Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Abdi Jurnal Publikasi
Bahrein, Muhammad
Unknown Affiliation
Computer Science & IT Engineering Social Sciences Other

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

Found 2 Documents
Search

 1 
PELATIHAN FRONT END WEB DEVELOPER di SMK BINTANG NUSANTARA Jupron; Rahayu, Santi; Bahrein, Muhammad
Abdi Jurnal Publikasi Vol. 2 No. 3 (2024): Januari
Publisher : Abdi Jurnal Publikasi

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

Abstract

SMK Bintang Nusantara, which is more familiarly called SMK Binusa, with educational services on software engineering has no Web Developer training for beginners. With that, this community service activity was held with front end web Developer training. The time for this training will be held on Friday, October 27, 2023 with 30 students. Training is carried out in the classroom. The resource person presented the material with a projector tool. The other committee as instructors who guide the participants in practicing the material presented by the resource persons. The implementation method is with the arrangement of preparatory activities, distributing consumption, opening the event, remarks, handing over mementos, material presentation, question and answer, door prize distribution, group photos and closing the event. This training motivates students in Front End Web Developer training to be sustainable.  
Perbandingan Kinerja Naive Bayes, Support Vector Machine, Regresi Logistik, dan Decision Tree untuk Klasifikasi Sentimen Ulasan Produk Berbasis TF-IDF Bahrein, Muhammad; Apandi, Sopiyan
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.13968

Abstract

Analisis sentimen merupakan salah satu pendekatan penting dalam pemrosesan bahasa alami yang digunakan untuk memahami opini konsumen melalui data ulasan produk di platform digital. Tantangan utama dalam analisis ini adalah memilih algoritma klasifikasi yang paling efektif untuk memproses data teks dalam jumlah besar dan kompleks. Penelitian ini bertujuan membandingkan kinerja empat algoritma klasifikasi populer, yaitu Naive Bayes, Support Vector Machine (SVM), Regresi Logistik, dan Decision Tree, dalam mengklasifikasikan sentimen ulasan produk berbasis fitur TF-IDF. Data yang digunakan berjumlah 830 ulasan produk yang dikumpulkan melalui teknik web scraping dari salah satu platform e-commerce. Seluruh data dipra-pemroses dengan tahapan pembersihan, tokenisasi, stopwords removal, dan stemming, kemudian diubah menjadi vektor numerik menggunakan metode TF-IDF. Selanjutnya, data dibagi menjadi data latih dan data uji dengan proporsi 80:20 dan diuji menggunakan keempat algoritma klasifikasi. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM) memiliki performa terbaik dengan akurasi sebesar 94%, diikuti oleh Regresi Logistik (92%), Naive Bayes (91%), dan Decision Tree (76%). Nilai precision, recall, dan F1-score pada SVM juga unggul dibandingkan algoritma lain. Temuan ini merekomendasikan SVM sebagai algoritma yang paling efektif untuk klasifikasi sentimen pada ulasan produk berbasis teks. Penelitian ini dapat menjadi referensi bagi pengembangan sistem analisis sentimen yang lebih optimal di masa mendatang.   Kata Kunci - Analisis sentimen, Naive Bayes, Support Vector Machine (SVM), Regresi Logistik, Decision Tree.
Co-Authors Apandi, Sopiyan Jupron Jupron Santi Rahayu