Article Per Year (5 Year)
p-Index From 2021 - 2026
0.778
P-Index
This Author published in this journals
All Journal INTECH (Informatika dan Teknologi) Jurnal Informatika Progres JSITP
Michael Junius Aguswan
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JSITP

 1 
Analisis Sentimen Google Glass Pada Pengguna Twitter Dengan Metode Lexicon Based Crecia, Crecia; Michael Junius Aguswan; Andri Wijaya
Jurnal Sistem Informasi dan Teknologi Peradaban Vol. 4 No. 2 (2023): Jurnal Sistem Informasi dan Teknologi Peradaban
Publisher : Prodi Sistem Informasi Universitas Peradaban

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58436/jsitp.v4i2.1665

Abstract

Google Glass merupakan bukti dari salah satu kemajuan teknologi, dimana teknologi ini dapat mengakses hampir seluruh komponen yang terdapat didalam smartphone. Namun banyaknya kontravensi membuat produk google ini sempat berhenti produksi dan menarik edaran dimasyarakat. Hal ini dikarenakan produk google ini membuat banyaknya masyarakat yang khawatir bahwa kacamata pintar ini melanggar hak dan privasi. Hingga kini produk kacamata pintar ini memiliki 4 generasi dan rata-rata digunakan oleh para perusahaan atau pekerja. Para pekerja tersebut sangat terbantu, namun disisi lain jika dipakai oleh masyarakat umum maka akan menimbulkan ketidaknyamanan Oleh sebab itu, maka dalam penelitian ini kami mengangkat tema Google Glass disalah satu media sosial yaitu Twitter untuk mengetahui apakah banyak diantara masyarakat yang setuju, bersikap netral atau tidak setuju dengan teknologi ini. Maka metode yang sesuai adalah analisis sentimen menggunakan metode lexicon based. Dalam penelitian ini Terdapat 1000 data tweets yang telah di crawling data kemudian nantinya data tersebut akan melalui tahap text processing (cleaning & stemming), dianalisis dan divisualisasikan. Sehingga hasil dari penelitian ini adalah banyak masyarakat di Twitter memberikan ulasan positif dengan skor 386
Pembobotan Sentimen Publik Menggunakan TF-IDF pada Console dan Video Game Offline cia, crecia; Andri Wijaya; Mutia Maharani; Michael Junius Aguswan
Jurnal Sistem Informasi dan Teknologi Peradaban Vol. 5 No. 2 (2024)
Publisher : Prodi Sistem Informasi Universitas Peradaban

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58436/jsitp.v5i2.2062

Abstract

Penelitian ini mengkaji penerapan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk membobotkan sentimen publik terhadap video game offline, dengan dukungan Vector Space Model (VSM). Video game offline tetap populer karena pengalaman imersif, cerita mendalam, serta fleksibilitas modifikasi di berbagai platform seperti PC, mobile, dan konsol, meskipun tren game online terus meningkat. Data penelitian diperoleh dari Kaggle, mencakup 11.001 entri dengan 17 atribut, termasuk judul, rating pengguna, dan genre. Proses penelitian melibatkan pengumpulan, pembersihan, dan pengolahan data. Game "Hades" ditemukan sebagai game dengan rating tertinggi, sedangkan genre "Party" dan "Fighting" paling diminati. PlayStation tercatat sebagai platform terpopuler dengan 67.798 pengguna dan 2.269 game. Analisis lanjutan menggunakan TF-IDF menunjukkan kata-kata seperti "bugs" dan "amazing" memiliki bobot tinggi dalam ulasan tertentu. Dengan VSM, relevansi dokumen terhadap kueri dianalisis melalui kesamaan kosinus dan jarak Euclidean. Evaluasi sistem menunjukkan kinerja yang sangat baik dengan precision 80%, recall 100%, F1-measure 88,9%, dan MAP 95%. Penelitian ini memberikan wawasan tentang preferensi pemain game offline dan menawarkan metode yang efektif untuk analisis sentimen publik terhadap video game, memberikan kontribusi berharga bagi industri gaming.
Co-Authors Andri Wijaya cia, crecia Crecia Crecia Crecia Crecia, Crecia Mutia Maharani Sri Andayani