Article Per Year (5 Year)
p-Index From 2021 - 2026
2.386
P-Index
This Author published in this journals
All Journal Jurnal Simetris JAIS (Journal of Applied Intelligent System) Jurnal Dinamika Ekonomi dan Bisnis Jurnal DISPROTEK Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Jurnal SITECH : Sistem Informasi dan Teknologi JUKI : Jurnal Komputer dan Informatika Jurnal Kesehatan Primer Walisongo Journal of Information Technology Journal of Dinda : Data Science, Information Technology, and Data Analytics International Journal Software Engineering and Computer Science (IJSECS) Jurnal Minfo Polgan (JMP) Jurnal Talenta Sipil Jurnal Kesehatan Primer
Teguh Tamrin
UNIVERSITAS ISLAM NAHDLATUL ULAMA JEPARA
Civil Engineering, Building, Construction & Architecture Computer Science & IT Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Nursing Public Health Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Sistem Rekomendasi Film Menggunakan Algoritma Natural Language Processing Berbasis Web Ahmad Rifan Akmal Farizal; Adi Sucipto; Teguh Tamrin
JUKI : Jurnal Komputer dan Informatika Vol. 8 No. 1 (2026): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v8i1.2386

Abstract

Perkembangan platform streaming digital yang semakin pesat mendorong meningkatnya kebutuhan akan sistem rekomendasi yang mampu memberikan saran film secara lebih personal dan sesuai dengan preferensi pengguna. Pendekatan yang umum digunakan masih bergantung pada metadata seperti genre dan rating pengguna, sehingga rekomendasi yang dihasilkan cenderung bersifat umum dan belum sepenuhnya mencerminkan isi cerita film. Penelitian ini mengembangkan sistem rekomendasi film berbasis web dengan memanfaatkan teknik Natural Language Processing untuk menganalisis sinopsis film sebagai sumber informasi utama. Metode Term Frequency–Inverse Document Frequency digunakan untuk mengubah teks menjadi representasi numerik, sedangkan cosine similarity digunakan untuk mengukur tingkat kemiripan antar sinopsis film. Penelitian ini menggunakan pendekatan terapan dan eksperimental yang mencakup tahapan pengumpulan dataset, preprocessing teks (case folding, tokenization, stopword removal, dan stemming), pembentukan representasi vektor, perhitungan nilai similarity, serta evaluasi sistem. Hasil pengujian menunjukkan bahwa nilai similarity yang dihasilkan mampu menggambarkan tingkat kemiripan antara film yang dijadikan input dengan film yang direkomendasikan, di mana semakin tinggi nilai similarity maka semakin tinggi pula tingkat kesesuaian konten cerita antar film. Berdasarkan hal tersebut, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekomendasi film berbasis web menggunakan teknik Natural Language Processing dengan metode TF-IDF dan cosine similarity guna menghasilkan rekomendasi film yang lebih relevan berdasarkan kemiripan sinopsis.
Optimalisasi Algoritma Naive Bayes Dengan Teknik Ensemble Dalam Analisis Sentimen Twitter Pantai Kartini Jepara Muhammad Arqom Anwar; Harminto Mulyo; Teguh Tamrin
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14014

Abstract

Penelitian ini memanfaatkan Twitter untuk menganalisis opini publik tentang Pantai Kartini Jepara, dengan fokus pada optimisasi algoritma Naive Bayes dalam analisis sentimen. Penelitian ini mengidentifikasi bahwa akurasi Naive Bayes terbatas dalam menangani data besar dan kompleks. Tujuan utamanya adalah meningkatkan akurasi dan efisiensi analisis sentimen melalui optimisasi parameter dan teknik ensemble. Metode penelitian melibatkan pengumpulan data Twitter dari 2010–2023, preprocessing data, pelatihan model Naive Bayes, SVM, dan ensemble, serta evaluasi performa menggunakan akurasi, presisi, recall, dan F1-score. Model ensemble yang menggabungkan Naive Bayes dan SVM mencapai akurasi tertinggi sebesar 88,81%, meningkat dari 83,91% pada Naive Bayes dasar dan 86,01% pada SVM, menunjukkan perbaikan signifikan dalam analisis sentimen. Kombinasi algoritma Naive Bayes dengan teknik optimasi dan ensemble meningkatkan akurasi analisis sentimen. Penelitian selanjutnya disarankan untuk mengeksplorasi penerapan model ini pada data yang lebih besar atau platform media sosial lain.
Co-Authors Adi Sucipto, Adi Ahmad Rifan Akmal Farizal Ahmat Wakit Akhmad Khanif Zyen Akhmad Khanif Zyen Akhmad Khanif Zyen, Akhmad Khanif Aprilia Riyana Putri Ariyanto Ariyanto Awwaluddin, Ahmad Habib Aziza, Duwi Nur Bijanto Bijanto Cahyanti, Luluk Dina, Maula Hashina Fitriana, Vera Gun Sudiryanto Harsono, Vilanda Haydar, Muhammad Rifqi Fajrul Heru Saputro Kansania, Istianti Leksono, Bagus Bowo Lisa Falichatul Ibriza Lusi Meriyanti Maula Hashina Dina Ma’arif, Wildan Anwarul Muhammad Arqom Anwar Mulyo, Harminto Muzakki, Muhammad Alie Nugroho, Muhammad Bayu Nur Aeni Widiastuti R Hadapiningradja Kusumodestoni Ricardus Anggi Pramunendar Sarwido , Sarwido Sudiryanto, Gun Syamsul Ma’arif Wibowo, Gentur Wahyu Nyipto Yuliana, Alvi Ratna Zaenal Arifin Zaenal Arifin Zainal Abidin Zainal Abidin