Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer bit-Tech
Dede Irawan
Universitas Islam Syekh Yusuf
Computer Science & IT Control & Systems Engineering Education Library & Information Science Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : bit-Tech

 1 
Klasifikasi Sentimen Komentar YouTube dengan NLP pada Debat Pilkada Banten 2024 Doni Prastyo; Dede Irawan; Imam Halim Mursyidin
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1833

Abstract

Penelitian ini menganalisis sentimen publik terhadap 1.729 komentar YouTube pada debat Pilkada Banten 2024 menggunakan teknik Natural Language Processing (NLP). Sentimen diklasifikasikan ke dalam tiga kategori: positif, negatif, dan netral, untuk memahami persepsi masyarakat terhadap kandidat dan isu politik. Hasil analisis menunjukkan bahwa 49% komentar bersentimen positif, sebagian besar mendukung kandidat Airin yang dinilai berpengalaman, memiliki integritas, dan rekam jejak yang baik. Komentar seperti “Airin pasti menang” dan “Airin pemimpin terbaik” mendominasi diskusi. Sebaliknya, 35% komentar bersentimen negatif lebih banyak mengkritik kandidat lain, terutama terkait isu sensitif seperti dugaan korupsi. Adapun 16% komentar bersentimen netral memberikan observasi objektif, mengajukan pertanyaan, atau membahas aspek teknis debat.Model klasifikasi sentimen menggunakan algoritma Support Vector Machines (SVM) dan Naïve Bayes. SVM menunjukkan performa lebih baik dalam mengklasifikasi sentimen positif dan negatif, tetapi kedua model memiliki kelemahan dalam menangani komentar netral. Tantangan utama yang dihadapi adalah ambiguitas bahasa, ironi, dan sarkasme yang sering muncul dalam diskusi online. Untuk mengatasi hal ini, penelitian merekomendasikan penggunaan model pembelajaran mendalam seperti BERT atau transformer lainnya. Model ini diharapkan dapat memahami konteks bahasa yang lebih kompleks, meningkatkan akurasi klasifikasi terutama pada komentar netral. Visualisasi data, termasuk word cloud dan grafik distribusi sentimen, memberikan wawasan tambahan tentang tema utama yang dibahas, seperti integritas kandidat dan isu politik lokal. Penelitian ini memberikan kontribusi penting dalam memahami opini publik terhadap kandidat dalam Pilkada.
AHP and SAW Based Decision Support for Indonesia Smart Program Beneficiaries Imam Halim Mursyidin; Doni Prasetyo; Dede Irawan
bit-Tech Vol. 8 No. 2 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i2.3097

Abstract

The Indonesia Smart Program (PIP) is a government initiative that provides cash assistance to help underprivileged children access education. SD Negeri Cikuya 4, located in the Solear subdistrict, is one of the schools implementing PIP. However, the school has struggled to decide which students should receive the aid because there is no systematic weighting of the criteria and the scoring has been subjective. This study asks whether combining AHP and SAW can produce objective weights and a transparent ranking of recipients. To address this, we developed a Decision Support System (DSS) that uses the Analytical Hierarchy Process (AHP) to set the relative weights for six criteria: ownership of KIP/KKS/PKH/SKTM, student active/enrollment status, child status, parents’ occupation, parents’ income, and number of dependents. The pairwise-comparison consistency ratio met the validity threshold (CR = 0.0803 < 0.10), indicating consistent judgments. These AHP weights were then integrated into Simple Additive Weighting (SAW) to normalize scores, calculate preference values, and prioritize eligible recipients. The results show that the selection process becomes more objective, transparent, and systematic than the traditional manual approach. A system quality test using ISO 9126 produced an average score of 86.67% (“Very Good”). This provides a replicable decision framework at the school level to improve the targeting of PIP assistance.
Co-Authors Ade Davy Wiranata Doni Prasetyo Doni Prastyo Imam Halim Mursyidin Mirza Sutrisno