Claim Missing Document
Check
Articles

Found 6 Documents
Search

Efektivitas Variabel Demografi Pengguna Twitter dalam Prediksi Pilpres Indonesia 2014 dan 2019 Effendy, Muhammad Misbah; Taufik Edy Sutanto; Muhaza Liebenlito
The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i6.3477

Abstract

Twitter menjadi platform media sosial yang digunakan untuk menyuarakan dukungan terhadap calon pada Pemilihan Presiden (Pilpres) Indonesia 2014 dan 2019. Meskipun banyak analisis telah dilakukan pada Twitter, penelitian mengenai demografi pengguna masih jarang dilakukan. Masalah yang dihadapi dalam analisis demografi adalah keterbatasan informasi di Twitter. Selain analisis sentimen, penelitian ini menggunakan informasi demografi yaitu lokasi dan jenis kelamin yang diprediksi melalui nama pengguna Twitter. Menggunakan model BERT untuk analisis sentimen dan Random Forest untuk prediksi, data Pilpres 2014 diolah untuk memprediksi Pilpres 2019, yang kemudian dibandingkan dengan data resmi Komisi Pemilihan Umum (KPU). Dengan menggunakan variabel demografi, model memprediksi lebih baik 13.34% dibandingkan dengan model tanpa variabel demografi, dari 63.33% menjadi 76.67%. Berdasarkan hasil analisis variabel indikator, jumlah penduduk menjadi variabel demografi dengan nilai importance tertinggi. Hasil penelitian ini dapat digunakan sebagai acuan untuk meningkatkan hasil prediksi permasalahan lain yang serupa dan belum menggunakan informasi demografi.
Analisis Dinamika Tren Otoritas Keagamaan: Studi Kasus di Twitter Indonesia Tahun 2009-2019 Naila Nabiha Qonita; Taufik Edy Sutanto; Nur Inayah
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i2.3862

Abstract

Religious authority refers to individuals vested with governance over religious matters, such as kiai, ulama, and ustaz within the context of Islamic faith. In the age of social media, where freedom of expression prevails, anyone can initiate discussions on various topics, including religion. However, this freedom often raises doubts about truthfulness or validity of opinions concerning religious topics because not all information originates from credible religious authorities. This study analyzes trend dynamics of religious authority in discussions about Islam on Twitter between 2009 and 2019, using Katz centrality and Laplacian centrality. According to both methods, the findings indicate that dominance in religious conversations tends not to be held by religious authorities, with the average percentage of religious authority appearances only 14.24% in Katz centrality and 12.42% in Laplacian centrality. Results of this study are intended to serve as reference for government policy-making related to religious moderation education to public.
Explainable Sentiment Analysis pada Ulasan Aplikasi Shopee Menggunakan Local Interpretable Model-agnostic Explanations Ninda Rizky Nuraeda; Muhaza Liebenlito; Taufik Edy Sutanto
The Indonesian Journal of Computer Science Vol. 13 No. 3 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i3.3870

Abstract

Seiring dengan perkembangan teknologi, pertumbuhan e-commerce mengalami peningkatan secara signifikan. Hadirnya aplikasi Shopee sebagai salah satu platform e-commerce terkemuka telah mendorong pengguna untuk melakukan transaksi belanja secara online. Dalam konteks ini, perhatian terhadap peningkatan kualitas aplikasi menjadi penting, khususnya melalui evaluasi ulasan pengguna dengan menggunakan analisis sentimen. Analisis sentimen umumnya mengadopsi pendekatan machine learning, meskipun transparansi dalam proses analisis menjadi tantangan utama. Penelitian ini mencoba mengatasi tantangan tersebut dengan menerapkan aspek baru dari Artificial Intelligence (AI), yang dikenal sebagai eXplainable Artificial Intelligence (XAI), khususnya pada analisis sentimen yang disebut Explainable Sentiment Analysis. Metode Local Interpretable Model-agnostic Explanations (LIME) digunakan untuk menjelaskan faktor-faktor yang mempengaruhi prediksi model machine learning. Model yang dievaluasi yaitu Logistic Regression, Random Forest, Support Vector Machine, dan Naïve Bayes. Hasil penelitian memberikan wawasan yang berharga tentang alasan di balik prediksi sentimen pada ulasan, sehingga diharapkan dapat meningkatkan pemahaman tentang bagaimana model machine learning membuat prediksi pada data tertentu.
Analisis Dinamika Komunitas Warganet Twitter Terkait Diskusi Agama Islam Tahun 2009-2019 Fillah Arjuna, Ahmad Salik; Nur Inayah; Taufik Edy Sutanto
The Indonesian Journal of Computer Science Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i4.4170

Abstract

Twitter, as a popular social media in Indonesia, is a platform for users to form communities and share information, including about Islam. Opinions generated through this platform can change perceptions about the teachings and practices of Islam in Indonesia. This study aims to understand the structure and evolution of the Muslim community on Twitter through an analysis of community dynamics during 2009-2019. The data was transformed into a graph-shaped network and analyzed using two community detection methods: Louvain and Leiden. Content analysis such as n-grams, hashtags and word clouds were applied to identify the topics of the 3 largest communities. Leiden was shown to produce a higher average modularity value: 0.837, compared to Louvain: 0,833. This research provides deep insights into the community dynamics and discussion topics of Islam in Indonesia on social media, which can serve as a basis for policy makers and academics in managing social and religious issues.
Confident Learning pada IndoBERT: Peningkatan Kinerja Klasifikasi Sentimen Akhdaan, Daffa Al; Taufik Edy Sutanto; Muhaza Liebenlito
The Indonesian Journal of Computer Science Vol. 13 No. 5 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i5.4401

Abstract

In the rapidly evolving field of artificial intelligence (AI), label uncertainty in datasets has become a significant challenge threatening the sustainability of AI. This study investigates the enhancement of IndoBERT's performance in Indonesian sentiment analysis by integrating the Confident Learning (CL) method. IndoBERT, an adaptation of BERT for Indonesian, shows strong performance but is affected by label uncertainty. CL is applied to correct mislabeled data and improve model accuracy. The results indicate that IndoBERT + CL achieves an accuracy improvement from 85.15% to 86.03%, with enhancements in precision, recall, and F1 score to 87.93%, 85.00%, and 86.44%, respectively. The confusion matrix results also show that IndoBERT + CL is more accurate in identifying positive labels. This research highlights the importance of applying CL to enhance label quality and model performance in NLP sentiment analysis.
Deteksi Kepribadian MBTI pada Diskusi Agama Islam di Twitter Indonesia 2009-2019 Nanira Annisa Fitri; Taufik Edy Sutanto; Muhaza Liebenlito
The Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i5.3446

Abstract

Kepribadian adalah perilaku serta pemikiran seseorang yang dapat mempengaruhi orang lain dalam berinteraksi di berbagai situasi. Satu macam tes kepribadian yang populer adalah Myers-Briggs Type Indicator (MBTI) yang mengklasifikasikan kepribadian seseorang berdasarkan empat dimensi yaitu Introvert-Extrovert, Sensing-Intuitive, Thinking-Feeling, serta Judging-Perceiving. Sebagian besar penelitian sebelumnya mengenai prediksi MBTI yang telah dilakukan menggunakan dataset berbahasa Inggris. Penelitian ini melakukan analisa prediksi MBTI pengguna twitter dengan menggunakan data latih bahasa Indonesia yang berasal dari terjemahan model kecerdasan buatan. Empat model klasifikasi seperti Random Forest, Support Vector Machine (SVM), Logistic Regression, dan Bernoulli Naive Bayes digunakan untuk menganalisis efektivitas prediksi MBTI pada data yang digunakan. Hasil eksperimen menunjukkan bahwa model klasifikasi SVM menghasilkan akurasi tertinggi yaitu 90% untuk I-E, 93% untuk N-S, 88% untuk T-F, dan 84% untuk J-P. Model yang diajukan memiliki potensi untuk menjadi solusi untuk memprediksi MBTI secara cepat dan baik pada data yang besar dalam bahasa Indonesia.