Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa Sistem Informasi (JMSI) Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Ovelina Devi Kurnia
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 2 Documents
Search

 1 
Analisis Perbandingan Algoritma Naïve Bayes dengan K-Nearest Neighbor (KNN) Pada Dataset Mobile Price Classification Ovelina Devi Kurnia; Elisa Triammah A’Fena; Dea Yuliana Ayu Ningrum; Erna Daniati; Aidina Ristyawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5053

Abstract

Penelitian ini berfokus pada penerapan data mining untuk Analisis perbandingan algoritma Naïve Bayes dengan K-Nearest Neighbor (KNN) dengan dataset klasifikasi harga smartphone menggunakan Jupyter. Dalam penelitian ini, kita membandingkan kinerja dua algoritma klasifikasi, Naïve Bayes dan KNN, dengan tujuan untuk memprediksi kisaran harga yang menunjukkan seberapa tinggi harga tersebut berdasarkan fitur-fitur yang tersedia. Pada penelitian acuan jurnal tingkat akurasinya antara naive bayes maupun kNN termasuk rendah. Dan pada penelitian kali ini menunjukkan hasil bahwa KNN memiliki akurasi yang lebih tinggi dibandingkan dengan Naïve Bayes dalam memprediksi harga smartphone.
KINERJA ALGORITMA MACHINE LEARNING DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI LIVIN’ BY MANDIRI PADA GOOGLE PLAY STORE Ovelina Devi Kurnia; Erna Daniati; Aidina Ristyawan
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.8993

Abstract

Analisis sentimen menjadi pendekatan penting dalam memahami opini pengguna terhadap suatu produk digital, termasuk aplikasi mobile banking. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna terhadap aplikasi Livin’ by Mandiri yang diperoleh dari Google Play Store. Data dikumpulkan melalui teknik scraping dan diproses menggunakan metode stratified balancing berbasis perhitungan Slovin untuk menangani ketidakseimbangan kelas. Sebanyak 1925 data ulasan digunakan sebagai sampel penelitian. Representasi fitur dilakukan dengan teknik TF-IDF, dan model klasifikasi dibangun menggunakan tiga algoritma pembelajaran mesin, yaitu Support Vector Machine (SVM), Logistic Regression (LR), dan Naive Bayes (NB). Hasil evaluasi menunjukkan bahwa algoritma SVM memberikan performa terbaik dengan akurasi 82%, diikuti oleh LR (81%), dan NB (62%). Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Temuan ini menunjukkan bahwa pemilihan algoritma yang tepat berperan besar dalam efektivitas klasifikasi sentimen, khususnya pada data teks yang besar dan tidak seimbang. Penelitian ini memberikan kontribusi dalam pengembangan sistem evaluasi otomatis berbasis ulasan pengguna untuk mendukung peningkatan kualitas layanan aplikasi perbankan digital
Co-Authors Aidina Ristyawan Dea Yuliana Ayu Ningrum Elisa Triammah A’Fena Erna Daniati