Claim Missing Document
Check
Articles

Found 12 Documents
Search

KOMPARASI SVM-LR BERBASIS INDOBERT DAN SMOTE-TOMEK PADA DETEKSI BUZZER Fahreza, Muhamad Hasan; Sipayung, Nicolas Zefanya; Santoso, Indra Wahyu; Susilowati, Susi
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2435

Abstract

Dominasi aktivitas buzzer politik di TikTok mengancam orisinalitas aspirasi publik melalui manipulasi opini, yang diperburuk oleh ketimpangan distribusi data (imbalanced data) sehingga menyulitkan deteksi akurat. Penelitian ini bertujuan mengomparasikan performa Support Vector Machine (SVM) dan Logistic Regression (LR) berbasis fitur IndoBERT yang dioptimasi dengan hybrid resampling SMOTE-Tomek untuk menangani ketidakseimbangan kelas ekstrem. Studi kasus dilakukan pada 1.502 komentar terkait isu penculikan mahasiswa. Hasil pengujian menunjukkan integrasi IndoBERT dan SMOTE-Tomek efektif menghasilkan Area Under Curve (AUC) >0,90 pada kedua model. Meskipun SVM unggul marginal dalam sensitivitas (AUC 0,9193), Logistic Regression terbukti lebih superior dalam menjaga validitas pengguna organik dengan spesifisitas 79,2% dan F1-Score kelas minoritas 0,72. Penelitian ini merekomendasikan LR sebagai model terbaik karena karakteristik probabilistiknya lebih adaptif meminimalisir False Positive, sehingga lebih akurat dalam memisahkan narasi organik dari propaganda buzzer.
Analisa Komparatif Layanan E-Grocery Menggunakan MOORA dan TOPSIS : Studi Peringkat Platform Quick Commerce vs. E-Grocery Aulia Firdiana, Rachma; Sismadi, Sismadi; Susilowati, Susi
JAIS - Journal of Accounting Information System Vol. 6 No. 01 (2026): Juni
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jais.v6i01.10426

Abstract

Pandemi COVID-19 membawa dampak besar pada aspek ekonomi, sosial, dan psikologis masyarakat. Perubahan ini tercermin dari meningkatnya kebutuhan produk kesehatan, bahan pokok dan pesatnya penggunaan layanan e-grocery. Riset Meltwater (2024) mencatat bahwa 34,4% pengguna internet di Indonesia membeli kebutuhan pokok secara daring. Namun, penelitian mengenai preferensi konsumen terhadap jenis layanan e-grocery tertentu masih terbatas. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi keputusan konsumen dalam memilih layanan e-grocery dengan menggunakan metode MOORA dan TOPSIS. MOORA digunakan karena fleksibel dalam mengubah unsur subjektif ke dalam bentuk kriteria terstandarisasi, sedangkan TOPSIS menilai alternatif berdasarkan kedekatan dengan solusi ideal positif dan negatif. Hasil analisis menunjukkan bahwa Astro menempati peringkat tertinggi pada kedua metode dengan nilai 0,221662 (MOORA) dan 0,625179 (TOPSIS). Untuk menguji korelasi hasil antar metode dilakukan uji korelasi Spearman Rank, antar kedua metode menghasilkan nilai yang sangat kuat sehingga menunjukkan adanya konsistensi antara keduanya.