Article Per Year (5 Year)
p-Index From 2021 - 2026
5.39
P-Index
This Author published in this journals
All Journal Voteteknika (Vocational Teknik Elektronika dan Informatika) Jurnal Edukasi dan Penelitian Informatika (JEPIN) JOIV : International Journal on Informatics Visualization JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JSAI (Journal Scientific and Applied Informatics) Building of Informatics, Technology and Science Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Infotekmesin JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Teknik Informatika (JUTIF) Bulletin of Computer Science Research Journal of Information Technology (JIfoTech) Jurnal Abdimas Bina Bangsa Algoritme Jurnal Mahasiswa Teknik Informatika Jurnal Atma Inovasia Abdi Wina : Jurnal Pengabdian Kepada Masyarakat Universitas Kristen Wira Wacana Sumba Jurnal INFOTEL Infact: Jurnal Sains dan Komputer
Sunneng Sandino Berutu
Universitas Duta Bangsa Surakarta, Surakarta
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences Veterinary Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
Identifikasi Tingkat Intensitas Opini dalam Analisis Sentimen Berbasis Aspek Menggunakan Enhanced Triplet Extraction Gabriel Jimmy Richardo Chastelo B; Sunneng Sandino Berutu; Haeni Budiati
Bulletin of Computer Science Research Vol. 6 No. 3 (2026): April 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v6i3.1074

Abstract

Conventional sentiment analysis often overlooks variations in the intensity of opinions within text reviews. This is due to the limitations of the Aspect-Based Sentiment Analysis (ABSA) approach, which is restricted to three main triplet components. This study aims to develop and expand the Aspect-Sentiment-Opinion Triplet Extraction (ASOTE) framework to extract entity relationships and sentiment polarity by integrating opinion intensity detection. This study implements the ABSA approach by expanding the triplet structure into four components: aspect, opinion, intensifier, and sentiment (Enhanced Triplet). Data was collected via web scraping of Twitter (X) comments related to the Free Nutritious Meals program, which served as a case study to test the model’s ability to analyze public sentiment. The data then undergoes pre-processing and BIO Tagging, and is classified using a fine-grained sentiment approach to capture the nuances of emotional intensity in greater detail. A Transformer-based model, namely IndoBERT, was used to understand the context and intensity of meaning in the Indonesian language. Evaluation results on the test data show that the model achieved an accuracy of 88% and an average F1-score of 0.88 in sentiment polarity classification between entities, indicating strong model performance. These results demonstrate that providing a framework that is more sensitive to the intensity of opinions when classifying the nuances of public sentiment is a highly effective solution. 
Implementasi dan Pelatihan SIWAREK serta Solar Home System bagi Pokdarwis Opak Grembyangan Emerita Setyowati; Sunneng Sandino Berutu; Susi Siswati
Jurnal Atma Inovasia Vol. 6 No. 1 (2026)
Publisher : Lembaga Penelitian dan Pengabdian pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jai.v6i1.12870

Abstract

 The Tourism Awareness Group or Kelompok Sadar Wisata (Pokdarwis) of Mutihan, Madurejo Village, Prambanan, is pioneering the development of a tourism area along the Opak River. The main challenges faced include the lack of lighting facilities and difficulties in operating food stalls, although the buildings are already available. The community service team, in collaboration with local partners, initiated two main programs: the installation of a Solar Home System (SHS) to provide access to clean energy and reduce dependency on the state electricity grid (PLN), and training on financial management and digitalization for stall operations. The implementation methods included program socialization, financial management training, development of a stall information system, SHS installation, SHS operation training, as well as program monitoring and evaluation. As a result, a stall financial system named Sistem Informasi Keuangan Warung Opak (SIWAREK) was developed, and two SHS units were installed at the tourism site to supply renewable energy. The financial management and information system training provide a strong foundation for Pokdarwis to operate the food stalls. The SHS can be utilized for night lighting, charging visitors’ mobile phones and laptops, and also serve as a tourism icon showcasing the use of renewable energy
Implementation of Latent Dirichlet Allocation Topic Modeling and VADER on Aspect-Based Sentiment Analysis Kevin Miracle Satoko Kevin; Sunneng Sandino Berutu; Jatmika; Retno Palupi
Infact: International Journal of Computers Vol. 10 No. 01 (2026): Journal of Science and Computers
Publisher : Universitas Kristen Immanuel

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61179/infact.v10i01.708

Abstract

Aspect-Based Sentiment Analysis on a Product or Service is Crucial for Enhancing Customer Satisfaction. This Study Applies Latent Dirichlet Allocation (LDA) Topic Modeling to Identify Aspects. Then, the Valence Aware Dictionary and Sentiment Reasoner (VADER) Lexicon Method is Adopted to Determine Sentiment on These Aspects. The Data Source Comes from Customer Reviews of a Gelato Ice Cream Shop at Taman Siswa. Data was collected from Google Maps Using the Web Scraping Method via the Instant Data Scrapper Application. The Experimental Results Show that the LDA Method Identified 3 Aspects: Flavor, Place, and Service. Meanwhile, Sentiment Measurement Using VADER on the Flavor Aspect Revealed a Positive Sentiment of 213%, Negative Sentiment of 60%, and Neutral Sentiment of 218%. The Next Aspect, Place, Had a Positive Sentiment of 32%, Negative Sentiment of 4%, and Neutral Sentiment of 4%, while the Service Aspect Composed of 32% Positive Sentiment, 3% Negative Sentiment, and 3% Neutral Sentiment. Overall, the Positive Sentiment for the Flavor Aspect (Taste) Outweighed the Negative and Neutral Sentiments for the Place (Location) and Service (Service) Aspects.
Intelligent Service Quality Asse Aspect-Based Sentiment and Emotion Analysis on Online Reviews Using DistilBERT Method for Service Quality Evaluation: Aspect-Based Sentiment and Emotion Analysis on Online Reviews Using DistilBERT Jatmika Mika; Yuwinda Hartati Zebua; Sunneng Sandino Berutu
Infact: International Journal of Computers Vol. 10 No. 01 (2026): Journal of Science and Computers
Publisher : Universitas Kristen Immanuel

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61179/infact.v10i01.807

Abstract

The growth of online reviews on digital platforms has made consumer opinions an important source for understanding perceptions of service quality in businesses. This study aims to analyze aspect-based sentiment and emotion from consumer reviews using the Distilled Bidirectional Encoder Representation from Transformers (DistilBERT) method. Data were collected from Google Reviews and processed through text preprocessing, aspect extraction, sentiment and emotion labeling, and fine-tuning of the DistilBERT model. Sentiment analysis was classified into three classes (positive, negative, and neutral), while emotion analysis included five categories (happy, angry, disappointed, sad, and neutral). The evaluation results show that the DistilBERT model achieved excellent performance in sentiment classification with an accuracy of 95.00%, precision of 93.60%, recall of 95.00%, and F1-score of 94.22%. For emotion classification, the model achieved an accuracy of 94.00%, precision of 88.36%, recall of 94.00%, and F1-score of 91.09%. These findings indicate that a Transformer-based approach is effective in understanding the contextual meaning of consumer reviews despite the use of a relatively limited dataset. This study concludes that DistilBERT is capable of providing accurate and efficient aspect-based sentiment and emotion analysis, which can be utilized as a foundation for evaluating and improving service quality and digital business reputation.
PENERAPAN METODE DECISION TREE PADA SENTIMEN MEDIA SOSIAL TERKAIT KOMISI PEMILIHAN UMUM (KPU) SEBELUM DAN SESUDAH PILPRES 2024 Yolanda Veren; Sunneng Sandino Berutu; Haeni Budiati
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5532

Abstract

Pemilihan Presiden 2024 di Indonesia menandai momen krusial dalam dinamika politik negara. Penelitian ini mengamati perubahan pandangan masyarakat terhadap Komisi Pemilihan Umum (KPU) sebelum dan setelah Pilpres 2024 dengan menerapkan metode klasifikasi Decision Tree. Dataset yang digunakan terdiri dari 5794 (tambahin tanggal) tweet yang telah melewati serangkaian tahap, mulai dari crawling, pre processing data, terjemahan, pelabelan, klasifikasi, hingga evaluasi model. Hasil analisis menunjukkan bahwa sebelum Pilpres 2024, sentimen positif mencapai 39.98%, sentimen netral sebesar 38.39%, dan sentimen negatif sebesar 21.63%. Setelah Pilpres 2024, terjadi peningkatan dalam sentimen positif menjadi 45.45%, sedangkan sentimen netral mengalami penurunan menjadi 36.67%, dan sentimen negatif juga mengalami penurunan menjadi 17.87%. Berdasarkan dataset Komisi Pemilihan Umum (KPU) setelah Pilpres 2024 akurasi prediksi meningkat menjadi 67, dengan sentimen netral memiliki presisi sebesar 70. Sedangkan berdasarkan dataset pada Komisi Pemilihan Umum (KPU) setelah Pilpres 2024, recall untuk sentimen positif adalah 69, sementara f1-score untuk sentimen netral adalah 72.
ANALISIS PERBINCANGAN DALAM GRUP WHATSAPP DENGAN K-MEANS CLUSTERING Maria Tri Elsa; Sunneng Sandino Berutu; Febe Maedjaja
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5554

Abstract

Whatsapp merupakan sebuah aplikasi yang mempermudah pengguna untuk mengirim pesan teks, foto, video, melakukan panggilan suara, dan panggilan video secara gratis dengan koneksi internet. “Grup Whatsapp Jual Beli Area UKRIM” memiliki sekitar 26.000 arsip pesan, yang membuktikan tingginya aktivitas dan interaksi anggota dalam transaksi jual beli. Anggota grup akan terbantu membuat strategi promosi barang jika mereka dapat memanfaatkan informasi mengenai kata dan barang yag paling sering muncul dalam chat group. Untuk mendapatkan informasi mengenai kata dan barang yang paling sering muncul dalam chat group diperlukan text clustering. Penelitian ini menggunakan Metode K-Means dalam melakukan text clustering untuk memperoleh kata-kata yang sering muncul tersebut. Setelah melalui prosedur pra-pemrosesan teks dan penerapan Metode Elbow, jumlah data diperkecil menjadi 4.732 data dan ditentukan 10 cluster yang optimal dalam “Grup Whatsapp Jual Beli Area UKRIM”. Hasil penerapan K-Means memperlihatkan kata yang paling sering muncul dalam cluster 0 adalah kata “jual” , dalam cluster 1 kata “info”, dalam cluster 2  kata “beli”, dalam cluster 3 kata “japri”, dalam cluster 4 kata “gas”, dalam cluster 5 kata “motor”, dalam cluster 6 kata “info”,”kost”, dalam cluster 7  kata  “hp”, dalam cluster  8  kata “kucing”,  dan dalam cluster 9  kata “rak”. Secara menyeluruh kata yang paling banyak muncul adalah kata “info” dengan jumlah 910 dan kata yang paling sedikit muncul adalah kata “iphone” dan “hewan”. Barang dagangan yang sering muncul adalah “meja”, “kipas”, “lemari”, “kasur”, dan “laptop
Implementasi Metode Vader Dan Fuzzy Pada Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Brimo Berlian Sakti Yuliana Ndruru; Sunneng Sandino Berutu; Haeni Budiati
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8237

Abstract

Perkembangan teknologi digital mendorong industri perbankan untuk meningkatkan layanan melalui aplikasi mobile banking, seperti Brimo. Ulasan pengguna menjadi sumber data yang berharga untuk analisis sentimen berbasis aspek (ASBA), namun identifikasi manual tidak efisien. Penelitian ini mengkombinasikan metode Vader dan logika Fuzzy untuk mengukur dan mengklasifikasikan sentimen pada ulasan aplikasi BRImo melalui 6 tahap yaitu, scraping data dari Google Play Store, preprocessing, kategorisasi aspek (pengalaman pengguna, kinerja, keamanan), klasifikasi sentimen dengan vader (positif, netral, negatif), klasifikasi lanjutan dengan Fuzzy (sangat positif, cukup positif, netral, cukup negatif, sangat negatif), dan analisis hasil. Hasil klasifikasi Vader menunjukkan pada aspek pengalaman pengguna didominasi sentimen positif (42,6%), netral (36,2%), dan negatif (21,3%). Untuk kinerja, sentimen netral mendominasi (42,8%) diikuti positif (36,2%) dan negatif (21,1%), sedangkan pada keamanan didominasi netral (45,8%) dengan positif (32,9%) dan negatif (21,3%). Klasifikasi fuzzy memberikan hasil lebih detail dimana pada pengalaman pengguna didominasi netral (41,6%) diikuti cukup positif (25,5%), cukup negatif (16,7%), sangat positif (13,6%), dan sangat negatif (2,6%). Pola serupa terlihat pada kinerja (netral 51,7%, cukup positif 25,7%) dan keamanan (netral 53,2%, cukup positif 21,0%). Hasil ini menunjukkan dominasi sentimen netral dengan fuzzy mampu memberikan granularitas lebih detail dibanding Vader.
KLASIFIKASI KALIMAT PERUNDUNGAN PADA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Sumitta Nauli; Sunneng Sandino Berutu; Haeni Budiati; Febe Maedjaja
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.5749

Abstract

Cyberbullying menjadi masalah yang semakin serius, terutama dengan meningkatnya media sosial dan teknologi. Twitter adalah sebagai salah satu media digital yang kerap dijadikan ajang untuk memunculkan tekanan dari sesama pengguna. Dalam riset yang dilakukan, teknik Support Vector Machine (SVM) akan diterapkan untuk membuat klasifikasi terhadap tweet sebagai tujuannya. Crawling data digunakan untuk mengumpulkan data pelatihan, yang kemudian diproses dengan melakukan tokenisasi, pembersihan data, dan TF-IDF untuk pembobotan kata. Kata-kata yang membentuk sebuah frasa memiliki fungsi sebagai fitur. Untuk menentukan model klasifikasi yang ideal, teknik SVM dikembangkan dengan memanfaatkan beberapa jenis kernel dan parameter yang berbeda. Klasifikasi tweet dilakukan berdasarkan aspek fisik dan non-fisik. Dataset yang digunakan terdiri dari 2752 data, dengan 568 kategori bullying, 2183 kategori non bullying, dan 428 untuk aspek fisik, 132 untuk aspek non-fisik. Klasifikasi terbaik ditunjukkan melalui kernel Linear yang memiliki perbandingan 90:10, menghasilkan 89,47% akurasi, 57,14% recall, 100% presisi, serta 72,72% f1-score. Perolehan riset membuktikan yaitu nilai parameter tertentu dan model teknik SVM oleh esensi linear mahir mengklasifikasikan kalimat perundungan pada Twitter dengan akurasi yang tinggi. Penelitian ini memberikan kontribusi dalam upaya mendeteksi dan menangani perundungan siber pada platform media sosial.
Integrasi ABSA dan LDA untuk identifikasi opini publik Kabupaten Pakpak Bharat Samuel Rama Silo Padang; Sunneng Sandino Berutu; Yoel Pieter Sumihar
Journal of Information Technology Vol. 6 No. 2 (2026): Journal of Information Technology
Publisher : Institut Shanti Bhuana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46229/jifotech.v6i2.1144

Abstract

Penelitian ini mengusulkan pendekatan Aspect-Based Sentiment Analysis (ABSA) yang mengintegrasikan Latent Dirichlet Allocation (LDA) dan IndoBERT untuk menganalisis opini publik terhadap Kabupaten Pakpak Bharat berdasarkan 4.591 tweet yang dikumpulkan melalui scraping. Data diproses melalui case folding, penghapusan URL dan mention, serta penyaringan stopword yang mempertimbangkan konteks. LDA digunakan untuk membangun taksonomi topik secara otomatis yang terdiri atas tujuh kategori, yang menjadi dasar ekstraksi aspek berbasis aturan menggunakan mekanisme pembobotan kata kunci dengan batasan taksonomi. Aspek dengan data yang tidak memadai digabungkan ke dalam kategori induk yang relevan secara semantik, menghasilkan sembilan kelas aspek akhir. Untuk mengatasi ketidakseimbangan kelas sentimen, diterapkan strategi random oversampling berbasis threshold, di mana setiap kelas minoritas ditingkatkan jumlahnya hingga nilai minimum antara ukuran kelas mayoritas dan nilai maksimum antara jumlah data saat ini atau 30% dari ukuran kelas mayoritas—sehingga dataset menjadi lebih seimbang dengan total 4.755 sampel tanpa menyamakan seluruh kelas secara penuh. Klasifikasi sentimen dilakukan menggunakan arsitektur multitask IndoBERT dengan dua classification head, di mana head aspek dilatih secara bersamaan menggunakan Focal Loss sebagai komponen pendukung untuk memperkuat representasi bersama, sementara label aspek akhir ditentukan melalui mekanisme berbasis aturan tersebut. Tiga aspek dengan volume pembahasan tertinggi adalah Keamanan (1.354 data), Sosial (1.313 data), dan Pariwisata (794 data). Model klasifikasi sentimen menunjukkan performa yang baik, dengan akurasi 85,59%, presisi 84%, recall 86%, dan F1-score 85%. Hasil ini menunjukkan bahwa integrasi LDA, ekstraksi berbasis aturan, dan IndoBERT efektif dalam memetakan persepsi publik secara granular, serta memberikan wawasan yang dapat ditindaklanjuti bagi evaluasi pemerintah daerah.
Co-Authors Aninda Astuti Aninda Astuti Anita Yuan Berlian Sakti Yuliana Ndruru Bobby Girsang Chen, Yeong-Chin Dachi, Christian Moris Dwi Dian Sari Nonibenia Hia Emerita Setyowati Febe Maedjaja Febe Maedjaja Fornieli Gulo Gabriel Jimmy Richardo Chastelo B gea, yuris mardayani Haeni Budiati Heri Wijayanto Indriyani Hulu Jatmika Jatmika Jatmika Jatmika Jatmika Jatmika Jatmika Mika Jatmika, Jatmika Jatmika, Jatmika Jatmitka, Jatmitka Jeniwanti Carolina Kotte Juli Supriyanto Gea Kambayo, Andreas Noprianto Kambayo Kevin Miracle Satoko Kevin Kharisteas Josan Sedi Krisna Putri Telaumbanua Kristian Juri Damai Lase Laia, Yardiana Lamba, Irene Tangke Lase, Anan Sosmita Linda Kristiani Zebua Maria Tri Elsa Marunduri, Tik Tanika Meisyes Christie Bawuna mendrofa, victor crisman Nehe, Pius Hermanto Nshimiyimana, Aristophane Rahman, Mosiur Reonardh Sibarani Retno Palupi Riko Gesmani Samuel Rama Silo Padang Sispianygala, Aprilia Sumihar, Yo’el Pieter Sumitta Nauli Susi Siswati Tri Yuli Yanto Yoel Pieter Sumihar Yolanda Veren Yuwinda Hartati Zebua Zakaria, Immanuel Richie De Harjo Zendrato, Agus Dirgahayu