Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Infotech Journal Linier: Literatur Informatika dan Komputer
Bambang Irawan
STMIK IKMI Cirebon
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mathematics

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

Found 2 Documents
Search

 1 
NAIVE BAYES DAN WORDCLOUD UNTUK ANALISIS SENTIMEN WISATA HALAL PULAU LOMBOK Irvandi; Bambang Irawan; Odi Nurdiawan
INFOTECH journal Vol. 9 No. 1 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i1.5322

Abstract

Lombok merupakan salah satu destinasi wisata halal di Indonesia dan sudah diakui dunia. Untuk membuktikan asumsi tersebut berdasarkan sumber dari opini wisatawan, maka perlu dilakukan analisis sentimen apakah keberadaannya sesuai dengan yang diharapkan. Google Maps merupakan salah satu platform yang dapat menunjukkan lokasi pulau Lombok beserta ulasan tertulis dari wisatawan yang pernah berkunjung. Pengumpulan data ulasan dilakukan melalui teknik Web Scraping pada Google Maps Review, kemudian data diolah menggunakan RapidMiner dengan algoritma Naive Bayes. Visualisasi Wordcloud juga ditampilkan untuk memunculkan kata-kata yang sering diutarakan wisatawan. Text preprocessing yang dilakukan meliputi tokenize, filter token by length, transform case, stopword, dan stemming. Dari hasil pengujian model algoritma Naive Bayes didapatkan tingkat akurasi sebesar 74,75%. Visualisasi Wordcloud juga menemukan kata terbanyak teratas antara lain "indah", "wisata". “pantai”, “alam”, “gunung”, dan “masjid”.
Analisis Sentimen Ulasan Pengguna Aplikasi Kredivo Menggunakan Algoritma Support Vector Machine (SVM) dengan Metode TF–IDF Ariska Sari; Bambang Irawan; Ahmad Faqih; Arif Rinaldi Dikananda; Fathurrohman Fathurrohman
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3344

Abstract

Perkembangan teknologi informasi telah mendorong peningkatan substansial dalam jumlah data teks yang dihasilkan melalui berbagai interaksi pengguna pada platform digital, khususnya di bidang layanan keuangan online. Data ulasan konsumen mengandung informasi berharga terkait tingkat kepuasan dan pandangan pelanggan terhadap suatu produk atau jasa. Kajian ini mengkhususkan diri pada penerapan analisis sentimen terhadap ulasan pengguna aplikasi Kredivo, dengan memanfaatkan algoritma Support Vector Machine (SVM) serta serangkaian langkah pra-pemrosesan teks yang komprehensif. Langkah-langkah tersebut meliputi case folding, pembersihan data, tokenisasi, penghapusan kata-kata berhenti, dan stemming dengan bantuan pustaka Sastrawi yang dirancang untuk Bahasa Indonesia. Fitur teks diekstraksi menggunakan pendekatan Term Frequency–Inverse Document Frequency (TF–IDF), kemudian diklasifikasikan melalui model SVM dengan kernel Radial Basis Function (RBF). Hasil percobaan menunjukkan bahwa model SVM menunjukkan kinerja klasifikasi yang superior, dengan tingkat akurasi yang tinggi dalam membedakan sentimen positif, negatif, dan netral. Temuan ini konsisten dengan studi sebelumnya yang menekankan bahwa penggabungan stemming, penghapusan kata-kata berhenti, dan SVM dapat meningkatkan akurasi analisis sentimen secara bermakna. Secara keseluruhan, penelitian ini memberikan sumbangan bagi pengembangan teknik analisis sentimen dalam Bahasa Indonesia, terutama di sektor teknologi keuangan, dengan membuktikan bahwa integrasi antara SVM dan TF–IDF, yang didukung oleh pra-pemrosesan yang sesuai, mampu menghasilkan model klasifikasi opini pelanggan yang efektif dan mampu menyesuaikan diri dengan nuansa linguistik Bahasa Indonesia
Co-Authors Ahmad Faqih Arif Rinaldi Dikananda Ariska Sari Fathurrohman Fathurrohman Irvandi Odi Nurdiawan