Article Per Year (5 Year)
p-Index From 2020 - 2025
1.325
P-Index
This Author published in this journals
All Journal MEDIA KONSERVASI Jurnal Bisnis dan Ekonomi Economic Journal of Emerging Markets Journal of Economics, Business, & Accountancy Ventura Jurnal STIE Semarang (Edisi Elektronik) Jurnal Ilmu Manajemen dan Akuntansi Terapan JISKa (Jurnal Informatika Sunan Kalijaga) JURNAL TEKNIK NUSANTARA: Jurnal Pengabdian Kepada Masyarakat Berita Kedokteran Masyarakat Pandawa : Pusat Publikasi Hasil Pengabdian Masyarakat Barigas: Jurnal Riset Mahasiswa The Indonesian Journal of Computer Science
Tri Widodo
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : The Indonesian Journal of Computer Science

 1 
Analisis Sentimen Ulasan Penumpang Maskapai Penerbangan Indonesia Menggunakan Support Vector Machine , Naive Bayes, dan Random Forest Daryanti; Tri Widodo
The Indonesian Journal of Computer Science Vol. 13 No. 5 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i5.4452

Abstract

Maskapai penerbangan merupakan perusahaan yang menyediakan layanan penerbangan untuk penumpang dan barang. Di Indonesia, terdapat dua jenis penerbangan, yaitu Low-Cost Carrier (LCC) dan full service. Penelitian ini menganalisis sentimen terhadap maskapai penerbangan Indonesia dengan menggunakan data ulasan dari X (Twitter) dan TripAdvisor, yang terdiri dari 6.469 ulasan. Tujuan utama penelitian adalah membandingkan kinerja tiga algoritma machine learning: Support Vector Machine (SVM) dengan kernel RBF, Naive Bayes, dan Random Forest. Model dievaluasi berdasarkan metrik akurasi, presisi, recall, dan F1-Score. Hasil menunjukkan bahwa Random Forest memberikan kinerja terbaik dengan akurasi 91%, presisi 91%, recall 91%, dan F1-Score 90%. Sementara itu, SVM dengan kernel RBF mencapai akurasi 89%, dan Naive Bayes memperoleh akurasi 79%. Dengan demikian, Random Forest terbukti lebih efektif dalam analisis sentimen pengguna maskapai penerbangan di Indonesia.
Co-Authors Cipto Susilo Daryanti Herlina Eka Shinta Ina Purwantini Rahayu Irman maulana Ismail Fardiansyah Iswardono S. Permono JARWADI BUDI HERNOWO Kuswandono . Mokhammad Khukaim Barkhowa Muhamad Fauzi Fahlefi Muhammad F. Alfarisy Ni Nyoman Sri Yuliani Nopirin Nopirin Putra S, Ravenalla Abdurrahman Al-Hakim Sampurna Tiara Nirmala Zifora