Article Per Year (5 Year)
p-Index From 2021 - 2026
2.177
P-Index
This Author published in this journals
All Journal Infotech Journal Jurnal Teknik Komputer AMIK BSI DE'RECHTSSTAAT Jurnal Informatika Kaputama (JIK) Jurnal Ilmu Komputer Jurnal Komputer Antartika Journal of Innovative and Creativity
RIZA FAHLAPI
Bina Sarana Informatika University
Computer Science & IT Control & Systems Engineering Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Infotech Journal

 1 
PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK SENTIMEN ULASAN APLIKASI JOBSTREET Fadhil Marzuqi; Yerico Purba; Thalut Syaputra; Waeisul Bismi; Ika Kurniawati; Riza Fahlapi
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16609

Abstract

ABSTRAK Analisis sentiment digunakan untuk mengidentifikasi opini pengguna terhadap aplikasi digital berdasarkan teks ulasan. JobStreet sebagai platform rekrutmen yang populer memiliki ribuan ulasan pada Google Play Store, sehingga sesuai untuk dianalisis menggunakan pendekatan machine learning. Penelitian ini membandingkan empat algoritma—Naïve Bayes, Support Vector Machine (SVM), Logistic Regression, dan Random Forest—untuk menentukan model terbaik dalam klasifikasi sentimen ulasan JobStreet. Sebanyak 5.000 ulasan dikumpulkan menggunakan google-play-scraper, kemudian diproses melalui preprocessing yang meliputi casefolding, tokenizing, stopword removal, normalisasi, dan stemming. Setelah pembersihan, 3.846 ulasan valid direpresentasikan menggunakan TF-IDF. Evaluasi dilakukan dengan skema train-test split 80:20 dan 5-Fold Cross Validation. Hasil menunjukan bahwa Naïve Bayes memperoleh akurasi tertinggi 85.19%, diikuti Logistic Regression 84.42%, Random Forest 82.60%, dan SVM 81.69%. hasil dalam memproses teks pendek. Penelitian ini memberikan Gambaran komprehensif mengenai model terbaik untuk menganalisis sentimen aplikasi rekrutmen digital berbasis ulasan pengguna.
PENERAPAN MACHINE LEARNING UNTUK ANALISIS SENTIMEN PROGRAM MBG PADA PLATFORM X DAN YOUTUBE Putra Muamar Kadafi; Hildan Zafa Riyadi; Raka Satria Gumilang Raya; Ika Kurniawati; Waeisul Bismi; Riza Fahlapi
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.17472

Abstract

Program Makan Bergizi Gratis (MBG) merupakan kebijakan nasional yang bertujuan meningkatkan kualitas gizi anak sekolah dan menekan angka stunting. Implementasi program ini menimbulkan beragam respons di media sosial yang mencerminkan persepsi publik terhadap efektivitas kebijakan. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap Program MBG berdasarkan data dari platform X dan YouTube serta membandingkan kinerja model Support Vector Machine (SVM), Random Forest, dan Long Short-Term Memory (LSTM).  Data dikumpulkan melalui teknik web scraping dan diproses melalui tahapan pra-pemrosesan dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), ulasan dikategorikan menjadi 3 kelas sentimen positif, negatif, dan netral. Evaluasi model diukur menggunakan metrik akurasi, presisi, recall, dan F1-score. Model Random Forest menunjukkan kinerja yang unggul, mencapai akurasi, sebesar 87,2%.  LSTM memperoleh performa yang cukup tinggi dengan akurasi, recall, dan recall sebesar 81,8% serta 81,7 untuk F1-score. Sementara SVM memiliki performa yang rendah dibanding kedua model lainnya, dengan akurasi, presisi, recall, dan F1-score sebesar 79,1%.  Hasil studi menunjukkan bahwa Random Forest terbukti lebih stabil terhadap variasi data seperti teks dan penanganan data tidak seimbang, serta lebih tahan terhadap overfitting.  Studi ini diharapkan dapat memberikan tinjauan komparatif dari tiga algoritma populer untuk analisis sentimen dan dapat digunakan sebagai referensi untuk memilih metode klasifikasi untuk ulasan bebahasa Indonesia.
Co-Authors Abu Yappie Hilmawan Achmad Fauzi Adhi Lingga Harymurti Ahmad Fadhil Nanjaya Antonius Yadi Kuntoro Ario Fahmi Muhamad Baskara Agung Wibawa Bintangguh Sutan Basmallah Dedi Dwi Saputra Fadhil Marzuqi Ferry Syukmana Hermanto Hermanto Hermanto Hermanto Hildan Zafa Riyadi Ika Kurniawati Jeprianus Rina Toda Lasman Effendi Lukman Hakim Mahesa Adiputra Marcella Salsa Syafa Miko Rizky Satrio Irawan Muhammad Bayu Faqih Najwa Putri Andini Putra Muamar Kadafi Rahma Diva Cahaya Raka Satria Gumilang Raya Reza Arfind Ridatu Oca Nitra Ridatu Ocanitra Taufik Asra Tegar Putra Perdana Thalut Syaputra Tommy Aditya Vinje April Waruwu Waeisul Bismi Wildan Rachimsah Yerico Purba Yudhistira Yudhistira Zahwa Ayori Kirawa