Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Nufairi, Farhan
Unknown Affiliation
Computer Science & IT Education

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

Found 2 Documents
Search

 1 
ANALISIS PERBANDINGAN SENTIMENT DAN PERBINCANGAN NETIZEN TERHADAP TWITTER PASCA PERGANTIAN NAMA Herlando, Fariz; Dzikrillah, Achmad Rizal; Nufairi, Farhan; Sinduningrum, Estu; Sholeh, Muchammad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i1.4934

Abstract

Twitter adalah media sosial yang dimanfaatkan sebagai tempat penyebaran pandangan terhadap suatu topic. Penelitian ini bertujuan untuk mengetahui hasil sentimentt positive dan negative, serta mengetahui hasil topic pembahasan apa saja yang dibahas oleh para penggunanya. Desain pada penelitian ini mempunyai lima tahapan, tahapan yang pertama yaitu pengumpulan data, preprocessing data, analisis perbandingan, klasifikasi, dan kesimpulan. Data yang diambil berasal dari ulasan aplikasi Twitter itu sendiri pada Google Play Store sebanyak 2000 data. Latent Dirichlet Allocion adalah metode yang akan digunakan pada penelitian ini, menghasilkan topic-topic apa saja yang banyak dibahas oleh para penggunanya. Berdasarkan hasil penelitian yang telah dilakukan, menghasilkan bahwa akibat perubahan nama dan logo pada Twitter terjadi penurunan pada sentimentt positive yaitu dari 655 menjadi 596 sedangkan terjadi kenaikan pada sentiment negative dari 345 menjadi 404, dari hasil sentimentt yang didapatkan para pengguna cenderung kecewa akan perubahan yang dilakukan oleh pemilik Twitter itu sendiri, serta hasil pada metode Latent Dirichlet Allocation menunjukkan bahwa topic terbaik yang paling banyak dibicarakan para pengguna adalah topic ke-5, dibuktikan bahwa nilai topic coherency yang tertinggi bernilai 0.61 yang berisi kata-kata penyusunnya adalah "enggak", "sekarang", "dulu", "bisa", "kagak", "ini", "malah", "lagi", "Twitter", "sudah".
ANALISIS SENTIMEN PADA ULASAN APLIKASI THREADS DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Nufairi, Farhan; Pratiwi, Nunik; Herlando, Fariz
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i1.4929

Abstract

Threads merupakan sebuah aplikasi media sosial yang dirilis oleh Instagram pada tahun 2023 bulan Juli lalu. Di Google Play Store sendiri aplikasi Threads telah menjadi populer, dengan lebih dari 50 juta unduhan dan rating rata-rata 4,5. Terkadang, isi rating dan ulasan suatu produk atau layanan dapat berbeda. Dalam mengembangankan aplikasi, perlu memperhatikan pendapat dari pengguna, bukan hanya jumlah rating. Oleh karena itu, penelitian ini bertujuan untuk mengetahui sentimen pengguna aplikasi Threads di Google Play Store, baik positif maupun negatif, dan untuk mengetahui tingkat akurasi algoritma Support Vector Machine (SVM) dalam menganalisis sentimen tersebut. Metode penelitian melibatkan pengumpulan ulasan pengguna Threads, preprocessing, pelabelan, dan penerapan algoritma SVM untuk mengklasifikasikan sentimen ulasan menjadi positif dan negatif. Setelah melakukan implementasi algoritma, pengujian evaluasi merupakan tahap terakhir dari proses implementasi algoritma. Data yang digunakan dalam penelitian ini adalah data ulasan aplikasi Threads di Google Play Store, yang berjumlah 1429 data. Dari jumlah tersebut, 1103 merupakan ulasan positif dan 326 merupakan ulasan negatif. Hasil pengujian evaluasi menunjukkan bahwa algoritma SVM dapat mengklasifikasi ulasan aplikasi Threads dengan akurasi sebesar 88%. Akurasi ini diperoleh dengan menggunakan rasio pembagian data sebesar 80:20.
Co-Authors Dzikrillah, Achmad Rizal Herlando, Fariz Nunik Pratiwi Sholeh, Muchammad Sinduningrum, Estu