Claim Missing Document
Check
Articles

Found 22 Documents
Search

ANALISIS SENTIMEN ULASAN APLIKASI X PADA GOOGLE PLAY STORE MENGGUNAKAN KOMPARASI SVM, KNN, DAN NAIVE BAYES Jim Maxwell Manampiring; Jenianus Halawa; Jefiri Zai; Ika Kurniawati; Riza Fahlapi; Waeisul Bismi
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8095

Abstract

Transformasi rebranding media sosial Twitter menjadi X menimbulkan respons yang beragam dari pengguna global, termasuk di Indonesia. Ulasan pengguna pada platform Google Play Store memuat informasi berharga mengenai kepuasan dan keluhan pengguna, namun volume data yang besar dan tidak terstruktur menyulitkan analisis secara manual. Studi ini difokuskan pada penerapan analisis sentimen guna mengklasifikasikan opini pengguna menjadi kategori positif dan negatif, serta membandingkan kinerja tiga algoritma Machine Learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Naive Bayes. Dataset yang digunakan berjumlah 10.000 data berbahasa Indonesia yang dikumpulkan melalui scraping. Melalui tahapan preprocessing yang meliputi cleaning, tokenizing, dan stemming, data dilatih dengan pembagian rasio 80:20. Hasil pengujian menunjukkan algoritma SVM menggunakan kernel linear menghasilkan kinerja terbaik dengan akurasi sebesar 84,8%, diikuti oleh Naive Bayes sebesar 83,1%, dan KNN sebesar 79,7%. Kesimpulan dari studi ini menegaskan bahwa SVM merupakan metode yang paling efisien guna menangani klasifikasi teks pada data ulasan aplikasi X yang memiliki dimensi tinggi, meskipun terdapat ketidakseimbangan kelas pada dataset.
Implementasi YOLOv8 dan FaceNet untuk Sistem Keamanan Real-Time Berbasis IoT Ery Kurniawan; Rifqi Rahmandhani; Dimas Rizkiansyah; Ika Kurniawati; Waeisul Bismi; Riza Fahlapi
FORMAT Vol 15 No 1 (2026)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2026.v15.i1.009

Abstract

Sistem keamanan CCTV konvensional umumnya hanya berfungsi sebagai perekam pasif tanpa kemampuan analisis otomatis, yang menyebabkan keterlambatan deteksi karena proses identifikasi dilakukan secara manual. Keterbatasan ini menimbulkan latensi tinggi dan akurasi deteksi yang rendah, sehingga menjadi masalah krusial dalam kebutuhan keamanan modern. System keamanan yang baik dapat mencegah tindak kejahatan yang bisa merugikan penghuni rumah baik fisik maupun materiil. Penelitian ini mengusulkan pengembangan sistem keamanan cerdas berbasis Internet Of Things (IoT) dengan integrasi deteksi wajah menggunakan YOLOv8 dan pengenalan wajah FaceNet menggunakan modul ESP32-CAM. Sistem ini dirancang untuk mendeteksi wajah secara real-time, identifikasi individu secara otomatis, serta pengiriman notifikasi instan melalui Telegram ketika terdeteksi wajah yang tidak dikenal. Metode penelitian ini meliputi perancangan arsitektur IoT, pengambilan dataset wajah, preprocessing menggunakan MTCNN, FaceNet untuk menghasilkan facial embeddings, serta implementasi YOLOv8 sebagai detektor wajah real-time. Evaluasi kinerja pengenalan wajah dilakukan dengan menerapkan metode 5-fold cross-validation pada dataset embedding FaceNet menggunakan pengklasifikasi k-NN. Hasil eksperimen menunjukan bahwa sistem mampu mendeteksi wajah dengan tingkat respon tinggi dan mengenali individu dengan akurasi yang konsisten pada pencahayaan dan jarak bervariasi. Hasil pengujian training rata-rata accuracy Top-1 mencapai 0.96 dan rata-rata accuracy Top-5 sebesar 0.99, YOLOv8 menunjukkan kemampuan deteksi wajah yang akurat dan cepat dengan waktu respon 1,86 detik pada server berbasis CPU Intel Core i5 dan GPU Intel UHD Graphics 620. Performa pengujian akurasi FaceNet dengan pengklasifikasi k-NN menghasilkan akurasi 99.35%, presisi 99,35%, recall 98,94%, F1-score 99,11%, dan FPR (False Positive Rate) 0,08%, hal ini menunjukkan bahwa sistem memiliki akurasi pengenalan wajah yang sangat tinggi dan konsisten. Sistem yang dikembangkan mampu memberikan peringatan instan kepada pengguna melalui Telegram saat terdeteksi wajah yang tidak dikenal, sehingga meningkatkan waktu respons terhadap potensi ancaman. Dengan performa yang stabil dan tangguh serta biaya implementasi yang rendah, sistem ini menawarkan solusi keamanan modern yang lebih adaptif, proaktif, efektif, dan efisien dibandingkan CCTV konvensional.