Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer dan Informatika (JSON) Journal of Innovation Research and Knowledge
Irfan Setiawan
Universitas Teknologi Digital Indonesia
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Health Professions Law, Crime, Criminology & Criminal Justice Social Sciences

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

Found 2 Documents
Search

 1 
PENCARIAN DATA QUICK COUNT PILPRES DENGAN TEKNIK WEB SCRAPING Dini Fakta Sari; Adi Kusjani; Deborah Kurniawati; Irfan Setiawan
Journal of Innovation Research and Knowledge Vol. 3 No. 5: Oktober 2023
Publisher : Bajang Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Quick Count adalah metode verifikasi hasil pemilihan umum dengan cara menghitung presentase dari hasil pemilihan umum pada beberapa tempat yang dijadikan sampel. Tidak semua orang dapat mencari hasil quick count pilpres per provinsi dengan cepat karena terdapat banyak lembaga survei yang merilis hasil quick count sehingga diperlukan download file hasil quick count pada situs lembaga survei secara manual yang membutuhkan usaha relatif lebih besar dan waktu yang relatif lebih lama. Dibutuhkan sebuah sistem pencarian hasil quick count pilpres per provinsi yang berfungsi untuk membantu pengguna untuk mendapatkan hasil quick count dari salah satu lembaga survei resmi yaitu Charta Politica secara otomatis. Sistem yang dibangun menggunakan Teknik Web Scraping untuk mendapatkan file hasil quick count menggunakan Flask untuk menampilkan hasil quick count pilpres per provinsi dalam sebuah API (Application Programming Interface). Dengan sistem ini diharapkan dapat membantu pengguna untuk mendapatkan hasil quick count dalam bentuk file csv, basis data, atau API.
Perbandingan Kinerja dan Efisiensi Model NLP pada Analisis Sentimen Ulasan Aplikasi Layanan Publik Digital Irfan Setiawan; Widyastuti Andriyani
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 4 (2026): Juni 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i4.9774

Abstract

Transformasi digital layanan publik di Indonesia menghasilkan volume ulasan pengguna yang besar pada Google Play Store, khususnya untuk aplikasi layanan publik digital seperti Identitas Kependudukan Digital (IKD), BPJS Kesehatan Mobile, dan MyPertamina. Penelitian ini bertujuan untuk membandingkan kinerja dan efisiensi komputasi lima model dari tiga generasi pendekatan Natural Language Processing (NLP), yaitu Naive Bayes, Support Vector Machine (SVM), Bidirectional Long Short-Term Memory (BiLSTM), IndoBERT, dan IndoBERTweet dalam tugas analisis sentimen ulasan berbahasa Indonesia. Evaluasi dilakukan pada performa klasifikasi menggunakan accuracy, macro precision, macro recall, dan macro F1-Score serta efisiensi komputasi melalui waktu pelatihan, waktu inferensi, dan penggunaan memori. Dataset dikumpulkan melalui scraping ulasan Google Play Store dengan strategi pelabelan otomatis berbasis rating bintang (weak labels), yang keandalannya divalidasi dengan subset sampel menggunakan Cohen’s Kappa. Penggunaan label lemah ini merupakan keterbatasan yang perlu dipertimbangkan dalam interpretasi hasil, mengingat hanya sebagian kecil data yang divalidasi secara manual. Penelitian ini mengisi gap literatur pada domain aplikasi layanan publik digital Indonesia yang masih kurang dieksplorasi dalam konteks komparasi model NLP lintas generasi, sekaligus menghasilkan implikasi praktis pemilihan model berdasarkan kondisi infrastruktur komputasi yang tersedia, dengan mempertimbangkan keterbatasan generalisasi hasil pada domain dan skala dataset yang berbeda. Hasil eksperimen menunjukkan IndoBERTweet mencapai performa tertinggi dengan macro F1-Score 0,8957, sementara Naive Bayes dan SVM dapat dijalankan dalam waktu di bawah 0,15 detik tanpa GPU dengan macro F1-Score masing-masing 0,8345 dan 0,8402.
Co-Authors Andriyani, Widyastuti Deborah Kurniawati Dini Fakta Sari