Claim Missing Document
Check
Articles

Found 32 Documents
Search

ANALISIS SENTIMEN DAN RINGKASAN ULASAN APLIKASI ACCESS BY KAI MENGGUNAKAN NUSABERT DAN LLM QWEN3 Muhammad Ilham Arsyam; Pipin Widyaningsih; Nurmalitasari
Jurnal Informatika dan Rekayasa Elektronik Vol. 9 No. 1 (2026): JIRE April 2026
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v9i1.2001

Abstract

Dalam era digital saat ini, ulasan pengguna di platform aplikasi menjadi sumber informasi berharga bagi pengembang untuk meningkatkan kualitas layanan. Analisis sentimen dari ulasan tersebut memerlukan pendekatan yang efektif dan akurat, terutama dalam konteks bahasa Indonesia. Penelitian ini mengusulkan sistem analisis sentimen dan ringkasan ulasan aplikasi Access by KAI menggunakan teknologi pemrosesan bahasa alami terkini. Metodologi yang diterapkan mengikuti tahapan CRISP-DM, dimulai dari pengumpulan data ulasan melalui web scraping Google Play Store, preprocessing teks, hingga pengembangan model klasifikasi dan ringkasan. Model NusaBERT digunakan untuk analisis sentimen dengan pembagian data 70% latih, 15% validasi, dan 15% uji, sementara model Qwen3-8B dimanfaatkan untuk menghasilkan ringkasan abstraktif yang terstruktur. Sistem yang dikembangkan dibandingkan dengan pendekatan tradisional menggunakan SVM dengan ekstraksi fitur TF-IDF. Hasil evaluasi menunjukkan bahwa NusaBERT mencapai akurasi 90.8% dan F1-score 81.55%, mengungguli model SVM yang mencapai akurasi 88.8% dan F1-score 55.33%. Sistem ini berhasil mengidentifikasi pola sentimen pengguna secara akurat serta menghasilkan ringkasan yang komprehensif dalam format enam kategori utama. Antarmuka berbasis Streamlit yang dikembangkan memungkinkan visualisasi data yang intuitif melalui pie chart, bar chart, confusion matrix, dan wordcloud. Penelitian ini membuktikan efektivitas model berbasis transformer dalam memahami konteks bahasa Indonesia untuk analisis sentimen, sekaligus memberikan solusi praktis bagi pengembang aplikasi dalam memahami umpan balik pengguna secara efisien. Hasil penelitian ini dapat dimanfaatkan oleh pengembang aplikasi sebagai pendukung pengambilan keputusan berbasis data dalam meningkatkan kualitas layanan dan pengalaman pengguna.
Penerapan Algoritma Decision Tree Untuk Prediksi Tingkat Risiko Jentik Nyamuk Berdasarkan Data Pemeriksaan Posyandu Aines Nafis Husna; Nurmalitasari Nurmalitasari; Afu Ichsan Pradana
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.v8i1.2449

Abstract

Pemantauan jentik nyamuk merupakan kegiatan yang dilakukan untuk mengetahui kondisi lingkungan dan mencegah peningkatan populasi nyamuk yang berpotensi menimbulkan penyakit. Penentuan tingkat risiko wilayah berdasarkan hasil pemeriksaan jentik masih dilakukan secara manual sehingga berpotensi menimbulkan perbedaan penilaian. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat risiko jentik nyamuk menggunakan algoritma Decision Tree berdasarkan data historis pemeriksaan jentik nyamuk. Data yang digunakan merupakan hasil rekapitulasi pemeriksaan jentik nyamuk di Desa Langenharjo, Kecamatan Grogol, periode 2023-2025 sebanyak 65 data. Variabel yang digunakan meliputi jumlah rumah diperiksa, jumlah rumah terdapat jentik, jumlah kontainer diperiksa, dan jumlah kontainer terdapat jentik. Tahapan penelitian meliputi pengumpulan data, preprocessing, pelabelan tingkat risiko, pembentukan model Decision Tree, serta pengujian menggunakan pembagian data sebesar 80% sebagai data latih dan 20% sebagai data uji. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan tingkat risiko jentik nyamuk ke dalam kategori rendah, sedang, dan tinggi dengan tingkat akurasi sebesar 92%. Hasil klasifikasi tersebut kemudian diimplementasikan pada aplikasi berbasis web untuk membantu proses input data dan penyajian informasi. Berdasarkan hasil tersebut, algoritma Decision Tree dapat digunakan sebagai alat bantu dalam menentukan tingkat risiko jentik nyamuk secara lebih objektif serta mendukung pengambilan keputusan dalam kegiatan pemantauan lingkungan.