Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal EXPLORER INTERNAL (Information System Journal)
Rialdy Atmadja, Aldy
Unknown Affiliation
Computer Science & IT Education Other

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

Found 2 Documents
Search

 1 
Analisis Sentimen Ulasan Aplikasi Bank Digital Menggunakan Algoritma Naïve Bayes Adelia Irawan, Febby; Rialdy Atmadja, Aldy; Wahana, Agung
Explorer Vol 4 No 2 (2024): July 2024
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/explorer.v4i2.1181

Abstract

Bidang perbankan merupakan salah satu yang berkembang dan mengikuti tren digitalisasi. Adanya bank digital merupakan inovasi yang dilakukan pada bidang perbankan dalam memberikan pelayanan dengan menggunakan media elektronik atau digital. Teknologi yang dikembangkan memungkinkan pengguna hanya cukup mengakses transaksi dalam suatu aplikasi dengan bermodalkan smartphone yang didistribusikan melalui Google Playstore. Ulasan-ulasan pengguna (review) pada Google Playstore ini tersedia untuk membantu meningkatkan performa dari aplikasi dan menjadi landasan bagi perusahaan dalam mengembangkan aplikasi perbankan. Akan tetapi, terdapat kendala jika banyaknya ulasan dan sulit untuk memilah dan mengolahnya secara manual sehingga diperlukan analisis sentimen ulasan pengguna pada aplikasi-aplikasi bank digital. Pada penelitian ini analisis sentimen dilakukan dengan menggunakan algoritma Naïve Bayes. Adapun pendekatan metode yang dilakukan dengan menggunakan CRISP-DM sebagai standar yang umum dalam melakukan riset data mining. Hasil dalam penelitian ini menunjukkan bahwa penerapan model klasifikasi dengan menggunakan Algoritma Naïve Bayes dengan data ulasan menghasilkan 46% ulasan positif dan 54% ulasan negatif. Selain itu, nilai akurasi tertinggi dari kinerja algoritma Naïve Bayes dengan menggunakan pembagian data training dan testing dengan persentase 70:30 menghasilkan akurasi yang optimal mencapai 89%.
Permodelan Topik pada Layanan Akademik Perguruan Tinggi dengan Menggunakan N-Gram Rialdy Atmadja, Aldy; Naufal Rahman, Muhammad; Zulfikar, Wildan Budiawan
INTERNAL (Information System Journal) Vol. 7 No. 2 (2024)
Publisher : Masoem University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32627/internal.v7i2.1192

Abstract

Automation of generating information in academic services are expected to provide convenience in providing academic services to students. Relevant topics can be extracted from social media by calculating the frequency of words asked by social media users. The research focuses on generating question topics on academic services at universities. Topic extraction are obtained through data taken from Instagram social media, so that relevant topics are obtained to get  information that is most frequently asked by the public. The N-Gram and Term Frequency are approach to extract the topic. The initial stages in this study include conducting Web Scraping taken from Instagram social media. In this study, text preprocessing was carried out in several stages, namely cleansing, casefolding, stopwords removal and tokenizing, and stemming. The N-Gram approach is carried out by comparing three types, namely unigrams, bigrams and trigrams. The results obtained in this study prove that the bigram produces relevant word pairs in determining academic service topics on social media. This approach produces word pairs that are relevant to academic service topics including graduation list, paying UKT, independent admission, SPANPTKIN and independent test.
Co-Authors Adelia Irawan, Febby Agung Wahana Naufal Rahman, Muhammad Wildan Budiawan Zulfikar