Article Per Year (5 Year)
p-Index From 2020 - 2025
2.66
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal S2 Pendidikan Matematika Prosiding SNATIF JURNAL MANAJEMEN (EDISI ELEKTRONIK) Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat TIN: TERAPAN INFORMATIKA NUSANTARA Infotech: Journal of Technology Information International Journal of Community Service Simpatik: Jurnal sistem Informasi dan Informatika Buletin Sistem Informasi dan Teknologi Islam Journal of Management and Digital Business Duta Abdimas: Jurnal Pengabdian Masyarakat Innovative: Journal Of Social Science Research SmartComp CSRID Jurnal Sosialita: Jurnal Kajian Sosial dan Pendidikan
Nurmalitasari Nurmalitasari
Prodi Magister Pendidikan Matematika Program Pascasarjana UNS
Religion Aerospace Engineering Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : SmartComp

 1 
Analisis Sentimen Pengguna Aplikasi Udemy dengan Menggunakan Metode Naïve Bayes Susanto, Joko; Hartanti, Dwi; Nurmalitasari, Nurmalitasari
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 4 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i4.6884

Abstract

Berkembangnya pembelajaran online telah memungkinkan lebih banyak orang untuk belajar dalam berbagai bidang tanpa batasan waktu atau tempat. Banyak pengguna memilih Udemy, sebuah platform yang menawarkan berbagai kursus online dalam berbagai bidang seperti bahasa asing, teknologi, desain, dan bisnis. Penelitian memeiliki tujuan untuk menerapkan algoritma Naive Bayes dalam sistem analisis sentimen pada komentar pengguna yang terkait dengan aplikasi Udemy untuk menilai apakah pengalaman belajar di Udemy memenuhi harapan pengguna atau tidak. Pemilihan algoritma Naive Bayes karena mudah digunakan dan efisien, serta dapat menghasilkan hasil yang baik pada dataset yang kecil. Proses analisis ini melibatkan pengumpulan data komentar pengguna, pra-pemrosesan teks untuk membersihkan dan menormalkan data, dan kemudian menerapkan algoritma Naive Bayes serta mengelompokan komentar menjadi positif, negatif, atau netral. Diharapkan analisis ini akan meningkatkan pemahaman tentang bagaimana pengguna menilai dan merespons kursus online pada aplikasi Udemy. Studi ini juga dapat membantu pengembang platform pendidikan lainnya mengoptimalkan layanan mereka berdasarkan umpan balik pengguna. Studi ini mengklasifikasikan sentimen menjadi tiga jenis: positif, netral, dan negatif, dan tingkat akurasi keseluruhan yang diperoleh adalah 75.61% untuk train-test split 10%, 71.78% untuk train-test split 20%, dan 70.49% untuk train-test split 30%.
Analisis Sentimen Aplikasi Tiktok Tokopedia Seller Center dengan Pendekatan Machine Learning: SVM, CNN, Naive Setiawati, Neha Poetri; Nurmalitasari, Nurmalitasari; Atina, Vihi
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7189

Abstract

Tiktok Tokopedia Seller Center merupakan aplikasi yang diperuntukan untuk para pelaku usaha atau para penjual mengenai pengelolaan dan meningkatkan penjualan mereka pada platform Tiktok (Tiktok shop). Penelitian ini memiliki tujuan untuk melakukan analisis sentimen negatif dan positif dari pengguna mengenai fitur dan kinerja dari aplikasi Tiktok Tokopedia Seller Center dengan menggunakan 3 algoritma Machine Learning, diantaranya SVM, CNN, Naive Bayes. Dikarenakan algoritma ketiga tersebut dinilai efektif dalam menangani kasus analisis sentimen. Data untuk penelitian ini diperoleh dari ulasan aplikasi Tiktok Tokopedia Seller Celler center yag terdapat di Google Play Store. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja dan kinerja yang lebih unggul dibandingkan CNN, dan Naive Bayes, karena SVM memperoleh akurasi akhir sebesar 0.90 , disusul CNN dengan akurasi sebesar 0.88 dan Naive Bayes dengan akurasi sebesar 0.84 . Dari penelitian ini dapat memberikan gambaran atau wawasan bagi pengembang aplikasi Tiktok Tokopedia Seller Center dalam melakukan perbaikan dan meningkatkan kualitas pelayanan .
Analisis Sentimen Ulasan Pengguna pada Aplikasi SIREKAP 2024 Menggunakan Machine Learning Hidayat, Taufik; Nurchim, Nurchim; Nurmalitasari, Nurmalitasari
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7021

Abstract

Aplikasi Sirekap 2024 adalah sebuah aplikasi baru yang digunakan untuk mencatat dan melaporkan kegiatan dan hasil pemungutan suara pada Pemilihan Umum di Indonesia tahun 2024. Terdapat berbagai pandangan pro dan kontra terkait penggunaan aplikasi ini, sehingga aplikasi ini dipilih sebagai objek penelitian. Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna ke dalam kategori sentimen positif, negatif, dan netral menggunakan tiga algoritma pembelajaran mesin yang berbeda, serta membandingkan dan menentukan algoritma terbaik. Tiga algoritma yang digunakan dalam penelitian ini adalah Naive Bayes, K-Nearest Neighbors (KNN), dan Support Vector Machine (SVM). Metode penelitian mencakup tahap pengumpulan data ulasan, preprocessing data, evaluasi hasil, dan penentuan dan perbandingan metode terbaik. Berdasarkan nilai akurasi, hasilnya adalah Naive Bayes (83%), K-Nearest Neighbors (56%), dan Support Vector Machine (84%). Support Vector Machine (SVM) terbukti menjadi algoritma terbaik dalam analisis ulasan pengguna aplikasi Sirekap 2024 karena memiliki nilai akurasi tertinggi yaitu (84%).
Co-Authors Adenta Sari, Nur Avia Al Mustofa, Muhammad Hafizh Alliya, Sania Qorrii Atina, Vihi Awang Long, Zalizah Dwi Hartanti Eko Purwanto Hasanah, Herliyani Imam Sujadi JOKO SUSANTO Miftakhul Jannah, Ulfarida Nugroho Arif Sudibyo Nugroho, Mohammad Yusuf Nurchim Nurchim Permatasari, Hanifah Pipin Widyaningsih Rifki Hidayat Sajad, Abdullah Sari, Nur Avia Adenta Setiawati, Neha Poetri Singgih Purnomo Syawaludin, M Ainur Taufik Hidayat Tri Atmojo Kusmayadi Tri Wulandari, Rahmawati Desi Utami, Maulinda Devi