Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Wahyu Wibowo
Departemen Statistika Bisnis Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

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

Found 3 Documents
Search

 1 
Analisis Sentimen Pengguna Twitter terhadap Program Kartu Prakerja di Tengah Pandemi Covid-19 Menggunakan Metode Naïve Bayes Classifier Ela Wahyu Novianti; Wahyu Wibowo
Jurnal Sains dan Seni ITS Vol 11, No 1 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i1.63552

Abstract

Indonesia mengkonfirmasi virus corona penyebab COVID-19 masuk pertama kali pada awal Maret 2020. Sejak itu seluruh sektor terdampak dari pandemi COVID-19 tak hanya kesehatan, sektor ekonomi juga menagalami dampak serius akibat pandemi ini. Pemerintah melakukan berbagai upaya penanggulangan salah satunya adalah dengan melakukan Pembatasann Aktivitas Berskala Besar (PSBB). Kebijakan PSBB berpengaruh pada aktivitas bisnis yang berimbas pada perekonomian sehingga berdampak pada situasi ketenagakerjaan di Indonesia. Dalam mengatasi masalah ketenagakerjaan pemerintah membuat kebijkan program Kartu Prakerja. Masalahnya muncul persepsi bahwa ditengah pandemi COVID-19 ini, logika Kartu Prakerja tidak tepat digunakan sebab tak ada jaminan bahwa pekerja yang telah dilatih mendapatkan pekerjaan baru, apalagi ditengah kondisi ekonomi yang sedang terpuruk. Akibatnya timbul pro dan kontra dari masyarakat terkait Kartu Prakerja yang sempat menjadi trending topic di Twitter. Hasil analisis sentimen program kartu prakerja kebanyakan bersifat negatif. Sentimen negatif disini menunjukkan kritik masyarakat mengenai kesulitan saat proses pendaftaran. Sentimen positif menunjukkan bahwa banyak yang mendapatkan manfaat dengan adanya program kartu prakerja. Hasil klasifikasi menggunakan metode naïve bayes classifier didapatkan nilai nilai G-mean sebesar 80,1% dan nilai AUC sebesar 81,2%. Sedangkana pada data testing nilai G-mean sebesar 69,2% dan nilai AUC sebesar 73,4%.
Analisis Sentimen Ulasan Aplikasi Buzzbreak Menggunakan Metode Naïve Bayes Classifier pada Situs Google Play Store Dinda Putri Santoso; Wahyu Wibowo
Jurnal Sains dan Seni ITS Vol 11, No 2 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i2.72534

Abstract

Buzzbreak merupakan salah satu aplikasi baru yang terdaftar pada situs google play store yang dibuat pada tahun 2019 dimana aplikasi ini dapat menghasilkan uang dengan cara menukarkan point melalui hasil membaca berita dan melihat video pada laman aplikasi tersebut. Point yang telah ditukarkan dapat langsung masuk ke dalam saldo rekening pengguna terkait yang telah terdaftar. Aplikasi Buzzbreak mulai diminati pada saat Covid-19 mulai muncul di Indonesia. Hal tersebut dikarenakan aplikasi Buzzbreak membawa terobosan baru hanya dengan melihat video dan membaca berita, pengguna smartphone dapat mendapatkan uang. Aplikasi Buzzbreak mendapatkan banyak ulasan dari penggunanya baik ulasan yang ke arah positif atau negatif, sehingga hal tersebut dapat membuat pengguna baru yang ingin mengunduh kesulitan dalam menyimpulkan ulasan apakah yang paling dominan didapatkan oleh aplikasi Buzzbreak. Oleh karena itu, untuk memberikan informasi terkait dominan ulasannya positif atau negative, maka diperlukan suatu analisis yaitu menggunakan metode Naïve Bayes Classifier serta akan dilakukan juga anilisis terhadap kata-kata yang paling sering muncul dari masing-masing sentimen yang akan divisualisasikan melalui wordcloud. Ulasan didapatkan melalui crawling data pada situs google play store. Hasil yang didapatkan dari penelitian ini adalah review yang diberikan oleh pengguna Buzzbreak mengarah ke sentimen positif, serta berdasarkan visualisasi wordcloud, term yang paling sering muncul pada sentimen positif adalah “bagus” dan term yang paling sering muncul pada sentimen negatif adalah “jelek”. Hasil analisis ketepatan klasifikasi menggunakan naïve bayes classfier adalah data training dengan split ratio 70%:30% dengan nilai AUC sebesar 76,52% dan pada data testing split ratio 90%:10% di mana nilai AUC sebesar 79,34% dapat diartikan bahwa tingkat akurasi klasifikasinya sedang.
Analisis Sentimen Pelaporan Masyarakat di Situs Media Centre Surabaya dengan Naïve Bayes Classifier Kukuh Tri Pamungkas; Lucia Aridinanti; Wahyu Wibowo
Jurnal Sains dan Seni ITS Vol 11, No 2 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i2.72566

Abstract

Media center merupakan sebuah sistem pelayanan terintegrasi bagi masyarakat Surabaya. Melalui media center masyarakat dapat berpartisipasi memberikan opini atau melaporkan hal-hal yang terkait dengan pembangunan kota Surabaya. Informasi pelaporan masyarakat bisa negatif bisa positif untuk itu perlu dilakukan pengelompokan. Selama ini pengelompokan dilakukan secara manual. Hal ini membutuhkan waktu yang lama, untuk itu dibutuhkan metode pengelompokan yang lebih cepat dan akurat. Dengan menggunakan analisis sentimen dan Naïve Bayes Classifier (NBC) diperoleh pelaporan masyarakat Surabaya tahun 2020 memiliki pelaporan yang bersifat negatif 56,03% dan kelas kategori netral 16,22% serta kelas kategori positif 27,75%, dan hasil klasifikasi menghasilkan ketepatan klasifikasi yang cukup tinggi pada data testing dengan tingkat sensitifitas dan specifity yang ditunjukkan oleh G-Mean dan AUC sebesar 53,14% dan 55,12%.
Co-Authors Dinda Putri Santoso Ela Wahyu Novianti Kukuh Tri Pamungkas Lucia Aridinanti