Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Media Jurnal Informatika Teknik: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer
Puspitasari, Mila
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS FUNGSI BASIS DATA BERBENTUK FILE MSGSTORE.DB.CRYPT DALAM APLIKASI WHATSAPP Mulyani, Sri; Rizkita, Syeila Ayu; Almawati, Novia Ayu; Agustin, Dari Dianata; Izzati, Puteri Marchanda; Puspitasari, Mila; Manalu, Rini Junita; Firmansyah, Ricky
Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol. 2 No. 2 (2022): Juli : Jurnal Teknik Mesin, Elektro dan Ilmu Komputer
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (742.606 KB) | DOI: 10.55606/teknik.v2i2.318

Abstract

Abstrak Kini teknologi sangat berkembang pesat, aplikasi chatting sangatlah digemari oleh banyak pihak salah satunya WhatsApp Messenger. WhatsApp ini dapat diakses oleh pengguna android dan ios, aplikasi ini menyediakan fasilitas tidak hanya untuk mengirimkan teks namun bisa juga berupa video, foto, file, dan panggilan suara maupun video. WhatsApp memiliki database yang dinamai msgstore.db.crypt untuk membackup data yang digunakan oleh penggunanya namun kebanyakan masyarakat tidak memahami tujuan adanya file tersebut. Dengan mengunakan metodologi pendekatan kualitatif yaitu dengan cara mengumpulkan data strudi pustaka dengan menggunakan sumber data berupa buku referensi dan jurnal ilmiah maka pada penelitian ini menghasilkan beberapa fungsi dari msgstore.db.crypt yang sebelumnya tidak diketahui oleh khalayak umum, yaitu sebagai penyimpan data diwhatsapp, mencadangkan pesan whatsapp menjadi lebih mudah, dapat mengembalikan data pesan yang telah terhapus, dapat melakukan sinkronisasi antar aplikasi dan beberapa hal lainnya. File database ini berguna untuk menjalankan aplikasi, semua aktivitas dan pesan akan langsung tersimpan dan diproses melalui database. Jenis file dapat berbeda-beda tergantung dengan versi aplikasi WhatsApp para pengguna jika sudah lama tidak diperbarui maka kemungkinan crypt yang digunakan adalah crypt7, crypt8, crypt10 atau crypt12 ini merupakan jenis file yang sama namun dengan tingkat enkripsi yang berbeda. File msgstore sendiri terletak di dalam folder WhatsApp / Databases dan membuka database file ini dapat menggunakan aplikasi SQLite Browser Database.
Emotion Detection in Indonesian Text Using the Logistic Regression Method Junianto, Erfian; Puspitasari, Mila; Zakaria, Salman Ilyas; Arifin, Toni; Agung, Ignatius Wiseto Prasetyo
Media Jurnal Informatika Vol 17, No 2 (2025): Media Jurnal Informatika
Publisher : Teknik Informatika Universitas Suryakancana Cianjur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35194/mji.v17i2.5927

Abstract

Emotion detection in Indonesian text has become a crucial topic in the advancement of human–computer interaction and sentiment analysis on digital platforms. Despite its importance, challenges arise from the linguistic complexity and frequent use of slang in Indonesian text. This study aims to evaluate the performance of three classification models—Logistic Regression, K-Nearest Neighbors (KNN), and Naive Bayes—in detecting emotions from Indonesian text. The dataset comprises 1,000 texts categorized into four emotions: happy, sad, angry, and fear. Preprocessing steps included slang normalization, text cleaning, tokenization, stopword removal, and stemming, followed by TF-IDF weighting. Each model was trained and further optimized using ensemble bagging to improve classification performance. The optimized Logistic Regression model achieved the best performance, with an accuracy of 89%, precision of 0.90, recall of 0.89, F1-score of 0.89, and an average ROC-AUC score of 0.98. Both KNN and Naive Bayes models reached 81% accuracy after optimization, but their overall performance remained lower than Logistic Regression. The findings demonstrate that Logistic Regression is the most effective method for detecting emotions in Indonesian text, as it can effectively handle simple grammatical structures and slang variations. This study contributes to the development of emotion analysis models for Indonesian text, supporting applications in social computing and affective computing.
Co-Authors Agustin, Dari Dianata Almawati, Novia Ayu Erfian Junianto Ignatius Wiseto Prasetyo Agung Izzati, Puteri Marchanda Manalu, Rini Junita Ricky Firmansyah Rizkita, Syeila Ayu Sri Mulyani Toni Arifin Zakaria, Salman Ilyas