Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL PENDIDIKAN TAMBUSAI Journal of Artificial Intelligence and Digital Business
Setiawan, Agam
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Kesiapan Guru PJOK Se-Kecamatan Purwakarta dan Pemanfaatan Teknologi Informasi Komunikasi terhadap Kebijakan Merdeka Belajar Era Industri 5.0 Setiawan, Agam; Solihin, Akhmad Olih; Syamsudar, Bangbang
Jurnal Pendidikan Tambusai Vol. 8 No. 1 (2024): April 2024
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v8i1.14599

Abstract

Tujuan Penelitian ini adalah untuk mengetahui pengaruh kesiapan guru PJOK Se-Kecamatan Purwakarta dan pemanfaatan teknologi informasi dan komunikasi terhadap implementasi Kebijakan Merdeka Belajar Era Industri 5.0. Desain penelitian ini menggunakan pendekatan kuantitatif dengan metode survey dan kuesioner sebagai alat pengumpulan data. Populasi penelitian ini adalah semua guru PJOK di SMP Negeri, dengan sampel sebanyak 10 SMP Negeri di Kecamatan Purwakarta.Hasil penelitian menunjukkan bahwa kesiapan guru PJOK berpengaruh positif terhadap implementasi Kebijakan Merdeka Belajar Era Industri 5.0. Hal ini menandakan bahwa kesiapan guru PJOK di Kecamatan Purwakarta memiliki kontribusi signifikan terhadap kesuksesan implementasi Kebijakan Merdeka Belajar di Era Industri 5.0. Selain itu, pemanfaatan teknologi informasi dan komunikasi juga berpengaruh positif terhadap implementasi Kebijakan Merdeka Belajar Era Industri 5.0. Artinya, penggunaan teknologi informasi dan komunikasi memiliki peran penting dalam mendukung dan mempercepat proses implementasi Kebijakan Merdeka Belajar di Era Industri 5.0.
Analisis Sentimen Ulasan Aplikasi TikTok Menggunakan Convolutional Neural Network Sembiring, Kelvin Dwi Pranata; Setiawan, Agam; Rosyid, Harun
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4860

Abstract

Analisis sentimen terhadap ulasan pengguna merupakan instrumen krusial dalam memahami persepsi serta pengalaman pengguna terhadap aplikasi mobile seperti TikTok. Di tengah pesatnya pertumbuhan platform digital, pemrosesan umpan balik secara otomatis menjadi kebutuhan mendesak bagi pengembang. Penelitian ini bertujuan untuk menganalisis sentimen ulasan aplikasi TikTok dengan membandingkan efektivitas metode machine learning dan deep learning, yaitu Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), Support Vector Machine (SVM), dan Logistic Regression (LR). Data penelitian diperoleh melalui teknik scraping pada Google Play Store periode Oktober 2025, menghasilkan 19.569 ulasan mentah yang kemudian diproses menjadi 11.368 data bersih melalui tahapan preprocessing. Tahapan tersebut meliputi pembersihan teks, stopword removal, tokenisasi, serta pelabelan sentimen dan kategori dengan rasio pembagian data 80:20. Evaluasi performa model dilakukan secara komprehensif menggunakan metrik Accuracy, Macro-F1, dan Weighted-F1. Hasil eksperimen menunjukkan bahwa model CNN mencapai performa terbaik dengan nilai Accuracy 0,9895, Macro-F1 0,9407, dan Weighted-F1 0,9897, secara konsisten mengungguli LSTM, SVM, dan Logistic Regression. Skor tinggi ini membuktikan bahwa arsitektur CNN sangat efektif dalam mengekstraksi fitur lokal dan menangani karakteristik teks pendek yang informal pada ulasan media sosial. Temuan ini memberikan kontribusi signifikan bagi peneliti NLP dalam mengoptimalkan sistem klasifikasi sentimen, serta memberikan wawasan strategis bagi pengembang aplikasi untuk meningkatkan kualitas layanan berdasarkan sentimen pengguna secara akurat.
Co-Authors Akhmad Solihin Rosyid, Harun Sembiring, Kelvin Dwi Pranata SYAMSUDAR, BANGBANG