Article Per Year (5 Year)
p-Index From 2021 - 2026
1.671
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi bit-Tech Informatics and Digital Expert (INDEX) Journal of Applied Computer Science and Technology (JACOST) MDP Student Conference
Jimmy Tjen
Universitas Widya Dharma Pontianak
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Buana Informatika

 1 
Pengaruh Jenis Stopwords terhadap Akurasi Model Multinomial Naïve Bayes dalam Proses Sentimen Analisis Tjen, Jimmy
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Implementing machine learning in business has enabled producers and sellers to assess product quality by analyzing customer reviews through Sentiment Analysis (SA). This study investigates the impact of different stopword categories on the accuracy of the Multinomial Naïve Bayes (MNB) model for SA. This research considered ten stopword categories: general, conjunctions, slang, temporal terms, nouns, pronouns, interjections, adverbs, and single-letter words. A Friedman test conducted on commentary from three shoe products revealed that removing conjunction stopwords (MNB-conjunction) could potentially improve the predictive accuracy of the MNB model for SA by approximately 1%. A T-test further validated this result, showing that two out of three datasets provided evidence that MNB-conjunction outperformed the MNB model without removing stopwords.
Pengaruh Jenis Stopwords terhadap Akurasi Model Multinomial Naïve Bayes dalam Proses Sentimen Analisis Tjen, Jimmy
Jurnal Buana Informatika Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025
Publisher : Universitas Atma Jaya Yogyakarta

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

Abstract

Penerapan dari machine learning dalam bisnis telah memungkinkan produsen atau penjual untuk mengetahui kualitas produk dagangan mereka berdasarkan pada analisis ulasan pelanggan menggunakan Sentiment Analysis (SA). Penelitian ini bertujuan untuk mengetahui pengaruh dari jenis stopword terhadap akurasi dari metode Multinomial Naïve Bayes (MNB) dalam proses SA. Terdapat 10 jenis stopword yang digunakan dalam penelitian ini: umum, konjungsi, bahasa gaul, keterangan waktu, kata benda, kata ganti orang, kata seruan, kata kerja, dan kata dengan satu huruf. Berdasarkan pada uji Friedman pada tiga ulasan dari tiga produk sepatu, diketahui bahwa menghilangkan stopword konjungsi (MNB-konjungsi) dapat meningkatkan akurasi model MNB dalam proses SA sebesar 1%. Hasil uji T pada dua dari tiga himpunan data menunjukkan bahwa MNB-konjungsi memiliki akurasi yang lebih baik ketimbang MNB tanpa menghilangkan stopword. 
Co-Authors Genrawan Hoendarto Jimmy Iskandar, Riyadi Sabila, Qolbi Sin Salim, Ilucky Tendean, Sandi Therence, Claretty Tony Darmanto Valentina, Cecilia Valentino Pratama Verita, Nengsy Willay, Thommy