Article Per Year (5 Year)
p-Index From 2021 - 2026
4.941
P-Index
This Author published in this journals
All Journal Dinamik Dimas: Jurnal Pemikiran Agama untuk Pemberdayaan Jurnal Transformatika At-Taqaddum Wahana Akademika: Jurnal Studi Islam dan Sosial Sawwa: Jurnal Studi Gender Isamic Communication Journal InComTech: Jurnal Telekomunikasi dan Komputer JOURNAL OF APPLIED INFORMATICS AND COMPUTING SINTECH (Science and Information Technology) Journal Jurnal Sisfokom (Sistem Informasi dan Komputer) JSiI (Jurnal Sistem Informasi) JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) RELIGIA Jurnal Ilmu Dakwah EDUMATIC: Jurnal Pendidikan Informatika Jurnal Sistem Komputer dan Informatika (JSON) Jifosi Aiti: Jurnal Teknologi Informasi Wahana Akademika: Jurnal Studi Islam dan Sosial Jurnal Teknik Informatika (JUTIF) Journal La Multiapp JURNAL ILMIAH GLOBAL EDUCATION JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Algoritma Religia : Jurnal Ilmu-Ilmu Keislaman Jurnal Informatika: Jurnal Pengembangan IT JUTEKOM - Jurnal Teknologi dan Ilmu Komputer
Maya Rini Handayani
Universitas Islam Negeri Walisongo Semarang
Religion Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture 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 Mathematics Public Health Social Sciences Other

Published : 75 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 75 Documents
Search

 4   5   6   7   8 
Deteksi Dark patterns Biaya Layanan E-commerce Berdasarkan Perspektif Konsumen Menggunakan Algoritma Support Vector Machine Salmalina, Divana Taricha; Umam, Khothibul; Handayani, Maya Rini
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 6 No. 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8563

Abstract

Perkembangan industri e-commerce di Indonesia belakangan ini dibayangkan pada fenomena meningkatnya keluhan konsumen terkait kebijakan biaya layanan yang dinilai kurang transparan, termasuk indikasi adanya praktik pola gelap . Penelitian ini bertujuan mengkaji persepsi konsumen terhadap isu tersebut melalui pendekatan analisis sentimen berbasis machine learning dan deteksi pola manipulatif. Data penelitian diperoleh dari ulasan pengguna di platform media sosial X yang kemudian diproses melalui serangkaian tahapan text mining meliputi pembersihan data, tokenisasi, stopword removal , dan stemming . Analisis sentimen menggunakan algoritma Support Vector Machine (SVM) menunjukkan hasil yang signifikan, dimana 55-78% ulasan di platform ketiga e-commerce (Shopee, Tokopedia, Lazada) tergolong negatif. Analisis TF-IDF mengidentifikasi kata kunci seperti "biaya", "layan" (layanan), dan "mahal" sebagai istilah paling dominan dalam ulasan negatif. Model SVM menunjukkan kinerja yang cukup baik dengan akurasi mencapai 87% dalam mengklasifikasikan sentimen negatif. Lebih lanjut, analisis tematik terhadap ulasan negatif berhasil mengidentifikasi indikasi pola gelap , khususnya dalam kategori biaya tersembunyi (biaya tersembunyi) dan menyelinap ke keranjang (penambahan produk tanpa disadari) yang muncul secara konsisten di semua platform. Temuan ini tidak hanya menegaskan adanya pola manipulatif yang berulang dalam industri e-commerce Indonesia, tetapi juga menegaskan urgensi bagi para pelaku industri untuk meningkatkan transparansi dalam kebijakan biaya. Secara praktis, hasil penelitian ini dapat menjadi bahan pertimbangan penting bagi regulator dalam merumuskan kebijakan perlindungan konsumen di era digital yang lebih komprehensif.
Klasifikasi Sentimen Masyarakat Terhadap Aplikasi Tiktok Menggunakan Algoritma Naive Bayes Nahdhudin, Muhammad; Wibowo, Nur Cahyo Hendro; Handayani, Maya Rini; Umam, Khotibul
Jurnal Teknologi informasi dan Ilmu Komputer Vol. 1 No. 3 (2025): Juli 2025
Publisher : Nolsatu Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65258/jutekom.v1.i3.13

Abstract

Perkembangan pesat media telah menciptakan ruang digital baru bagi masyarakat untuk mengekspresikan opini, salah satunya melalui aplikasi TikTok. Aplikasi ini menjadi fenomena global dengan jutaan pengguna aktif, namun juga menuai pro dan kontra. Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap TikTok menggunakan algoritma Naive Bayes. Data yang digunakan  berupa 100.000 ulasan pengguna TikTok dari Google Play Store yang dikumpulkan melalui web scraping. Proses penelitian mencakup tahapan pra-pemrosesan teks, pelabelan sentimen berdasarkan rating, ekstraksi fitur menggunakan TF-IDF, dan klasifikasi menggunakan algoritma Multinominal Naive Bayes. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 88,2% precision 89,1%, recall 87,4% dan F1-score 88,2%. Mayoritas ulasan pengguna bersentimen positif. Hasil ini menunjukkan bahwa Naive Bayes efektif dalam mengklasifikasi opini berbasis teks dalalam bahasa Indonesia. Penelitian ini dapat dijadikan acuan dalam memahami persepsi publik serta penerapan maching learning dalam analisis opini masyarakat.
Application of SVM and Naive Bayes with PSO for the Classification of Saloka Amusement Park Reviews Putri, Indira Alifia; Umam, Khothibul; Handayani, Maya Rini; Mustofa, Hery
Journal La Multiapp Vol. 6 No. 6 (2025): Journal La Multiapp
Publisher : Newinera Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37899/journallamultiapp.v6i6.2505

Abstract

Visitor opinions on tourist destinations can be evaluated through sentiment analysis based on textual reviews. This study aimed to compare the performance of Support Vector Machine (SVM) and Naive Bayes (NB) algorithms in classifying visitor sentiments toward reviews of Saloka Theme Park, while also assessing the impact of parameter optimization using Particle Swarm Optimization (PSO). A total of 740 reviews were collected from the Traveloka platform and underwent text preprocessing. The optimization process targeted key parameters of each algorithm to improve the F1-score. Experimental results showed that the unoptimized SVM achieved an accuracy of 89 percent, while NB reached 86 percent. After applying PSO, SVM's accuracy dropped to 84 percent, whereas NB improved to 85 percent with more balanced classification across sentiment classes. These results recommend the integration of Naive Bayes with Particle Swarm Optimization as a potential approach for sentiment classification of tourism reviews, particularly in the case study of Saloka Theme Park.
Perbandingan Model SpaCy dan BERT untuk Persebaran Penggemar di Platform X (Twitter) Rahmadani, Nurul; Umam, Khothibul; Dwi Yuniarti, Wenty; Rini Handayani, Maya
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2310

Abstract

This study was conducted to compare the performance of the SpaCy Named Entity Recognition (NER) model and the Bidirectional Encoder Representation from Transformers (BERT) model in identifying the distribution of Bernadya fans based on the mention of Geo-Political Entity (GPE) locations. The dataset used was collected from X users' tweets using a scraping method with Python and will be analyzed on both NER models. The SpaCy NER model will be built from scratch with manual annotation, while the BERT model will be built using the transforms approach. From the evaluation results, the SpaCy model achieved a precision of 1.00, a recall of 0.92, and an F1-score of 0.96 on the training data, as well as a recall of 0.98 and an F1-score of 0.99 on the test data. The BERT model recorded a precision of 1.00, a recall of 0.95 (training), and 1.00 (testing), with an F1-score of 0.98 and 1.00. The Spacy model can recognize more than two entities well in one test sentence. However, when tested with the entire dataset, it cannot consistently recognize GPE entities. Conversely, the BERT model is better at recognizing GPE entities, with 4 GPE entities identified, including: Karanganyar, Indonesia, Mongolia, and Bandung as regions capable of identifying GPE entities with the most mentions. Therefore, in this study, the BERT model is better at recognizing GPE entities from the dataset used.
E EKSPLORASI PENDAPAT PENGGUNA APLIKASI DEEPSEEK DI PLAY STORE DENGAN NATURAL LANGUAGE PROCESSING putri lathifah, shofi; Khotibul Umam; Maya Rini Handayani
JIFOSI Vol. 6 No. 2 (2025): Enhancing Information System Security and Governance in the Digital Transformat
Publisher : UPN "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ulasan yang ditulis oleh pengguna di Google Play Store dapat sangat membantu untuk mengetahui bagaimana masyarakat menerima aplikasi. Dalam penelitian ini, kami menggunakan metode pemrosesan bahasa natural (NLP) untuk melihat bagaimana pengguna melihat aplikasi DeepSeek. Metode scraping dari Play Store digunakan untuk mengumpulkan data, yang kemudian dibersihkan dan diproses melalui proses normalisasi teks, tokenisasi, penghapusan stopword, dan stemming. Selanjutnya, kami mengklasifikasikan ulasan menjadi dua kelompok besar, yaitu ulasan positif dan negatif, menggunakan algoritma Naive Bayes. Hasil analisis menunjukkan bahwa sebagian besar ulasan bersifat positif, dengan beberapa kritik yang terkait dengan bug atau kinerja aplikasi. Studi ini menunjukkan bagaimana teknik pemrosesan bahasa natural dapat digunakan untuk menggali wawasan secara otomatis dan efektif dari data ulasan.
Analisis Performa Metode Machine Learning dalam Mengidentifikasi Penyebab Ulasan Rating Satu Aplikasi MyBluebird Azziizah, Almira Farradinda; Mustofa, Hery; Umam, Khothibul; Handayani, Maya Rini
Jurnal Ilmiah Global Education Vol. 6 No. 4 (2025): JURNAL ILMIAH GLOBAL EDUCATION
Publisher : LPPM Institut Pendidikan Nusantara Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55681/jige.v6i4.4704

Abstract

This study addresses the increasing prevalence of negative user reviews for the MyBluebird ride-hailing application, focusing on the identification and classification of the main causes of one-star ratings. The research aims to compare the effectiveness of Support Vector Machine, Random Forest, and Naïve Bayes algorithms in classifying user complaints. Employing a quantitative experimental approach, the study utilizes a dataset of 1,399 one-star reviews collected purposively from Google Play Store. Data preprocessing includes cleaning, tokenization, and feature extraction using TF-IDF. The classification models are evaluated using accuracy, precision, recall, and F1-score metrics. Results indicate that Random Forest achieves the highest accuracy (90%), outperforming the other algorithms, with bugs/errors as the most frequent complaint, followed by driver performance, other issues, and price. The study concludes that machine learning-based classification can effectively map user dissatisfaction, though data imbalance remains a limitation. Future research should apply data balancing techniques and expand the dataset for broader generalization. Practical implications suggest that developers can utilize automated classification to improve service quality and address user needs more efficient.
Digital innovation in islamic guidance: Fuzzy mamdani-based stress level detection for muslim adolescents Amal, Muhammad Niltal; Handayani, Maya Rini
Jurnal Ilmu Dakwah Vol. 45 No. 2 (2025)
Publisher : Faculty of Dakwah and Communication, Walisongo State Islamic University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21580/jid.v45.2.28875

Abstract

Purpose - The purpose of this study is to address the urgent need for a reliable and accessible preliminary assessment tool for mental health issues among Indonesian adolescents, a demographic significantly impacted by recent societal changes and showing high rates of psychological distress (e.g., 34.9% experiencing mental problems per I-NAMHS 2022) Method - The methodology employed is the design and development of a web-based expert system utilizing Fuzzy Logic to diagnose stress symptoms. The system is structured with four core components (User Interface, Knowledge Base, Inference Mechanism, Working Memory) and incorporates Fuzzy Tsukamoto/Mamdani/Sugeno principles for mapping firm numerical symptom inputs to linguistic variables through Fuzzification and Defuzzification processes. Result  -  The result (anticipated/achieved) is a functional, dual-role web system (Admin/User) capable of providing objective, preliminary stress categorization, thereby serving as a first step toward early intervention. Implication – The implication of this work is twofold: clinically, it provides an immediate, non-expert-dependent tool for initial screening; ethically and religiously, it supports the collective obligation (fard kifayah) to safeguard youth mental well-being and maintain their fitrah. Originality/Value - The originality of this research lies in the specific integration of Fuzzy Logic reasoning within a web-based expert system tailored explicitly to the Indonesian adolescent context for stress awareness and preliminary diagnosis.*** Tujuan - Tujuan studi ini adalah untuk memenuhi kebutuhan mendesak akan alat penilaian awal yang andal dan mudah diakses untuk masalah kesehatan mental di kalangan remaja Indonesia, kelompok demografis yang sangat terdampak oleh perubahan sosial terkini dan menunjukkan tingkat gangguan psikologis yang tinggi (misalnya, 34,9% mengalami masalah mental menurut I-NAMHS 2022) Metode - Metode yang digunakan adalah desain dan pengembangan sistem pakar berbasis web yang memanfaatkan Logika Fuzzy untuk mendiagnosis gejala stres. Sistem ini terdiri dari empat komponen inti (Antarmuka Pengguna, Basis Pengetahuan, Mekanisme Inferensi, Memori Kerja) dan mengintegrasikan prinsip-prinsip Fuzzy Tsukamoto/Mamdani/Sugeno untuk memetakan masukan numerik gejala yang pasti ke variabel linguistik melalui proses Fuzzifikasi dan Defuzzifikasi. Hasil - Hasil (diperkirakan/tercapai) adalah sistem web fungsional dengan dua peran (Admin/Pengguna) yang mampu memberikan kategorisasi stres awal yang objektif, sehingga berfungsi sebagai langkah awal menuju intervensi dini. Implikasi – Implikasi dari penelitian ini dua arah: secara klinis, menyediakan alat skrining awal yang segera dan tidak bergantung pada ahli; secara etis dan agama, mendukung kewajiban kolektif (fard kifayah) untuk melindungi kesejahteraan mental remaja dan menjaga fitrah mereka. Orisinalitas/Nilai - Keaslian penelitian ini terletak pada integrasi spesifik logika fuzzy dalam sistem pakar berbasis web yang dirancang khusus untuk konteks remaja Indonesia dalam kesadaran stres dan diagnosis awal.
Evaluasi Kinerja Random Forest, SVM, dan Transformer untuk Klasifikasi Komentar Judi Online di Youtube Arroyan, Devina; Handayani, Maya Rini; Umam, Khothibul; Ulinuha, Masy Ari
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 1 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i1.94059

Abstract

Maraknya komentar bermuatan promosi judi online di platform YouTube menimbulkan kekhawatiran terhadap kenyamanan dan keamanan digital, khususnya bagi pengguna muda. Penelitian ini bertujuan mengevaluasi kinerja tiga metode klasifikasi teks dalam mendeteksi komentar judi online berbahasa Indonesia, yaitu Transformer (IndoBERT), Support Vector Machine (SVM), dan Random Forest. Dataset yang digunakan terdiri dari 5.000 komentar hasil ekstraksi dari beberapa video YouTube yang kemudian melalui proses pelabelan manual dan prapemrosesan teks. Proses evaluasi dilakukan menggunakan skema pembagian data latih–uji sebesar 80:20 dengan metrik akurasi, precision, recall, dan F1-score sebagai ukuran performa. Hasil menunjukkan bahwa IndoBERT memberikan performa terbaik dengan akurasi 98,70% dan F1-score 0,98, lebih tinggi dibandingkan SVM (88,85%) dan Random Forest (79,62%). Studi ini memiliki keterbatasan pada jumlah dan keragaman dataset yang masih terbatas, sehingga performa model berpotensi berubah ketika diterapkan pada skala data yang lebih luas atau domain komentar lain. Penelitian lanjutan dapat mempertimbangkan penambahan data dari berbagai kategori konten YouTube serta penerapan teknik augmentasi data untuk meningkatkan generalisasi model.
DETEKSI CYBERBULLYING MULTIKELAS BERKINERJA TINGGI: ENSEMBLE ROBERTA-LARGE DENGAN PRESISI CAMPURAN Jinan, Muhammad Syifaaul; Handayani, Maya Rini; Ulinuha, Masy Ari; Umam, Khothibul
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.8056

Abstract

Isu cyberbullying yang terus berkembang di lingkungan digital telah menjadi perhatian global serius, menimbulkan dampak negatif signifikan dan menyoroti kebutuhan mendesak akan sistem deteksi otomatis. Tujuan primer penelitian ini adalah mengembangkan dan mengevaluasi sistem klasifikasi cyberbullying multikelas yang efektif, mampu mengidentifikasi kelas-kelas age, ethnicity, gender, dan religion, sekaligus membedakannya dari konten not_cyberbullying dan other_cyberbullying. Desain penelitian ini adalah eksperimental, berfokus pada fine-tuning model bahasa besar untuk tugas klasifikasi teks. Metodologi yang diterapkan melibatkan fine-tuning model RoBERTa-Large menggunakan dataset terlabel multikelas sebanyak 47.692 tweet. Untuk meningkatkan robustisitas dan generalisasi model, digunakan teknik ensemble learning melalui soft voting dari tiga model RoBERTa-Large yang dilatih dengan seed yang berbeda. Pelatihan dilakukan dengan presisi campuran (FP16) untuk efisiensi komputasi. Hasil utama menunjukkan bahwa model ensemble ini mencapai kinerja yang solid dan kompetitif pada test set untuk deteksi cyberbullying multikelas, dengan Akurasi 0.87 dan F1-Score (Weighted) sebesar 0.86. Model menunjukkan kinerja yang sangat baik pada kelas-kelas age, ethnicity, gender, dan religion tersebut, namun masih menghadapi tantangan pada klasifikasi kelas not_cyberbullying dan other_cyberbullying. Kesimpulannya, sistem ini membuktikan efektivitas signifikan dari RoBERTa-Large dalam konfigurasi ensemble untuk deteksi cyberbullying multikelas, menunjukkan kemampuan deteksi yang kuat secara keseluruhan dan sangat baik pada kategori-kategori tertentu, memberikan dasar kuat untuk aplikasi pencegahan cyberbullying di dunia nyata.
OPINI PUBLIK DI MEDIA X TERHADAP PATRICK KLUIVERT SEBAGAI PELATIH TIMNAS INDONESIA YANG BARU DENGAN METODE NAÏVE BAYES Febrianto, Bagus; Handayani, Maya Rini; Wibowo, Nur Cahyo Hendro; Umam, Khothibul
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.8145

Abstract

Hasil dari percobaan ini digunakan untuk menentukan persepsi publik terhadap penunjukan Patrick Kluivert sebagai pelatih baru Tim Nasional Sepak Bola Indonesia menggunakan opini komentar Masyarakat Indonesia yaitu analisis sentimen. Dataset diperoleh dari media digital X, melalui teknik crawling dengan API X, dengan periode pengambilan data dari 8 Februari hingga 24 Maret 2025. Sebanyak 3.162 tweet yang relevan berhasil dihimpun dan selanjutnya dianalisis dengan metode algoritma Multinomial Naïve Bayes. Proses analisis ini mempunyai beberapa tingkat tahapan: praproses dataset teks, labelan sentimen, serta pemodelan klasifikasi. Sentimen dibagi ke dalam 3 kelas, yaitu Netral, positif, dan Negatif. Dengan uji coba ini kita tahu bahwa mayoritas opini publik bersifat netral (77,2%), disusul sentimen positif (11,8%) dan negatif (10,9%). Model mencapai akurasi sebesar 95,2% pada data latih dan 82,5% pada data uji. Namun, performa klasifikasi terhadap kelas minoritas (positif dan negatif) masih dapat ditingkatkan, khususnya dari aspek recall. Temuan ini mengindikasikan pentingnya upaya penyeimbangan data serta optimalisasi algoritma untuk meningkatkan akurasi model terhadap data yang tidak seimbang.
Co-Authors ., Kumarudin ., Kumarudin Amal, Muhammad Niltal Amelia Rahmi Apriliyani, Meli Arroyan, Devina Asep Dadang Abdullah Asep Dadang Abdullah Aufan, Muhammad Haikal Azziizah, Almira Farradinda Chairullah, Dimas Dina Wulan Yekti rahayu Dwi Yuni Saraswati Dwi Yuniarti, Wenty Ema Hidayanti Fastabiqul Khusna Febrianto, Bagus Fiashintha Dewi Hanya Abriananta Heti Aprilianti Hidayati, Ema Jinan, Muhammad Syifaaul Khoirotulmuadiba Purifyregalia Khoirul Adib Khothibul Umam Khothibul Umam Khothibul Umam Khotibul Umam Maizaliyanti, Annisa Malikhatul Ibriza Masuzzahra, Tsaura Rafah Masy Ari Ulinuha Mokhamad Iklil Mustofa Muhadzib Al-Faruq, Muhammad Naufal Muhammad Rafid Pratama Mustofa Hilmi Mustofa, Hery Mustofa, Mokhammad Iklil Musyafak, Najahan Musyafak, Najahan Musyaffaq, Mirza Izzal Nahdhudin, Muhammad Nikmal Maulana Nur Cahyo Hendro Wibowo Nur Cahyo Hendro Wibowo Nur Cahyo Hendro Wibowo, Nur Cahyo Hendro Nurjanna, Afifah Basmah Nur’aini, Siti Pramesti, Arfiana Diah Prasilda, Dina Rahma putri lathifah, shofi Putri, Indira Alifia Qonita, Nuurun Najmi Rahmadani, Nurul Robby Kurniawan Budhi Safitri, Sindy Eka Sajmira, Danita Divka Salmalina, Divana Taricha Saputra, Adika Kaka Sa’adah, Siti Miftahus Septyorini, Talitha Dwi Siti Hikmah Siti Hikmah, Siti Siti Nur Aini, Siti Nur Siti Nur’aini Sufiya, Ikhwanus Syifa, Achrijal Shohib Arya Tsuroyya, Kamiliya Umam, Khothibulu Vensy Vydia wening wihartati, wening Wenty Dwi Yuniarti Wenty Dwi Yuniarti Wenty Dwi Yuniarti Wenty Dwi Yuniarti, Wenty Dwi