Article Per Year (5 Year)
p-Index From 2021 - 2026
1.8
P-Index
This Author published in this journals
All Journal Jurnal Sistem dan Informatika Indonesian Journal of Electrical Engineering and Computer Science Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi Jurnal Minfo Polgan (JMP) Abdimas : Jurnal Pengabdian Kepada Masyarakat Innovative: Journal Of Social Science Research
Irene Realyta Halldy Trosi Tangkawarow
Informatics Department, Engineering Faculty, Universitas Negeri Manado
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Analisis Sentimen Terhadap Ulasan Aplikasi Bsgtouch Menggunakan Algoritma Support Vector Machine Ngalo, Semuel Fendy; Tangkawarow, Irene R. H. T.; Santa, Kristofel
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15636

Abstract

Analisis sentimen merupakan proses fundamental untuk mengekstrak opini publik dari ulasan pengguna aplikasi mobile banking, yang dianggap sebagai sumber data yang transparan dan menjadi indikator krusial bagi kepuasan serta risiko reputasi layanan digital. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi sentimen guna menganalisis polaritas ulasan pengguna aplikasi BSGtouch yang diperoleh dari Google Play Store. Metode machine learning diterapkan dengan algoritma Support Vector Machine (SVM). Dalam tahap pre-processing, data diperoleh melalui web scraping, dibersihkan, dan difokuskan pada penggunaan normalisasi kata (kamus normalisasi) untuk menghasilkan kosakata fitur yang terkonsolidasi, kemudian dibobot menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) sebelum model dilatih dan diuji. Hasil analisis sentimen menunjukkan distribusi polaritas yang relatif seimbang, yakni 50,9% ulasan positif dan 49,1% ulasan negatif. Model yang dihasilkan membuktikan kinerja yang sangat kuat dan seimbang untuk kedua kelas dengan F1-score 0,89, mengindikasikan kecakapan prediktif yang setara untuk polaritas positif maupun negatif, dengan akurasi mencapai 88,35% pada data uji. Pembahasan menunjukkan bahwa meskipun akurasi model tinggi, persentase sentimen negatif yang signifikan (49,1%) merefleksikan adanya isu kritis yang perlu segera ditangani. Kesimpulan penelitian ini secara empiris menegaskan bahwa temuan distribusi sentimen tersebut mengharuskan PT Bank SulutGo memprioritaskan penyelesaian masalah teknis pada aplikasi mobile banking BSGtouch demi menjaga dan meningkatkan kualitas layanan berdasarkan opini dari ulasan pengguna.
Perbandingan Metode Indobert Dan Xlnet Dalam Mengukur Kemiripan Semantik Antara Tweet Dan IKP 2024 Emor, Stevren Christian; Irene R. H. T. Tangkawarow; Audy A. Kenap
Jurnal Sistem dan Informatika (JSI) Vol 19 No 2 (2025): Jurnal Sistem dan Informatika (JSI)
Publisher : Direktorat Penelitian,Pengabdian Masyarakat dan HKI - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/jsi.v19i2.735

Abstract

Pemilihan Umum (Pemilu) merupakan pilar demokrasi yang rentan terhadap polarisasi opini publik dan penyebaran disinformasi di media sosial. Untuk memahami dinamika tersebut, diperlukan pendekatan analisis semantik guna mengidentifikasi potensi kerawanan pemilu. Penelitian ini bertujuan membandingkan kinerja dua model berbasis transformer, IndoBERT dan XLNet, dalam mengukur kemiripan semantik antara komentar media sosial (Twitter/X) dan indikator Indeks Kerawanan Pemilu (IKP) 2024. Data diperoleh melalui teknik crawling sebanyak 574 tweet dengan kata kunci “Pemilu2024”. Tahapan penelitian meliputi preprocessing (pembersihan data, tokenizing, normalisasi, dan stemming), analisis menggunakan model IndoBERT dan XLNet, perhitungan cosine similarity, serta evaluasi melalui Confusion Matrix (akurasi, presisi, recall, F1-score) dan Expert Judgment. Hasil menunjukkan bahwa XLNet memiliki performa lebih baik dengan akurasi 76%, presisi 69,5%, recall 80%, dan F1-score 74,3%, dibandingkan IndoBERT dengan akurasi 59,7%, presisi 54,3%, recall 60,9%, dan F1-score 57,3%. Penelitian ini berkontribusi dalam pengembangan metode komparatif berbasis Natural Language Processing (NLP) untuk mendeteksi potensi isu kerawanan pemilu melalui analisis opini publik di media sosial sebagai dukungan bagi pengawasan partisipatif Bawaslu
Co-Authors Anggreni Audy A. Kenap Biringpasemba, Tiara Dandy Pramana Hostiadi Emor, Stevren Christian Eva Hariyanti Fatonah, Nenden Siti I Made Darma Susila Julyeta Paulina Amelia Runtuwene Kristofel Santa maki, Indriani Fidelia Maki Marthin, Claudia Mohammad Yazdi Pusadan Ngalo, Semuel Fendy Quido Conferti Kainde Rambega, Sultan Fajri Rompas, Parabelem T. D. Rompas, Parabelem Tino Dolf Yohanes Priyo Atmojo