Article Per Year (5 Year)
p-Index From 2021 - 2026
3.325
P-Index
This Author published in this journals
All Journal Jurnal Konseling dan Pendidikan JURNAL ILMIAH EDUCATIONAL MANAGEMENT Jurnal Informatika Upgris Pendas : Jurnah Ilmiah Pendidikan Dasar Aulad : Journal on Early Childhood AL-TANZIM : JURNAL MANAJEMEN PENDIDIKAN ISLAM JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) MANAGERIA: Jurnal Manajemen Pendidikan Islam Jurnal Studi Guru dan Pembelajaran SCAFFOLDING: Jurnal Pendidikan Islam dan Multikulturalisme Sains, Aplikasi, Komputasi dan Teknologi Informasi Aksara: Jurnal Ilmu Pendidikan Nonformal Cokroaminoto Journal of Primary Education Unram Journal of Community Service (UJCS) Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen Jurnal Kajian Ilmu Pendidikan (JKIP)
Rhini Fatmasari, Rhini
Unknown Affiliation
Aerospace Engineering Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Evaluasi Komparatif Analisis Sentimen Komentar Media Sosial Menggunakan Multinomial Naïve Bayes, Bidirectional-LSTM dan Transfer Learning Purnomo, Niko; Trihardo, Rendra; Rizky, Joy Lawa; Fatmasari, Rhini; Gata, Windu
Jurnal Informatika UPGRIS Vol 11, No 2 (2025): DESEMBER 2025
Publisher : Universitas PGRI Semarang

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

Abstract

Komentar pada media sosial dapat digunakan sebagai umpan balik cepat untuk mengevaluasi kualitas layanan suatu institusi. Penelitian ini membandingkan empat pendekatan klasifikasi sentimen pada komentar Facebook dan Instagram institusi pendidikan (studi kasus: akun resmi Universitas Terbuka), yaitu Multinomial Naïve Bayes (TF-IDF), Text Vectorization Embedding (TensorFlow), Bidirectional-LSTM, dan Universal Sentence Encoder (USE)–Transfer Learning. Tujuan penelitian ini adalah mengidentifikasi model dengan kinerja terbaik untuk klasifikasi sentimen positif dan negatif pada komentar media sosial berbahasa Indonesia. Dataset yang digunakan terdiri dari 333 komentar Facebook dan 663 komentar Instagram, kemudian dilakukan penyeimbangan kelas melalui proses filtering sehingga diperoleh 154 komentar Facebook dan 178 komentar Instagram untuk pemodelan. Hasil evaluasi menunjukkan Bidirectional-LSTM memberikan performa terbaik, dengan akurasi 0,88 dan F1-score 0,89 pada Facebook, serta akurasi 0,74 dan F1-score 0,84 pada Instagram. Model dengan performa terendah pada kedua platform adalah USE–Transfer Learning. Temuan ini mengindikasikan bahwa Bidirectional-LSTM lebih efektif untuk menangkap konteks sekuensial pada komentar media sosial, sehingga dapat dimanfaatkan sebagai dasar pemantauan kualitas layanan secara berkala. Namun, akurasi seluruh model masih berada di bawah 90%, sehingga penelitian lanjutan diperlukan, misalnya melalui perluasan data, penanganan ketidakseimbangan kelas yang lebih robust, dan optimasi arsitektur/model pralatih
Co-Authors Agus Santoso Akadira, Tora Amrillah, Dian Azmi, Burniati Binti Husna, Modesta Budi, Laksana Budi, Untung Laksana Fabiyanto, Dedik Gata, Windu Handayani, Priliana Helmi, Mujahid HERNI, HERNI Ilyas Ilyas Irnaningsih, Sri Jacobs, Henny Kadarisman Kadarisman Kadarisman Kadarisman Kadarisman Laksono Trisnantoro Mudayat, Mudayat Naratiba, Raudhoh Nia Kusuma Wardhani Nurohmah, Ade Nunung Pinem, Tuahta Hasiolan Prayogi, Kurnia Purnomo, Niko Putra, Septian Ade RAIS HIDAYAT, RAIS Rizky, Joy Lawa Saleh Hidayat Septiani, Riska Kurnia Siswanto, Romi Sri Sarwanti Srihartini, Ermina Suroyo Suroyo Sutisna Sutisna Syamsuddin Mallala Trihardo, Rendra Udan Kusmawan Yulianti Yulianti YUYUN ELIZABETH PATRAS, YUYUN ELIZABETH Zulfikri