Article Per Year (5 Year)
p-Index From 2021 - 2026
3.035
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Transformasi: Jurnal Pengabdian Masyarakat Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Teknoinfo MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Informatika dan Rekayasa Elektronik Media Informatika Jurnal Pengabdian UNDIKMA Jurnal Informatika dan Teknologi Komputer ( J-ICOM) ADMA: Jurnal Pengabdian dan Pemberdayaan Masyarakat Riset, Ekonomi, Akuntansi dan Perpajakan (REKAN) Jurnal: International Journal of Engineering and Computer Science Applications (IJECSA) Seminar Ilmiah Nasional Teknologi, Sains, dan Sosial Humaniora (SINTESA) Seminar Nasional Aplikasi Iptek (SINAPTEK) SmartComp ORAHUA : Jurnal Pengabdian Kepada Masyarakat Jurnal Komputer, Informasi dan Teknologi
Ismarmiaty
Universitas Bumigora
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Nursing Public Health Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Pengukuran Tingkat Akurasi Pada Ulasan E-Commerce Menggunakan Metode INDOBERT Dengan Optimizer Adam Agung Putra; Ismarmiaty; Apriani
Jurnal Komputer, Informasi dan Teknologi Vol. 5 No. 1 (2025): Juni
Publisher : Penerbit Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53697/jkomitek.v5i1.2448

Abstract

Pesatnya perkembangan e-commerce di Indonesia telah menyebabkan meningkatnya volume ulasan pengguna, yang kini menjadi sumber informasi penting dalam memahami kepuasan dan pengalaman pelanggan. Ulasan tersebut mengandung sentimen yang dapat dimanfaatkan untuk pengambilan keputusan bisnis, khususnya melalui pendekatan analisis sentimen. Penelitian ini bertujuan untuk mengukur tingkat akurasi model IndoBERT yang dioptimasi menggunakan algoritma Adam dalam mengklasifikasikan sentimen ulasan e-commerce berbahasa Indonesia. Dataset yang digunakan berasal dari platform Kaggle, terdiri atas 11.606 ulasan yang telah melalui tahap pra-pemrosesan seperti pembersihan teks, tokenisasi, dan pelabelan. Data kemudian dibagi menjadi 80% data latih dan 20% data uji. Model yang digunakan merupakan IndoBERT pre-trained yang dioptimasi dengan konfigurasi Adam: learning rate 2e-5, batch size 16, dan 5 epoch pelatihan. Evaluasi model dilakukan dengan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 92,16%, precision 93,16%, recall 91,09%, dan F1-score 92,11%. Confusion matrix juga menunjukkan distribusi prediksi yang seimbang untuk sentimen positif dan negatif. Temuan ini membuktikan bahwa model IndoBERT yang dioptimasi dengan Adam memiliki kinerja yang sangat baik dalam tugas klasifikasi sentimen, serta berpotensi untuk diterapkan dalam sistem analisis sentimen otomatis pada platform e-commerce guna mendukung pengambilan keputusan berbasis data.
Perbandingan Model Pohon Keputusan dan Random Forest dalam Mendeteksi Sentimen Isu Pajak Pertambahan Nilai Janji Armanda Fabian; Galih Hendro Martono; Ismarmiaty Ismarmiaty
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 3 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i3.9776

Abstract

Kenaikan PPN menjadi 12% memunculkan berbagai tanggapan dari masyarakat yang diekspresikan secara luas melalui media sosial, termasuk platform media sosial paling terkenal yaitu Youtube. Fenomena ini menunjukkan bahwa opini publik di dunia maya dapat menjadi bahan kajian penting dalam memahami respon masyarakat terhadap kebijakan fiskal pemerintah. Penelitian ini bertujuan untuk mengklasifikasikan emosi masyarakat terhadap isu kenaikan PPN 12% dengan memanfaatkan komentar YouTube sebagai sumber data. Tahapan penelitian ini dimulai dari pengumpulan data dengan metode web scraping, diikuti tahap pra-pemrosesan data, penerjemahan teks ke dalam bahasa Inggris, serta pelabelan emosi menggunakan NRC Lexicon. Selanjutnya, fitur teks diekstraksi menggunakann TF-IDF untuk kemudian dianalisis dengan Random Forest dan Decision Tree. Didapatkan hasil yang menunjukkan bahwa emosi dominan yang muncul pada komentar masyarakat adalah netral, positif, dan negatif. Model Decision Tree menghasilkan akurasi 57,35% dan macro F1-Score 0,53, sementara Random Forest memperoleh akurasi lebih tinggi sebesar 65,43% dengan macro F1-Score 0,57. Berdasarkan hasil, dapat dilihat Random Forest menunjukkan performa yang lebih tinggi daripada Decision Tree untuk klasifikasi teks.
Segmentasi Performa Kamar Hotel dengan Algoritma K-Means dan Strategi Pemasaran Menggunakan Dashboard Power BI I Made Putra Sutresna Gita; Kartarina; Made Yadi Dharma; Ismarmiaty; Helna Wardhana
Media Informatika Vol 25 No 2 (2026)
Publisher : P3M STMIK LIKMI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37595/mediainfo.v25i2.537

Abstract

The tourism industry, particularly the hospitality sector in Indonesia, faces challenges in effectively managing room performance to support data-driven marketing strategies. Lomboks Hotel faces limitations in analyzing room performance because data processing is still done manually, making it less than optimal in supporting strategic decision-making. This study aims to apply the K-Means Clustering method to group room performance based on the number of guests, occupancy rate, room revenue, and occupancy level, as well as to design an interactive dashboard as a medium for visualizing the clustering results. The research methods include processing historical room data, the clustering process using K-Means Clustering, and presenting the results in the form of a visual dashboard. The results show the formation of three room performance clusters with distinct characteristics. The novelty of this study lies in the integration of data mining techniques and a visual decision support system for real-time monitoring of room performance. The conclusion indicates that this approach enhances the effectiveness of analysis and supports the formulation of more adaptive hotel marketing strategies
Co-Authors . Apriani Adam Bachtiar Adam Bachtiar Maulachela Aditya Rizky Agung Putra Ahmad Zuli Amrullah Apriani Apriani Ayu Dasriani, Ni Gusti desventri etmy Desventri Etmy Diah Supatmawati Diah Supatmiwati Dyah Supatmiwati Dyah Susilowati Galih Hendro Martono Gayatri Ramadhani Helna Wardhana Hilda Hastuti I Made Putra Sutresna Gita Janji Armanda Fabian Kartarina Kartarina, Kartarina La Dzunnafi Arridlwany Made Yadi Dharma Maria Nuzurana Asti Miftahul Madani Ni Ketut Sri Winarti, Ni Ketut Sri Ni Ketut Sriwinarti Ni Luh Putu Merawati Ni Luh Putu Merawati Putu Okta Travelian Ria Rismayati Rizal, Ahmad Ashril Sandi Justitia Putra Sandi Justitia Putra Syahroni Hidayat Uswatun Hasanah Wahyu Kamil Syarifaturrahman Wiya Suktiningsih Zainuddin