Article Per Year (5 Year)
p-Index From 2021 - 2026
11.28
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Penelitian Pendidikan Matematika dan Sains Jurnal Teknologi Informasi dan Ilmu Komputer JIEET (Journal of Information Engineering and Educational Technology) JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL INFORMATIKA PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Journal of Robotics and Control (JRC) Jurnal Abdi: Media Pengabdian Kepada Masyarakat Indonesian Journal of Electrical Engineering and Computer Science Abdimas: Papua Journal Of Community Service Insyst : Journal of Intelligent System and Computation Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Informatics and Computer Science (JINACS) Ranah Research : Journal of Multidisciplinary Research and Development Journal Serambi Engineering (JSE) Journal of Emerging Information Systems and Business Intelligence (JEISBI)
YUNI YAMASARI
Teknik Informatika, Universitas Negeri Surabaya
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities 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 Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 94 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 94 Documents
Search

 6   7   8   9   10 
Systematic Literature Review on Optical Character Recognition Methods for Text Extraction Nurcahyo, Krisna Bayu Aditya; Ricky Eka Putra; Yuni Yamasari
Jurnal Serambi Engineering Vol. 11 No. 2 (2026): April 2026
Publisher : Faculty of Engineering, Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The development of technology has driven a significant increase in the need for document digitization and automation of text-based data processing. A systematic review is needed to identify progress related to the development of OCR in text extraction. Therefore, this study presents a systematic literature review on the development and use of OCR in text extraction using the PRISMA method. The study began with an initial search of 38 studies, which were then selected based on established criteria. Seven relevant articles were successfully identified through a focused search using the keywords "Optical Character Recognition/OCR." The results of the literature review analysis show that the Convolutional Neural Network (CNN) method is the most widely used approach in the development of OCR for text extraction. In addition, the analysis results also reveal that OCR has been applied in various fields, including healthcare, public administration, government, transportation, and commercial services. This study also highlights the various benefits as well as several challenges that are still faced in the future development of OCR. These challenges include improving character recognition accuracy and handling font variations as well as image quality. Thus, the insights generated by this research contribute to the development of OCR as a more reliable and effective tool in supporting document digitization processes.
Tinjauan Literatur Tentang Event Log dan Process Mining: Implementasi, Tools, dan Algoritma Nafisah, Nurun; Yamasari, Yuni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 2: April 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.132

Abstract

Analisis event log melalui process mining telah digunakan secara luas untuk mengeksplorasi pola perilaku dalam berbagai domain, terutama pendidikan dan game. Pendekatan ini memanfaatkan alat bantu seperti Disco, ProM, dan metode berbasis machine learning untuk menggali pola perilaku, memahami proses, dan mengevaluasi hasil. Penelitian ini menggunakan metode Systematic Literature Review (SLR) dengan teknik Critical Appraisal Skills Programme (CASP) untuk memastikan kualitas dan validitas studi yang dianalisis. Dari total 48 artikel yang ditemukan, sebanyak 30 artikel lolos tahap seleksi, dan 18 artikel dinyatakan layak untuk dianalisis lebih lanjut. Dalam domain pendidikan, analisis menunjukkan perbedaan signifikan dalam pola belajar siswa, seperti perilaku kelompok dengan nilai tinggi yang cenderung konsisten dibandingkan kelompok dengan nilai rendah. Pola akses ke Learning Management System (LMS) dihubungkan dengan capaian akademik, memberikan wawasan tentang hubungan antara aktivitas belajar dan hasil pembelajaran. Di sisi lain, dalam domain game, algoritma process mining digunakan untuk mengidentifikasi kesalahan pemain, mengevaluasi jalur normatif, dan menganalisis keterkaitan antara model proses dan performa pemain. Hasilnya menunjukkan bahwa algoritma seperti Inductive Miner, Heuristic Miner, dan Fuzzy Miner memberikan fitness model tinggi (0,9–1,0) dan mampu mengekstraksi pola perilaku yang signifikan. Penggunaan tools seperti ProM dan Disco memungkinkan visualisasi model proses yang intuitif, sementara algoritma berbasis machine learning seperti XGBoost memberikan akurasi tinggi dalam memprediksi hasil berdasarkan data event log. Secara keseluruhan, hasil studi menegaskan bahwa process mining berperan penting dalam mengungkap pola perilaku kompleks serta mendukung peningkatan efektivitas pembelajaran dan evaluasi performa pengguna di berbagai domain.   Abstract Event log analysis through process mining has been widely used to explore behavioural patterns in various domains, particularly education and gaming. This approach utilizes Disco, ProM, and machine learning to examine behavioural patterns, understand processes, and evaluate results. This study employed a Systematic Literature Review (SLR) with the Critical Appraisal Skills Programme (CASP) technique to ensure the quality and validity of the analyzed studies. Of the 48 articles found, 30 passed the selection stage, and 18 were deemed suitable for further analysis. In the education domain, the analysis revealed significant differences in student learning patterns, such as the behaviour of high-scoring groups tending to be more consistent than that of low-scoring groups. Access patterns to Learning Management Systems (LMS) were linked to academic achievement, providing insight into the relationship between learning activities and learning outcomes. Process mining algorithms were used in the gaming domain to identify player errors, evaluate normative pathways, and analyze the relationship between process models and player performance. The results show that algorithms such as Inductive Miner, Heuristic Miner, and Fuzzy Miner provide high model fitness (0.9–1.0) and can extract significant behavioural patterns. Tools such as ProM and Disco allow for intuitive visualization of process models. In contrast, machine learning-based algorithms such as XGBoost provide high accuracy in predicting outcomes based on event log data. The study results confirm that process mining is crucial in uncovering complex behavioural patterns and supporting improved learning effectiveness and user performance evaluation across various domains.  
Pengembangan Edugame Berbasis Virtual Reality Untuk Menumbuhkan Kesadaran Lingkungan Pada Siswa Sekolah Dasar Sulaiman Amrozi Jailani; Yuni Yamasari
JURNAL INFORMATIKA Vol 15, No 1 (2026): Jurnal Informatika
Publisher : Informatics Engineering Department, Dayanu Ikhsanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55340/jiu.v15i1.2707

Abstract

Pendidikan pengelolaan sampah di sekolah dasar memerlukan media yang tidak hanya menyampaikan konsep, tetapi juga melatih tindakan pemilahan sampah secara langsung. Penelitian ini bertujuan mengembangkan dan mengevaluasi ECO-SCHOOL VR, edugame berbasis virtual reality untuk mendukung pengetahuan, kebiasaan, dan perilaku pengelolaan sampah siswa sekolah dasar. Penelitian menggunakan metode Research and Development dengan model ADDIE. Aplikasi dikembangkan menggunakan Unreal Engine 5 dan diimplementasikan pada Oculus Meta Quest 2. Evaluasi melibatkan 75 siswa kelas IV–VI SDN Mulyoagung, Bojonegoro, melalui pengujian black-box, validasi ahli media, pre-test, post-test, kuesioner kebiasaan, observasi lingkungan sekolah, wawancara, uji reliabilitas, analisis N-Gain, Wilcoxon Signed-Rank Test, effect size, dan Technology Acceptance Model. Hasil black-box menunjukkan seluruh fitur inti berjalan sesuai spesifikasi. Validasi ahli media memperoleh rata-rata 89,5 dengan kategori sangat layak. Seluruh instrumen reliabel dengan Cronbach’s Alpha 0,82–0,91. Pengetahuan sampah meningkat dari 44% menjadi 84%, kebiasaan pengelolaan sampah dari 69,3% menjadi 87%, dan kebiasaan membuang sampah dari 9,3% menjadi 95%, dengan N-Gain 0,71; 0,58; dan 0,94. Uji Wilcoxon menunjukkan p-value 0,000 dengan effect size 0,48–0,61. PEOU sebesar 91% dan PU sebesar 95% menunjukkan penerimaan pengguna sangat baik. Namun, karena desain penelitian menggunakan one-group pretest-posttest tanpa kelompok kontrol, hasil ini ditafsirkan sebagai bukti awal peningkatan, bukan bukti kausal mutlak.
Klasifikasi Level Retinopati Diabetik Menggunakan Metode Hybrid Vision Transformer dan EfficientNet Meakhel Gunawan; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Retinopati diabetik merupakan komplikasi diabetes melitus yang menjadi salah satu penyebab utama kebutaan di dunia, termasuk di Indonesia. Oleh sebab itu, deteksi dan klasifikasi tingkat keparahan secara dini berbasis citra fundus retina menjadi krusial untuk mendukung penanganan klinis yang tepat. Vision Transformer yang memiliki keunggulan dalam menangkap konteks global citra, dan EfficientNet yang unggul dalam mengekstraksi fitur lokal, memiliki peluang untuk dikombinasikan secara optimal dalam klasifikasi level retinopati diabetik. Menggunakan Dataset APTOS 2019 Blindness Detection dengan tahapan preprocessing berupa cropping, resize, CLAHE, dan normalisasi, serta augmentasi data untuk mengatasi ketidakseimbangan kelas, model MobileViT-XS yang dikombinasikandengan EfficientNet-B0 hingga EfficientNet-B4 diuji dan dievaluasi menggunakan metrik efektivitas serta metrik efisiensi komputasi. Hasil penelitian menunjukkan bahwa hybrid MobileViT-XS dan EfficientNet-B1 dengan resize 512×512 piksel memberikan kinerja paling optimal, dengan akurasi validasi sebesar 91,80% dan akurasi pengujian sebesar 93,24%, serta efisiensi komputasi yang seimbang dengan waktu pelatihan 101 menit 59.44 detik, FLOPs sekitar 6,80G, dan ukuran model 37,95 MB. Penelitian ini menyimpulkan bahwa pendekatan metode hybrid mampu menghasilkan model yang efektif dan efisien untuk mendukung sistem deteksi dini retinopati diabetik berbasis kecerdasan buatan. Kata Kunci—retinopati diabetik, vision transformer, EfficientNet, hybrid model, klasifikasi citra, deep learning
Analisis Kinerja Retrieval Augmented Generation (RAG) Klasik Dalam Chatbot Akademik berbasis Multimodal Kartika Wulandari; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Akses informasi akademik di Universitas Negeri Surabaya (UNESA) melalui website panduan saat ini dinilai belum optimal karena kurangnya interaktivitas, sehingga mahasiswa seringkali harus menghubungi pihak administrasi secara langsung. Penelitian ini bertujuan untuk melakukan evaluasi kinerja Retrieval-Augmented Generation (RAG), yaitu RAG Klasik guna menguji kinerja sistem dalam menghasilkan respon yang relevan, akurat, dan kontekstual pada chatbot akademik. Lingkup penelitian ini difokuskan pada pengujian evaluasi kinerja dan efisiensi metode tersebut dalam mengolah data multimodal yang bersumber dari portal SSO UNESA, mencakup format teks, gambar, dan dokumen PDF. Metodologi yang digunakan meliputi tahap pengumpulan data, ekstraksi teks menggunakan Optical Character Recognition (OCR), preprocessing, serta penerapan dua strategi pelabelan, yakni manual dan otomatis. Penelitian ini menganalisis kinerja RAG Klasik yang menggunakan algoritma BM25 dalam mengolah data multimodal. RAG Klasik diimplementasikan menggunakan algoritma BM25 berbasis kata kunci. Evaluasi dilakukan secara sistematis menggunakan metrik efektivitas (Precision, Recall, F1-Score, Exact Match, dan Cosine Similarity) serta metrik efisiensi (waktu respons). Hasil penelitian menunjukkan bahwa RAG Klasik memiliki efisiensi luar biasa dengan waktu respon rata-rata dibawah 0,01 detik. Namun, dari sisi kinerja, metode ini sangat bergantung pada kualitas pelabelan, di mana skenario label otomatis mencapai F1-Score 0.52 dan Csoine Similarity 0.51, mengungguli scenario label manual. Penelitian menyimpulkan bahwa RAG Klasik sangat ideal untuk informasi procedural yang membutuhkan respon instan meskipun memiliki keterbatsan dalam pemahaman semantic yang mendalam.   Kata Kunci— Retrieval Augmented Generation (RAG), RAG Klasik, BM25, Multimodal, UNESA.
Analisis Persepsi Pengguna Berdasarkan Nielsen's Attributes of Usability dan Karakteristik Perhatian Visual Menggunakan Eye Tracking pada Website SSO UNESA Ikko Cahya Awinata; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Website Single Sign-On (SSO) Universitas Negeri Surabaya (UNESA) merupakan gerbang utama akses berbagai layanan akademik sehingga kualitas usability dan efisiensi navigasi visual menjadi faktor penting dalam mendukung pengalaman pengguna. Penelitian ini bertujuan untuk menganalisis persepsi pengguna berdasarkan Nielsen's Attributes of Usability (NAU) serta mendeskripsikan karakteristik perhatian visual pengguna melalui visualisasi heatmap dan gazeplot. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan metode task-based testing yang melibatkan 23 mahasiswa aktif Jurusan Teknik Informatika UNESA. Pengumpulan data dilakukan melalui kuesioner NAU yang mencakup aspek learnability, efficiency, memorability, errors, dan satisfaction, serta pengujian eye tracking berbasis platform RealEye.io. Hasil penelitian menunjukkan bahwa aspek memorability memperoleh skor tertinggi dengan grand mean 4,10 dalam kategori Setuju, mengindikasikan struktur navigasi dan letak menu relatif mudah diingat. Aspek learnability dan errors masing-masing memperoleh skor 3,83 dalam kategori Setuju, sedangkan aspek satisfaction memperoleh skor 3,54 dalam kategori Setuju. Aspek efficiency memperoleh skor terendah sebesar 3,41 dalam kategori Netral, menunjukkan bahwa pengguna belum sepenuhnya merasakan efisiensi navigasi secara konsisten. Analisis heatmap mengungkap dua kecenderungan utama, yaitu fokus pada area konten utama (blok menu) dan fokus pada area navigasi atas (header). Analisis gazeplot menunjukkan variasi alur pandangan dari pola terstruktur hingga tidak teratur yang mengindikasikan kebingungan dalam pencarian informasi. Penelitian ini menyimpulkan bahwa website SSO UNESA memiliki tingkat kemudahan diingat yang baik, namun masih memerlukan perbaikan pada efisiensi navigasi visual dan konsistensi desain antarmuka.   Kata Kunci— Usability, Nielsen's Attributes of Usability, Eye Tracking, Heatmap, Gazeplot, SSO UNESA
Implementasi Model EfficientNetB0 Berbasis Deep learning untuk Klasifikasi Penyakit Mata pada Citra Fundus Esa Maidatussohiba; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Gangguan penglihatan merupakan permasalahan kesehatan global yang terus meningkat dan sering kali disebabkan oleh penyakit mata seperti katarak, glaukoma, dan retinopati diabetik. Keterbatasan tenaga medis serta fasilitas diagnostik menyebabkan banyak kasus penyakit mata terdeteksi pada tahap lanjut. Oleh karena itu, pemanfaatan kecerdasan buatan berbasis citra fundus retina menjadi salah satu pendekatan yang potensial untuk mendukung deteksi dini penyakit mata secara otomatis. Penelitian ini mengimplementasikan model deep learning berbasis Convolutional Neural Network (CNN) menggunakan arsitektur EfficientNetB0 untuk melakukan klasifikasi penyakit mata pada citra fundus retina. Dataset yang digunakan adalah Eye Disease Dataset dari Kaggle yang terdiri dari empat kelas, yaitu katarak, retinopati diabetik, glaukoma, dan normal. Penelitian ini mengevaluasi pengaruh rasio pembagian dataset terhadap performa model dengan tiga skenario pembagian data pelatihan dan validasi, yaitu 95%:5%, 90%:10%, dan 85%:15%. Tahapan penelitian meliputi preprocessing citra, penerapan data augmentation, serta optimasi pipeline data menggunakan caching, prefetching, dan shuffle. Evaluasi model dilakukan menggunakan metrik accuracy, F1-Score, precision, recall, dan waktu komputasi. Hasil eksperimen menunjukkan bahwa rasio pembagian dataset 95%:5% memberikan performa terbaik dengan akurasi 96,19% dan waktu pelatihan 8 menit 27 detik. Hasil penelitian menunjukkan bahwa arsitektur EfficientNetB0 mampu mengekstraksi fitur citra fundus secara efektif dan efisien serta memberikan performa klasifikasi yang baik terutama pada pembagian data dengan jumlah data training lebih besar. Kata Kunci— klasifikasi penyakit mata, citra fundus retina, deep learning, EfficientNetB0, convolutional neural network.
Penerapan Algoritma Fuzzy C-Means untuk Mendeteksi Emosi Berbasis Fitur Mata Inez Hafizhah Febrina; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Emosi mengkomunikasikan dan membangkitkan perilaku manusia, oleh karena itu analisis emosi sangat diperlukan untuk memahami kondisi afektif secara objektif. Salah satu cara potensial untuk melakukannya adalah melalui analisis biometrik mata karena Fitur mata dapat digunakan untuk merepresentasikan perubahan emosional sebagai data numerik. Pendekatan pembelajaran tanpa pengawasan dari pengelompokan untuk deteksi emosi berdasarkan fitur Mata digunakan untuk membandingkan algoritma Fuzzy C-Means (FCM) dalam penelitian ini. Untuk yang pertama, kumpulan Data dikumpulkan dari 27 partisipan dengan jumlah 72.632 frame termasuk FrameNo, A_p2p6_L/R, B_p3p5_L/R, C_p1p4_L/R, ear_L/R, dan avg_ear dalam format numerik yang mewakili fitur biometrik mata. Penelitian ini memiliki tahapan sebagai berikut: Penggabungan kumpulan data, perhitungan dimensi valence dan arousal, normalisasi data, penggabungan pengelompokan FCM untuk proses masuk dengan jarak euclidean invers FCM dari emosi tertentu dengan probabilitas yang sama untuk setiap label cluster untuk menemukan pusatnya; kemudian menerapkan kriteria pemungutan suara mayoritas dengan menggunakan emosi dominan dari partisipan sebelumnya yang terdapat pada label berbeda dalam kelompok. Hasilnya menunjukkan Skor Silhouette sebesar 0,3936 yang diberikan oleh FCM; oleh karena itu, menunjukkan bahwa Fuzzy C-Means memiliki kualitas yang lebih baik pada pemisahan cluster dalam mengatur pola emosi berdasarkan fitur Mata.   Kata Kunci— Fuzzy C-Means, fitur mata, valence-arousal, emosi
Penerapan Arsitektur MobileNetV2 Berbasis Replikasi Channel untuk Klasifikasi Citra Grayscale Miranda Dwi Diana; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 03 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Kecelakaan lalu lintas masih menjadi permasalahan serius yang berdampak pada tingginya angka cedera dan kematian, di mana salah satu penyebab utamanya adalah kondisi mengantuk yang menurunkan tingkat konsentrasi pengemudi. Oleh karena itu, diperlukan suatu sistem deteksi mata tertutup dan terbuka yang akurat dan efisien. Pendekatan berbasis citra mata menjadi solusi yang potensial karena mampu mengidentifikasi kondisi mata terbuka dan tertutup secara otomatis menggunakan metode pengolahan citra dan deep learning. Penggunaan citra grayscale dinilai lebih efisien dari segi komputasi, namun memiliki keterbatasan karena tidak sesuai dengan arsitektur model pre-trained yang umumnya memerlukan input tiga channel. Penelitian ini bertujuan untuk menerapkan arsitektur MobileNetV2 berbasis replikasi channel dalam klasifikasi citra grayscale untuk deteksi mata tertutup dan terbuka. Teknik replikasi channel dilakukan dengan menggandakan citra grayscale menjadi tiga channel agar kompatibel dengan arsitektur MobileNetV2. Model dikembangkan menggunakan pendekatan transfer learning untuk meningkatkan kemampuan ekstraksi fitur dan performa klasifikasi. Hasil pengujian menunjukkan bahwa model MobileNetV2 dengan teknik replikasi channel mampu mencapai akurasi sebesar 99,92% dalam mengklasifikasikan kondisi mata terbuka dan tertutup. Hal ini menunjukkan bahwa metode yang diusulkan efektif dalam meningkatkan kompatibilitas citra grayscale dengan model deep learning pre-trained serta mampu menghasilkan performa klasifikasi yang tinggi. Kata Kunci—deteksi kelelahan, MobileNetV2, replikasi channel, citra grayscale, transfer learning.
Eksplorasi Random Forest Berbasis Ekstraksi Fitur dan Metode Sampling untuk Analisis Data Multi-label Sentimen dan Emosi Rebecca Jasmine Surya; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol. 7 No. 04 (2026)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Penggunaan aplikasi mobile dalam bidang teknologi telah memberikan wadah bagi penggunanya dalam mengekspresikan emosi dan opini melalui ulasan pengguna. Klasifikasi emosi pada ulasan pengguna dapat membantu dalam memahami tingkat kepuasan pengguna. Namun, proses klasifikasi emosi masih mengalami permasalahan khususnya dalam menghadapi ketidakseimbangan data. Penelitian ini mengusulkan model klasifikasi emosi menggunakan Random Forest pada dataset ulasan di Google Play Store yang melalui tahapan pre-processing, ekstraksi fitur menggunakan TF-IDF, penerapan metode sampling berupa SMOTE, Tomek-Links, dan SMOTE-Tomek dalam permasalahan ketidakseimbangan data, serta pemanfaatan hyperparameter tuning menggunakan Particle Swarm Optimization (PSO). Model klasifikasi tersebut menunjukkan bahwa penggunaan algoritma Random Forest dengan metode sampling SMOTE pada pembagian data dengan rasio 95:5 mampu menghasilkan kombinasi dengan kinerja paling optimal dengan nilai accuracy dan recall masing-masing sebesar 85,24%, precision 85,32% dan nilai F1-score sebesar 85,20%. Secara keseluruhan, penggunaan Random Forest melalui ekstraksi fitur dan metode sampling serta optimasi hyperparameter mampu memberikan hasil model klasifikasi emosi yang lebih efektif dan efisien dalam menangani data yang tidak seimbang.   Kata Kunci— Random Forest, TF-IDF, Metode Sampling, Particle Swarm Optimization, Klasifikasi Emosi.
Co-Authors Aditya Prapanca Agnes, Rifa Zaini Agus Prihanto Agus Prihanto Agustin Tjahyaningtijas, Hapsari Peni Alhakiim, Thomi Aditya Alifian Erga Iswardhana Alpiana, Intan Ammar, Muhammad Zhafran Amrina Rosyada Andi Iwan Nurhidayat Anggraini, Lusiana Anindha Arsya Dhaniswara Anita Qoiriah Anita Qoiriah ANITA QOIRIAH Anjani, Ayu Annisa Nur Hidayati ARI KURNIAWAN Arya Tandy Hermawan Asma Johan Asmunin Asmunin Atik Wintarti Atik Wintarti Audzad Dzulhijzah Aviana, Anisah Nurul Azalia, Virna Hari Nur Chindy Ayudia Sri Fastaf Derri Nuril Wardana Eka Putra, Ricky Ervin Yohannes Esa Maidatussohiba Esther Irawati Setiawan Esti, Esti Yogiyanti Fani Fadillah Hermawan Farid Baskoro Fatimah Nur Alifiah Febry San Pratama Fellia Nurlailatul Rochmah Firdaus Bagus Wicaksono Firdaus, Mohamad Adi Putra Hani Nafisah Amaliya Hapsari Peni Agustin Tjahyaningtijas Harahap, Satria Baladewa Herlangga Fitdia Saputra I Made Suartana Ika Putri Arisanti Ikko Cahya Awinata Inez Hafizhah Febrina Iqbaal Januar Eka Firmansyah Ismail Johanes, Sugiharto Kartika Wulandari Khahar, Abdul Khoiru Miftakhul Falah Khusna, Asmaul M Dzikri Hisyam Ilyasa M. Aziz Rizaldi Mas Arya Bhisma Rangga Douval Saputra Mauridhi H. Purnomo Meakhel Gunawan Mediana, Prissely Pravasstifany Miranda Dwi Diana Moh. Novil Ma'arij Mohammad Hasan Machfoed Muhamad Alfin Ardiansyah Muhamad Azis Thohari Muhamad Khafidhun Alim Muslim Muhammad Habil Habibi Muhammad Rifki Agustian Muhammad Zakia Avlach Mutiara Nur Zarima Zarima Muttaqin, Aziz Fiqri Nafisah, Nurun Naim Rahmawati Naim Rochmawati Naim Rochmawati Nanda Ade Handaya Nesya Amelinda Nugroho, Supeno M. S. Nurcahyo, Krisna Bayu Aditya Oktafia Widya Santoso Pradangga, Aryo Praptama, Ervan Putri Alvina Putri, Rezky Arisanti Raden Mohamad Herdian Bhakti Rafli Aditya Pramana Raharko, Natasha Isnaeni Rahayu, Siskawati Rahmawati, Naim Rahulil, Muhammad Ramadhan, Dani Rebecca Jasmine Surya Ricky Eka Putra Rina Harimurti Rochmawati, Naim S., Rahma Aziz Sadewa, Bagas Ahmad Salahuddin, Muhammad Rico Saputra, Ivan Rangga Shahputri, Vira Arum Solihin, Aziz Suartana, I Made Sukrisna Sulaiman Amrozi Jailani Surya, Arum Ayu Suyatno, Dwi F. Syarif Hidayatulloh Tazki Yatun Niyah Tohari Ahmad Wardana, Prima Lukito Widi Aribowo Wiyli Yustanti Wiyli Yustanti Wiyli Yustanti Yoyok Prastyo, Yoyok