Article Per Year (5 Year)
p-Index From 2020 - 2025
14.18
P-Index
This Author published in this journals
All Journal Jurnal technoscientia Jurnal Informatika dan Teknik Elektro Terapan ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika International Journal of Artificial Intelligence Research Informatics for Educators and Professional : Journal of Informatics KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer JURNAL ILMIAH INFORMATIKA Conference SENATIK STT Adisutjipto Yogyakarta Jurnal ICT : Information Communication & Technology Jurnal Sistem Informasi Kaputama (JSIK) Jurnal Pelayanan dan Pengabdian Masyarakat (Pamas) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknik Informatika C.I.T. Medicom Budimas : Jurnal Pengabdian Masyarakat JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Manajemen Informatika Jayakarta Jurnal Informatika Terpadu Baselang: Jurnal Ilmu Pertanian, Peternakan, Perikanan dan Lingkungan Jurnal Janitra Informatika dan Sistem Informasi Abdimas Altruis: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika Teknologi dan Sains (Jinteks) International Journal of Hydrological and Environmental for Sustainability Literasi: Jurnal Pengabdian Masyarakat dan Inovasi J-Icon : Jurnal Komputer dan Informatika Jurnal Teknologi Pangan dan Industri Perkebunan JURSIMA AMMA : Jurnal Pengabdian Masyarakat Jurnal Informatika: Jurnal Pengembangan IT Jurnal Sistem Informasi dan Manajemen Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal) Branding: Jurnal Manajemen & Bisnis
Martanto .
STMIK IKMI Cirebon
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Nursing Social Sciences Other

Published : 126 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 126 Documents
Search

 7   8   9   10   11 
CLUSTERING PENDUDUK MISKIN MENGGUNAKAN ALGORITMA K-MEANS PADA WILAYAH JAWA BARAT Fuji Astri, Dewanti; Martanto, Martanto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9012

Abstract

Abstrak tersebut membahas kemiskinan sebagai status sosial yang melibatkan aspek ekonomi, pendapatan, pekerjaan, pendidikan, kepemilikan harta, dan tempat tinggal. Pemerintah Indonesia menjalankan berbagai program pengentasan kemiskinan, seperti Program Keluarga Harapan (PKH) dan Bantuan Langsung Tunai (BLT). PKH memberikan bantuan keuangan bersyarat kepada Rumah Tangga Sangat Miskin (RTSM), termasuk kelompok seperti ibu hamil, anak-anak, lansia, dan penyandang disabilitas. Angka kelahiran yang tinggi dapat mempengaruhi pertumbuhan penduduk dan tingkat pengangguran di suatu wilayah. Program bantuan pemerintah kadang-kadang tidak tepat sasaran dan dapat menimbulkan kecemburuan sosial. Penelitian ini mengusulkan penggunaan metode K-Means Clustering untuk mengatasi masalah pengelompokan keluarga miskin berdasarkan berbagai kategori. Hasilnya, terdapat dua cluster dengan tingkat kemiskinan tinggi dan rendah. penerapan Algoritma K-Means Clustering didapatkan pengelompokkan menjadi 2 Cluster yaitu Cluster 0 dengan tingkat kemiskinan tinggi sebanyak 90 data dan Cluster 1 dengan tingkat kemiskinan rendah sebanyak 45 data.
ANALISIS ASOSIASI FP-GROWTH UNTUK MENINGKATKAN EFISIENSI PEMILIHAN PRODUK FROZEN FOOD DI TOKO ANEKA FROZEN FOOD JOSEF FAMILY Andini, Eva; Martanto, Martanto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9052

Abstract

Di era pertukaran yang semakin cepat, banyak toko serba ada yang terus berupaya meningkatkan kemampuan dalam penentuan barang. Dengan menggunakan metode FP-Growth, diharapkan dapat ditemukan pola pembelian produk yang dapat memberikan wawasan berharga mengenai hubungan antar produk, sehingga toko dapat mengatur letak produk secara strategis untuk meningkatkan daya tarik dan kemudahan akses bagi pelanggan. Selain itu, analisis asosiasi FP-Growth juga diharapkan dapat membantu dalam pengelolaan inventaris dan perencanaan promosi produk yang lebih efektif. Dipercaya bahwa penelitian dengan judul ini akan memudahkan Toko Frozen Food Josef Family untuk memperoleh informasi penawaran makanan beku bila diperlukan. teknik penelitian dengan perhitungan afiliasi pengembangan fp- growth. Berdasarkan hasil yang didapat dari graph dan description menunjukkan hasil yang tidak sama, asosiasi dari yang terendah hingga tertinggi. Berikut beberapa hasil yang sudah mencapai 100%, Jika membeli Bakso Sapi, Sosis Bakar, Cheese Dumpling maka tingkat kemungkinan akan membeli Sosis Sapi adalah 100%. Dari hasil diatas dapat disimpulkan bahwa implementasi algoritma FP-Growth pada data penjualan frozen food dapat membantu dalam menentukan pola penjualan frozen food di Toko Aneka Frozen Food Josef Family. ditemukan beberapa aturan asosiasi menggunakan nilai minimum support 0.16 dan minimum confidence 0.8
ANALISIS K-MEANS CLUSTERING UNTUK MENGIDENTIFIKASI KEBERADAAN BADAN USAHA MILIK DESA DI JAWA BARAT Muzilin, Elin; Martanto, Martanto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9127

Abstract

Badan Usaha Milik Desa Bisnis (BUMDes) merupakan entitas ekonomi yang dimiliki oleh masyarakat desa, beroperasi berdasarkan desa atau kelurahan di Jawa Barat. Penelitian ini bertujuan menerapkan metode K-Means Clustering dengan menggunakan data mining untuk menganalisis dan meningkatkan usaha BUMDes. Fokusnya adalah pada pengelolaan dan pengelompokan data masyarakat desa bisnis menggunakan metode K-Means Clustering melalui aplikasi RapidMiner. Dengan tujuan mendata dan menganalisis bisnis desa di Jawa Barat pada tahun 2021-2022, penelitian ini memproses 10.637 data bisnis desa/kelurahan. Metode K-Means Clustering digunakan untuk membagi data menjadi 9 cluster dan 2 cluster dengan nilai DBI sebesar 4.8.28. Melalui RapidMiner, dataset terdiri dari 123 rekaman yang mencakup Nama Kecamatan, Terdapat Penelitian, dan Tahun sebagai atribut. Penelitian ini mengaplikasikan K-Means Clustering untuk memahami pola dan karakteristik data Badan Usaha Milik Desa Bisnis di Jawa Barat. Metode ini membantu dalam pengelompokan data, memberikan wawasan tentang kemiripan atau perbedaan dalam karakteristik data, dan dapat digunakan sebagai dasar untuk pengelolaan lebih efektif dalam meningkatkan usaha BUMDes.
ALGORITMA K-MEANS UNTUK CLUSTERING PENERIMA PROGRAM KELUARGA HARAPAN DI NANAENOE NUSA TENGGARA TIMUR Moruk, Ewaldus; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9148

Abstract

Setiap desa di Provinsi Nusa Tenggara Timur dapat mengelolah dana bantuan, salah satunya memprioritaskan bantuan masyarakat kepada keluarga berpenghasilan rendah yang tergabung dalam Program Keluarga Harapan. Kesulitan ini disebabkan banyaknya jumlah masyarakat berpenghasilan rendah di setiap daerah, dan lokasi dimana tempat tinggalnya harus diperhatikan, rumah tidak layak huni, kepala rumah tangga menganggur, rata-rata pendapatan per bulan, jumlah anggota keluarga, ada tidaknya anggota keluarga yang masih bersekolah dan faktor lainnya. Penerimaan bantuan Program Keluarga Harapan menjadi prioritas utama bagi keluarga berpenghasilan rendah. Metode yang digunakan dalam penelitian ini adalah metode k-means clustering yang terbagi dalam tahap pengumpulan data, data latih, dan data uji, dengan memperhatikan kriteria sebagai berikut: nama lengkap, tempat lahir, status perkawinan, pekerjaan, dusun dan pendidikan terakhir. Dengan menguji k=10 melalui clustering k-means, dengan Davies Bouldin index dapat dihasilkan urutan K2= 0.883, urutan K3=1.225, urutan K4=1.059, urutan K5=0.934, urutan K6=0.838, urutan K7=0.764, urutan K8=0.817, urutan K9=0.835, urutan K10=0.866, maka kesimpulan dari proses Cluster terlihat pada nilai Davies Bouldin Index yang terbaik yaitu 0,764 pada urutan K7. Dapat diimplementasikan pengelompokan data penerima manfaat bantuan dengan metode k-means clustering, dapat mengetahui cluster masyarakat yang mendapat bantuan Program Keluarga Harapan di Desa Nanaenoe.
CLUSTERING HASIL CEK DARAH DIABETES LANSIA MENGGUNAKAN METODE K-MEANS DI POSBINDU KP. LEBAKJERO DESA CIHERANG Tri Gustiane, Indri; Martanto, Martanto; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.9281

Abstract

Penelitian ini bertujuan untuk menganalisis hasil cek darah lansia yang menderita diabetes menggunakan metode K-Means. Diabetes adalah penyakit metabolic yang ditandai dengan tingginya kadar gula darah (hiperglikemia) yang disebabkan oleh kekurangan insulin atau tidak efektif insulin dalam mengatur metabolisme glukosa. Selain itu terdapat faktor-faktor lain menjadi penyebab terjadinya diabetes diantaranya seperti faktor keturunan, berat badan, usia, tekanan darah dan sebagainya. Diabetes penyakit kronis yang umumnya terjadi pada lansia dan membutuhkan pemantauan berkala untuk mengelola kondisi mereka. Dengan metode K-Means untuk mengelompokan lansia ke dalam kategori yang berbeda berdasarkan karakteristik darah mereka. Metode K-Means Clustering merupakan metode yang digunakan dalam data mining yang cara kerjanya mencari dan mengelompokan data yang mempunyai kemiripan karakteristik antara data satu dengan data lain yang telah diperol eh data yang memiliki kesamaan bukan data yang sama tetapi memiliki karakteristik yang sama, Dengan menerapkan metode K-Means Clustering dapat membantu pihak Posbindu Kp.Lebakjero Desa Ciherang. Penelitian ini akan di cluster menjadi Lansia yang memiliki penyakit Diabetes paling tinggi di Posbindu Kp.Lebakjero Desa Ciherang. Dalam Cluster tersebut atribut yang dipakai adalah Nama, Jenis Kelamin, Usia, dan Hasil Cek Darah. Hasil analisis dapat membantu petugas kesehatan dalam merancang intervensi yang lebih spesifik dan efektif untuk mengelola diabetes pada populasi lansia. Hasil penelitian K-Means Clustering dibantu hasil nilai DBI dengan -0.597, menjadi 6 cluster dimana hasil cluster0 57, cluster1 24, cluster2 30, cluster3 23, cluster4 44, cluster5 25 dan hasil paling optimal di cluster0 yaitu 57. Cluster0 dengan 57 lansia dimana hasil cluster adalah kp.lebakjero mempunyai lansia paling banyak dan mempunyai diabetes paling tinggi. Selain itu, penelitian ini juga untuk mencapai sesuatu hasil yang akurat terhadap data yang di hasilkan di Posbindu Kp.Lebakjero Desa Ciherang.
PENGELOMPOKAN TRANSAKSI PENJUALAN AKSESORIS HP DAN PULSA DENGAN METODE K-MEANS UNTUK MENINGKATKAN STRATEGI PEMASARAN DI TOKO BAGUS CELLULER Syam Al ghifari, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9559

Abstract

Dalam bidang Informatika, menghadapi tantangan penting dalam pengklasifikasian transaksi bisnis menjadi sebuah isu yang mendesak, khususnya bagi sektor ritel seperti Bagus Celluler. Isu utama yang muncul adalah kerumitan dan jumlah data yang bertambah seiring kemajuan teknologi. Studi ini diarahkan untuk mengeksplorasi dan mengimplementasikan metode klasterisasi data dengan menggunakan algoritma K-Means, khususnya pada transaksi penjualan aksesoris telepon seluler dan voucher pulsa di Bagus Celluler. Tujuan klasterisasi ini adalah untuk menemukan tren pembelian yang seragam di antara berbagai segmen konsumen. Data yang terkumpul dari Bagus Celluler akan ditelaah dengan teliti melalui algoritma K-Means untuk mengkategorikan konsumen berdasarkan pola pembelian mereka. Studi kasus ini dilaksanakan dengan mengambil contoh Bagus Celluler, yang mencerminkan dinamika pasar aksesoris telepon seluler dan voucher pulsa di wilayah spesifik. Dengan penerapan algoritma K-Means, diharapkan temuan dari studi ini akan menyediakan wawasan strategis yang bermanfaat bagi Bagus Celluler untuk meningkatkan strategi pemasaran mereka, dengan menyesuaikan penawaran produk dan jasa sesuai dengan kecenderungan konsumen yang beragam. Studi ini bertujuan untuk memberikan pemahaman yang lebih dalam mengenai klasterisasi dalam sektor ritel, terutama pada pasar aksesoris telepon seluler dan voucher pulsa. Selain itu, studi ini juga menunjukkan bagaimana analisis data dapat dimanfaatkan untuk memperbaiki strategi pemasaran dan meningkatkan kepuasan konsumen. Berdasarkan hasil klasterisasi, jumlah kelompok optimal untuk data transaksi penjualan aksesoris telepon seluler dan voucher pulsa dengan menggunakan algoritma K-Means dan indeks Davies Bouldin adalah tiga, dengan nilai Davies Bouldin sebesar-0.205−0.205. Nilai maksimum iterasi yang menghasilkan klaster terbaik untuk data transaksi ini, yang berkisar dari satu hingga sepuluh dan dihitung secara numerik, menunjukkan konsistensi nilai DBI sebesar -0.205−0.205 untuk klaster K=3. Hasil studi ini diharapkan dapat menjadi fondasi dalam merancang strategi pemasaran yang lebih efisien dan sesuai dengan setiap segmen konsumen yang telah diidentifikasi.
OPTIMALISASI STOK BARANG MELALUI ALGORITMA K-MEANS CLUSTERING ANALISIS UNTUK MANAJEMEN PERSEDIAAN DALAM KONTEKS BISNIS MODERN Samsudin, Risma'ruf; Martanto, Martanto; hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9742

Abstract

Penelitian ini mengeksplorasi hasil data penjualan untuk di analisis dengan penerapan metode K-Means dalam mengelompokkan transaksi penjualan untuk mengoptimalkan strategi manajemen persediaan barang. Analisis data menjadi kunci utama dalam mengoptimalkan strategi persediaan barang, terutama dengan akses data yang semakin besar. Sistem manajemen persediaan konvensional memiliki kelemahan dalam akurasi dan waktu, sehingga diperlukan pendekatan modern dan efektif. Algoritma K-Means clustering memungkinkan perusahaan untuk mengkategorikan barang berdasarkan pola permintaan dan karakteristik lainnya, sehingga mempermudah penetapan tingkat persediaan ideal untuk setiap kategori barang. Penelitian ini menunjukkan bahwa analisis data dengan algoritma K-Means clustering dapat membantu mengidentifikasi pola permintaan dan karakteristik barang, sehingga membantu perusahaan dalam mengambil keputusan yang terarah dan efektif terkait strategi persediaan barang. Hal ini dapat meminimalisir ketidakpastian dan risiko, serta memastikan pengambilan keputusan persediaan barang secara personal dan efektif.
PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBORS UNTUK KLASIFIKASI TOPIK BERITA PADA SITUS DETIK.COM Iksan Maulana, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9779

Abstract

Perkembangan pesat dalam bidang Informatika telah menjadi pendorong utama perubahan dalam berbagai aspek kehidupan manusia. Era digital saat ini menyaksikan revolusi teknologi yang telah mengubah cara kita berkomunikasi, bekerja, belajar, dan berbisnis. Studi-studi sebelumnya telah banyak mengkaji masalah klasifikasi berita, namun masih ada ruang untuk penelitian lebih lanjut. Algoritma Naïve Bayes Classifier yang digunakan sebagai metode untuk melakukan klasifikasi data terutama untuk kebutuhan deteksi terhadap berita berita palsu/fakta.Tujuan utama dari penelitian ini adalah untuk menguji dan membandingkan efektivitas Algoritma Naïve Bayes Classification dan K-Nearest Neighbors dalam klasifikasi topik berita. Dengan menggunakan Kedua nya bisa memberikan perspektip yang berbeda dan memungkinkan untuk mengeksplorasi kelebihan dan kekurangan masing masing metode, Dengan demikian kedua metode tersebut dipilih. penelitian ini akan memberikan pemahaman yang lebih baik tentang kemungkinan penerapan kedua metode ini dalam konteks yang relevan. Penerapan Algoritma Naïve Bayes Classification dan K-Nearest Neighbors dalam konteks klasifikasi topik berita berjumlah 9 tahapan. Tahapan tersebut adalah (1) Studi Literatur;(2) Pengumpulan Data;(3) Preprocessing Data;(4) Ekstraksi Fitur;(5) Pembagian Data;(6) Penerapan Algoritma Naïve Bayes Classification;(7) Penerapan K-Nearest Neighbors (K-NN);(8) Evaluasi Model;(9) Analisis Hasil. Dari hasil pengujian ini dapat di simpulkan bahwa pengujian analisis algoritma Naïve Bayes dan K-Nearest Neighbor ini didapatkan hasil akurasi terbaik dalam klasifikasi data yaitu pada algoritma K-Nearest Neighbor dimana mendapatkan akurasi sebesar 71,00% yang didapatkan pada data uji 10% dengan k = 1 dibandingkan algoritma Naïve Bayes yang hanya mendapatkan akurasi sebesar 66,00% pada data uji 10%. Perbandingan ini menunjukkan bahwa metode klasifikasi Naive Bayes dan K-Nearest Neighbors masing-masing memiliki kelebihan dan kekurangan dalam klasifikasi topik berita di Detik.com
Pendugaan Umur Simpan Ale-Ale (Meretrix-Meretrix) Tepung Dengan Perbedaan Bahan Pengemas Menggunakan Metode Accelerated Shelf Life Test (Aslt) Model Arrhenius Zulfahmi, A. Nova; Martanto, Martanto
Baselang Vol 4, No 2: OKTOBER 2024
Publisher : Fakultas Pertanian Universitas Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36355/bsl.v4i2.211

Abstract

Kerang ale-ale memiliki cangkang keras dan licin dengan warna bervariasi dari putih, cokelat, hingga hitam. Bentuknya kecil dan menyerupai remis, dengan daging bening yang memiliki cita rasa gurih. Di Kabupaten Ketapang, ale-ale umumnya dijual di pasar tradisional. Olahan ale-ale tepung dibuat dengan melapisi daging ale-ale menggunakan campuran tepung tapioka, terigu, dan bumbu, sehingga menghasilkan tekstur yang renyah serta rasa gurih. Penelitian ini bertujuan untuk mengestimasi umur simpan Ale-ale tepung, produk olahan khas Kabupaten Ketapang, yang dikemas menggunakan tiga jenis bahan pengemas berbeda: polipropilen, polietilen, dan aluminium foil. Metode yang digunakan adalah Accelerated Shelf Life Test (ASLT) dengan model Arrhenius, di mana sampel disimpan pada suhu 25°C, 35°C, dan 45°C. Parameter yang diuji meliputi kadar air, asam lemak bebas, dan uji organoleptik (tekstur, aroma, rasa, dan warna). Hasil menunjukkan bahwa aluminium foil memberikan umur simpan terpanjang, yaitu 63 hari pada suhu 25°C, diikuti oleh polipropilen (31 hari) dan polietilen (16 hari). Kenaikan suhu mempercepat kerusakan produk, terutama terkait dengan peningkatan kadar air dan asam lemak bebas. Pengemasan aluminium foil menunjukkan permeabilitas yang lebih rendah terhadap uap air, sehingga mampu mempertahankan kualitas produk lebih baik dibandingkan bahan pengemas lainnya. Kesimpulannya, penggunaan aluminium foil sebagai bahan pengemas memberikan hasil terbaik dalam mempertahankan umur simpan Ale-ale tepung, dengan perbedaan signifikan dalam laju oksidasi dan kualitas produk selama penyimpanan.
ANALISIS SENTIMEN ULASAN APLIKASI PINTU DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES Khotimah, Khusnul; Martanto, Martanto; Dikananda, Arif Rinaldi; Rifa'i, Ahmad
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5789

Abstract

Aplikasi berbasis blockchain seperti Pintu semakin populer di Indonesia sebagai platform investasi modern. Namun, tantangan utama dalam menganalisis ulasan pengguna adalah volume data yang besar dan variasi sentimen yang kompleks. Tujuan dari penelitian ini yaitu untuk mengimplementasikan algoritma Naïve Bayes guna meningkatkan analisis sentimen aplikasi Pintu di ulasan Google Play Store. Data ulasan dikumpulkan melalui web scraping dan diproses melalui tahapan pembersihan teks, normalisasi, penghapusan stopwords, tokenisasi, dan translasi. Sentimen diberi label menggunakan TextBlob, dengan menghapus ulasan netral untuk menyederhanakan klasifikasi menjadi positif dan negatif. Ketidakseimbangan data diatasi menggunakan teknik oversampling SMOTE. Dataset akhir terdiri dari 2.510 ulasan positif (92,9%) dan 191 ulasan negatif (7,1%). Hasil evaluasi menunjukkan akurasi model sebesar 95,07%. Presisi dan recall untuk kelas positif masing-masing mencapai 97% dan 98%, namun performa pada kelas negatif masih terbatas dengan presisi 62% dan recall 58%. Teknik SMOTE berhasil meningkatkan performa keseluruhan, meskipun tantangan dalam mengenali sentimen minoritas tetap ada. 
Co-Authors A, Ronny Abdillah, Naufal Abdul Rosid, Rizal Adha Panca Wardanu, Adha Panca Ahmad Rifai Aji Dian Permana, Muhamad Aji Saputra, Mohammad AKBAR, MUHAMAD DENI Al-Giffary, Farhan Rizky Alfin Maulana Almadina, Muhammad Fitrian Shousyade Alpian Novansyah, Indi Andini, Eva Ardhanur, Ichlas Arianti, Ira Arianti Aryatama, Septian Asmana, Asmana Assrorudin, Assrorudin Augustian Pangestiazi, Irvanda Azahra, Amaliyah Putri Aziz Sahidin, Naufal Barki, Khotimatul Bernadeta Wuri Harini Cep Lukman Rohmat Chrisna Basila Rahman, Muhammad Damar Widjaja Darmanto Darmanto Dea Eryanti Putri Dewi Yuliyanti, Dewi Dian Ade Kurnia Dianawati Suryaningtyas Dias Bayu Saputra Dikananda, Arif Rinaldi Dilita Pramasmawari Lita Dita Rizki Amalia Diyanti yanti Djoko Untoro Suwarno Dwi Hastuti, Ningrum Edy, Benediktus Yudha Fadhil Muhammad Bsysyar Faisal Adam, Faisal Faizal Rizqi, Muhammad Faroman Syarief, Faroman Fathur Rezki Junaedi, Muhammad fatimah, lilis Fauzan Afrizal, Ricky Febriani, Budi Febriyani, Adinda Fihir, Muhammad Fithriyani, Nurul Muna Fitriarni, Dian Fuji Astri, Dewanti Gifthera Dwilestari Hamam, Moh Hardika Hardika, Hardika Harini, BW Haryanto, Agustinus Surya Hastuti, Ningrum Dwi Hayati , Umi Hayati, Umi Heliyanti Susana Hepsi Nindiasari Hidayat, Fajar Ignatius Adi Prabowo Ika Anikah Iksan Maulana, Muhammad Indriawan, Rois Irfan Ali Irfan Ali, Irfan irfan cholid Iswanjono Iswanjono Jamaludin, Maulana Jamalul'ain, Abdul Kamil, Firmanilah Khoirunisa, Pitria Kholilullah, Mohammad khusnul khotimah Linggo Sumarno Lukmanul Hakim Lutfi Hakim Ma'arif Syaefullah, Muhammad Mahardika, Fathoni Maulana Jamaludin Maulana Yusuf, Muhammad Meida Nurus Mirna Mirna Moruk, Ewaldus Mu'min Azis, Muhammad Mubarok Mubarok Muhamad Djaelani Muhamad farhan Tholhah hidayat Muhamad Jihad Andiana Muhamad Taufik Sugandi Muhammad Aditya Rabbani Adit Muhammad Fadhilah Muhammad Haikal Muhammad Hasan Fadlun Muhammad Saifurridho Mujibulloh, Mujibulloh Mulyawan Mulyawan, Mulyawan Musyarofah Musyarofah, Musyarofah Muzani, Muhamad Muzilin, Elin Nailil Amani, Najiyah Nana Suarna Nanita, Nanita Nining Rahaningsih Nova Zulfahmi, A Nova Zulfahmi, A. Nur Aisyah, Devi Nur Asih, Nur Nur Hermawan, Ilham Nurdiawa, Odi Nurhanifah, Indah Nurus, Meida Odi Nurdiawa Odi Nurdiawan Panca Wardanu, Adha Petrus Setyo Prabowo Prabowo, PS Prahara, Sukma Primawan, A.Bayu Puji Rahayu Putri, Niken Zeliana Raditya Danar Dana Ramdan Adi Surya, Muhamad Rifa'i, Ahmad Rifa’I, Ahmad Rinaldi Dikananda, Arif Rinaldi, Arif Riskandi, Muhammad Rizal Rizal Rizka Amelia Rohman, Dede Ronny Dwi Agusulistyo Saeful Anwar Safrudin, Muhamad Saifurridho, Muhammad Salsabila Ainal Wasilah, Qonita Samsudin, Risma'ruf Setiyani, Th. Prima Ari Setiyani, TPA Siti Paridah, Ninda Sri Suwartini Subur, Muhamad Sulistiyana Sulistiyana Sumarno, L Suryaningsih Suryaningsih Suwarno, DU Syahri, Ibnu Nava Syam Al ghifari, Muhammad Syamsul Aripin Syaripah, Imas Syifa, Nurkhasanah Fadhila Tati Suprapti Thomas Agam Tjendro Tri Anelia Tri Gustiane, Indri Tuti Hartati Umi Hayati Ummiyati Ummiyati W Widyastuti, W Wibowo, Daniel Widjaja, D Wihadi, Dwiseno WIHADI, RB DWISENO Willy Prihartono Wiwien Widyastuti Wujarso, Riyanto Yudhistira Arie Wijaya Zulfahmi, A. Nova