Article Per Year (5 Year)
p-Index From 2020 - 2025
3.768
P-Index
This Author published in this journals
All Journal Jurnal Sosioteknologi Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Journal of Computer Science and Informatics Engineering (J-Cosine) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik Informatika (JUTIF) Charity : Jurnal Pengabdian Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering
Anisa Herdiani
Telkom University
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 65 Documents
Search

 2   3   4   5   6 
Penentuan Rute Pariwisata Kota Bandung Menggunakan Algoritma Particle Swarm Optimization Yodie Dalyono; Anisa Herdiani; Aniq Rohmawati
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pendapatan kota Bandung dari wisatawan tahun ke tahun meningkat sehingga menyebabkan tempat pariwisata Kota Bandung menjadi lebih banyak.Kemudahan yang diberikan oleh teknologi untuk membantu wisatawan dalam menentukan tempat pariwisata yang akan dikunjungi dengan suatu perangkat lunak seperti Google Maps dan Waze. Namun hingga saat ini masih sangat sedikit perangkat lunak dengan fungsi menentukan rute dengan batasan-batasan seperti batasan hari berwisata dalam pengunjungan suatu tempat pariwisata. Pembangunan perangkat lunak untuk pencarian rute menggunakan algoritma Particle Swarm Optimization. Algoritma tersebut kerap digunakan dalam penyelesaian masalah karena kesederhanaan dan kemudahan penggunaan untuk beradaptasi untuk mengaplikasikan berbagai masalah dan memberikan nilai yang optimal baik nilai kontinyu maupun diskrit. Dengan pengujian paramater variabel konstanta pada algoritma PSO, untuk menguji apakah algoritma PSO baik atau tidaknya untuk mencari rute optimal. Dengan pengujian tersebut, ditemukan angka parameter yang menghasilkan total waktu tempuh yang optimal, dan dengan pengujian tersebut ditemukan bahwa perbandingan antara algoritma PSO dan AIS, algoritma PSO dapat menemukan hasil total waktu tempuh yang lebih optimal. Kata Kunci: Pariwisata, Algoritma, PSO, AIS, Parameter, Variabel.
Pengujian Dan Implementasi Self-organizing Map Pada Studi Kasus Pariwisata David Winalda; Kemas Muslim Lhaksmana; Anisa Herdiani
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu wilayah di Indonesia yang perkembangan wisatanya cukup cepat adalah wilayah Bandung Raya. Wilayah Bandung Raya yang luas, banyaknya tempat wisata baru yang bermunculan, hingga wisatawan yang baru pertama kali datang, membuat wisatawan cukup kesulitan dalam mengetahui tempat wisata apa saja yang harus dikunjungi dan rute mana yang harus dilalui yang menyesuaikan waktu wisata dari wisatawan. Untuk itu maka aplikasi yang akan dirancang adalah sebuah sistem yang memberikan rute wisata paling minimal dan mengetahui susunan rencana perjalanan yang menyesuaikan waktu wisatawan. Pendekatan yang digunakan dalam pencarian rute wisata adalah model dari Jaringan Saraf Tiruan yaitu Self-Organizing Maps (SOM). Pengujian memberikan hasil bahwa parameter yang baik untuk melatih jaringan SOM dalam pencarian rute wisata yang paling minimal adalah learning rate α=0.7, jumlah neuron = 8 per city/lokasi/tempat wisata, N (iterasi) = 800, dan 𝒓𝟎=23.2. Setelah dilakukan perbandingan dengan TSP heuristik dan metode SOM sebelumnya, parameter yang telah ditetapkan membuat SOM yang dikembangkan mempunyai performansi yang baik yaitu mempunyai jarak tempuh yang lebih minimal. Lalu dalam penyusunan perjalanan, sistem dapat menyusun perjalanan menyesuaikan durasi wisata wisatawan dengan jam operasional wisata. Kata kunci : jaringan saraf tiruan, travelling salesman problem, rute wisata, SOM
Analisis Sentimen Twitter Transportasi Online Berbasis Ontologi (studi Kasus: Go-jek) Indriani Mentaruk; Anisa Herdiani; Diyas Puspandari
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Kehadiran layanan ojek online dalam bidang transportasi semakin diminati masyarakat untuk menunjang aktivitas sehari-hari. Go-Jek merupakan salah satu penyedia jasa ojek online di Indonesia. Kemudahan proses pemesanan, berbagai macam layanan dan promo membuat Go-Jek menjadi pilihan bagi masyarakat yang memiliki mobilitas tinggi terutama di kota besar. Sebagian masyarakat menyampaikan pendapat, komentar hingga keluhan terhadap layanan Go-Jek melalui media sosial Twitter dalam bentuk tweet. Komentar, pendapat dan keluhan tersebut mengandung opini atau sentimen yang dapat digunakan sebagai bahan evaluasi bagi perusahaan. Opini tersebut dapat dimanfaatkan sebagai bahan analisis untuk mengetahui penilaian masyarakat terhadap pelayanan Go-Jek baik positif atau negatif berdasarkan aspek yang dinilai. Berdasarkan ide tersebut, Metode Ontologi digunakan agar katakata yang berhubungan dengan aspek dan sentimen dapat ditampung dan dijadikan kamus untuk melakukan klasifikasi aspek dan sentimen. Proses diawali dengan memberi label secara manual berdasarkan aspek dan sentimen yang terkandung dalam tweet tersebut. Kedua dilakukan preprocessing yang terdiri atas tokenizationi, case folding, stopword removal, non-standard word handling dan phrase-lookup. Proses ketiga adalah membangun model ontologi untuk klasifikasi, keempat dilakukan klasifikasi aspek dan sentimen, dan yang terakhir dilakukan pengukuran performansi sistem yang dibangun. Dari hasil penelitian yang dilakukan didapatkan rata-rata Akurasi sebesar 97,93%, rata-rata Recall sebesar 91,34% dan rata-rata Presisi 89,37%. Kata kunci : Go-Jek, Ontologi, Twitter, Analisis Sentimen Abstract The presence of online transportation in transportation has increasingly attracted the public to support their daily activities. Go-Jek is one of the online motorcycle taxi service providers in Indonesia. The ease of the ordering process, various services and promosion make Go-Jek an option for people who have high mobility, especially in big cities. Some of them expressed their opinions, comments to complaints about GoJek services via Twitter social media in the form of tweets. These comments, opinions and complaints contain opinions or sentiments that can be used as evaluation material for the company. This opinion can be used as an analytical material to find out the community's assessment of Go-Jek's services, either positive or negative based on the aspects assessed. Based on this idea, the Ontology Method is used so that words related to aspects and sentiments can be accommodated and used as a dictionary to classify aspects and sentiments. The process begins by labeling manually based on the aspects and sentiments contained in the tweet. The second is a preprocessing consisting of tokenisation, folding cases, stopword removal, non-standard word handling and phrase-lookup. The third process is to build an ontology model for classification, the fourth is the classification of aspects and sentiments, and the last is a performance measurement system built. From the results of the research conducted, the average accuracy is 97,93%, the average recall is 91,34% and the precision average is 89,39%. Keywords: Go-Jek, Ontology, Twitter, Sentiment Analysis
Identifikasi Keberpihakan Tweet Pada Twitter Menggunakan Naive Bayes Classifier Berdasarkan Klasifikasi Emosi Menggunakan Class Sequential Rules (studi Kasus: Pemilihan Presiden 2019) Rizky Wahyu Kurniawati; Anisa Herdiani; Indra Lukmana Sardi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Penggunaan media sosial untuk analisis politik menjadi hal yang umum terjadi, terutama selamapemilihan presiden (pilpres). Banyak peneliti dan media mencoba menggunakan media sosial untukmemahami opini dan tren publik. Twitter merupakan media sosial yang digunakan sebagai tempat banyakmasyarakat di internet memberikan opininya termasuk terkait pilpres. Beragam jenis emosi ditunjukkanoleh mereka melalui tweetnya dan suatu jenis emosi tertentu dapat menentukan kecenderungankeberpihakan seseorang terhadap suatu paslon. Klasifikasi emosi pada tweet diperlukan untuk mengetahuiseberapa banyak masyarakat yang berpihak pada suatu paslon. Dalam satu tweet dapat terdiri lebih darisatu kalimat dan banyak kata. Susunan kata juga dapat mempengaruhi hasil emosi yang disimpulkan. Padapenelitian ini metode Class Sequential Rules (CSR) digunakan karena kemampuannya dalam pendekatanberbasis pola bahasa didukung dengan pendekatan berbasis leksikon. Selain itu, juga menggunakan NaiveBayes Classifier (NBC) untuk mengidentifikasikan keberpihakan tweet terhadap suatu pasangan calon.Dengan metode tersebut, hasil yang didapatkan dari sistem yaitu keberpihakan kepada Jokowi sebesar67.5% sedangkan Prabowo sebesar 35.5% serta didapatkan F1-Score sebesar 67.83%.Kata kunci : klasifikasi, emosi, prediksi, pilpres, CSR, twitter.AbstractThe use of social media for political analysis is common, especially during presidential elections. Manyresearchers and media try to use social media to understand public opinion and trends. Twitter is a socialmedia that is used as a place for many people on the internet to give their opinions, including those relatedto the presidential election. Various types of emotions are shown by them through their tweets and a certaintype of emotion can determine a person's tendency to align with a paslon. Emotional classification on tweetsis needed to find out how many people are in favor of a paslon. In one tweet can consist of more than onesentence and many words. Word order can also affect the outcome of emotions that are inferred. In thisstudy the Class Sequential Rules (CSR) method is used because its ability in a language pattern-basedapproach is supported by a lexicon-based approach. In addition, it also uses Naive Bayes Classifier toidentify tweet alignments towards a candidate pair. With this method, the results obtained from the systemare alignments to Jokowi by 67.5% while Prabowo by 35.5% and F1-Score of 67.83%.Keywords: classification, emotion, prediction, election, CSR, twitter 
Deteksi Fake Review Menggunakan Support Vector Machine Bety Elysabeth Pasaribu; Anisa Herdiani; Widi Astuti
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Maraknya berbagai e-commerce menjadikan calon pembeli semakin selektif sehingga bergantung padareview yang ditinggalkan oleh pembeli sebelumnya untuk menentukan keputusan membeli suatuproduk. Banyaknya review, baik itu yang bersifat positif atau negatif, sangat mempengaruhi sisi manayang dapat dipercaya. Jika review yang dibaca tidak nyata atau disebut fake review maka akanmerugikan baik sisi penjual ataupun sisi pembeli. Untuk itu, perlu dilakukan analisis untuk mendeteksifake review pada kumpulan review produk. Penelitian ini dilakukan dengan pendekatan lima kelasfeature yaitu sentiment feature, personal feature, brand-only feature, content feature, dan metadata featuredengan menggunakan metode klasifikasi Support Vector Machine. Pada penelitian ini dibandingkanantara SentiwordNet dan SenticNet untuk mendapatkan ekstraksi sentiment mana yang lebih baik. Padapenelitian ini juga dilakukan pemilihan dan penggabungan feature, serta tuning parameter dan jeniskernel pada SVM apakah akan memengaruhi sistem. Hasil terbaik diperoleh akurasi sebesar 74,46%.Dari hasil penelitian ini diperoleh bahwa SenticNet lebih baik daripada SentiwordNet, kemudian tuningparameter serta pemilihan jenis kernel pada SVM bisa mendapatkan hasil yang optimal, sertapenggunaan sentiment feature sangat mempengaruhi sistem untuk deteksi fake review. Kata kunci: fake reviews, support vector machine, feature, sentiwordnet, senticnet Abstract Lot of various e-commerce makes prospective buyers more selective so that it relies on reviews left byThe rise of various e-commerce makes prospective buyers more selective so that it relies on reviews leftby previous buyers to determine the decision to buy a product. The number of reviews, both positive andnegative, greatly influences which side can be trusted. If the review that is read is not real or is called afake review, it will harm both of the seller and the buyer side. For this reason, an analysis is needed todetect fake reviews on a collection of product reviews. This research was approached with a five-classfeatures named sentiment features, personal features, brand-only features, content feature, andmetadata feature using the Support Vector Machine classification method. This research comparesbetween SentiwordNet and SenticNet to get which sentiment extraction is better. This research alsocarried out to analyze whether the differences in the use of SentiwordNet and SenticNet, the selectionand integration of features, and changes in parameters also choosing kernel in SVM will affect thesystem. The best results obtained an accuracy of 74,46%. From the results of this study, it was foundthat SenticNet is better than SentiwordNet, then tuning SVM parameters can get optimal results, alsousing sentiment feature affect the system for detecting fake review. Keywords: fake reviews, support vector machine, features, sentiwordnet, senticnet
Identifikasi Cyberbullying Pada Komentar Instagram Menggunakan Metode Lexicon-based Dan Naïve Bayes Classifier (studi Kasus: Pemilihan Presiden Indonesia Tahun 2019) Rizky Dhian Syarif; Anisa Herdiani; Widi Astuti
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Tahun 2019 Indonesia diwarnai dengan semarak demokrasi. Masyarakat menyambut dengan gembira dan antusiasme yang tinggi pada Pemilihan Umum Presiden yang dilaksanakan April 2019. Pilpres ini ramaidiperbincangkan di dunia nyata maupun dunia maya, khususnya di media sosial Instagram. Semua orangbebas berpendapat atau beropini tentang masing-masing calon Presiden. Tetapi, yang menjadi persoalanadalah ketika berpendapat tidak berlandaskan etika, sehingga membuat pertentangan antaramasingmasing pendukung pasangan calon presiden. Perang komentar yang membully, menjelekkan, ataumenjatuhkan lawan mewarnai situasi tersebut. Untuk itu, perlu dilakukan identifikasi cyberbullying padakomentar Instagram untuk mengklasifikasikan komentar yang mengandung cyberbullying atau noncyberbullying. Metode yang digunakan dalam penelitian ini adalah metode berbasis lexicon dan metodeberbasis learning yaitu naïve bayes classifier. Proses sistem dimulai dari text preprocessing dengan tahapancleaning, casefolding, dan stemming. Kemudian dilakukan proses klasifikasi menggunakan metode Lexiconbased dan naïve bayes classifier, dan hasil keluaran sistem berupa identifikasi apakah komentar termasukcyberbullying atau non cyberbullying. Pada penelitian ini didapatkan hasil performansi dari metode LexiconBasedmenghasilkanakurasisebesar58%,presisi52%,recall75%danF-score61%.Sedangkannaïvebayesclassifierdidapatkanakurasi97%,presisi94%,recall100%,danF1-score97%.  Kata kunci : cyberbullying, instagram, Lexicon-Based , naïve bayes classifier. Abstract In 2019 Indonesia was colored with the vibrant democracy. The community welcomed with great enthusiasmand enthusiasm at the Presidential Election held in April 2019. The presidential election was heavilydiscussed in the real world and cyberspace, specifically on Instagram social media. All people are free toapprove or opinion about each candidate for President. However, what is being debated is a compilationthat is not based on ethics, thus creating a conflict between each of the supporters of the presidentialcandidate pair. The war of comments that bully, vilify, or bring down opponents depicts beforehand. Forthis reason, it is necessary to collect cyberbullying on Instagram comments to classify comments that containcyberbullying or non-cyberbullying. The method used in this research is the lexicon based method and theBayes classifier naïve learning method. The system process starts from preprocessing text with cleaning,casefolding, and stemming. Then the classification process is carried out using the Lexicon-based methodand the naïve Bayes classifier, and the output of the system involves commenting whether it is cyberbullyingor non-cyberbullying. In this study the performance results obtained from the Lexicon-Based methodproduce an accuracy of 58%, 52% precision, 75% recall and F-score 61%. While Naïve Bayes Classifierobtained 97% accuracy, 94% precision, 100% recall, and F1-score 97%. Keywords: cyberbullying, instagram, based on lexicon, naive bayes classifier.
Identifikasi Spam Tweet Komentar Pada Twitter Berbasis Ontologi (studi Kasus : Tweet / Caption Di Twitter Dengan Tema “pilpres 2019”) Jahtra Genio Muhammad; Anisa Herdiani; Indra Lukmana Sardi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak anisaherdiani@telkomuniversity.ac.id, Dengan diadakannya pemilihan presiden 2019 banyak media sosial yang mengangkat beritatersebut, sejalan dengan hal itu tentu banyak postingan yang membahas berita pemilihan presiden 2019.Hal tersebut menyebabkan aktivitas sebuah media sosial menjadi cukup tinggi. Twitter merupakan salahsatu media sosial yang sangat populer digunakan untuk menyampaikan pendapat untuk saat ini, adanyapemilihan presiden 2019 membuat twitter menjadi salah satu media sosial yang ramai. Tingginya aktivitastwitter dimanfatkan oleh spammers untuk menyebarkan spam khususnya spam pada kolom komentar yangtidak memiliki keterkaitan dengan tweet atau topik pembicaraan serta menimbulkan dampak yang tidaknyaman bagi pengguna lainnnya. Spam yang dimaksud pada penelitian ini adalah komentar yang tidak adaketerkaitan atau keterhubungan dengan caption atau postingan. Untuk mengatasi masalah tersebutdibutuhkan sebuah sistem yang bisa mendeteksi spam berbasis ontologi. Dengan menggunakan ontologi,proses identifikasi spam menjadi lebih efisien dan sederhana karena data dipisahkan berdasarkan domaintertentu yang didefinisikan. Berdasarkan hasil pengujian, proses identifikasi spam menggunakan metodeontologi pada penelitian ini menghasilkan nilai rata-rata f1-score sebesar 89.14% Hal ini menunjukanbahwa ontologi dapat diimplementasikan untuk mengidentifikasi spam komentar pada twitter.Kata kunci : pemilihan presiden 2019, spam, spammers, ontologi, twitterAbstract With the 2019 presidential election held a lot of social media that raised the news, many postsdiscuss the 2019 presidential election news. This causes social media activity to be quite high. Twitter is aone of very popular social media used to express opinions for the moment, The 2019 presidential electionmakes Twitter one of the popular social media. The high level of twitter activity is used by spammers tospread spam, especially spam, in the comments column that has no connection with tweets or topics ofconversation and has an uncomfortable impact on other users. Spam generally in this research is illustratedby comments that have no relevance or connectedness with the caption or post. For solve this problem, asystem that can detect ontology-based spam is needed. By using an ontology, the process of identifying spambecomes more efficient and simpler because data is separated based on certain domains defined. Based onthe results of testing, the process of identifying spam using the ontology method in this study resulted in anaverage f1-score of 89.14%. This shows that ontology can be implemented to identify comment spam ontwitter.Keywords: presidential election, spam, spammers, ontologi, twitter
Klasterisasi Tweet Terkait Dengan Pemilihan Presiden 2019 Menggunakan Ontology-based Concept Weighting Dan Dbscan Puput Fajriati Tri S; Anisa Herdiani; Ibnu Asror
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakInformasi yang berada di media sosial twitter berkembang sangat cepat, contohnya seperti tweet tentangpemilihan presiden yang berhubungan dengan kedua calon pasang presiden. Topik yang sedangdibicarakan oleh masyarakat mengenai pemilihan presiden di twitter sangat beragam, oleh karena itudiperlukan suatu sistem untuk mengelompokan tweet berdasarkan topik pembahasan mengenai pemilihanpresiden yang berhubungan dengan kedua calon pasang presiden. Tujuan dilakukan penelitian adalahuntuk mengetahui topik apa saja yang dibicarakan oleh masyarakat saat pemilihan presiden, sehinggadiperlukan sebuah metode yang dapat mengelompokan tweet tersebut dan mengetahui akurasi perfomansidari ontology-based concept weighting dan dbscan. Penelitian ini menggunakan metode ontology-basedconcept weighting yang digunakan untuk menghitung dan menerapkan pengetahuan tentang strukturhierarkis topik dan dbscan untuk mengelompokan tweet tersebut. Berdasarkan hasil pengujian,pengelompokan tweet menggunakan ontology-based concept weighting dan dbscan untuk data pasangancalon nomor urut 1 menghasilkan akurasi sebesar 26.5% dan data pasangan calon nomor urut 2menghasilkan akurasi sebesar 44.16%. Kata kunci: ontologi, pemilihan presiden, tweet, clusterisasi, dbscan. AbstractInformation that is on Twitter social media is growing very fast, for example, like tweets about presidentialelections related to the two presidential pairs. The topic being discussed by the public regarding thepresidential election on Twitter is very diverse, therefore a system is needed to group tweets based on thetopic of discussion about presidential elections relating to the two candidates for presidential pairs. Thepurpose of the research is to find out what topics are discussed by the public during the presidential election,so that a method is needed that can group these tweets and know the performance accuracy of ontologybasedconceptweightinganddbscan.Thisstudyusesontology-basedconceptweightingmethodsthatareusedtocalculateandapplyknowledgeoftopichierarchicalstructuresanddbscantogroupthosetweets.Basedonthe results of the testing, the grouping of tweets using ontology-based concept weighting anddbscan for candidate pair number 1 data produced an accuracy of 26.5% and data on candidate pairnumber 2 produced an accuracy of 44.16%.Keywords: ontology, presidential elections, tweet, clustering, dbscan.
Analisis Pengaruh Normalisasi, Tf-idf, Pemilihan Feature-set Terhadap Klasifikasi Sentimen Menggunakan Maximum Entropy (studi Kasus : Grab Dan Gojek) Muhamad Fauzan Putra; Anisa Herdiani; Diyas Puspandari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Penggunaan sosial media untuk mengutarakan pendapat sudah menjadi kebiasaan masyarakat.Opini yang ditulis konsumen sedikit banyak dapat berpengaruh terhadap bisnis perusahaan. Perusahaanbutuh untuk mengevaluasi pelayanan demi kepuasan konsumen dan opini ini dapat sangat bermanfaat dalamberjalannya prosestersebut. Dengan banyaknya tweet dari konsumen merupakan pekerjaan yang tidakmudah bagi manusia. Oleh karena itu, pada penelitian ini dibuat suatu sistem yang mampu mengklasifikasiberbagai opini konsumen yang bersifat positif dan negatif. Untuk menentukan fitur dan bobotnya digunakanmetode TF-IDF, serta metode Maximum Entropy untuk melakukan klasifikasi. Hasil terbaik yang didapatpada percobaan ini adalah akurasi sebesar 90,67% dan f1-score sebesar 84,3%. Kata kunci: tweet, opini, klasifikasi, tf-idf, maximum entropyAbstract The use of social media to express opinions has become a habit of society today. Consumer opinionscould more or less affect to the company's business. Companies need to evaluate their service for customersatisfaction and this opinions can be very useful in the process. With the numbers of tweets that must be evaluatedfrom consumers, it isn’t an easy task for human. Therefore, in this study, a system has been created that is able toclassify consumer opinions into positive and negative classes. Using TF-IDF method to determine the featuresand weights, and the Maximum Entropy method for classification. The best results obtained in this experimentwere accuracy of 90.67% and f1-score of 84.3%. Keywords: tweet, opinion, classification, tf-idf, maximum entropy
Identifikasi Tweet Yang Mengandung Sarkasme Dalam Studi Kasus Pemilihan Presiden 2019 Menggunakan Metode Long Short-term Memory Nadine Azhalia Purbani; Anisa Herdiani; Ade Romadhony
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

AbstrakTwitter saat ini menjadi salah satu sarana media sosial yang digunakan untuk melakukan kampanyepublik, termasuk kampanye calon presiden pada pemilu tahun ini. Tweet kampanye sering kalimengandung sarkasme, yaitu penggunaan kata-kata pedas yang bertujuan untuk menyakiti hati oranglain. Adanya sarkasme yang terkandung di dalam suatu tweet membuat kebanyakan orang gagalmemahami makna yang disampaikan. Sarkasme juga sering digunakan oleh seseorang untukmenyampaikan cemoohan atau ejekan kasar, sehingga dapat memicu pertikaian. Oleh karena itu, deteksi sarkasme perlu dilakukan agar dapat mengurangi potensi pertikaian. Deteksi sarkasme merupakansebuah tugas yang menantang, karena sarkasme sendiri cukup sulit untuk ditentukan. Pada Tugas Akhirini dilakukan deteksi sarkasme pada tweet dengan topik pemilihan presiden Indonesia 2019. Metode yangdigunakan untuk klasifikasi adalah Long Short-Term Memory (LSTM), dan fitur kata direpresentasikandalam bentuk vektor word embedding. Pada Tugas Akhir ini dilakukan pembangunan dataset denganmengambil tweet pada rentang waktu 10 hari yang terkait dengan topik pilpres 2019. Berdasarkan hasilpengujian, nilai terbaik yang didapat dari accuracy, precision, dan recall secara berurut adalah sebesar93%, 92%, dan 95%.Kata kunci : identifikasi, klasifikasi teks, twitter, sarkasme, LSTM.
Co-Authors Ade Romadhony Adila , Ahmad Fasya Agus Kusnayat Alfian Yulianto Amanda Putri Septiani Andy Satria Aniq Rohmawati Aprillia Rizki Adiati Aristyo Hadikusuma Aryasatya Okta Pradhana Asep Aprianto Ati Suci Dian Martha Aufa Bil Ahdi P Bastomy Bastomy Bety Elysabeth Pasaribu Briliand, Diaz Wahyu Dadang Setiawan Daffa Dhiya Ulhaq Dana Sulistyo Kusumo Danang Junaedi David Winalda Dawam Dwi Jatmiko Suwawi Dhiyaul Haq, Rafif Zhafir Dimas Ikhsanu Fitra Dimitri Mahayana Diyas Puspandari Emil R. Kaburuan Erdiansyah, Muhammad Farras Erlina Wahyu Fadhilah erna febriyanti Fajri, Fikri Muhammad Farah Rahmadiani Gede Agung Ary Wisudiawan Hanifah, Wardah Heri Setyo Nugroho HNW Syahuda Nahatmasuni Ibnu Asror Ika Rahayu Ponilan Imelda Atastina Indra Lukmana Sardi Indriani Mentaruk Intan Widya Rahayu Irvan Dwi Putra Manurung Jahtra Genio Muhammad Jatmiko, Dawam Dwi Junaedi , Danang Kemas Muslim Lhaksmana Kemas Rahmat Saleh Wiharja Laksitowening, Kusuma Ayu Lintani Afina Hajar Raudhoti Lulu Alfi’a Rahma Ningsih Luthfi Shidqi Made Diva Prasetya Martania Triana Dewi Mochammad Fitrah Eka Pramudita Mohammad Yasin Abdul Hafidh Monterico Adrian Muhamad Fauzan Putra Muhammad Arifino Setyawan Muhammad Faris Adri Azka Muhammad Hanafiah Muhammad Husein Adnan Muhammad Johan Alibasa Muhammad Reza Rahmawan Muhammad Rizky Riandi Gunaedi Nadine Azhalia Purbani Nungki Selviandro Nur Muhammad Putra Setiadi Nurmasyitah Nurmasyitah Pasha, Zaky Mahfudz Puput Fajriati Tri S Raginda Firdaus Ridea Valentini Peristiwari Siwabessy Rizaldy Arigi Rizky Dhian Syarif Rizky Wahyu Kurniawati Rizky Wira Pranata Rosa Reska Riskiana Sakti Dewantoro Saputra, Aulia Kukuh Shinta Yulia Puspitasari Sri Martini Tiara Fitri Berlian Trysha Cintantya Dewi Veronikha Effendy Warih Maharani Widi Astuti Widowati , Sri Yodie Dalyono Yogi Putra Prastiawan Yuni Dwiyanti Yusep Rosmansyah Zaid Mukhtar ZK Abdurahman Baizal