Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Tematik : Jurnal Teknologi Informasi Komunikasi RESLAJ: Religion Education Social Laa Roiba Journal
Anak Agung Ketut Agung Cahyawan Wiranatha
Unknown Affiliation
Religion Computer Science & IT Economics, Econometrics & Finance Education Environmental Science Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Sentimen Pembelajaran Daring Era Pandemi COVID-19 Menggunakan Naive Bayes Dan SVM Ketut Mediana Ayu Candrayani; I Made Agus Dwi Suarjaya; Anak Agung Ketut Agung Cahyawan Wiranatha
TEMATIK Vol 10 No 1 (2023): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2023
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v10i1.1274

Abstract

Kondisi pandemi COVID-19 di Indonesia memberikan pengaruh yang signifikan di seluruh sektor kehidupan, tidak terkecuali pendidikan. Dalam upaya mengurangi tingkat penyebaran virus dan memastikan bahwa kegiatan pembelajaran tetap berjalan meski di situasi pandemi, pemerintah mencetuskan kebijakan sistem pembelajaran daring yang mewajibkan kegiatan pembelajaran dijalankan secara online dari rumah. Perubahan drastis yang terkesan mendadak ini memunculkan beragam respons dari masyarakat termasuk dalam platform media sosial seperti Twitter. Opini masyarakat yang tertuang dalam tweet merupakan textual data yang dapat diekstrak dan diolah untuk dapat memahami pandangan dan perasaan masyarakat terhadap suatu topik, yang biasa disebut analisis sentimen. Analisis sentimen merupakan bentuk penerapan konsep Big Data, yaitu ilmu yang menangani kumpulan data besar dan kompleks untuk mendapatkan informasi penting, mengungkap pola tersembunyi, serta membantu pengambilan keputusan. Penelitian ini dilakukan untuk mengetahui sentimen masyarakat terhadap pembelajaran daring selama pandemi COVID-19 menggunakan data Twitter. Total data yang digunakan berjumlah 953.378 tweet terhitung dari bulan Januari 2020 sampai dengan Mei 2022, yang diklasifikasi menggunakan tiga kelas sentimen, yaitu negatif, positif, dan netral. Model klasifikasi dibentuk untuk mengklasifikasi data tweet dengan mengimplementasikan metode TF-IDF untuk pembobotan kata, serta 2 algoritma machine learning, yaitu Naive Bayes dan Support Vector Machine (SVM). Hasil evaluasi model menemukan bahwa persentase akurasi tertinggi mencapai 84% menggunakan SVM dan hasil penelitian menunjukkan bahwa data didominasi oleh sentimen netral dengan persentase sebesar 43.28%, sementara persentase sentimen negatif 32.91%, dan sentimen positif 23.82%. Hal ini mencerminkan bahwa sentimen masyarakat cenderung netral, dalam artian masyarakat tidak sepenuhnya mendukung maupun menentang pembelajaran daring di era pandemi COVID-19.
Rancang Bangun Aplikasi Pencatatan Keuangan dan Simulasi Investasi Berbasis Web I Made Rian Suputra; I Made Sukarsa; Anak Agung Ketut Agung Cahyawan Wiranatha
Reslaj: Religion Education Social Laa Roiba Journal Vol. 7 No. 10 (2025): RESLAJ: Religion Education Social Laa Roiba Journal
Publisher : Intitut Agama Islam Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/reslaj.v7i10.9443

Abstract

Accurate financial recording and effective investment management are essential for optimizing the use of financial resources, identifying spending patterns, and maximizing investment growth. The aim of this research is to assist users in managing daily income and expenses, as well as to support decision-making in financial investments. Therefore, it is necessary to develop an application that offers practical solutions for financial recording and investment management. The financial recording and investment simulation application is developed using the Laravel Framework with the waterfall development method. The programming language used is PHP, and the database is MySQL. Application testing was carried out using Black Box Testing to verify functionality and Stress Testing to evaluate system performance and resilience. The Stress Testing scenario involved 100 samples with a ramp-up period of 10 seconds and a loop count of 1, testing one of the API endpoints, namely the news endpoint. The results of the Black Box Testing indicate that the application successfully performs the expected scenarios, and the Stress Testing results show that the application demonstrates adequate resilience under high workload conditions.
Co-Authors I Made Agus Dwi Suarjaya I Made Rian Suputra I Made Sukarsa Ketut Mediana Ayu Candrayani