Article Per Year (5 Year)
p-Index From 2020 - 2025
3.477
P-Index
This Author published in this journals
All Journal Coding: Jurnal Komputer dan Aplikasi Jurnal Edukasi dan Penelitian Informatika (JEPIN) CESS (Journal of Computer Engineering, System and Science) E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal Khatulistiwa Informatika KACANEGARA Jurnal Pengabdian pada Masyarakat Martabe : Jurnal Pengabdian Kepada Masyarakat JURTEKSI Kumawula: Jurnal Pengabdian Kepada Masyarakat Jurnal Informasi dan Teknologi JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Dian Prawira, Dian
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Social Sciences

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Edukasi dan Penelitian Informatika (JEPIN)

 1 
Sentiment Analysis Objek Wisata Kalimantan Barat Pada Google Maps Menggunakan Metode Naive Bayes Rifa'i, Ahmad; Sujaini, Herry; Prawira, Dian
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 3 (2021): Volume 7 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i3.48132

Abstract

Kalimantan Barat merupakan salah satu provinsi di Indonesia yang pariwisatanya berpotensi untuk dikembangkan. Oleh karena itu, feedback dari wisatawan  dibutuhkan untuk mengambil tindakan terkait pengembangan kualitas objek wisata Kalimantan Barat agar lebih optimal. Penelitian ini bertujuan untuk membangun sistem yang dapat melakukan sentiment analysis terhadap objek wisata di Kalimantan Barat berdasarkan data ulasan yang ada di Google Maps. Metodologi yang digunakan dalam penelitian ini adalah kerangka kerja IS Research Alan Hevner. Dalam melakukan riset sentiment analysis objek wisata Kalimantan Barat, metode yang digunakan untuk klasifikasi adalah Naïve Bayes. Sebelum melakukan klasifikasi, dilakukan tahap pre-processing yang terdiri dari casefolding, tokenizing, filtering, stemming, dan tahap pembobotan kata menggunakan TF-IDF. Berdasarkan penelitian yang  dilakukan, disimpulkan bahwa sistem dapat mengklasifikasikan kelas sentimen ulasan objek wisata yang terdapat pada Google Maps menggunakan metode Naive Bayes dengan nilai akurasi yang bervariasi dari setiap tempat wisata. Nilai akurasi tertinggi adalah 0,76 sedangkan terendah adalah 0,38. Hasil sentimen analisis yang dilakukan pada objek wisata Kalimantan Barat masuk dalam kategori yang positif. Hal ini berdasarkan performa metode Naive Bayes yang menunjukan bahwa nilai rata-rata f1-score kelas positif adalah 0,73 lebih tinggi dibanding kelas netral 0,53 dan negatif 0.14
Perbandingan Kinerja Model Deep Learning BERT dan GPT dalam Analisis Sentimen Komentar Ashari, Purnama; Mutiah, Nurul; Prawira, Dian
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.90122

Abstract

Perbandingan kinerja model deep learning berbasis transformers, yaitu BERT dan GPT dalam analisis sentimen komentar video YouTube, merupakan tujuan dari penelitian ini. Kedua model memiliki pendekatan arsitektur yang berbeda: BERT bersifat bidirectional dengan hanya menggunakan bagian encoder dari transformers, sementara GPT bersifat unidirectional dengan hanya menggunakan bagian decoder. Studi ini memanfaatkan komentar warganet terkait film dokumenter Dirty Vote pada platform YouTube, yang ramai diperbincangkan sejak perilisannya pada awal tahun 2024, sebagai sumber data utama dengan total 25.980 data komentar warganet. Komposisi pembagian dataset adalah sebesar 70% untuk data latih, dan masing-masing 15% untuk data validasi dan data uji. Pada penelitian ini, kedua model dikembangkan dalam dua skenario dengan konfigurasi hiperparameter yang berbeda untuk masing-masing skenario kedua model. Hasil analisis confusion matrix menunjukkan bahwa, pada data latih kinerja BERT lebih unggul dengan akurasi tertinggi sebesar 99,94% dibandingkan akurasi tertinggi GPT sebesar 98,01%. Sementara itu, pada data validasi dan data uji, BERT juga menunjukkan kinerja yang lebih baik dengan nilai tertinggi pada akurasi validasi sebesar 79,21% dan akurasi uji sebesar 79,36%, sementara GPT memperoleh nilai tertinggi pada akurasi validasi sebesar 75,26% dan akurasi uji sebesar 75,59%. Berdasarkan confusion matrix juga menunjukkan bahwa BERT lebih unggul dalam menganalisis komentar bersentimen netral. Sementara GPT, terutama pada skenario 2, lebih efektif dalam memprediksi komentar dengan sentimen positif. Pada evaluasi model dengan data uji, model GPT memiliki tingkat kesalahan (loss) yang lebih kecil, dengan nilai loss terendah sebesar 0,79 dibandingkan nilai loss terendah BERT sebesar 0,99.
Co-Authors , Syahru Rahmayuda, Haris Febriyanto Ramadhan , Sampe Hotlan Sitorus Alfikri, Muhammad Dhani Arif Rahman Ashari, Purnama Dwi Marisa Midyanti Febrianto, Ferdy Febriyanto, Ferdy Herry Sujaini Ibnur Rusi Ikhwan Ruslianto Ilhamsyah Islamaynita, Nurul Shinta Mujahidah, Farah Asy-syifa Mutiah, Nurul Prawira, Ari Yudha Prillya, Diva Puspita Sari, Renny Putra, Jungly Mandala Qadari, Ilham Latul Rakhmana, Febrianty Ramadhan, Hazacky Azwat Renny Puspita Sari Syah, Ilham Tivano, Dio Veithzal Rivai Zainal Viriansyah, Muhammad Mulvi Yanti, Januari Yudha Arman