Article Per Year (5 Year)
p-Index From 2021 - 2026
0.835
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Jurnal Ilmiah Matrik Journal of Information Technology Ampera
Fandi Kurniawan
Universitas Muhammadiyah KotaBumi
Computer Science & IT Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal of Information Technology Ampera

 1 
Klasifikasi Sentimen Terhadap Dinamika Metavers Menggunakan Algoritma Naive Bayes Cahya novita Sari; Ilham Ma'ruf; Dira Trisnadia; Dea nur Azizah; Muhammad Ilham Herwandani; Fandi Kurniawan
Journal of Information Technology Ampera Vol. 4 No. 3 (2023): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalita.v4i3.429

Abstract

Metaverse, sebuah inovasi teknologi yang menakjubkan dengan pengaruh global, merupakan kumpulan realitas digital yang menyatukan elemen media sosial, permainan daring, realitas tambahan (AR), realitas maya (VR), dan mata uang kripto. Pendekatan manual dalam menentukan sifat positif atau negatif suatu opini sering kali memakan waktu dan tenaga, terutama dengan melimpahnya jumlah opini publik. Untuk mengatasi hal ini, diusulkan penggunaan teknik pembelajaran mesin guna efisien mengklasifikasikan beragam sumber data opini. Studi ini mengedepankan penerapan Penambangan Teks sebagai metode untuk klasifikasi dokumen. Metode Klasifikasi Naïve Bayes (NBC) dipilih oleh peneliti karena efektivitasnya dalam menggunakan perhitungan probabilitas. Hasil penelitian mengindikasikan bahwa sistem atau model yang dikembangkan berhasil mencapai presisi sempurna (100%) dalam mengidentifikasi kelas opini positif, artinya semua prediksi positif yang dihasilkan tepat sasaran. Namun, terdapat margin kecil dalam recall untuk kelas positif, yakni 93,37%, mengindikasikan adanya beberapa kasus positif yang luput dari deteksi. Sementara itu, presisi untuk kelas negatif berada pada angka 43,46%, yang menyiratkan kemungkinan adanya kesalahan dalam sebagian kecil prediksi negatif. Namun, recall untuk kelas negatif mencapai 100%, menandakan semua kasus negatif berhasil diidentifikasi dengan benar.
Analisis Sentimen Belajar Programming Pada Media Sosial Youtube Menggunakan Algoritma Klasifikasi Naive Bayes Sella Adelia; Eva Milanda; Jena Santari; Dea Talia Kesuma; Echa Silvia; Fandi Kurniawan
Journal of Information Technology Ampera Vol. 4 No. 3 (2023): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalita.v4i3.430

Abstract

Di era digital yang terus berkembang, media sosial, khususnya YouTube, telah menjadi sumber utama informasi dan pembelajaran yang mudah diakses melalui telepon seluler. Bukan hanya sebagai alat interaksi, media sosial juga menawarkan ilmu pengetahuan dan pembelajaran yang berlimpah, termasuk tutorial pemrograman dan pengembangan perangkat lunak. YouTube khususnya menarik karena menyediakan konten yang mudah dipahami dan menarik, seperti penggunaan algoritma Naive Bayes, yang sering dibahas namun kurang dipahami secara luas. Penelitian ini berfokus pada analisis sentimen belajar pemrograman di YouTube, menggunakan algoritma klasifikasi Naive Bayes untuk mengklasifikasikan sentimen dalam komentar sebagai positif, negatif, atau netral. Hasil menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen dengan akurasi 100% untuk sentimen positif dan 66,39% untuk sentimen negatif. Analisis ini memberikan wawasan tentang pandangan dan respons pengguna terhadap konten pembelajaran pemrograman di YouTube, yang dapat menjadi dasar untuk perbaikan dan pengembangan konten edukasi lebih lanjut.
Analisis Sentimen Persepsi Publik Terhadap Kasus Bullying Siswa Cilacap Menggunakan Pendekatan Machine Learning Muhammad Alfarizi; Muhammad Rizqy; Rifqi Imam Ghufroni; Dzaki Fathurahman; Rahmat Dani Saputra; Fandi Kurniawan
Journal of Information Technology Ampera Vol. 4 No. 3 (2023): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalita.v4i3.436

Abstract

Analisis sentimen jadi pendekatan yang berarti dalam memahami anggapan dan opini masyarakat terhadap suatu peristiwa, sangat utama kala mengaitkan aksi kekerasan semacam bullying. Kasus bullying siswa SMP di Cilacap, Jawa Tengah, pada bulan September 2023 jadi sorotan publik dan menarik atensi melalui media sosial, sangat utama di platform YouTube. Studi ini dicoba dengan tujuan utama mempraktikkan algoritma klasifikasi Naive Bayes dalam melakukan analisis sentimen terhadap komentar di media sosial terpaut kasus bullying. Tata metode studi mengaitkan crawling data, pra- pemrosesan mengenakan RapidMiner, konsumsi TF- IDF buat representasi dokumen, dan implementasi Naive Bayes Classifier. Hasil analisis sentimen menunjukkan tingkatan akurasi sebesar 98. 19%, dengan kemampuan yang besar dalam mengklasifikasikan komentar sebagai positif, negatif, maupun netral. Meski demikian, evaluasi mengenakan confusion matrix berkata sebagian kasus negatif yang teridentifikasi tidak benar. Kesimpulan dari studi ini dapat memberikan pengetahuan berharga tentang tata cara masyarakat merespons dan berpendapat terhadap aksi bullying di zona sekolah.
Co-Authors Cahya Novita Sari Dea nur Azizah Dea Talia Kesuma Dian Puspita Dira Trisnadia Dzaki Fathurahman Echa Silvia Eva Milanda Ilham Ma'ruf Jena Santari Muhammad Alfarizi Muhammad Ilham Herwandani Muhammad Rizqy Muhammad Yusril Pratama Putri Afifah Daina Angraini Rahmat Dani Saputra Rifqi Imam Ghufroni Sella Adelia Ulfa Arma Putri