Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal MDP Student Conference BANDWIDTH: Journal of Informatics and Computer Engineering Journal Information & Computer (JICOM)
Hafidz Irsyad
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Klasifikasi Opini Terhadap Resesi Indonesia 2023 pada Twitter Menggunakan Algoritma Decesion Tree Gilbert Agus Trianto; Teo Yulio Sihotang; Muhammad Fauzan Marzuki; Hafidz Irsyad
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1513.113 KB) | DOI: 10.35957/mdp-sc.v2i1.3997

Abstract

Analisis sentimen merupakan salah satu cabang penelitian dari Text Mining yang melakukan proses klasifikasi dokumen tekstual. Analisis sentimen adalah ekstraksi dari pendapat, perasaan, dan penilaian seseorang yang ditulis tentang topik tertentu menggunakan teknik pemrosesan bahasa alami. Resesi global tahun 2023 mulai mengancam dunia. Situasi ini terlihat dari berbagai risiko yang mulai muncul di perekonomian global. Peneliti melakukan kajian analisis sentimen pada Twitter dengan menggunakan tagar #resesi2023 dengan menggunakan metode Decision Tree. Tujuan dari penelitian ini adalah untuk mengetahui seberapa akurat dan mengetahui pendapat pengguna tentang #resesi2023. Hasil pencarian menggunakan algoritma Decision Tree menghasilkan nilai Accuracy 89.86%, recall 82.64%, precision 84.22%, f1-point 83.32%. Dari hasil evaluasi yang dilakukan, dapat disimpulkan bahwa algoritma Decision Tree bekerja dengan sangat baik.
Analisis Sentimen Masyarakat terhadap Perilaku Lawan Arah yang Diunggah pada Media Sosial Youtube Menggunakan Naïve Bayes Ramanda MD; Reza Dwi Restiyan; Hafidz Irsyad
BANDWIDTH: Journal of Informatics and Computer Engineering Vol. 2 No. 2 (2024)
Publisher : Perkumpulan Dosen Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53769/bandwidth.v2i2.706

Abstract

Upaya penelitian ini berusaha untuk meneliti sentimen publik terhadap perilaku arus balik yang disebarluaskan di platform media sosial YouTube melalui penerapan algoritma Naive Bayes dan teknik SMOTE (Synthetic Minority Over-sampling Technique). Dataset dikumpulkan dari komentar yang diposting di video YouTube yang berkaitan dengan subjek “arah berlawanan” dan untuk datanya berjumlah 1045 data pada dataset. Komentar ini kemudian menjadi sasaran pemrosesan otomatis dan dikategorikan sebagai positif, negatif, atau netral. Pemanfaatan teknik SMOTE digunakan untuk mengatasi ketidakseimbangan dalam data kelas minoritas. Model Bayes Naive dilatih dan dinilai sebelum dan setelah penerapan SMOTE. Hasil penilaian mengungkapkan peningkatan akurasi model dari 76,5% menjadi 78,0% setelah penggunaan SMOTE, terlepas dari pengurangan ingatan dalam kelas positif. Integrasi SMOTE secara efektif meningkatkan kinerja model dalam identifikasi kelas negatif. Studi ini mengantisipasi menawarkan wawasan mendalam tentang perspektif publik tentang perilaku arus balik dan berkontribusi pada upaya yang bertujuan meningkatkan keselamatan berkendara
Analisis Sentiment Masyarakat Terhadap penyebaran Starlink di Indonesia Menggunakan Algoritma Naive Bayes Bebin Paula; Muhammad Fawzan; Hafidz Irsyad
Journal Information & Computer Vol. 2 No. 2 (2024): Journal Information & Computer
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jicomisc.v2i2.43077

Abstract

Penelitian ini bermaksud menganalisis sentimen masyarakat terhadap penyebaran Starlink di Indonesia dengan menggunakan algoritma Naive Bayes. Data dikumpulkan dari komentar YouTube yang kemudian diberi label sebagai positif atau negatif. Setelah melalui tahap preprocessing, dilakukan analisis sentimen untuk menentukan kecenderungan komentar kepada Starlink. Algoritma Naive Bayes digunakan untuk klasifikasi data tersebut. Hasil penelitian menunjukkan bahwa mayoritas komentar bersifat positif terhadap Starlink, terutama dari daerah terpencil yang sulit mendapatkan akses internet. Selain itu, jurnal ini juga membahas dampak Proyek Satelit Starlink terhadap penyedia layanan internet, perkembangan Internet of Things di sektor energi, serta efisiensi algoritma Naive Bayes dalam klasifikasi buah. Jurnal ini turut menyajikan perbandingan algoritma machine learning untuk analisis sentimen dan tantangan dalam text mining. Kemampuan kerja Naive Bayes menunjukkan akurasi 64% dan Hasil ini dipengaruhi oleh ketidakseimbangan dataset, dengan 946 sentimen negatif dan 543 sentimen positif dari total 1489 data. Kesimpulannya ini cukup jujur dan realistis. Namun, jurnal ini dapat ditingkatkan dengan menyertakan rekomendasi untuk penelitian di masa mendatang, seperti penerapan algoritma berbeda, perbaikan teknik pra-pemrosesan, atau pengumpulan data dari berbagai sumber yang lebih beragam.
Co-Authors Bebin Paula Gilbert Agus Trianto Muhammad Fauzan Marzuki Muhammad Fawzan Ramanda MD Reza Dwi Restiyan Teo Yulio Sihotang