Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Informatics and Data Science (J-IDS) Journal of Mathematics, Computation and Statistics (JMATHCOS)
Aqila Salsabila
Universitas Negeri Medan
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Mathematics

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

Found 2 Documents
Search

 1 
Implementasi Algoritma Support Vector Machine Untuk Analisis Sentimen Aplikasi OLX di Playstore Aqila Salsabila; Jeremia Jordan Sihombing; Rizky Irvandi Sitorus
Journal of Informatics and Data Science Vol 1, No 2 (2022): Vol 1, No 2 (2022)
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/j-ids.v1i2.42597

Abstract

Analisis sentiment adalah menganalisis  opini, sentimen, evaluasi, penilaian, sikap, dan emosi orang-orang terhadap entitas seperti produk, layanan, organisasi,  individu,  masalah,  peristiwa, topik, dan atributnya. Support Vector Machine (SVM) adalah salah satu algoritma klasifikasi yang bisa digunakan untuk sentimen analisis. Penelitian ini bertujuan mengklasifikasikan review OLX Google Play Store menggunakan analisis sentimen yang telah dikumpulkan dan disaring. Hasil dari penelitian ini sangat berguna bagi pemilik aplikasi untuk mengambil keputusan di masa depan. Penelitian ini menggunakan 2500 data ulasan aplikasi OLX dari Google Play Store.  Pada tahap pertama penelitian ini menggunakan Case Folding, Filtering, Tokenizing, Slang Word, Stopwords, Stemming, kemudian melakukan Konversi kalimat lalu mentransformasi teks ke vector dengan TfidfVectorizer. Pada tahap kedua melakukan spilt data menjadi dua bagian dengan perbandingan 80% dan 20%, yaitu 80% bagian untuk data training dan 20% bagian untuk data testing. Pada tahap terakhir membangun model sehingga diperoleh akurasi sebesar 85%, precision negatif sebesar 86% dan positif sebesar 82% , serta recall negatif sebesar 91% serta postif sebesar 73% dan f1-score sebesar 85%. Dapat disimpulkan dari sentimen analisis aplikasi OLX  berdasarakan ulasan di Playstore memuat lebih banyak ulasan negatif dibandingkan ulasan positif, hal ini dapat menjadi bahan evaluasi untuk kedepannya bagi pemilik aplikasi.
Determining Tourist Destination Priorities Using Website-Based Particle Swarm Optimization Methods (Case Study : North Padang Lawas Regency) Aqila Salsabila; Yulita Molliq Rangkuti; Ichwanul Muslim Karo Karo; Said Iskandar Al-Idrus
Journal of Mathematics, Computations and Statistics Vol. 7 No. 2 (2024): Volume 07 Nomor 02 (Oktober 2024)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/jmathcos.v7i2.4233

Abstract

. Optimization of tourist routes is very important to minimize travel time and reduce travel costs. This study focuses on optimizing tourist routes in North Padang Lawas Regency using Multi Attribute Utility Theory (MAUT), and Particle Swarm Optimization (PSO) in the context of the Traveling Salesman Problem (TSP). This study discusses problems such as the lack of priority of tourist destinations and the need for shorter travel times. The research process includes problem identification, literature review, data collection through field observations and interviews, and data processing with MAUT to prioritize destinations. The identified priority destinations are Hotel Sapadia Gunung Tua, Barumun Nagari, Batik Sekar Najogi, Durian and Manggis Agrotourism, Rumah Makan Holat Alhamdulillah, Waterboom Gunung Tua, and Candi Bahal I, II, III. Furthermore, PSO is applied to determine the optimal travel route. PSO finds a route with a total travel time of 351 minutes, although the three-day travel time is extended to 375 minutes.
Co-Authors Ichwanul Muslim Karo Karo Jeremia Jordan Sihombing Rizky Irvandi Sitorus Said . Iskandar Yulita Molliq Rangkuti