Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Teknik Informatika (JUTIF) JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Syam, Abd. Azis
Unknown Affiliation
Computer Science & IT Education

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS TEKNIK PREPROCESSING PADA SENTIMEN MASYARAKAT TERKAIT KONFLIK ISRAEL-PALESTINA MENGGUNAKAN SUPPORT VECTOR MACHINE Syam, Abd. Azis; Hardy M, Galang; Salim, Agus; Surianto, Dewi Fatmarani; Fajar B, Muhammad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 3 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i3.5527

Abstract

Konflik Israel dan Palestina menjadi perhatian di media sosial saat ini terutama di Indonesia. Beragam ulasan yang dapat ditemui pada media sosial baik yang bersifat negatif maupun positif. Oleh sebab itu dilakukanlah sebuah penelitian yang bertujuan untuk menganalisa ulasan yang bersifat positif maupun negatif oleh Masyarakat Indonesia terhadap masalah yang sedang terjadi antara Israel dan Palestina di media sosial menggunakan algoritma Support Vector Machine dengan tiga skema preprocessing. Metode penelitian dilaksanakan dengan berbagai tahap yakni pengumpulan data ulasan, preprocessing data ulasan, klasifikasi, dan evaluasi model. Penelitian ini menggunakan data komentar masyarakat Indonesia pada platform YouTube. Hasil dari penelitian menunjukkan bahwa skema 3 yang menerapkan casefolding dan stemming memiliki nilai akurasi tertinggi dimana nilai F1-Score untuk ulasan positif mencapai 98% dan untuk ulasan negatif mencapai 93%, diikuti oleh skema 1 yang menerapkan casefolding, stopword dan stemming dengan nilai F1-Score untuk ulasan positif mencapai 97% dan ulasan negatif mencapai 85% dan yang terakhir adalah skema 2 yang menerapkan casefolding dan stopword dengan nilai F1-Score untuk ulasan positif mencapai 96% dan ulasan negatif mencapai 85%. Dengan hasil tersebut dapat dilihat bahwa skema preprocessing mempengaruhi hasil dari algoritma Support Vector Machine.
Klasifikasi Status Gizi Anak dengan Decision Tree Berdasarkan Data Stunting di Kabupaten Gowa Eka Budiarti, Nur Azizah; Syam, Abd. Azis; Akbar, Muh. Arsan; Al Amanah Muslimin, Muh. Nur Hidayat; Nasrullah, Asmaul Husnah
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 12, No 4 (2024)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v12i4.79636

Abstract

Stunting merupakan masalah kesehatan yang serius di Indonesia, termasuk di Kabupaten Gowa. Penelitian ini bertujuan untuk mengembangkan sistem pakar yang dapat mengklasifikasikan status gizi anak-anak usia 0 hingga 4 tahun menggunakan algoritma Decision Tree. Data yang digunakan diperoleh dari Dinas Kesehatan Kabupaten Gowa dan mencakup atribut berat badan, tinggi badan, jenis kelamin, usia, dan status gizi. Proses penelitian meliputi pengumpulan dan preprocessing data, pembangunan dan evaluasi model, serta implementasi model dalam aplikasi Android. Hasil penelitian menunjukkan bahwa model Decision Tree yang dibangun memiliki akurasi 90% dalam mengklasifikasikan status gizi anak. Implementasi model dalam aplikasi Android diharapkan dapat membantu orang tua dalam memantau dan meningkatkan status gizi anak mereka.
Performance Comparison of SVM in Sentiment Analysis of Israel-Palestine Comments Using Lsa and Word2vec Akbar, Muh. Arsan; Syam, Abd. Azis; Al Amanah, Muh. Nur Hidayat; Risal, Andi Akram Nur; Surianto, Dewi Fatmarani; Budiarti, Nur Azizah Eka; Wahid, Abdul
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 1 (2026): JUTIF Volume 7, Number 1, February 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.1.4601

Abstract

This study compares two feature extraction techniques, namely Latent Semantic Analysis (LSA) and Word2Vec, in the sentiment classification of comments related to the Israeli-Palestinian conflict using Support Vector Machine (SVM). The dataset consists of 1000 YouTube comments and 158 news paragraphs, categorized into pro and con Palestinian sentiments. The preprocessing process includes casefolding, special character and stopword removal, lemmatization, and tokenization. The results show that SVM with Word2Vec has better performance than SVM with LSA in the classification of positive and negative comments. SVM model with Word2Vec recorded a precision value of 92% and F1-Score of 93% on negative comments. Meanwhile, SVM with LSA recorded 90% precision and 92% F1-Score. On positive comments, SVM with Word2Vec recorded 92% recall and 93% F1-Score. While SVM with LSA recorded 89% recall and 91% F1-Score. Word2Vec's strength lies in its ability to capture word context and nuance more effectively, thanks to training using richer contextualized comment and news data. In conclusion, although both methods show good ability in sentiment classification, the use of Word2Vec provides more consistent and accurate results. This research contributes to the advancement of sentiment classification methods in the context of complex socio-political issues and can serve as a reference for applying machine learning to more accurate and contextual public opinion analysis.
Co-Authors AA Sudharmawan, AA Abdul Wahid Akbar, Muh. Arsan Al Amanah Muslimin, Muh. Nur Hidayat Al Amanah, Muh. Nur Hidayat Andi Akram Nur Risal Dewi Fatmarani Surianto Fachry Abda El Rahman Hardy M, Galang Muhammad Fajar B Nasrullah, Asmaul Husnah