Claim Missing Document
Check
Articles

Found 3 Documents
Search

Sentimen Analisis Opini Pembeli pada Aplikasi Shopee Berbasis N-Gram Lexicon Erlina Halim; Arwin Halim; Andriana Sunjaya; Novresia Sunjaya
Jurnal SIFO Mikroskil Vol 23, No 2 (2022): JSM VOLUME 23 NOMOR 2 TAHUN 2022
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v23i2.896

Abstract

Perubahan perilaku konsumen dalam melakukan pembelian di e-commerce, telah mengubah cara konsumen dalam memutuskan membeli barang. Konsumen akan menilai berdasarkan gambar, rating dan opini dari pembeli sebelumnya. Namun konsumen harus membaca semua opini untuk mendapatkan hasil yang akurat. Solusi yang ditawarkan adalah dengan menyediakan fitur pengolahan opini. Namun opini yang ditulis tidak terstruktur, terdapat kata yang tidak lengkap, emoticon, gambar, serta menggunakan kata tidak baku menjadi tantangan dalam mengolah opini. Corpus yang digunakan dalam penelitian ini diperoleh dari penelitian sebelumnya yang berjumlah 124.606 dengan atribut yang tersedia yaitu itemname, date, starrate dan opini. Penambahan corpus dilakukan dengan membangun program untuk menarik data opini sebanyak 95.731 sehingga total opini yang diproses sebanyak 220.337. Proses ekstraksi opini menggunakan pendekatan lexicon dengan peningkatan penambahan proses opinion representation dan n-gram lexicon untuk menentukan arah sentimen. Peningkatan proses pre-processing dengan penerapan opinion representation berbasis Bahasa Indonesia pada kasus review e-commerce. Peningkatan klasifikasi dengan memperhatikan semantik kata dengan menerapkan n-gram. Opini hasil klasifikasi menghasilkan kelas positif, netral, dan negatif. Klasifikasi opini akan dibandingkan dengan klasifikasi rating untuk mengetahui tingkat keakuratan. Hasil dari evaluasi diperoleh akurasi sebesar 78%. Terjadi peningkatan akurasi sebesar 2% dibanding dengan ekstraksi opini tanpa adanya proses opinion representation dan n-gram.
Analisis Dan Perancangan Aplikasi Pengelolaan Dan Pemanfaatan Bank Sampah Di Kota Medan Gidion Sagala; Desi Rahayu; Nadila Afari; Erlina Halim; Arwin Halim
Jurnal SIFO Mikroskil Vol 24, No 1 (2023): JSM VOLUME 24 NOMOR 1 TAHUN 2023
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v24i1.966

Abstract

Salah satu masalah sosial terkait lingkungan yang sering ditemui di masyarakat adalah banyaknya timbunan sampah, salah satunya di perkotaan di Indonesia. Hal tersebut ditandai dengan rata-rata sampah yang dibuang sebanyak 0,85 kg setiap hari. Hanya 41% sudah diangkut dan diolah dengan baik. Sisanya sekitar 300.000 ton sampah tidak diangkut dan mencemari lingkungan. Dari permasalahan tersebut maka dirancanglah suatu aplikasi bank sampah berbasis mobile yang dapat meningkatkan kegiatan daur ulang serta mengurangi volume sampah agar mempermudah pengelolaan dan pemanfaatan sampah. Aplikasi ini menyediakan wadah tempat penjualan dan promosi untuk mengelola dan memanfaatkan sampah menjadi barang yang bernilai. Di aplikasi ini juga terdapat wadah informasi tentang seputar pengetahuan cara pengelolaan dan pemanfaatan sampah. Kemudian terdapat wadah untuk membantu para masyarakat yang membutuhkan dengan cara berdonasi dan mendapatkan point/reward dari bermain game yang dapat ditukarkan menjadi uang.
SISTEM REKOMENDASI MUSIK DENGAN MULTIMODAL FUSION ATTENTIVE NETWORKS Jacky Chan; Neveline Neveline; Sherina Sherina; Frans Mikael Sinaga; Arwin Halim
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3732

Abstract

Musik merupakan salah satu media hiburan yang sering dimanfaatkan oleh masyarakat. Platform musik terus meningkatkan organisasi musik dengan menyediakan berbagai lagu untuk didengarkan oleh penggunanya. Secara umum sistem rekomendasi musik menggunakan metode Collaborative Filtering yang memiliki kinerja yang baik, tetapi metode ini memiliki masalah terhadap informasi yang tidak memiliki interaksi umpan balik antara item dan pengguna (cold-start). Sistem rekomendasi Content-Based diusulkan untuk mengatasi masalah tersebut yang akan difokuskan pada pendekatan multimodal fusion agar dapat mengoptimalkan hasil rekomendasi. Sistem rekomendasi ini mempertimbangkan dua pendekatan dengan fokus utama mengekstraksi fitur dari modalitas individu seperti judul lagu menggunakan model Word2Vec dan lirik menggunakan model BERT yang kemudian digabungkan melalui arsitektur deep learning untuk memprediksi rekomendasi lagu berikutnya. Hasil pengujian menggunakan black-box testing menunjukkan bahwa perangkat lunak secara fungsional mengeluarkan hasil yang sesuai dengan yang diharapkan dan sudah mencapai tujuan yang sesuai dengan kebutuhan pengguna. Penerapan algoritma rekomendasi akan diuji menggunakan confusion matrix dan memperoleh nilai akurasi yang cukup akurat yaitu sebesar 84%