Article Per Year (5 Year)
p-Index From 2021 - 2026
2.369
P-Index
This Author published in this journals
All Journal IKRA-ITH Informatika : Jurnal Komputer dan Informatika Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Jurnal Abdi Masyarakat Multidisiplin
Imam Santoso
Universitas Teknologi Muhamadiyah Jakarta
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Library & Information Science Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
ANALISIS SENTIMEN TANGGAPANPUBLIC MENGENAI E-TILANG MELALUI MEDIA SOSIAL YOUTUBE MENGGUNAKAN ALGORITMA NAIVE BAYES Zalsa Nanda Aulia; Gilang Kuncoro Jati; Imam Santoso
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol 7 No 2 (2023): IKRAITH-INFORMATIKA Vol 7 No 2 Juli 2023
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

E-tilang merupakan sistem tilang elektronik yang digunakan oleh pemerintah dalam penegakan hukum lalu lintas. Dalam penelitian ini melakukan analisis sentimen tentang sistem e-Tilang atau opinion mining untuk mengelompokan ragam komentar masyarakat yang memberikan kesan positif, negatif atau netral. Media sosial youtube menjadi salah satu objek untuk menyampaikan opini karena user friendly, topik ter-update, dan terbuka mengakses komentar. Opini pada Youtube dikumpulkan, lalu dilakukan tahapan preprocessing, selanjutnya dengan seleksi membantu mengurangi noise yang disebabkan oleh label-label yang tidak relevan. Untuk Data set yang dikelola sebanyak 500 data. Algoritma naive bayes pengklasifikasian tidak membutuhkan adanya pemodelan maupun uji statistik. Tahap selanjutnya adalah klasifikasi sentimen dengan algoritma Naïve Bayes Penelitian ini menghasilkan accuracy 79,44%.
Komparasi Algoritma Support Vector Machine Dan Naïve Bayes Pada Analisis Sentimen Formula-E Jakarta Tahun 2022 Fadida Zanetti Junaedy; Rachmat Hidayat Insani; Imam Santoso
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol 7 No 2 (2023): IKRAITH-INFORMATIKA Vol 7 No 2 Juli 2023
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Kota Jakarta berencana untuk mengadakan acara balap Formula E untuk mempromosikan mobil listrik sebagai kendaraan masa depan. Pandemi Covid-19 yang melanda Jakarta membuat rencana tersebut sempat ditunda. Penundaan tersebut sempat menimbulkan polemik di masyarakat di media sosial karena kondisi Jakarta yang sedang dilanda Covid-19 namun pemerintah kota Jakarta tetap ingin menggelar Formula E dengan membayar uang komitmen kepada pihak penyelenggara yang jumlahnya tidak sedikit. Indonesia juga menjadi negara pertama di Asia Tenggara yang telah menyelenggarakan balapan Formula E di Jakarta, sejak awal rencananya gelaran event ini banyak menimbulkan pro dan kontra bahkan setelah selesai gelarannya pun masih ramai dibicarakan di media sosial. Perlu dilakukan penelitian untuk melihat seberapa besar dampak dari terjadi gelaran event tersebut, diharapkan dengan penelitian ini dapat bermanfaat dalam penelitian mengenai opini masyarakat lainnya. Peneliti menggunakan analisis sentimen karena salah satu teknik yang tepat untuk pengelolaan dataset. Terdapat 1051 opini pengguna youtube yang diambil dari 2 video dan juga twitter mendapatkan 538 opini positif dan 513 opini negatif. Data tersebut diklasifikasikan menggunakan algoritma Support Vector Machine dan Naïve Bayes. Hasil penelitian yang telah dilakukan mendapatkan hasil akurasi Naïve Bayes lebih baik daripada Support Vector Machine sebesar 70.57%.
Analisis Sentimen Terhadap Penerapan Sistem Ganjil Genap Menggunakan Metode K - Nearest Neighbor (KNN) Fadillah Ali Rohmansyah; Bayu Bintoro; Imam Santoso
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol 7 No 2 (2023): IKRAITH-INFORMATIKA Vol 7 No 2 Juli 2023
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Penerapan sistem Ganjil Genap pada rambu lalu lintas merupakan kebijakan pemerintah terutama untuk mengurangi kemacetan di ibu kota, dengan cara tersebut pemerintah memberikan solusi kepada pengguna jalan terutama angkutan umum karena di ibu kota banyak pengguna kendaraan pribadi terutama mobil yang bisa membuat kemacetan parah, karena semakin banyak para pengguna kendaraan pribadi pada saat hari kerja. Dalam penelitian ini mencoba untuk menganalisis hasil sentimen pada platfrom medi sosial untuk kebijakan ganjil genap tersebut, sehingga dapat mengelompokkan pengguna platform media sosial menjadi opini positif dan negatif, penelitian ini menggunakan metode data mining untuk klasifikasi dengan algoritma K- Nearest Neighbor. K- Nearest Neighbor merupakan K-Nearest Neighbor (KNN) adalah suatu metode yang menggunakan algoritma supervised dimana hasil dari query instance yang baru diklasifikan berdasarkan mayoritas dari kategori pada KNN.Penelitian ini menghasilkan klasifikasi teks dalam bentuk positif dan negatif untuk penerapan lalu lintas ganjil genap, dalam penelitian ini menghasilkan accuracy 75,36%.
Metode K- Nearest Neighbor Untuk Analisis Sentimen Tentang Penghapusan Ujian Nasional Faza Ahluna; Chelvin Joines Tutuarima; Imam Santoso
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol 7 No 2 (2023): IKRAITH-INFORMATIKA Vol 7 No 2 Juli 2023
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Media sosial yang sering digunakan oleh pengguna di Indonesia dalam platfrome twitter,youtube dan instagram. Dalam penggunaannya twitter, youtube dan instagram digunakan sebagai platform yang membahas tentang opini publik, hiburan dan trending topik didunia salah satu perbincangan pada awal tahun 2020 yakni dihapusnya Ujian Nasional (UN) oleh Kementerian Pendidikan dan Kebudayaan Republik Indonesia (Mendikbud RI). Opini dan Sentimen pengguna di twitter, youtube dan instagram pun sangat beragam, ada yang termasuk kedalam sentimen positif dan ada juga sentimen negatif. Untuk memilah mana yang termasuk kedalam sentimen positif dan negatif diperlukan sebuah rangkaian proses, salah satu proses yang dapat digunakan yakni data mining. Pada penelitian ini akan membahas tentang sentimen pengguna twitter, youtube dan instagram dalam kasus penghapusan UN dengan menggunakan algoritma K-Nearest Neighbor. Pengujian dilakukan menggunakan k-Fold Cross Validation untuk diperoleh nilai akurasi (accuracy), tabel Confusion Matrix dan Area Under Curve. Hasil pengujian diperoleh nilai akurasi 75,45%.
Analisis Sentimen Publik Terhadap Pengambilalihan Jalan Rusak Di Lampung Menggunakan Algoritma K-Nearest Neighbors (KNN) Afyra Ar’bah Lailany; Anggit Nur Hannaa Regita; Imam Santoso
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol 7 No 2 (2023): IKRAITH-INFORMATIKA Vol 7 No 2 Juli 2023
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Pada saat ini banyak sekali kasus yang sedang marak diperbincangkan oleh masyarakat yaitu jalan di Lampung yang rusak parah akibat sudah lama tidak di perbaiki, dimana gubernur Lampung diklaim menggunakan uang pembangunan dengan tidak sesuai sehingga membuat kita sebagai masyarakat terlebih masyarakat Lampung tentunya akan merasa dirugikan terhadap kasus tersebut. Kasus tersebut sampai mendatangkan bapak presiden, pak Jokowi, yang sudah ditentukan bahwa perbaikan jalanan di Lampung akan dipindah tugas kan menjadi tanggung jawab pusat.. Topik pada kasus ini banyak menimbulkan pro dan kontra seperti yang ramai diperbincangkan di media sosial. Perlu dilakukan penelitian untuk melihat seberapa besar masyarakat yang setuju terhadap pengambilalihan jalan rusak di Lampung oleh pusat tersebut, Dari pernyataan itulah maka berdampak pada terjadinya kontroversi mengenai peran Gubernur Lampung yang tidak mampu menjalankan tugas di daerahnya sendiri. Peneliti memilih analisis sentimen karena merupakan teknik yang tepat untuk pengolahan dataset. Dari 500 opini pengguna tiktok yang berhasil dikumpulkan, didapat 422 opini positif, 48 opini negative. Kemudian, data tersebut diklasifikasikan mengunakan algoritma KNN, selanjutnya dilakukan accuracy yang menghasilkan sebesar 84,37% untuk hasil yang menggunakan algoritma KNN. Pengambilalihan jalan rusak di Lampung ke pada pusat adalah cara yang tepat dilakukan melalui uraian dan analisis secara opini publik.
Analisis Sentimen Tanggapan Masyarakat Terhadap Cyberbullying Di Media Sosial Menggunakan Algoritma Naïve Bayes ( NB ) Hanna Sabilla Rifai; Syafira Febrianti; Imam Santoso
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol 7 No 2 (2023): IKRAITH-INFORMATIKA Vol 7 No 2 Juli 2023
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Penelitian analisis sentimen ini dilakukan untuk melihat sebuah opini seseorang atau masyarakat tanggapan terhadap cyberbullying yang berada di media sosial. sehingga dihasilkan opini yang dapat masuk ke kategori opini negatif ataupun opini positif. Dengan adanya penilaian maupun pandangan masyarakat yang disampaikan pada media sosial, maka peneliti berinisiatif membuat penelitian ini. Penelitian menggunakan 10 Fold Cross Validation dalam melakukan validasi, dan untuk mengukur akurasi dilakukan dengan Confusion Matrix, yaitu membandingkan akurasi Naïve Bayes dengan Support Vector Machine tanpa dan dengan menggunakan fitur seleksi Particle Swarm Optimization (PSO). Kemudian Kurva ROC digunakan untuk mengukur nilai AUC. Penelitian ini menggunakan algoritma Naive Bayes untuk melakukan analisis sentimen. Kemudian menggunakan Accuracy dan AUC (Area Under Curve). Tahapan - tahapan pengujian dilakukan dengan menggunakan dataset sebanyak 376 komentar opini pengguna Youtube ,facebook, Tiktok, Instagram, dan Snack video mengenai Tanggapan masyarakat terhadap cyberbullying maka hasil Akurasi Algoritma Naïve Bayes yaitu sebesar 77.29 %, sedangkan untuk nilai AUC sebesar 0.500. Berdasarkan dari penelitian yang sudah dilakukan, dapat disimpulkan bahwa hasil akurasi dan AUC dengan algoritma Naïve Bayes, hasil pengujian pengklasifikasian AUC nilai keakuratannya dapat dikategorikan sebagai Excellent Classification. algoritma tersebut juga sangat besar, terjadi peningkatan nilai akurasi dan AUC sangat signifikan.
KOMPARASI ALGORITMA NAIVE BAYES DAN K-NEAREST NEIGHBOR PADA ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI TOKOPEDIA Ryfan Maulana; Muhammad Raihan; Imam Santoso
Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Vol. 17 No. 2 (2023): Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Inform
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jti.v7i2.10071

Abstract

Tokopedia is one of the leading e-commerce platforms in Indonesia. The use of e-commerce platforms has increased rapidly in recent years. This is due to technological advances, increased internet access, and consumer behavior that prefers to shop online. In today's digital era, user reviews have an increasingly important role in shaping consumer perceptions of a product or service. The purpose of this research is to conduct sentiment analysis on application performance based on user reviews of the Tokopedia application. Researchers made the decision to use sentiment analysis because it is the most suitable method for processing data sets. From 1019 Tokopedia user reviews on the Play Store that were collected, 176 positive reviews and 843 negative reviews were obtained. Then, the data is classified using the Naive Bayes and K-Nearest Neighbor algorithms, then optimized using Particle Swarm Optimization. The results of the research conducted obtained an accuracy of 76.30% for the Naive Bayes accuracy value without feature selection, 74.09% for Naive Bayes results using feature selection. Then the accuracy value obtained for K-Nearest Neighbor without feature selection is 83.10%, and with feature selection is 83.53%. From the results obtained, the effect of using Particle Swarm Optimization selection features on the two algorithms does not have a big impact, there is an insignificant change in accuracy and AUC values which in the Naïve Bayes algorithm actually decreases
Digitalisasi UMKM Melalui Pelatihan Pemasaran Online di PCA Matraman Supriatiningsih Supriatiningsih; Hidayat Darwis; Imam Santoso; Bono Prambudi; Taufan Setia Nusantara
 Jurnal Abdi Masyarakat Multidisiplin Vol. 5 No. 01 (2026): April: JURNAL ABDI MASYARAKAT MULTIDISIPLIN
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56127/jammu.v5i01.2646

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam perekonomian nasional, namun masih banyak pelaku UMKM yang belum memanfaatkan teknologi digital secara optimal, khususnya dalam pemasaran. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan literasi dan keterampilan pemasaran online pelaku UMKM PCA Matraman melalui pelatihan dan pendampingan praktis. Metode yang digunakan meliputi ceramah interaktif, demonstrasi langsung, praktik hands-on, simulasi penjualan online, serta evaluasi kegiatan. Hasil kegiatan menunjukkan adanya peningkatan pemahaman dan kemampuan pelaku UMKM dalam memanfaatkan media sosial dan marketplace sebagai sarana pemasaran. Pelatihan ini berkontribusi dalam memperluas jangkauan pasar, meningkatkan daya saing UMKM, serta mendorong transformasi usaha menuju model bisnis yang lebih adaptif dan berkelanjutan di era digital.
Co-Authors Ade Septiansyah Adinda Mutiara Afyra Ar’bah Lailany Agistia Yuliawati Anggit Nur Hannaa Regita Bayu Bintoro Bono Prambudi Chelvin Joines Tutuarima Citra Pricylia Ananda Mulya Dinda Puspita Arini Fadida Zanetti Junaedy Fadillah Ali Rohmansyah Faza Ahluna Fentri Boy Pasaribu Gilang Kuncoro Jati Hanna Sabilla Rifai Hidayat Darwis Ika Amelia Imam Imam Intan Purwasih Muhammad Raihan Pramudya Nugraha Putri Gea Aryanti Rachmat Hidayat Insani Rosiana Dewi Ryfan Maulana Septi Hasanah Suhartini Suhartini Supriatiningsih, Supriatiningsih Syafira Febrianti Taufan Setia Nusantara Thania Abulide Tiara Marliani Veren Nita Permatasari Zalsa Nanda Aulia Zuhdi Hanif