Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Selvia Ferdiana Kusuma
Politeknik Elektronika Negeri Surabaya
Computer Science & IT Education Engineering

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

Found 2 Documents
Search

 1 
Optimalisasi Fitur Pencarian Pada E-Catalog Menggunakan Query Expansion Dan Algoritma TF-IDF Selvia Ferdiana Kusuma; Tessy Badriyah; Prasetyo Wibowo; Rosiyah Faradisa; Solichul Huda
Techno.Com Vol 22, No 3 (2023): Agustus 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i3.8698

Abstract

E-catalog adalah sebuah katalog elektronik dapat digunakan untuk mempublikasikan dan mempromosikan sebuah produk atau layanan secara online kepada berbagai pihak. Pengguna dapat memperoleh informasi terkait produk yang diinginkan melalui fitur pencarian pada e-catalog tersebut. Oleh sebab itu fitur pencarian memiliki peran yang signifikan untuk menunjang performa e-catalog. Proses pencarian produk pada sebuah e-catalog dilakukan berdasarkan kesamaan kata yang dimasukkan oleh pengguna dengan judul produk yang tersedia. Biasanya semua judul yang mengandung kata kunci yang dimasukkan pengguna akan ditampilkan tanpa adanya perankingan kedekatan hasil pencarian. Hal tersebut tentunya menyulitkan pengguna untuk menemukan produk yang sesuai dengan keinginan. Oleh sebab itu penelitian ini bertujuan untuk melakukan optimalisasi fitur pencarian produk yang ada pada e-catalog menggunakan query expansion dan algoritma TF-IDF. Berdasarkan hasil uji coba yang telah dilakukan, terbukti bahwa penambahan  query expansion dan algoritma TF-IDF dapat mengoptimalkan kinerja fitur pencarian pada e-catalog tersebut. Hasil pencarian produk dapat terangking berdasarkan kedekatan kata kunci yang dimasukkan oleh pengguna dengan judul produk yang diinginkan oleh pengguna
Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning Mohammad Farid Naufal; Selvia Ferdiana Kusuma
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.49951

Abstract

Kebijakan Pemberlakukan Pembatasan Kegiatan Masyarakat (PPKM) merupakan salah satu kebijakan pemerintah yang diambil untuk menekan laju persebaran Covid19. Tidak setiap kebijakan selalu berdampak positif untuk warga. Oleh sebab itu perlu adanya evaluasi terhadap setiap kebijakan. Saat ini banyak warga yang sering menanggapi kebijakan pemerintah melalui komentar-komentar di media sosial twitter. Komentar-komentar tersebut sebanarnya dapat dijadikan bahan evaluasi terhadap kebijakan yang telah diambil. Namun komentar-komentar tersebut perlu diklasifikasikan dahulu, komentar yang bersentimen positif, negative maupun netral. Proses pengklasifikasian secara manual tentunya akan menyita banyak waktu karena jumlah sangat banyak, bisa ribuah bahkan puluhan ribu. Perlu adanya otimatisasi pengklasifikasin sentimen dari twitter tersebut. Oleh sebab itu penelitian ini berfokus pada otomatisasi analisis sentimen komentar-komentar warga pada media sosial twitter terkait PPKM. Proses otomatisasi analisis sentimen terkait kebijakan PPKM ini berbasis deep learning. Semua data yang telah melalui preprocess dan pelabelan kemudian akan dimodelkan menggunakan algoritma Long Short Term Memory (LSTM). Model dibentuk berdasarkan uji coba paramater yang paling baik menggunakan algoritma grid search. Model yang terbentuk inilah yang digunakan untuk mengklasifikasikan sentimen tweet secara otomatis.  Berdasarkan eksperimen yang dilakukan, metode yang diusulkan berhasil mengklasifikasikan 37750 tweet sesuai dengan sentimennya dengan akurasi 87%.
Co-Authors Mohammad Farid Naufal, Mohammad Farid Prasetyo Wibowo Rosiyah Faradisa Solichul Huda Tessy Badriyah, Tessy