Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JURNAL TEKNOLOGI INFORMASI MEANS (Media Informasi Analisa dan Sistem)
Wibowo, Gigih Hasoko
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Komparasi Algoritma Klasifikasi Text Mining Untuk Analisa Sentimen Pada Akun Twitter Tokopediacare Sururi, Dede Miftah; Wibowo, Gigih Hasoko; Sulistyo, Romy Triadi; Fatoni, Raden Mirza Kurnia; Telaumbanua, Emrina; Saputra, Dedi Dwi
JURNAL TEKNOLOGI INFORMASI Vol 8, No 1 (2022): Jurnal Teknologi Informasi
Publisher : Universitas Respati Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52643/jti.v8i1.2271

Abstract

Perkembangan teknologi yang begitu pesat tidak terelakkan lagi. Media sosial kini menjadi sarana media komunikasi yang paling mudah digunakan orang banyak. Dengan media sosial, banyak penilaian sentimen yang dapat diteliti. Salah satunya Twitter. Dengan twitter, pengguna dapat melakukan review sebuah produk berdasarkan pengalaman yang mereka alami. Tokopedia misalnya, platform e-commerce dengan jutaan akun pembeli tentunya seringkali mendapatkan respon positif atau negatif. Melalui twitter, tokopedia menyediakan layanan konsumen dengan akun @TokopediaCare. Analisa sentimen terhadap review pengguna tokopedia pada akun tersebut memberikan indikator yang berguna untuk berbagai tujuan yang dapat ditemukan dalam komentar, umpan balik ataupun kritik. Data kicauan yang telah dikumpulkan dari twitter diolah terlebih dahulu dipecah menjadi kata sehingga dapat memudahkan dalam mengklasifikasi jenis kata. Penelitian ini menggunakan algoritma Synthetic Minority Oversampling Technique (SMOTE), Naïve Bayes, Adaptive Boosting (AdaBoost), Support Vector Machine (SVM) dan  Support Vector Machine Particle Swarm Optimization (SVM PSO) yang pengujiannya akan membandingkan dari campuran metode tersebut untuk mengetahui metode mana yang paling ideal dalam menentukan sentimen analisa pada kicauan twitter tokopedia. Dengan pengolahan hasil uji menggabungkan Synthetic Minority Oversampling Technique (SMOTE) dan Support Vector Machine Particle Swarm Optimization (SVM PSO) menghasilkan nilai terbaik yaitu Accuracy 76,05%, Precision 77,23%, Recall 74.14% dan AUC 0,826.
Sistem Informasi Tagihan Listrik Unit Usaha di Area Taman Mini Indonesia Indah Berbasis Web Wibowo, Gigih Hasoko; Yulia, Eka Rini
MEANS (Media Informasi Analisa dan Sistem) Volume 8 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/means.v8i1.2394

Abstract

The use of electricity in the Taman Mini Indonesia area is quite large every month. Electricity usage is not only used for the operations of TMII itself but is also used by business units such as stalls, partners, regional pavilions, and museums. Therefore, every month the business unit pays its electricity usage to TMII. The process of making electricity bills for business units at TMII is still manual. With the existence of a web-based electricity bill information system for business units in the TMII area, it is easier for officers to record kwh meters, which speeds up making electricity bills, and it is easier for customers to get billing data online.
Co-Authors Eka Rini Yulia Fatoni, Raden Mirza Kurnia Saputra, Dedi Dwi Sulistyo, Romy Triadi Sururi, Dede Miftah Telaumbanua, Emrina