Article Per Year (5 Year)
p-Index From 2021 - 2026
1.813
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Komputer dan Informasi Dewantara: Jurnal Pendidikan Sosial Humaniora Gudang Jurnal Multidisiplin Ilmu Jurnal Arjuna : Publikasi Ilmu Pendidikan, Bahasa dan Matematika MERDEKA: Jurnal Ilmiah Multidisiplin JUSS (Jurnal Sains dan Sistem Informasi)
Anna Dina Kalifia
Unknown Affiliation
Religion Aerospace Engineering Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Health Professions Languange, Linguistic, Communication & Media Mathematics Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Jurnal Analisis Sentimen Tweet COVID-19 Di Indonesia Menggunakan Metode Algoritma TF-IDF Kusuma Jakti, Sekar Arum; Anna Dina Kalifia
JUSS (Jurnal Sains dan Sistem Informasi) Vol. 7 No. 1 (2024): Jurnal Sains dan Sistem Informasi
Publisher : Prodi Sistem Informasi FST Universitas Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/juss.v7i1.31222

Abstract

Analisis sentimen terhadap ulasan pengguna Twitter tentang COVID-19 di Indonesia telah menjadi topik penelitian yang penting dalam pemrosesan bahasa alami. Dalam penelitian ini, dataset tweet yang mengandung kata kunci #coronavirus dan #COVID-19 diambil dari Kaggle dan diproses menggunakan metode perhitungan TF-IDF untuk melakukan analisis sentimen. Metode ini melibatkan pengumpulan data dari Twitter, preprocessing dataset, dan analisis sentimen menggunakan algoritma TF-IDF. Hasil penelitian ini memberikan wawasan yang lebih jelas tentang sentimen masyarakat terkait COVID-19 di Indonesia berdasarkan data yang ditemukan di Twitter. Dengan menggunakan algoritma RapidMiner, penelitian ini dapat mengidentifikasi sentimen positif, negatif, atau netral dari tweet yang berkaitan dengan COVID-19 di Indonesia. Hasil analisis ini dapat memberikan informasi berharga bagi pemerintah dan masyarakat untuk memahami pandangan dan perasaan masyarakat terkait pandemi COVID-19. Selain itu, visualisasi WordCloud juga digunakan untuk menangkap esensi dari ulasan pengguna dan mengidentifikasi kata-kata kunci yang sering digunakan dalam ulasan tentang COVID-19 di Indonesia. Dengan demikian, penelitian ini memberikan kontribusi penting dalam memahami reaksi masyarakat dan perasaan mereka terhadap COVID-19 di Indonesia melalui platform Twitter.
Analisis Sentimen Tingkat Entitas di Twitter Menggunakan Metode TF-IDF: Analisis Sentimen Menggunakan Metode TF-IDF Sitio, Cecilyani Saragih; Anna Dina Kalifia
JUSS (Jurnal Sains dan Sistem Informasi) Vol. 7 No. 1 (2024): Jurnal Sains dan Sistem Informasi
Publisher : Prodi Sistem Informasi FST Universitas Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/juss.v7i1.31223

Abstract

Jurnal ini membahas analisis tingkat sentimen entitas di Twitter dengan menggunakan metode TF-IDF. Analisis sentimen adalah proses untuk mengidentifikasi dan mengklasifikasikan opini atau sentimen yang terkandung dalam teks yang ada di Twitter. Fokus pada tingkat entitas memungkinkan pemahaman yang lebih spesifik terhadap sentimen yang terkait dengan entitas tertentu, seperti orang, tempat, organisasi, produk, atau topik lainnya. Metode yang digunakan dalam jurnal ini adalah TF-IDF (Term Frekuensi-Invers Dokumen Frekuensi). Metode ini digunakan untuk menghitung skor sentimen yang berkaitan dengan entitas yang ada di Twitter. TF-IDF menghitung frekuensi kemunculan kata dalam dokumen tersebut serta frekuensi kemunculan kata tersebut di seluruh korpus. Dengan menggunakan metode ini, penulis jurnal berusaha untuk mengidentifikasi kata-kata kunci yang berkontribusi pada sentimen positif atau negatif terhadap entitas yang sedang dianalisis. Penelitian ini bertujuan untuk memberikan wawasan tentang penggunaan metode TF-IDF dalam analisis sentimen pada tingkat entitas di Twitter. Hasil analisis sentimen dapat memberikan pemahaman yang lebih mendalam mengenai opini dan sentimen pengguna Twitter terhadap entitas-entitas yang mereka bahas. Diharapkan penelitian ini dapat memberikan kontribusi dalam pengembangan analisis sentimen lebih lanjut, terutama dalam konteks media sosial seperti Twitter.
Co-Authors Adib Tri Kuncoro Alwi Syahri Arjuna Annisa Puspita Debby Irola Dimas Wahyu Sejati Feby Indranu Meylanda Kesuma Haryo Arimurti Imiel Ardhanenggar Tallane Kusuma Jakti, Sekar Arum Luthfiyah Annisa Muhammad Satria Nugraha Nabila Nur Fadhilah Nadhira Putri Kinaura Putri Citra Arrahma Putri Khasanah Rifa Abdussalam Rizki Dimas Sasongko Sitio, Cecilyani Saragih Taufik Yoga Pratama Uhti Lestar