Articles
<![CDATA[Optimizing Genetic Algorithms for Sentiment Analysis of Apple Product Reviews Using SVM ]]>
<![CDATA[Indrayuni, Elly]]>;
<![CDATA[Nurhadi, Acmad]]>
<![CDATA[ Sinkron : Jurnal dan Penelitian Teknik Informatika Vol 4 No 2 (2020): SinkrOn Volume 4 Number 2, April 2020 ]]>
Publisher : <![CDATA[Politeknik Ganesha Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (503.377 KB)
|
DOI: 10.33395/sinkron.v4i2.10549
<![CDATA[Online reviews have the potential to provide buyers with insights about products such as quality, performance and recommendations. Website is one of the media that contains information or reviews provided by individuals, groups or organizations about an object or topic, one of which is Apple products. This study analyzes consumer sentiment reviews of Apple product users consisting of 200 reviews which will be classified into positive opinions and negative opinions using the Support Vector Machine algorithm and the application of genetic algorithms (GA) to obtain optimal accuracy values. The stages of this research are, firstly collecting a dataset, the second is preprocessing data. Third, the sentiment analysis process uses SVM and GA as optimization techniques. Fourth, do the validation process on the accuracy results obtained using the Confusion Matrix and ROC Curve. The results of this study indicate that Apple product review sentiment analysis produces the best accuracy of 70.00% and AUC 0.924 for SVM algorithm. Whereas the SVM + GA algorithm produces 85.76% accuracy and AUC 0.945, so that the accuracy value increases by 15.76% and the AUC 0.021 on the SVM model when compared before optimization with genetic algorithms (GA) is performed]]>
<![CDATA[Text Mining dalam Analisis Sentimen Review Restoran Menggunakan Algoritma K-Nearest-Neighbor (KNN) ]]>
<![CDATA[Indrayuni, Elly]]>
<![CDATA[ Jurnal Teknik Informatika Vol. 3 No. 2 (2017): JTI Periode Agustus 2017 ]]>
Publisher : <![CDATA[LPPM STMIK ANTAR BANGSA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51998/jti.v3i2.143
<![CDATA[Abstract— The Internet becomes an important part of everyday life. The experience available online has garnered a large number of consumer reviews for products or services on the Web. Reading the whole review can be time consuming, but if only a few reviews are read, the evaluation will be biased. The restaurant is one of the many objects reviewed online based on one's personal experience. Many aspects can affect a person to decide to visit the restaurant just by reading reviews or reviews of others. The classification of sentiments aims to address this problem by automatically classifying user reviews into positive or negative opinions. The method used in this research is K-nearest-neighbor (KNN). KNN and SVM have much better performance than other classifiers. The evaluation was conducted using 10 fold cross validation. The results show an accuracy value of 93% for the K-nearest-neighbor algorithm (KNN). Intisari— Internet menjadi bagian penting dalam kehidupan sehari-hari. Pengalaman yang tersedia secara online telah mengumpulkan sejumlah besar ulasan konsumen untuk produk atau layanan di Web. Membaca keseluruhan ulasan tersebut bisa menyita waktu, namun jika hanya sedikit ulasan yang dibaca, evaluasi akan menjadi bias. Restoran merupakan salah satu objek yang banyak direview secara online berdasarkan pengalaman pribadi seseorang. Banyak aspek yang dapat mempengaruhi seseorang untuk memutuskan berkunjung ke restoran tersebut hanya dengan membaca review atau ulasan orang lain. Klasifikasi sentimen bertujuan untuk mengatasi masalah ini dengan secara otomatis mengklasifikasikan ulasan pengguna menjadi opini positif atau negatif. Metode yang digunakan pada penelitian ini adalah K-nearest-neighbor (KNN). KNN dan SVM memiliki kinerja yang jauh lebih baik daripada pengklasifikasi lainnya. Evaluasi dilakukan menggunakan 10 fold cross validation. Hasil penelitian menunjukkan nilai akurasi sebesar 93% untuk algoritma K-nearest-neighbor (KNN). Kata Kunci— Review, Klasifikasi Sentimen, Analisis Sentimen, K-nearest-neighbor, KNN]]>
<![CDATA[Text Mining dalam Analisis Sentimen Review Restoran Menggunakan Algoritma K-Nearest-Neighbor (KNN) ]]>
<![CDATA[Indrayuni, Elly]]>
<![CDATA[ Jurnal Teknik Informatika Vol 3 No 2 (2017): JTI Periode Agustus 2017 ]]>
Publisher : <![CDATA[LPPM STMIK ANTAR BANGSA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51998/jti.v3i2.143
<![CDATA[Abstract The Internet becomes an important part of everyday life. The experience available online has garnered a large number of consumer reviews for products or services on the Web. Reading the whole review can be time consuming, but if only a few reviews are read, the evaluation will be biased. The restaurant is one of the many objects reviewed online based on one's personal experience. Many aspects can affect a person to decide to visit the restaurant just by reading reviews or reviews of others. The classification of sentiments aims to address this problem by automatically classifying user reviews into positive or negative opinions. The method used in this research is K-nearest-neighbor (KNN). KNN and SVM have much better performance than other classifiers. The evaluation was conducted using 10 fold cross validation. The results show an accuracy value of 93% for the K-nearest-neighbor algorithm (KNN). Intisari Internet menjadi bagian penting dalam kehidupan sehari-hari. Pengalaman yang tersedia secara online telah mengumpulkan sejumlah besar ulasan konsumen untuk produk atau layanan di Web. Membaca keseluruhan ulasan tersebut bisa menyita waktu, namun jika hanya sedikit ulasan yang dibaca, evaluasi akan menjadi bias. Restoran merupakan salah satu objek yang banyak direview secara online berdasarkan pengalaman pribadi seseorang. Banyak aspek yang dapat mempengaruhi seseorang untuk memutuskan berkunjung ke restoran tersebut hanya dengan membaca review atau ulasan orang lain. Klasifikasi sentimen bertujuan untuk mengatasi masalah ini dengan secara otomatis mengklasifikasikan ulasan pengguna menjadi opini positif atau negatif. Metode yang digunakan pada penelitian ini adalah K-nearest-neighbor (KNN). KNN dan SVM memiliki kinerja yang jauh lebih baik daripada pengklasifikasi lainnya. Evaluasi dilakukan menggunakan 10 fold cross validation. Hasil penelitian menunjukkan nilai akurasi sebesar 93% untuk algoritma K-nearest-neighbor (KNN). Kata Kunci Review, Klasifikasi Sentimen, Analisis Sentimen, K-nearest-neighbor, KNN]]>
<![CDATA[Sistem Informasi Pendaftaran Vaksinasi Covid-19 ]]>
<![CDATA[Acmad Nurhadi]]>;
<![CDATA[Elly Indrayuni]]>
<![CDATA[ Journal of Information System, Informatics and Computing Vol 5 No 2 (2021): JISICOM: December 2021 ]]>
Publisher : <![CDATA[Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.52362/jisicom.v5i2.491
<![CDATA[Saat ini bangsa indonesia sedang dilanda pandemi virus COVID-19. Penyebarannya sangat cepat hingga berdampak pada semua aspek kehidupan. Atas dasar hal tersebut maka pemerintah mengadakan vaksinasi dalam rangka menanggulangi pandemi COVID-19. Tujuan Utama dari Vaksinasi adalah untuk mengurangi transmisi /penularan covid-19 , menurunkan angka kesakitan dan kematian akibat covid-19. Pelaksanaan vaksinasi dilakukan melalui jalur pendaftaran yang telah dibuat oleh pemerintah, namun dibeberapa daerah di indonesia masih melakukan pendaftaran secara manual yaitu para calon vaksinasi secara langsung datang ke lokasi untuk melakukan pendaftaran . Cara tersebut dianggap kurang efektif dimasa pandemi saat ini. Oleh karena itu penulis membangun sebuah sistem informasi pendaftaran vaksinasi berbasis web dalam memudahkan para calon vaksinasi dalam melakukan pendaftaran dan membantu petugas pendaftaran dalam menginput data pasien. Selain itu tampilan yang terdapat pada sistem ini sangat sederhana dan mudah di gunakan. Pada pembuatan sistem ini menggunakan metode waterfall sehingga sistem ini layak diterapkan dalam proses pendaftaran vaksinasi.]]>
<![CDATA[PERANCANGAN APLIKASI SISTEM INFORMASI PELAYANAN PEMBUATAN AKTA KELAHIRAN KELURAHAN JEMBATAN LIMA JAKARTA BARAT ]]>
<![CDATA[Acmad Nurhadi]]>;
<![CDATA[Elly Indrayuni]]>
<![CDATA[ Journal of Information System, Applied, Management, Accounting and Research Vol 4 No 4 (2020): JISAMAR: Volume 4, Nomor 4, November 2020 ]]>
Publisher : <![CDATA[Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Manusia akan mengalami suatu peristiwa penting di dalam kehidupan. Salah satu dari peristiwa penting adalah kelahiran. Akta kelahiran merupakan bukti catatan bukti otentik yang melekat pada diri seseorang yang diatur dalam UU No. 23 Tahun 2006 tentang adminitrasi kependudukan serta merupakan bukti yang sah mengenai status anak yang dikeluarkan oleh Catatan Sipil. Mengingat begitu pentingnya peristiwa kelahiran, maka demi terciptanya keadaan masyarakat yang tertib dan teratur serta demi terjaminnya kepastian hukum, maka diperlukan suatu instansi pelaksana adminitrasi untuk mencatatnya. Kelurahan Jembatan Lima adalah instansi pelaksana adminatrasi yang bertugas untuk mendaftar, mencatat, membukukan, serta mengarsipkan Akta Kelahiran bagi peristiwa kelahiran seseorang. Masalah yang mucul pada layanan pembuatan akta kelahiran yaitu pelayanan yang diberikan kepada pemohon dinilai kurang maksimal serta ketidakteraturan pengolahan data dari layanan pembuatan akta kelahiran, sehingga petugas sulit dalam mengontrol dan mengetahui informasi status perkembangan dari setiap layanan pembuatan akta kelahiran. Maka, diperlukan perancangan sistem pembuatan akta kelahiran agar terkomputerisasi. Hasil dari penelitian ini adalah sebuah rancangan Sistem Pelayanan Pembuatan Akta Kelahiran pada Kelurahan Jembatan Lima Jakarta Barat. Metode yang diambil penulis yaitu dengan melaksanakan observasi, wawancara, analisis dan perancangan sistem informasi dilanjutkan dengan pembuatan sistem informasi. Manfaat dari penelitian ini adalah untuk memberikan solusi meningkatkan kinerja petugas dalam layanan pembuatan akta kelahiran, serta mampu mempermudah pelayanan kepada masyarakat Kelurahan Jembatan Lima]]>
<![CDATA[Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes ]]>
<![CDATA[Elly Indrayuni]]>
<![CDATA[ Jurnal Khatulistiwa Informatika Vol 7, No 1 (2019): Periode Juni 2019 ]]>
Publisher : <![CDATA[Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (950.959 KB)
|
DOI: 10.31294/jki.v7i1.5740
<![CDATA[Saat ini produk kosmetik sudah menjadi kebutuhan utama kaum wanita yang merupakan target utama dari industri kosmetik. Banyak website yang menyediakan informasi tentang produk kosmetik dengan memberikan banyak informasi berupa gambar dan review pengguna. Membaca semua review yang ada pada sebuah website tentu sangat memakan waktu. Oleh karena itu, analisa sentimen merupakan salah satu solusi mengatasi masalah untuk mengelompokan opini atau review menjadi opini positif atau negatif secara otomatis. Naive Bayes memiliki kelebihan yaitu sederhana, cepat dan memiliki akurasi yang tinggi. N-gram dianggap dapat mengurangi selisih antara klasifikasi kelas positif dan negatif sehingga dapat meningkatkan rata-rata akurasi akhir suatu algoritma. Nilai akurasi yang dihasilkan akan menjadi tolak ukur untuk mencari model pengujian terbaik untuk kasus klasifikasi sentimen. Evaluasi dilakukan menggunakan 10 fold cross validation. Pengukuran akurasi diukur dengan confusion matrix dan kurva ROC. Hasil penelitian menunjukkan penerapan generate n-gram pada tahap preprocessing mempengaruhi nilai akurasi dan nilai AUC yang dihasilkan. Nilai akurasi terbaik yang dihasilkan pada penelitian ini yaitu 90.50% dengan nilai AUC sebesar 0.715 pada penerapan generate n-gram = 2.]]>
<![CDATA[Analisa Sentimen Review Hotel Menggunakan Algoritma Support Vector Machine Berbasis Particle Swarm Optimization ]]>
<![CDATA[Elly Indrayuni]]>
<![CDATA[ Evolusi : Jurnal Sains dan Manajemen Vol 4, No 2 (2016): Jurnal Evolusi 2016 ]]>
Publisher : <![CDATA[Universitas Bina Sarana Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (479.601 KB)
|
DOI: 10.31294/evolusi.v4i2.697
<![CDATA[Abstract - Hotel is one of the most important tourism product to be considered both in terms of facilities, services or mileage and travel. We have had many travel websites that provide the facility for internet users write opinions and personal experiences online. Sentiment analysis or opinion mining is one solution to overcome the problem of classifying opinions or reviews into positive or negative opinion automatically. The technique used in this study is Support Vector Machines (SVM). SVM is able to identify the separate hyperplane that maximizes the margin between two different classes. The accuracy of the resulting value will be the benchmark to find the best test model for sentiment classification case. The evaluation was done using 10 fold cross validation. The results showed an increase in accuracy of 5.61% for Support Vector Machine algorithm from 91.33% to 96.94% after the application of selection features Particle Swarm Optimization. Keywords: Sentiment Analysis, Review, Support Vector Machines, Particle Swarm Optimization Abstrak - Hotel merupakan salah satu produk pariwisata yang sangat penting untuk dipertimbangkan baik dari segi fasilitas, pelayanan ataupun jarak tempuh perjalanan wisata. Saat ini sudah banyak website wisata yang menyediakan fasilitas untuk pengguna internet menuliskan opini dan pengalaman pribadinya secara online. Analisa sentimen atau opinion mining merupakan salah satu solusi mengatasi masalah untuk mengelompokan opini atau review menjadi opini positif atau negatif secara otomatis. Metode yang digunakan pada penelitian ini adalah Support Vector Machine. SVM mampu mengidentifikasi hyperplane terpisah yang memaksimalkan margin antara dua kelas yang berbeda. Nilai akurasi yang dihasilkan akan menjadi tolak ukur untuk mencari model pengujian terbaik untuk kasus klasifikasi sentimen. Evaluasi dilakukan menggunakan 10 fold cross validation. Hasil penelitian menunjukkan peningkatan nilai akurasi sebesar 5.61% untuk algoritma Support Vector Machine dari 91.33% menjadi 96.94% setelah penerapan seleksi fitur Particle Swarm Optimization. Kata Kunci: Analisa sentimen, Review, Support Vector Machines, Particle Swarm Optimization]]>
<![CDATA[Website Pengolahan Absensi dan Gaji Pegawai Menggunakan Metode Waterfall ]]>
<![CDATA[Elly Indrayuni]]>
<![CDATA[ Bahasa Indonesia Vol 5 No 1 (2018): Bina Insani ICT Journal (Juni 2018) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (580.499 KB)
<![CDATA[Abstrak: Semakin berkembang sebuah perusahaan dibutuhkan lebih banyak tenaga kerja untuk menunjang kegiatannya, namun manajemen sering menemui kesulitan dalam pencarian tenaga kerja yang berkualitas karena harus mempertimbangkan kesejahteraan dan upah yang kompetitif dengan perusahaan lain. Prosedur pengupahan dan penggajian yang baik seharusnya dapat berjalan secara efektif. Untuk itu diperlukan suatu sistem yang dapat mendukung kebutuhan manajemen dalam mengelola perusahaan yaitu sistem informasi. Penelitian ini mencoba untuk membangun sebuah sistem informasi berbasis website untuk mengelola data absensi dan gaji pegawai yang meliputi data absensi, penggajian pegawai hingga laporan. Metode yang digunakan dalam pembangunan website ini adalah model waterfall dengan menggunakan bahasa pemrograman PHP dan MySQL. Pengujian website dilakukan dengan cara pengujian blackbox. Dengan adanya website pengolahan absensi dan penggajian pegawai ini dapat mempermudah manajemen dalam mengelola data penggajian dan penyajian laporan menjadi lebih efektif dan efisien. Kata kunci: MySQL, PHP, Sistem Informasi, Waterfall Abstract: Growing a company it takes more a lot of labor to support their activities, but management often difficulties in search of labor quality of having to consider welfare and wages competitive with other companies. A good salary and remuneration procedure should be able to be operating effectively. For that required a system that could support the needs of management companies are in managing information system. This study tries to build a website to manage based information system attendance data and the salaries of employees of which includes attendance data, employees salary until the report. The method used in the construction of the website is a model waterfall using programming language php and mysql. Testing website done by means of testing blackbox. With the website absentee processing and salary this employees to simplify management in managing data salary and the presentation of the report become more efficient. Keywords: MySQL, PHP, Information System, Waterfall]]>
<![CDATA[Implementasi Algoritma Naive Bayes, Support Vector Machine, dan K-Nearest Neighbors untuk Analisa Sentimen Aplikasi Halodoc ]]>
<![CDATA[Elly Indrayuni]]>;
<![CDATA[Acmad Nurhadi]]>;
<![CDATA[Dinar Ajeng Kristiyanti]]>
<![CDATA[ Faktor Exacta Vol 14, No 2 (2021) ]]>
Publisher : <![CDATA[LPPM ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30998/faktorexacta.v14i2.9697
<![CDATA[During the Covid-19 pandemic, many people access information and even consult health problems online with the best doctors via smartphones. The Halodoc application is considered the most popular with 18 million users in 2020. So that many people have reviewed the application on the Google Play Store application provider. It may take a while to read the full review. However, if only a few comments are read, they are biased. For that, a platform is needed which can automatically identify positive or negative opinions. Sentiment analysis is a solution for the technique of classifying texts or sentiments into positive or negative opinion categories. The method used in this research is an experiment using the Naive Bayes algorithm, Support Vector Machine, and K-Nearest Neighbors. Evaluation is carried out using 10 Fold Cross-Validation. The results showed that K-Nearest Neighbors (KNN) had the best and most accurate performance in the sentiment classification because it produced the highest accuracy value of 95.00% and the largest AUC value of 0.985 compared to the Naive Bayes and Support Vector Machine algorithm.]]>
<![CDATA[SELEKSI UJIAN ONLINE DALAM PENERIMAAN SISWA BARU DI SEKOLAH MENENGAH KEJURUAN (SMK) ]]>
<![CDATA[Acmad Nurhadi]]>;
<![CDATA[Elly Indrayuni]]>
<![CDATA[ Jurnal Mantik Penusa Vol. 3 No. 2,Des (2019): Manajemen Dan Informatika ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian (LPPM) STMIK Pelita Nusantara Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (457.199 KB)
<![CDATA[Acceptance of new students is one of the processes that exist in educational institutions such as schools that are useful for screening selected students according to the criteria determined by the school to become students of their students. In general, the process of admitting new students is done through the stages of registration, selection tests, and student admissions. In this study its application to the Vocational High School which has been done manually or already computerized but uses Microsoft Office Excel, which allows there is still a lot of lack of data, manual calculation of test scores that allows errors. The formulation of the problem from this research is how to create an information system for admitting new students to Vocational Schools. The research method used is literature, observation, design, trial and implementation. This new student admission information system is built with the PHP programming language and utilizes the MySQL database as a database server and Waterfall in general. Stages in the waterfall include, analysis of software requirements, design, programming code, testing, support. The results of this study are new webbased student admission information systems that have the ability to make it easier for parents and new prospective students to obtain all information about admitting new students and conducting the online registration process.]]>
