Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Scientific Student Journal for Information, Technology and Science
Anton Junior
Universitas Buana Perjuangan Karawang
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Menggunakan Algoritma K-Means untuk Mengetahui Kalimat Positif maupun Negatif pada Buletin APTIKOM Anton Junior; Hanny Handayani; Anis Masruriyah
Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Kurangnya pemahaman literasi membuat masyarakat mengalami kesulitan dalam mengeksplorasi pengetahuan. Sehingga, Asosiasi Pendidikan Tinggi Ilmu Komputer (APTIKOM) membuat media informasi secara daring yang dapat menjelaskan secara detail terhadap pemahaman masyarakat yang berbeda - beda. Media tersebut diberi nama Buletin APTIKOM yang terbit setiap bulan sejak tahun 2020. Melalui buletin ini diharapkan dapat memberikan pengetahuan terhadap masyarakat yang awam dalam teknologi terkini. Namun, dari penerbitan buletin pada aplikasi buletin APTIKOM, tidak adanya pengecekan mengenai sentimen penulisan berupa kalimat positif maupun negatif. Maka dari itu, dibuatnya penelitian ini adalah untuk mencari kalimat positif maupun negatif dalam buletin APTIKOM. Data yang digunakan merupakan data yang diambil dari Buletin APTIKOM. Cara untuk mengetahui sentimen analisis pada buletin tersebut terdapat beberapa proses yaitu dengan menggunakan Text Processing, Term Frequency – Inverse Document Frequency (TF-IDF), algoritma K- Means dan Sum of Square Error (SSE) sebagai evaluasi. Implementasi proses tersebut yaitu menggunakan Bahasa pemrograman R atau bisa disebut R Studio. Hasil dari penelitian menunjukan bahwa dari akurasi K-means dengan dataset berupa 115 kalimat terdapat 1 kalimat bernilai negatif dan 12 kalimat bernilai positif. Dari hasil evaluasi SSE semakin banyak cluster yang digunakan semakin besar nilai SSE dan nilai akurasi k-means semakin kecil. Dapat disimpulkan SSE terbaik bernilai 75.0% dari 2 cluster dan akan bernilai besar jika ditambahkannya cluster secara terus menerus dengan nilai maksimal sampai 100%.
Co-Authors Fitri Nur Masruriyah, Anis Hanny Handayani