Article Per Year (5 Year)
p-Index From 2021 - 2026
3.023
P-Index
This Author published in this journals
All Journal Tech-E INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Ainet : Jurnal Informatika Madaniya Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Teknologi dan Sistem Informasi Journal of Engineering and Information Technology for Community Service Jurnal Ilmiah Mahasiswa Sistem Informasi dan Komputer Akuntansi (JIMASIKA) Jurnal Media Celebes CHAIN: Journal of Computer Technology, Computer Engineering and Informatics
Parjito Parjito
Fakultas Teknik Dan Ilmu Komputer, Universitas Teknokrat Indonesia
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

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

Found 22 Documents
Search

 1   2   3 
Word Stemming of Lampung Dialect Nyo using N-Gram Stemming Parjito Parjito; Zaenal Abidin; Akmal Junaidi; Wamiliana Wamiliana; Favorisen R. Lumbanraja; Farida Ariyani
INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Vol 10 No 1 (2026)
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/intensif.v10i1.25364

Abstract

Background: Previous translation systems for the Lampung dialect of nyo to Indonesian achieved bilingual evaluation understudy (BLEU) scores below 40%, primarily due to challenges in processing affixed words. Objective: This research aims to perform stemming on affixed words in the Lampung dialect of nyo to enhance the performance of the translation system. Methods: We developed an n-gram stemming approach that reduces affixed words to their base forms by measuring similarity between n-grams using the Dice coefficient method. When similarity exceeds a specified threshold, the system identifies the corresponding base word. Results: Using a dataset of 700 words from the Lampung dialect of nyo, we constructed a comprehensive stemmer covering all affix variations. The optimal threshold was determined to be 0.5, achieving bigram accuracy of 93.86% and trigram accuracy of 89.14%. These accuracy levels demonstrate the method's effectiveness in identifying base word forms, which directly impacts translation quality improvement. Conclusion: N-gram stemming with a 0.5 threshold effectively processes the Lampung dialect of nyo morphology and shows potential for enhancing translation accuracy. This work represents the first comprehensive stemming system specifically designed for the Lampung dialect of nyo, contributing to the development of natural language processing tools for underrepresented regional languages in Indonesia. 
ANALISIS SENTIMEN TWITTER TERHADAP KONFLIK DI PAPUA MENGGUNAKAN PERBANDINGAN NAIVE BAYES DAN SVM M Rafli Saputra; Parjito Parjito
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6180

Abstract

Konflik di Papua merupakan isu yang kompleks dan telah berlangsung selama beberapa dekade, melibatkan berbagai faktor seperti politik, ekonomi, sosial, dan budaya. Ketegangan antara pemerintah Indonesia dan kelompok separatis Papua sering kali memicu konflik bersenjata, pelanggaran hak asasi manusia, dan ketidakstabilan regional. Konflik ini juga menarik perhatian berbagai pihak, termasuk masyarakat internasional dan pengguna media sosial, khususnya di platform Twitter.Data yang dikumpulkan dari Twitter menggunakan kata kunci terkait konflik Papua. Proses analisis meliputi tahap pengumpulan data, pra-pemrosesan teks, dan pelabelan sentimen (positif, negatif, netral). Penelitian ini menggunakan 5723 data yang diperoleh melalui teknik web scraping terkait topik tersebut. Tujuan penelitian ini adalah membandingkan performa dua algoritma klasifikasi yang populer dalam analisis sentimen, yaitu Naïve Bayes dan Support Vector Machine (SVM). Sebelum perbandingan dilakukan, optimasi SMOTE (Synthetic Minority Over-sampling Technique) digunakan untuk menyeimbangkan jumlah data minoritas dan mayoritas, sehingga kedua algoritma dapat belajar secara lebih efektif dari setiap kelas sentimen. Hasil perbandingan menunjukkan bahwa algoritma Naïve Bayes memiliki akurasi sebesar 95%, sedangkan SVM mencapai akurasi 99%, dengan presisi 99%, recall 98%, dan F1-Score 99%. Evaluasi performa dilakukan dengan menganalisis confusion matrix dari setiap algoritma. Kesimpulannya, SVM dapat menjadi pilihan yang lebih baik untuk analisis sentimen mengenai konflik Papua. Penelitian ini memberikan kontribusi penting dalam memahami opini masyarakat terkait konflik di Papua.
Co-Authors . Wamiliana Achmad Yudi Wahyudin Ade Dwi Putra Adinda Novindia Adityawarman Afrianto Afrianto Agus Wantoro Akmal Junaidi Desi Ratna Sari Dyah Ayu Megawaty E Ngestirosa Endang Woro Kasih Erwanto Erwanto Faisal Juliyanto Farida Ariyani Fikih Yuhada Sena Fikri Hamidy Hendar Juliyanto Heni Ayu Septilia I Putu Hari Saftana Ibnu Wijayanto Ihwan Hamid Huzain Ikbal Yasin Isidorus Richardius Kuncoro Lumbanraja, Favorisen R M Ghufroni An'ars M Rafli Saputra M. Ghufroni AnArs Mahardika Inra Takaendengan Muhammad Alba Nur Fadli Utomo Nuralia Nuralia Oktavia Rahmawati Pasha, Donaya Permata Permata Priandika, Adhie Thyo Redi Ari Saputra Reksha Ramdanni Azahra Reza Adhi Nugroho Rizki Yuliandra Rohima Julyana Sahat P. Prantinus Kaban Samuel Hutagalung Saniati, Saniati Setiawansyah Setiawansyah Styawati Styawati Ulum, Faruk Yunita Yunita Yuri Rahmanto Zaenal Abidin Zakki Pribadi