Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Information Technology Ampera
Cahya Novita Sari
Universitas Muhammadiyah Kotabumi
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Sentimen Terhadap Dinamika Metavers Menggunakan Algoritma Naive Bayes Cahya novita Sari; Ilham Ma'ruf; Dira Trisnadia; Dea nur Azizah; Muhammad Ilham Herwandani; Fandi Kurniawan
Journal of Information Technology Ampera Vol. 4 No. 3 (2023): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalita.v4i3.429

Abstract

Metaverse, sebuah inovasi teknologi yang menakjubkan dengan pengaruh global, merupakan kumpulan realitas digital yang menyatukan elemen media sosial, permainan daring, realitas tambahan (AR), realitas maya (VR), dan mata uang kripto. Pendekatan manual dalam menentukan sifat positif atau negatif suatu opini sering kali memakan waktu dan tenaga, terutama dengan melimpahnya jumlah opini publik. Untuk mengatasi hal ini, diusulkan penggunaan teknik pembelajaran mesin guna efisien mengklasifikasikan beragam sumber data opini. Studi ini mengedepankan penerapan Penambangan Teks sebagai metode untuk klasifikasi dokumen. Metode Klasifikasi Naïve Bayes (NBC) dipilih oleh peneliti karena efektivitasnya dalam menggunakan perhitungan probabilitas. Hasil penelitian mengindikasikan bahwa sistem atau model yang dikembangkan berhasil mencapai presisi sempurna (100%) dalam mengidentifikasi kelas opini positif, artinya semua prediksi positif yang dihasilkan tepat sasaran. Namun, terdapat margin kecil dalam recall untuk kelas positif, yakni 93,37%, mengindikasikan adanya beberapa kasus positif yang luput dari deteksi. Sementara itu, presisi untuk kelas negatif berada pada angka 43,46%, yang menyiratkan kemungkinan adanya kesalahan dalam sebagian kecil prediksi negatif. Namun, recall untuk kelas negatif mencapai 100%, menandakan semua kasus negatif berhasil diidentifikasi dengan benar.
Co-Authors Dea nur Azizah Dira Trisnadia Fandi Kurniawan Ilham Ma'ruf Muhammad Ilham Herwandani