Article Per Year (5 Year)
p-Index From 2021 - 2026
1.497
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Ranah: Jurnal Kajian Bahasa Dinamisia: Jurnal Pengabdian Kepada Masyarakat JURNAL INOVASI PENDIDIKAN DAN PEMBELAJARAN SEKOLAH DASAR JENTERA: Jurnal Kajian Sastra Building of Informatics, Technology and Science Charity : Jurnal Pengabdian Masyarakat Journal La Multiapp Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering
Diyas Puspandari
Telkom University
Aerospace Engineering Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : eProceedings of Engineering

 1 
Analisis Sentimen Twitter Transportasi Online Berbasis Ontologi (studi Kasus: Go-jek) Indriani Mentaruk; Anisa Herdiani; Diyas Puspandari
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kehadiran layanan ojek online dalam bidang transportasi semakin diminati masyarakat untuk menunjang aktivitas sehari-hari. Go-Jek merupakan salah satu penyedia jasa ojek online di Indonesia. Kemudahan proses pemesanan, berbagai macam layanan dan promo membuat Go-Jek menjadi pilihan bagi masyarakat yang memiliki mobilitas tinggi terutama di kota besar. Sebagian masyarakat menyampaikan pendapat, komentar hingga keluhan terhadap layanan Go-Jek melalui media sosial Twitter dalam bentuk tweet. Komentar, pendapat dan keluhan tersebut mengandung opini atau sentimen yang dapat digunakan sebagai bahan evaluasi bagi perusahaan. Opini tersebut dapat dimanfaatkan sebagai bahan analisis untuk mengetahui penilaian masyarakat terhadap pelayanan Go-Jek baik positif atau negatif berdasarkan aspek yang dinilai. Berdasarkan ide tersebut, Metode Ontologi digunakan agar katakata yang berhubungan dengan aspek dan sentimen dapat ditampung dan dijadikan kamus untuk melakukan klasifikasi aspek dan sentimen. Proses diawali dengan memberi label secara manual berdasarkan aspek dan sentimen yang terkandung dalam tweet tersebut. Kedua dilakukan preprocessing yang terdiri atas tokenizationi, case folding, stopword removal, non-standard word handling dan phrase-lookup. Proses ketiga adalah membangun model ontologi untuk klasifikasi, keempat dilakukan klasifikasi aspek dan sentimen, dan yang terakhir dilakukan pengukuran performansi sistem yang dibangun. Dari hasil penelitian yang dilakukan didapatkan rata-rata Akurasi sebesar 97,93%, rata-rata Recall sebesar 91,34% dan rata-rata Presisi 89,37%. Kata kunci : Go-Jek, Ontologi, Twitter, Analisis Sentimen Abstract The presence of online transportation in transportation has increasingly attracted the public to support their daily activities. Go-Jek is one of the online motorcycle taxi service providers in Indonesia. The ease of the ordering process, various services and promosion make Go-Jek an option for people who have high mobility, especially in big cities. Some of them expressed their opinions, comments to complaints about GoJek services via Twitter social media in the form of tweets. These comments, opinions and complaints contain opinions or sentiments that can be used as evaluation material for the company. This opinion can be used as an analytical material to find out the community's assessment of Go-Jek's services, either positive or negative based on the aspects assessed. Based on this idea, the Ontology Method is used so that words related to aspects and sentiments can be accommodated and used as a dictionary to classify aspects and sentiments. The process begins by labeling manually based on the aspects and sentiments contained in the tweet. The second is a preprocessing consisting of tokenisation, folding cases, stopword removal, non-standard word handling and phrase-lookup. The third process is to build an ontology model for classification, the fourth is the classification of aspects and sentiments, and the last is a performance measurement system built. From the results of the research conducted, the average accuracy is 97,93%, the average recall is 91,34% and the precision average is 89,39%. Keywords: Go-Jek, Ontology, Twitter, Sentiment Analysis
Analisis Pengaruh Normalisasi, Tf-idf, Pemilihan Feature-set Terhadap Klasifikasi Sentimen Menggunakan Maximum Entropy (studi Kasus : Grab Dan Gojek) Muhamad Fauzan Putra; Anisa Herdiani; Diyas Puspandari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Penggunaan sosial media untuk mengutarakan pendapat sudah menjadi kebiasaan masyarakat.Opini yang ditulis konsumen sedikit banyak dapat berpengaruh terhadap bisnis perusahaan. Perusahaanbutuh untuk mengevaluasi pelayanan demi kepuasan konsumen dan opini ini dapat sangat bermanfaat dalamberjalannya prosestersebut. Dengan banyaknya tweet dari konsumen merupakan pekerjaan yang tidakmudah bagi manusia. Oleh karena itu, pada penelitian ini dibuat suatu sistem yang mampu mengklasifikasiberbagai opini konsumen yang bersifat positif dan negatif. Untuk menentukan fitur dan bobotnya digunakanmetode TF-IDF, serta metode Maximum Entropy untuk melakukan klasifikasi. Hasil terbaik yang didapatpada percobaan ini adalah akurasi sebesar 90,67% dan f1-score sebesar 84,3%. Kata kunci: tweet, opini, klasifikasi, tf-idf, maximum entropyAbstract The use of social media to express opinions has become a habit of society today. Consumer opinionscould more or less affect to the company's business. Companies need to evaluate their service for customersatisfaction and this opinions can be very useful in the process. With the numbers of tweets that must be evaluatedfrom consumers, it isn’t an easy task for human. Therefore, in this study, a system has been created that is able toclassify consumer opinions into positive and negative classes. Using TF-IDF method to determine the featuresand weights, and the Maximum Entropy method for classification. The best results obtained in this experimentwere accuracy of 90.67% and f1-score of 84.3%. Keywords: tweet, opinion, classification, tf-idf, maximum entropy
Analisis Sentimen Kepuasan Pelanggan Terhadap Internet Provider Indihome di Twitter Menggunakan Metode Decision Tree dan Pembobotan TF-IDF Shakina Rizkia; Erwin Budi Setiawan; Diyas Puspandari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Kepuasan pelanggan merupakan salah satu faktor untuk mengukur kesuksesan sebuah layanan pada suatu perusahaan jasa. Kepuasaan pelanggan umumnya digunakan oleh perusahaan jasa sebagai bahan evaluasi untuk memperbaiki layanan yang diberikan. Salah satu cara untuk mengukur kepuasan pelanggan adalah dengan menggunakan analisis sentimen untuk mengklasifikasikan opini pelanggan terhadap layanan tersebut ke dalam kelas positif, negatif dan netral, sehingga diperoleh seberapa besar pelanggan yang puas terhadap layanan yang diberikan berdasarkan banyaknya opini positif, negatif, maupun netral. Data diperoleh dari tweet tentang opini pelanggan terhadap layanan indihome. Metode yang digunakan dalam tugas akhir ini adalah Decision Tree dengan menggunakan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Berdasarkan hasil eksperimen, didapatkan akurasi maksimal sebesar 80,1 % dengan menggunakan bigram dan pembobotan TFIDF. Kata kunci : Analisis Sentimen, Decision Tree.
Implementasi Information Gain sebagai Feature Selection pada Word Sense Disambiguation Bahasa Indonesia dengan Teknik Klasifikasi Decision List Sakti Dewantoro; Anisa Herdiani; Diyas Puspandari
eProceedings of Engineering Vol 6, No 3 (2019): Desember 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Word sense disambiguation (WSD) merupakan metode pencarian makna asli dari sebuah kata ambigu dalam konteks tertentu. Berbagai jenis classifier dapat digunakan di WSD, salah satunya adalah pendekatan supervised dengan metode decision list. Metode klasifikasi decision list mampu menjadi kompetitor terbaik pada senseval 1 diantara partisipan supervised. Pendekatan supervised, tidak diragukan lagi bekerja lebih baik daripada pendekatan lain. Namun, pendekatan ini perlu mengandalkan banyaknya ketersediaan korpora yang digunakan untuk membuat dataset. Semakin banyak korpora yang digunakan maka semakin banyak atribut yang terdapat pada dataset. Banyaknya atribut yang diolah classifier akan berdampak pada menurunnya kinerja classifier. Feature selection dapat digunakan untuk mengoptimalkan kinerja classifier dengan cara mengurangi atribut yang kurang relevan pada dataset. Information gain merupakan salah satu seleksi fitur terbaik dibanding seleksi fitur lainya pada penelitian yang telah dilakukan oleh Yang dan Pederson, Tan dan Yang serta Forman dalam hal klasifikasi dokumen. Karena keunggulan seleksi fitur information gain dan keunikan metode klasifikasi decision list tersebut, penelitian ini mengimplementasikan information gain sebagai seleksi fitur pada WSD bahasa Indonesia menggunakan metode klasifikasi decision list. Hasil penelitian ini, information gain dapat meningkatkan akurasi dengan selisih 0.5% dan selisih presisi 1.3% pada pengujian range collocation 2, serta selisih akurasi 0.3% dan selisih presisi 0.7% pada pengujian range collocation 3. Kata kunci : word sense disambiguation, decision list, feature selection, information gain Abstract Word sense disambiguation (WSD) is a method of searching for the original meaning of an ambiguous word in a particular context. Various types of classifiers can be used in WSD, one of which is the supervised approach to the decision list method. The decision list classification method is able to be the best competitor for the senses which 1 of the participants is supervised. Supervised approach, has no doubt works better than other approaches. However, this approach needs to rely on the large availability of korpora used to create datasets. The more korpora used, the more attributes are found in the dataset. The number of attributes processed by the classifier will affect the performance of the classifier. Feature selection can be used to reduce attributes that are less relevant to the dataset. Information gain is one of the best feature selection compared to other feature selection in the research conducted by Yang and Pederson, Tan and Yang and Forman. Feature selection can be used to optimize classifier performance due to the advantages of information gain feature selection and the uniqueness of the decision list classification method. This study implements information gain as a feature selection on Indonesian WSD using the decision list classification method. The results of this study, information gain can improve 0.5% accuracy and 1.3% precision in range collocation 2 testing and 0.3% accuracy and 0.7% precision in range collocation 3 testing. Keywords: word sense disambiguation, decision list, feature selection, information gain
Co-Authors Anisa Herdiani Arip Widodo, Arip Atikah, Balqis Sayyidahtul Erwin Budi Setiawan Fitriyani Fitriyani Indra Nugrahayu Taufik Indriani Mentaruk Irma Palupi Mahardika, Reka Yuda Muhamad Fauzan Putra Novitasari, Ariqoh Prasetiyowati, Sri Sakti Dewantoro Shakina Rizkia Shyahrin, Mega Vebika Yuliant Sibaroni