnya pemahaman masyarakat tentang mobil listrik yang mempengaruhi persepsi negatif. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap mobil listrik di Indonesia melalui konten YouTube, menggunakan algoritma Naive Bayes. Metode Knowledge Discovery in Databases (KDD) digunakan untuk mengumpulkan dan menganalisis opini masyarakat. Evaluasi model menggunakan RapidMiner menunjukkan peningkatan signifikan dengan penerapan teknik SMOTE Upsampling, meningkatkan akurasi dari 50,70% menjadi 70,69%. Analisis kelas menunjukkan peningkatan true positive, true negative, dan true neutral. Meskipun algoritma Naive Bayes memberikan akurasi 70,69%, presisi 43.64%, dan recall 39.48%, penelitian ini memiliki kekurangan dan disarankan untuk membandingkan algoritma klasifikasi lain, memperluas dataset, dan menguji kombinasi algoritma yang lebih luas. Rekomendasi juga mencakup penerapan hasil penelitian ke mesin klasifikasi dengan pengujian lebih lanjut. Studi ini memberikan wawasan untuk meningkatkan pemahaman dan penerimaan mobil listrik di masyarakat Indonesia.
Co-Authors Abdul Ajiz Abdul Ajiz, Abdul Abdul Rauf Chaerudin Abdullah Syafii Abdullah Syafii Aby Febrian Ade Irma Purnamasari Ade Irma Purnamasari Ade Rizki Rinaldi Agis Maulana Robani Agung Nugraha agus bahtiar Ahmad Faqih Ahmad Faqih Ahmad Rifa'i Ahmad Zam Zami Aldiani, Dea Alia Cahyani, Cica Alibasyah, Aziz Ananda Rafly Andi Suandi Anita Nur Kirana Anwar Musaddad Apriliyani, Ela Arif Rinaldi Dikananda Arifin, Bagas Adam Athhar Hafizha Luthfi Auliya Bagas Al Haddad Bambang Siswoyo Basysyar, Fadhil Muhammad Caswadi, Caswadi Chaerudin, Chaerudin Cindyk Irawanto Dadang Sudrajat Dea Miftahul Huda Dessy Angelina Destriyanah, Riska Dian Ade Kurnia Dias Bayu Saputra Dienwati Nuris, Nisa Dienwati, Nisa Dikananda, Arif Rinaldi Dikananda, Fatihanursari Dzaffa 'Ulhaq Edi Tohidi Edi Tohidi Eka Permana, Sandy Fadhil Muhammad Basysyar Fadhil Muhammad Basysyar Fajar Fauzan, Muhammad Fajria, Azzahra Moudy Fasa, Saefullah Fathurrohman Fathurrohman Fatihanursari Dikananda Faujia, Agnes Fithrah Ali, Dini Salmiyah Fuadi Ahmad, Cecep Hamonangan, Ryan Haris Abdul Hadi Herdiana, Rulli Hermawan, Bagus Hermawan, Muhammad Andi Hilya Ashfia Nabila Himawan, Irvan Hira Wahyuni Azizah Hoeriah, Dede Hoerunnisa, Anis Iin Iin Solihin Iis Riyana Irfan Ali Irfan Ali Irfan Ali, Irfan Irma Agustina Irma Purnamasari, Ade Irvan Himawan Jayawarsa, A.A. Ketut Karimah, Ayu Kaslani Kencana, Junaedi Surya Khaerul Anam Khoirul Huda, Muhammad Kokom Komariyah Lestari, Anjar Ayuning Martanto . Mar’atun Sholihah, Oliffia Maulana Sidiq, Cecep Mochamad Aditya Sunaryo Muhammad Abdurohman Muhammad Basysyar, Fadhil Mulyawan Mulyawan, Mulyawan Musliyadi, Mar'i Nana Suarna Nana Suarna Nana Suarna Narasati, Riri Narasati Nining R Nining Rahaningsih Nisa Dieanwati Nuris Nur Amalia Nur Kirana, Anita Nuraini, Asyifa Nurhakim, Bani Nurul Aini, Yuli Nurwahidah, Dalilah Odi Nurdiawan Odi Nurdiawan Permana, Sandy Eka Pratama, Denni Prihartono, Willy Puji Pramudya Marta Purnamasari, Ade Irma Purnamasari, Adinda Puspita Maulana Arumsari R, Nining Raditya Danar Dana Raena Agustin Laeliyah Rahaditya Dasuki Ramdhan, Dadan Ramiro Firjatullah, Federicko Ranu Husna Rini Astuti Rizaldy, Farhan Rizqy, Muhammad Enricco Rohmat, Cep Lukman Rosmeri Manurung, Agnes Rudi Kurniawan Saeful Anwar Saeful, Agung Saefullah Fasa Saepu Qirom, Dani Saepudin, Asep Saepul Hadi Sagita, Ayu Salsabila, Putri Sandy Eka Permana Septiana, Angga Setiawan, Riyan Sri Suwartini Suandi, Andi Suarna, Nana Subhiyanto, Fajar Sunana, Heliyanti Suryani Dewi, Ike Susana, Heliyanti Syafi'i Syafi'i Syafi'i, Syafi'i Tati Suprapti Tohidi, Edi Tuti Hartati Umi Hayati Vibrianti, Vera Wahyudin, Edi Yubi Aqsho Ramadhan Zacky Muhammad Dinata