Article Per Year (5 Year)
p-Index From 2021 - 2026
3.213
P-Index
This Author published in this journals
All Journal Infotech Journal Format : Jurnal Imiah Teknik Informatika Jurnal Teknik Komputer AMIK BSI DE'RECHTSSTAAT KOMPUTEK Jurnal Informatika Kaputama (JIK) Djtechno: Jurnal Teknologi Informasi Jurnal Abdimas Komunikasi dan Bahasa Jurnal Ilmu Komputer Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Komputer Antartika Journal of Innovative and Creativity
RIZA FAHLAPI
Bina Sarana Informatika University
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Social Sciences Other

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

Found 22 Documents
Search

 1   2   3 
Implementasi Logika Fuzzy C-Means untuk Segmentasi Sampah Ambigu dalam Sistem Sortir Otomatis Berbasis Computer Azizah; Fardan Rifaldi Ilmi; Bernadus Boli Geroda; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1067

Abstract

Sistem sortir sampah otomatis berbasis computer vision umumnya menghadapi kendala saat mengidentifikasi sampah ambigu objek yang mengalami deformasi wujud, kotor, atau saling tumpang tindih sehingga sulit dikategorikan secara tegas oleh metode thresholding konvensional. Penelitian ini menerapkan algoritma Fuzzy C-Means (FCM) untuk segmentasi citra sampah ambigu berdasarkan ekstraksi fitur ruang warna HSV. Berbeda dengan pengklasteran tegas (hard clustering), FCM memberikan nilai keanggotaan fuzzy pada setiap piksel untuk memisahkan latar belakang konveyor dan objek sampah secara lebih halus. Guna mendukung manajemen data operasional, sistem ini diintegrasikan dengan database relasional sebagai media penyimpanan log segmentasi dan koordinat fisik objek. Hasil pengujian menunjukkan bahwa algoritma FCM berhasil melakukan segmentasi objek ambigu dengan rata-rata nilai Intersection over Union (IoU) sebesar 87,5%, serta mampu menyuplai data koordinat spasial secara real-time ke sistem basis data untuk interaksi lengan robot pemilah. Target utama penelitian ini adalah meningkatkan akurasi deteksi pada objek yang samar agar efisiensi pemilahan meningkat. Berdasarkan data pengujian, sistem ini terbukti meminimalkan galat koordinat spasial pada lengan robot pemilah secara signifikan.
Pemetaan Tema Keluhan Pengguna Aplikasi Cek Bansos Menggunakan K-Means dan TF-IDF Berbasis Ulasan Google Play Store Krisna Mahendra; Zidan Syauqi Rahman; Taqwini; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1093

Abstract

Transformasi layanan sosial digital menuntut aplikasi publik mudah digunakan masyarakat luas Indonesia. Aplikasi Cek Bansos menjadi kanal penting untuk memeriksa bantuan sosial daring. Namun, ulasan pengguna menunjukkan berbagai keluhan teknis dan administratif yang berulang. Penelitian ini bertujuan mengelompokkan ulasan pengguna berdasarkan kemiripan isi teks untuk menemukan tema keluhan dominan. Data diperoleh melalui scraping ulasan Google Play Store pada 23 Mei 2026. Dari 4.588 ulasan mentah, digunakan 3.623 ulasan keluhan dengan rating 1 sampai 3. Tahapan penelitian meliputi preprocessing teks, pembobotan TF-IDF, pemilihan jumlah klaster, dan penerapan algoritma K-Means. Hasil pengujian menunjukkan jumlah klaster terbaik adalah 6 dengan Silhouette Score sebesar 0,0246 dan Davies-Bouldin Index sebesar 6,0238. Tema keluhan yang ditemukan meliputi kendala akun dan masuk akun, fungsi aplikasi, gangguan teknis, serta status data bantuan. Hasil penelitian ini dapat menjadi masukan awal bagi pengelola aplikasi untuk menentukan prioritas perbaikan layanan digital bantuan sosial.
Ekstraksi Topik dan Deteksi Keberpihakan Portal Berita: Pendekatan Inverted Pyramid Prompting Menggunakan DeepSeek: Pendekatan Inverted Pyramid Prompting Menggunakan DeepSeek Hullio Kaisar Leisina; Faisal Farobi Ahmad; Suprianto; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1218

Abstract

Media daring turut membentuk persepsi publik melalui pilihan isu dan cara pembingkaian pemberitaan, sehingga pemetaan kecenderungan keberpihakannya menjadi penting namun sulit dilakukan secara manual pada volume berita yang besar. Metode pembelajaran mesin klasik terkendala dalam menemukan topik yang belum diketahui dan mendeteksi sikap tersirat tanpa pelabelan manual yang masif. Penelitian ini bertujuan menemukan isu dominan dan mengklasifikasikan keberpihakan dua portal berita, yaitu Detik.com dan Kompas.com, terhadap pemerintah menggunakan model bahasa besar DeepSeek. Berita dikumpulkan melalui scraping tanpa kata kunci pada periode 1–31 Mei 2026, menghasilkan 27.789 artikel (2.200 dari Detik.com dan 25.589 dari Kompas.com). Untuk mengatasi batas token dan biaya, diterapkan ekstraksi teras berita berbasis prinsip piramida terbalik (inverted pyramid) dan two-pass prompting yang didukung context caching, sementara penemuan topik dan deteksi sikap dijalankan melalui prompting bertahap. Pemrosesan seluruh korpus menggunakan model deepseek-v4-flash hanya menelan biaya sebesar USD 1,56 atau diperkirakan sekitar 82% lebih hemat dibanding pemrosesan teks utuh. Pada evaluasi terhadap gold standard hasil anotasi manual (n = 12), klasifikasi sikap memperoleh akurasi 91,67% dan F1-Score makro 0,930. Pemetaan keberpihakan mengungkap bahwa mayoritas pemberitaan bersifat netral, dengan proporsi Pro-Pemerintah lebih tinggi pada Detik.com (32,9%) sementara proporsi Non-Pro-Pemerintah lebih tinggi pada Kompas.com (8,4%). Penelitian ini menunjukkan bahwa kombinasi DeepSeek, inverted pyramid, dan two-pass prompting merupakan pendekatan yang efektif dan efisien untuk analisis wacana media berskala besar tanpa pelabelan manual.
Clustering Data Kejadian Kebakaran di Jakarta Menggunakan Algoritma K-Means untuk Identifikasi Daerah Rawan Yudistira Pratama; Firmansyah; Dicky Risdyanto; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1237

Abstract

Kebakaran merupakan salah satu bencana yang sering terjadi di wilayah perkotaan dan berpotensi menimbulkan kerugian material, korban jiwa, serta gangguan terhadap aktivitas masyarakat. Tingginya kepadatan penduduk dan kompleksitas lingkungan perkotaan di Provinsi DKI Jakarta menyebabkan tingkat kerawanan kebakaran berbeda pada setiap wilayah, sehingga diperlukan identifikasi daerah rawan sebagai dasar penyusunan strategi mitigasi yang lebih tepat sasaran. Penelitian ini bertujuan untuk mengelompokkan 44 kecamatan di Provinsi DKI Jakarta berdasarkan karakteristik kejadian kebakaran menggunakan algoritma K-Means Clustering. Variabel yang digunakan meliputi total frekuensi kejadian kebakaran, rata-rata kepadatan penduduk, total jumlah penduduk, dan rata-rata jumlah sosialisasi pencegahan kebakaran. Data diproses melalui tahapan Knowledge Discovery in Database (KDD), yang meliputi seleksi data, preprocessing, normalisasi menggunakan metode Z-Score, proses clustering menggunakan algoritma K-Means, serta evaluasi hasil menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa jumlah klaster optimal diperoleh pada k=5 dengan nilai silhouette sebesar 0,347. Pengelompokan menghasilkan lima klaster dengan karakteristik yang berbeda secara signifikan berdasarkan hasil uji ANOVA dan chi-square. Klaster C3 yang terdiri dari Kecamatan Cengkareng, Kalideres, dan Cakung teridentifikasi sebagai wilayah dengan tingkat kerawanan kebakaran tertinggi karena memiliki frekuensi kejadian kebakaran dan jumlah penduduk terbesar dibandingkan klaster lainnya. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengidentifikasi pola kerawanan kebakaran secara objektif dan dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam penyusunan program mitigasi dan pencegahan kebakaran berbasis wilayah di Provinsi DKI Jakarta.
Mengenal Dan Memanfaatkan Teknologi Artificial Intelligence Pada Yayasan Yatim Piatu Dan Sosial IRMA Antonius Yadi Kuntoro; Deny Novianti; Riza Fahlapi; Mahmud Syarif
Jurnal Abdimas Komunikasi dan Bahasa Vol. 5 No. 1 (2025): Juni
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/abdikom.v5i1.8916

Abstract

Pengembangan ilmu pengetahuan dan teknologi (IPTEK) memberikan peran yang sangat signifikan dalam meningkatkan kesejahteraan dan taraf hidup ekonomi masyarakat. Salah satu bidang yang dapat merasakan kehadiran teknologi yaitu bidang pendidikan organisasi kemasyarakatan, demikian juga dengan Yayasan Yatim Piatu dan Sosial IRMA yang berada di bilangan Tegal Parang, Jakarta Selatan. Untuk mengelola data maka organisasi diperlukan kemampuan administrasi yang baik, juga dengan anggotanya dalam mengerjakan tugas sekolah yang juga memerlukan kecapakan dalam membuat tulisan, sehingga data dan materi bisa tertata dengan baik dan harmonis bagi kegiatan organisasi. Dalam rangka menunaikan salah satu Tri Dharma Perguruan Tinggi, maka Universitas Bina Saran Informatika melaksanakan Pengabdian Masyarakat berupa Pelatihan untuk mengenalkan konsep dasar dan memberikan pelatihan beberapa aplikasi Artificial Intelligence atau AI secara ringan dan menyenangkan. Aplikasi AI ini dapat digunakan untuk memudahkan proses belajar dalam mengerjakan tugas sekolah dan juga sebagai media belajar dalam pengembangan kemampuan dalam memaparkan program kerja Yayasan, seperti digunakan sebagai media promosi dan publikasi organisasi. Metode pengabdian masyarakat terdiri dari 3 tahapan, yaitu tahap persiapan, tahap pelaksanaan, dan juga tahap yang terahir adalah monitoring dan evaluasi. Adapun peserta kegiatan ini adalah pengurus dan anggota Yayasan Yatim Piatu dan Sosial IRMA yang mengikuti pelatihan komputer secara offline. Dengan adanya pelatihan ini, peserta merasakan manfaat kehadiran teknologi dimana dapat membantu kegiatan sosial, pendidikan dan keagamaan bagi organisasi. Pemanfaatan AI dalam mengerjakan tugas sekolah bagi anggota dan sebagai alat kerja bagi pengurus organisasi yang bisa digunakan untuk membuat presentasi yang menarik dalam slide yang bisa dimodifikasi sesuai kebutuhan. Science and technology development (IPTEK) plays a very significant role in improving the welfare and economic standard of living of the community. One of the fields that can feel the presence of technology is the field of education, community organizations, as well as the IRMA Orphan and Social Foundation which is located in Tegal Parang, South Jakarta. To manage data, the organization needs good administrative skills, as well as with its members in doing school assignments which also require skill in making writing, so that data and materials can be well organized and harmonious for organizational activities. In order to full fill one of the Tri Dharma of Higher Education, Bina Saran Informatics University carries out Community Service in the form of Training to introduce basic concepts and provide training on several Artificial Intelligence )AI) applications in a light and fun way. This AI application can be used to facilitate the learning process in doing schoolwork and also as a learning medium in developing skills in explaining the Foundation's work programs, such as being used as a promotional media and organizational publication. The community service method consists of 3 stages, namely the preparation stage, the implementation stage, and also the last stage is monitoring and evaluation. The participants of this activity were administrators and members of the IRMA Orphan and Social Foundation who participated in offline computer training. With this training, participants feel the benefits of the presence of technology which can help social, educational and religious activities for organizations. The use of AI in doing schoolwork for members and as a work tool for organizational administrators that can be used to make interesting presentations on slides that can be modified as needed.
Perbandingan Naïve Bayes dan Random Forest untuk Klasifikasi Sentimen Ulasan Produk Amazon Fire HD 7 Khabib Tri Anggara Anggara; Rahmad Syukur Gea; Hendra S upendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1315

Abstract

Product reviews on e-commerce platforms contain valuable consumer opinions that are important for both prospective buyers and brand managers. However, the large volume of reviews makes manual analysis difficult. This study compares the performance of the Naïve Bayes and Random Forest algorithms in classifying the sentiment of Amazon Fire HD 7 product reviews into three categories: positive, neutral, and negative. A total of 30,846 English-language reviews were processed through text preprocessing and TF-IDF feature weighting, then split using a stratified 80:20 ratio. Both models were evaluated using accuracy, as well as macro-averaged precision, recall, and F1-score. The results indicate metric-dependent performance differences: Random Forest achieved higher accuracy (0.856 vs. 0.770), whereas Naïve Bayes outperformed Random Forest in terms of macro F1-score (0.481 vs. 0.447), which is the primary evaluation metric for imbalanced datasets. Random Forest tended to predict the majority class (positive), resulting in weaker performance on the neutral and negative classes, while Naïve Bayes produced more balanced predictions across all classes. These findings demonstrate that accuracy can be misleading when evaluating imbalanced datasets and that the macro F1-score provides a more representative measure for assessing multiclass sentiment classification performance.
Deteksi Penyakit Bercak Daun (Cercospora) pada Tanaman Cabai Menggunakan Metode Convolutional Neural Network (CNN) Riski Rudiansah; Abdul Hadi; Aryansyah; Hendra Supendar; Riza Fahlapi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1333

Abstract

Cabai (*Capsicum annuum* L.) termasuk tanaman hortikultura yang memiliki peran penting dalam bidang pertanian Indonesia karena nilai komersial yang tinggi serta tingkat konsumsi yang terus meningkat. Tantangan utama yang kerap kali muncul pada pembudidayaan cabai ialah adanya infeksi patogen bercak daun yang dipicu oleh jamur *Cercospora capsici*. Infeksi penyakit tersebut dapat menurunkan kualitas tanaman dan mengurangi hasil produksi apabila tidak segera dikenali dan ditangani. Proses identifikasi yang dilakukan secara konvensional masih mengandalkan pengamatan visual sehingga membutuhkan waktu serta tingkat keahlian tertentu. Guna menyelesaikan kendala tersebut, studi ini merancang metode identifikasi gejala sakit pada daun cabai memanfaatkan teknik pemrosesan gambar digital dengan memanfaatkan metode *Convolutional Neural Network* (CNN). Data yang digunakan berupa kumpulan gambar daun cabai yang telah melalui tahapan pengumpulan, pelabelan, serta pembagian data menjadi set pelatihan dan validasi. Model yang dibangun kemudian dilatih untuk membedakan daun sehat dan daun yang terindikasi penyakit bercak daun. Berdasarkan hasil evaluasi, model CNN mampu mengidentifikasi karakteristik visual penyakit dengan performa yang memuaskan. Oleh karena itu, sistem yang diusulkan dapat dimanfaatkan sebagai solusi pendukung dalam proses deteksi dini penyakit tanaman cabai sehingga membantu petani mengambil tindakan penanganan secara lebih cepat, tepat, dan efisien.
Analisis Linier Berganda Pengaruh Harga dan Rating Produk Terhadap Volume Penjualan pada Platform E-commerceShopee Antonius Yadi Kuntoro; Riza Fahlapi; Dedi Dwi Saputra; Hermanto Hermanto; Taufik Asra; Tommy Aditya; Mahesa Adiputra; Wildan Rachimsah; Ahmad Fadhil Nanjaya
Jurnal Ilmu Komputer (JUIK) Vol 6, No 1 (2026): February 2026
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v6i1.4620

Abstract

Perkembangan e-commercedi Indonesia mendorong pelaku usaha untuk bersaing dalam menawarkan produk yang tidak hanya berkualitas, tetapi juga kompetitif dari segi harga dan ulasan konsumen. Penelitian ini bertujuan untuk menganalisis pengaruh harga dan rating produk terhadap volume penjualan pada platform Shopee, dengan studi kasus pada toko Sista Footwear. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis regresi linier berganda berdasarkan data dari 100 produk selama Januari hingga Maret 2025. Teknik pengumpulan data menggunakan teknik pengumpulan data dilakukan melalui metode dokumentasi, dengan mencatat data sekunder secara manual dari halaman produk di toko Sista Footweardi platform Shopee meliputi harga produk, rating produk (skala 1–5), jumlah produk yang terjualuntuk menjamin validitas data, proses pencatatan dilakukan berulang (cross-check) pada waktu yang berbeda guna mengantisipasi perubahan dinamis pada platform e-commerce.Teknik analisis datadilakukan dengan menggunakan model regresi linier berganda untuk mengetahui pengaruh harga (X₁) dan rating (X₂) terhadap volume penjualan (Y)denganmelakukan analisis regresi, dilakukan uji asumsi klasik yang meliputiuji normalitas,uji multikolinearitas,dan uji heteroskedastisitas, untuk memastikan tidak adanya varians residual yang tidak konstan,. Berdasarkan model regresi diketahui hasil analisis menunjukkan bahwa harga memiliki pengaruh negatif signifikan terhadap volumepenjualankarena setiap kenaikan harga Rp1 menurunkan penjualan sebesar 0,000175 unit, sedangkan rating produk berpengaruh positif signifikankarena setiap kenaikan 1 poin rating meningkatkan penjualan sebesar 18,57 unit, serta model menjelaskan 5,9% bahwa variabel harga dan rating secara simultan menjelaskan variasi penjualan.Temuan ini menekankan pentingnya strategi penetapan harga yang tepat serta upaya peningkatan kepuasan pelanggan melalui rating yang tinggi untuk meningkatkan penjualan di e-commerce.
ANALISIS LINIER BERGANDA PENGARUH HARGA DAN RATING PRODUK TERHADAP VOLUME PENJUALAN PADA PLATFORM E-COMMERCE SHOPEE Antonius Yadi Kuntoro; Riza Fahlapi; Dedi Dwi Saputra; Hermanto Hermanto; Taufik Asra; Tommy Aditya; Mahesa Adiputra; Wildan Rachimsah; Ahmad Fadhil Nanjaya
Jurnal Ilmu Komputer (JUIK) Vol 6, No 1 (2026): February 2026
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v6i1.4375

Abstract

Perkembangan e-commerce di Indonesia mendorong pelaku usaha untuk bersaing dalam menawarkan produk yang tidak hanya berkualitas, tetapi juga kompetitif dari segi harga dan ulasan konsumen. Penelitian ini bertujuan untuk menganalisis pengaruh harga dan rating produk terhadap volume penjualan pada platform Shopee, dengan studi kasus pada toko Sista Footwear. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis regresi linier berganda berdasarkan data dari 100 produk selama Januari hingga Maret 2025. Teknik pengumpulan data menggunakan teknik pengumpulan data dilakukan melalui metode dokumentasi, dengan mencatat data sekunder secara manual dari halaman produk di toko Sista Footwear di platform Shopee meliputi harga produk, rating produk (skala 1–5), jumlah produk yang terjual untuk menjamin validitas data, proses pencatatan dilakukan berulang (cross-check) pada waktu yang berbeda guna mengantisipasi perubahan dinamis pada platform e-commerce. Teknik analisis data dilakukan dengan menggunakan model regresi linier berganda untuk mengetahui pengaruh harga (X₁) dan rating (X₂) terhadap volume penjualan (Y) dengan melakukan analisis regresi, dilakukan uji asumsi klasik yang meliputi uji normalitas, uji multikolinearitas, dan uji heteroskedastisitas, untuk memastikan tidak adanya varians residual yang tidak konstan,. Berdasarkan model regresi diketahui hasil analisis menunjukkan bahwa harga memiliki pengaruh negatif signifikan terhadap volume penjualan karena setiap kenaikan harga Rp 1 menurunkan penjualan sebesar 0,000175 unit, sedangkan rating produk berpengaruh positif signifikan karena setiap kenaikan 1 poin rating meningkatkan penjualan sebesar 18,57 unit, serta model menjelaskan 5,9% bahwa variabel harga dan rating secara simultan menjelaskan variasi penjualan. Temuan ini menekankan pentingnya strategi penetapan harga yang tepat serta upaya peningkatan kepuasan pelanggan melalui rating yang tinggi untuk meningkatkan penjualan di e-commerce.
ANALISIS SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN GEMINI AI DENGAN METODE MACHINE LEARNING Rivana Rosandi; Ade Ilham Febrianto; Afrizal Achmad Gibran; Waeisul Bismi; Ika Kurniawati; Riza Fahlapi
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7962

Abstract

Meningkatnya popularitas Gemini AI sebagai platform percakapan digital besutan Google mendorong perlunya memahami bagaimana masyarakat Indonesia menilai kehadirannya. Namun, kajian mengenai persepsi publik berbasis data empiris dalam konteks layanan AI generatif masih terbatas. Penelitian ini bertujuan mengisi kesenjangan tersebut dengan menganalisis sentimen pengguna terhadap Gemini AI menggunakan 10.000 ulasan dari Google Play Store. Data diolah melalui tahapan praproses teks dan pelabelan sentimen, kemudian diklasifikasikan menggunakan beberapa model machine learning untuk memperoleh gambaran yang lebih komprehensif. Hasil penelitian menunjukkan bahwa model SVM memberikan performa paling unggul sebesar 96,34%, precision 0,97%, recall 0,95%, dan F1-score 0,96% mengungguli secara signifikan Naive Bayes (94,76%), Logistic Regression (94,24%), dan Random Forest (93,19%) dan mengindikasikan kecenderungan sentimen positif masyarakat terhadap Gemini AI. Temuan ini memberikan gambaran awal bagi pengembang untuk meningkatkan kualitas layanan dan pengalaman pengguna secara berkelanjutan, khususnya dalam menghadapi persaingan teknologi AI yang semakin dinamis.
Co-Authors Abdul Hadi Abu Yappie Hilmawan Achmad Fauzi Ade Ilham Febrianto Adhi Lingga Harymurti Afrizal Achmad Gibran Ahmad Fadhil Nanjaya Antonius Yadi Kuntoro Ario Fahmi Muhamad Aryansyah Azizah Baskara Agung Wibawa Bernadus Boli Geroda Bintangguh Sutan Basmallah Dedi Dwi Saputra Deny Novianti Dicky Risdyanto Dimas Rizkiansyah Ery Kurniawan Fadhil Marzuqi Faisal Farobi Ahmad Fardan Rifaldi Ilmi Ferry Syukmana Firmansyah Hendra S upendar Hermanto Hermanto Hermanto Hermanto Hildan Zafa Riyadi Hullio Kaisar Leisina Ika Kurniawati Ika Kurniawati Ince Olviana Inya Mete Jefiri Zai Jenianus Halawa Jeprianus Rina Toda Jessica Tedja Jim Maxwell Manampiring Khabib Tri Anggara Anggara Krisna Mahendra Lasman Effendi Lukman Hakim Mahesa Adiputra Mahmud Syarif Marcella Salsa Syafa Miko Rizky Satrio Irawan Muhammad Bayu Faqih Najwa Putri Andini Putra Muamar Kadafi Rahma Diva Cahaya Rahmad Syukur Gea Raka Satria Gumilang Raya Reza Arfind Ridatu Oca Nitra Ridatu Ocanitra Rifqi Rahmandhani Riski Rudiansah Rivana Rosandi Suprianto Taqwini Taufik Asra Tegar Putra Perdana Thalut Syaputra Tommy Aditya Vannes Vinje April Waruwu Waeisul Bismi Wildan Rachimsah Yerico Purba Yudhistira Yudhistira Yudistira Pratama Zahwa Ayori Kirawa Zidan Syauqi Rahman