Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri Jurnal Informatika Kaputama (JIK) NUSANTARA: Jurnal Pengabdian Kepada Masyarakat
Ridatu Ocanitra
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Social Sciences

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

Found 3 Documents
Search

 1 
ANALISA SENTIMEN VAKSINASI COVID-19 DENGAN METODE SUPPORT VECTOR MACHINE DAN NAÏVE BAYES BERBASIS TEKNIK SMOTE Riza Fahlapi; Hermanto Hermanto; Taufik Asra; Antonius Yadi Kuntoro; Ridatu Ocanitra; Lasman Effendi; Ferry Syukmana
Jurnal Informatika Kaputama (JIK) Vol 6 No 1 (2022): Volume 6, Nomor 1, Januari 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v6i1.136

Abstract

Keadaan dan tantangan pandemi pada awal tahun 2021 dengan telah ditemukannya vaksin atas virus Covid-19 tentunya diperlukan percepatan dalam pemberian vaksin kepada seluruh umat manusia di seluruh dunia. Di Indonesia, Pemerintah menggalakan program vaksinasi masal kepada seluruh Warga Negara Indonesia dengan melakukan percepatan vaksinasi di seluruh wilayah Indonesia sampai dengan saat ini. Berdasarkan hal tersebut diatas dipandang perlu melakukan analisa sentimen. Media sosial twitter dipilih sebagai salah satu sarana dalam analisas sentiman ini. Terdapat 1013 komentar positif dan negatif para pengguna twitter dengan kata kunci “vaksin” yang didapatkan untuk diproses terkait tanggapan masyarakat atas pelaksanaan vaksinasi masal yang dilaksanakan di Indonesia. Dengan menggunakan Algoritma Support Vector Machine (SVM) dan Naïve Bayes berbasis SMOTE dilakukan perbandingan pengujian atas komentar positif dan negatif tersebut. Dari proses pengujian tersebut didapatkan hasil akurasi dari algoritma SVM menggunakan teknik SMOTE didapatkan nilai akurasi =70.51% dan nilai AUC =0.827, sedangkan proses pengujian menggunakan algoritma Naïve Bayes dengan teknik SMOTE didapatkan nilai akurasi = 64.36% dan nilai AUC = 0.423. dari proses diatas, penggunaan Support Vector Machine berbasis teknik SMOTE memiliki akurasi yang lebih tinggi sehingga dapat digunakan untuk memberikan solusi terhadap analisis sentimen vaksinasi Covid-19.
Pelatihan Aplikasi Microsoft Office Untuk Kelancaran Proses Pembuatan Proposal Pada Ikatan Remaja Islam Fathuzzaman (IREIFA) Minda Septiani; Ridatu Ocanitra; Cep Adiwiharja; Lasman Effendi
Nusantara: Jurnal Pengabdian kepada Masyarakat Vol. 3 No. 1 (2023): Februari : Jurnal Pengabdian Kepada Masyarakat
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/nusantara.v3i1.849

Abstract

Perkembangan ilmu pengetahuan dan teknologi menyebabkan perubahan yang berarti bagi manusia dan beberapa teknologi informasi dapat dimanfaatkan sebagai media pembelajaran. Ikatan Remaja Islam Fathuzzaman (IREIFA) Jakarta Selatan belum sepenuhnya menerapkan Microsoft Office khususnya Microsoft Word pada kegiatan sehari-hari, dan hal tersebut menyebabkan tidak efisien dalam pembuatan proposal sebagai penunjang kegiatan yang telah diadakan. Berdasarkan alasan kegiatan masyarakat harus tetap berjalan selama pandemi maka Universitas Bina Sarana Informatika mengadakan Pelatihan Aplikasi Microsoft Office Untuk Kelancaran Proses Pembuatan Proposal Pada Ikatan Remaja Islam Fathuzzaman (IREIFA). Pelatihan ini bertujuan untuk lebih dapat menerapkan Microsoft Office khususnya Microsoft Word sebagai penunjang kegiatan sehari-hari di lingkungan IREIFA dan dapat memudahkan dalam membuat proposal kegiatan yang dibutuhkan IREIFA khususnya pengurus kelompok tersebut.
SENTIMENT ANALYSIS ON GOJEK AND GRAB USER REVIEWS USING SVM ALGORITHM BASED ON PARTICLE SWARM OPTIMIZATION Hermanto, Hermanto; Kuntoro, Antonius Yadi; Asra, Taufik; Nurajijah, Nurajijah; Effendi, Lasman; Ocanitra, Ridatu
Jurnal Pilar Nusa Mandiri Vol 16 No 1 (2020): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1068.985 KB) | DOI: 10.33480/pilar.v16i1.1304

Abstract

Users of the Gojek and Grab application can provide reviews or comments about the application on Google Play. Reviews in the form of giving opinions about their satisfaction or dissatisfaction with the services provided. So with the many opinions provided, making people selective in choosing an online motorcycle taxi service provider. The application with the best review will be chosen by the community. In previous studies regarding the classification of online ojek service review using the Naïve Bayes algorithm, C.45 and Random Forest produced an unsatisfactory accuracy of 69.18% at the highest value. This study aims to determine the extent of the analysis of Gojek and Grab application user reviews based on user comments by classifying negative and positive reviews with a higher level of accuracy than previous studies so that applications with the best reviews can be known for public consideration in using the application's services. The method used for data review classification is using the Support Vector Machine (SVM) based on Particle Swarm Optimization (PSO). The test results on the Grab application review get the highest accuracy results in the amount of 73.09% with AUC value = 0.804, while for the test results on the application review Gojek get an accuracy value of 65.59% and AUC value = 0.680
Co-Authors Antonius Yadi Kuntoro Cep Adiwiharja Ferry Syukmana Hermanto Hermanto Hermanto Hermanto Lasman Effendi Minda Septiani Nurajijah, Nurajijah RIZA FAHLAPI Taufik Asra