Article Per Year (5 Year)
p-Index From 2021 - 2026
6.397
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Dedikasi Jurnal Gamma TELKOMNIKA (Telecommunication Computing Electronics and Control) Bulletin of Electrical Engineering and Informatics Jurnal Inovasi Teknologi Pendidikan International Journal of Advances in Intelligent Informatics POSITIF CESS (Journal of Computer Engineering, System and Science) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Proceeding of the Electrical Engineering Computer Science and Informatics Fountain of Informatics Journal JOIV : International Journal on Informatics Visualization Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control KOMPUTIKA - Jurnal Sistem Komputer Jurnal Repositor Jurnal Informatika dan Teknologi Komputer ( J-ICOM) Makara Journal of Technology
Agus Eko Minarno
Universitas Muhammadiyah Malang
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mechanical Engineering Public Health

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Fountain of Informatics Journal

 1 
Analisis Sentimen Pada Tweet Tentang Penanganan Covid-19 Menggunakan Word Embedding Pada Algoritma Support Vector Machine Dan K-Nearest Neighbor Trifebi Shina Sabrila; Veronica Retno Sari; Agus Eko Minarno
Fountain of Informatics Journal Vol 6, No 2 (2021): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v6i2.5536

Abstract

Analisis sentimen merupakan salah satu bidang dari pengolahan data berbentuk teks untuk mengidentifikasi isi yang terkandung dalam teks pada dataset dengan membagi dataset ke dalam dua kelas yaitu sentimen positif dan sentimen negatif. Pada penelitian ini akan dilakukan analisis sentimen terhadap data yang diperoleh dari jejaring sosial Twitter mengenai penanganan Covid-19 oleh pemerintah di Indonesia yang menuai banyak pro dan kontra oleh masyarakat di Indonesia. Tujuan dari penelitian ini adalah untuk mengetahui kecenderungan masyarakat terkait topik tersebut. Metode klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) dengan ekstraksi fitur Word Embedding. Pengklasifikasian yang dilakukan dengan menggunakan algoritma Support Vector Machine (SVM) dengan menggunakan ekstraksi fitur Word Embedding yaitu Word2Vec menghasilkan akurasi sebesar 85%, presisi 86% , recall 85%, dan nilai AUC sebesar 0.92. Sementara pada algoritma K-Nearst Neighbor (KNN) dengan ekstraksi fitur yang sama, dihasilkan akurasi sebesar 76%, presisi 77%, recall 76% dan nilai AUC sebesar 0.87. Hasil perbandingan dari kedua metode menunjukkan bahwa algoritma Support Vector Machine (SVM) mendapatkan performa yang lebih baik dibandingkan algoritma K-Nearest Neighbor (KNN).
Analisis Sentimen Pada Tweet Tentang Penanganan Covid-19 Menggunakan Word Embedding Pada Algoritma Support Vector Machine Dan K-Nearest Neighbor Sabrila, Trifebi Shina; Sari, Veronica Retno; Minarno, Agus Eko
Fountain of Informatics Journal Vol. 6 No. 2 (2021): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v6i2.5536

Abstract

Analisis sentimen merupakan salah satu bidang dari pengolahan data berbentuk teks untuk mengidentifikasi isi yang terkandung dalam teks pada dataset dengan membagi dataset ke dalam dua kelas yaitu sentimen positif dan sentimen negatif. Pada penelitian ini akan dilakukan analisis sentimen terhadap data yang diperoleh dari jejaring sosial Twitter mengenai penanganan Covid-19 oleh pemerintah di Indonesia yang menuai banyak pro dan kontra oleh masyarakat di Indonesia. Tujuan dari penelitian ini adalah untuk mengetahui kecenderungan masyarakat terkait topik tersebut. Metode klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) dengan ekstraksi fitur Word Embedding. Pengklasifikasian yang dilakukan dengan menggunakan algoritma Support Vector Machine (SVM) dengan menggunakan ekstraksi fitur Word Embedding yaitu Word2Vec menghasilkan akurasi sebesar 85%, presisi 86% , recall 85%, dan nilai AUC sebesar 0.92. Sementara pada algoritma K-Nearst Neighbor (KNN) dengan ekstraksi fitur yang sama, dihasilkan akurasi sebesar 76%, presisi 77%, recall 76% dan nilai AUC sebesar 0.87. Hasil perbandingan dari kedua metode menunjukkan bahwa algoritma Support Vector Machine (SVM) mendapatkan performa yang lebih baik dibandingkan algoritma K-Nearest Neighbor (KNN).
Co-Authors Abu Abbas Mansyur Achmad Fauzi Saksenata Ahmad Annas Al Hakim Ahmad Faiz, Ahmad Ahmad Heryanto, Ahmad Akbi, Denar Regata Alfarizy, Muhammad Rifal Alfian Yuniarto Anbiya, Dhika Rizki Andhika Pranadipa Andrian Rakhmatsyah Aria Maulana Eka Mahendra Arif Bagus Nugroho Aripa, Laofin Arrie Kurniawardhani arrie kurniawardhany, arrie AULIA ARIF WARDANA Ayu Septya Maulani Bagaskara, Andhika Dwija Basuki, Setio Bayu Yudha Purnomo Bella Dwi Mardiana Chandranegara, Didih Rizki Cokro Mandiri, Mochammad Hazmi Deris Stiawan Dwi Rahayu Dyah Ayu Irianti Eko Budi Cahyono Fachry Abda El Rahman Feny Aries Tanti Firdhansyah Abubekar Fitri Bimantoro Galang Aji Mahesa Gita Indah Marthasari Hanung Adi Nugroho Haqim, Gilang Nuril Hardianto Wibowo Hariyady Hariyady Harmanto, Dani Hasanuddin, Muhammad Yusril Hazmi Cokro Mandiri, Mochammad Ibrahim, Zaidah Indah Soesanti Iqbal Fairus Zamani Irfan, Muhammad irma fitriani Izzah, Tsabita Nurul Lailis Syafa'ah Lailis Syafa’ah Linggar Bagas Saputro Lusianti, Aaliyah Mandiri, Mochammad Hazmi Cokro Moch Ilham Ramadhani Moch. Chamdani Mustaqim Muhammad Afif Muhammad Azhar Ridani Muhammad Hussein Muhammad Nafi Maula Hakim Muhammad Nasrul Tsalatsa Putra Muhammad Nuchfi Fadlurrahman Nanik Suciati Naser Jawas, Naser Nia Dwi Nurul Safitri Noor Aini Mohd Roslan Norizan Mat Diah Prabowo, Christian Ramadhani, Moch Ilham Rangga Kurnia Putra Wiratama Ratna Sari Riksa Adenia Rizalwan Ardi Ramandita Rizka Nurlizah Sabrila, Trifebi Shina Sari, Veronica Retno Sari, Zamah Sasongko Yoni Bagas Setiyo Kantomo, Ilham Sumadi, Fauzi Dwi Setiawan Suryani Rachmawati Suseno, Jody Ririt Krido Toton Dwi Antoko Trifebi Shina Sabrila Tsabitah Ayu Ulfah Nur Oktaviana Veronica Retno Sari Vizza Dwi Wahyu Andhyka Kusuma Wahyu Budi Utomo Wicaksono, Galih Wasis Wicaksono, Galih Wasis Widya Rizka Ulul Fadilah Wildan Suharso Yesicha Amilia Putri Yoga Anggi Kurniawan Yuda Munarko Yudhono Witanto Yufis Azhar Yundari, Yundari Zaidah Ibrahim Zaidah Ibrahim Zamah Sari Zamani, Iqbal Fairus