Article Per Year (5 Year)
p-Index From 2021 - 2026
2.217
P-Index
This Author published in this journals
All Journal Teknikom: Teknologi Informasi, Ilmu Komputer dan Manajemen SmartComp
Wika Purbasari
STMIK Widya Utama
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Mathematics

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SmartComp

 1 
Analisis Sentimen dan Analisis Jaringan (Network Analysis) Seks Pranikah di Indonesia Menggunakan Data Media Sosial Twitter Wika Purbasari; Novita Setianti; Osi Krismonika
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 4 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i4.5671

Abstract

Seks pranikah merupakan isu sensitif yang telah banyak dikaji di Indonesia. Pemberitaan pada media sosial Twitter mengenai kasus Alshad Ahmad menjadi salah satu pemantik opini warganet Indonesia karena berkaitan dengan pergaulan bebas dan norma sosial yang ada di masyarakat. Hal tersebut memicu sebuah gerakan sosial yaitu Digital Movement Opinion (DMO) melalui beberapa tagar, diantaranya #alshadahmad, #tiaraandini, dan #nissaasyifa. Penelitian ini menjelaskan tentang jejaring sosial yang dibentuk oleh tagar tersebut dan analisa sentimen warganet Indonesia. Data yang diambil menggunakan netlytic.org menemukan 2.926 unggahan DMO Twitter dalam kurun waktu satu minggu, 2.350 diantaranya adalah unggahan dengan sentimen negatif dan 576 lainnya adalah sentimen netral. Hasil penelitian membuktikan bahwa fenomena mengenai Alshad Ahmad memiliki lebih banyak sentimen negatif, hal ini mengindikasikan bahwa banyak warganet Indonesia yang tidak menormalisasikan seks pranikah dan dianggap tidak baik. Data properti jaringan menjelaskan bahwa tidak adanya timbal balik dan penjelasan dari pihak terkait untuk mengurangi sentimen warganet. Sentralisasi pada kasus ini tergolong rendah, hal ini menunjukkan bahwa informasi saling mengalir bebas antar banyak node dan jaringan.
Analisis Sentimen Ulasan Pengguna Aplikasi Maxim pada Google Play Store Dengan Metode Support Vector Machine (SVM) dan Naïve Bayes Tiara Risanindya, Tiara Risanindya; Wika Purbasari, Wika purbasari; Lutvi Riyandri, Lutvi Riyandari
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8409

Abstract

Aplikasi Maxim sebagai salah satu penyedia layanan transportasi online di Indonesia telah menerima banyak ulasan dari pengguna melalui Google Play Store. Meskipun Maxim memiliki rating tinggi sebesar 4.8, banyak keluhan pengguna yang mencerminkan masalah dalam kualitas layanan. Banyaknya ulasan pengguna yang tersedia menjadi tantangan karena membutuhkan waktu lama jika dijelaskan secara manual. Oleh karena itu, diperlukan metode otomatis untuk menganalisis dan mengklasifikasikan ulasan guna memberikan wawasan yang lebih cepat dan akurat. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Maxim dengan membandingkan kinerja dua algoritma pembelajaran mesin: Support Vector Machine (SVM) dan Naïve Bayes. Data penelitian mencakup 2.108 ulasan yang dikumpulkan selama lima bulan, yaitu terhitung dari bulan Juli hingga November 2024. Setelah proses preprocessing, sebanyak 1.933 ulasan digunakan, terdiri dari 58% sentimen positif dan 42% sentimen negatif. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM)  unggul dalam analisis sentimen dengan accuracy 89,66%, precision 85,88%, dan recall 98,21%. Sebaliknya, Naïve Bayes menghasilkan accuracy 76,74%, precision 75,48%, dan recall 88,34%. Dengan pembagian rasio data training dan data testing sebesar 80%:20%, Support Vector Machine (SVM) terbukti lebih efektif dalam mengklasifikasikan data, meminimalkan kesalahan, dan mendeteksi hampir seluruh data positif.Penelitian ini memberikan kontribusi signifikan dalam memahami persepsi pengguna terhadap aplikasi Maxim dan menawarkan strategi dasar untuk meningkatkan kualitas layanan guna memenuhi kebutuhan pelanggan secara lebih efektif.Kata Kunci – Analisis Sentimen; Support Vector Machine; Naïve Bayes;  Maxim; Google Play Store 
Co-Authors ahmad arifin Atika Ratna Dewi Della Sinta Romadoni Joko Purnomo Lutvi Riyandri, Lutvi Riyandari Melia Kurniasih Muh Sofi'i Muh Sofi'i Muh Sofi'i Sofi'i Muh Sofii Muhammad Akbar Setiawan Novita Setianti NOVITA SETIANTI Osi Krismonika Riana Safitri Rianti Yunita Kisworini Sunaryono Sunaryono Sunaryono Sunaryono Tiara Risanindya, Tiara Risanindya Yusuf Hardjono