Article Per Year (5 Year)
p-Index From 2021 - 2026
1.909
P-Index
This Author published in this journals
All Journal Jurnal Algoritma Jurnal Ilmiah Sinus Jurnal Algoritma Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Pendidikan Indonesia (Japendi) SmartComp
Shiddieq, Diqy Fakhrun
Unknown Affiliation
Computer Science & IT Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice

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

Found 5 Documents
Search
Journal : Malcom: Indonesian Journal of Machine Learning and Computer Science

 1 
Penerapan Algoritma Naive Bayes dengan Teknik TF-IDF dan Cross Validation untuk Analisis Sentimen Terhadap Starlink: Application of the Naive Bayes Algorithm with TF-IDF and Cross Validation Techniques for Sentiment Analysis Towards Starlink Khoerunnisa, Suci; Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1852

Abstract

Starlink, layanan internet satelit dari SpaceX, mulai beroperasidi Indonesia pada 2024 untuk mengatasi kesenjangan digital di wilayah terpencil. Namun, kehadirannya menimbulkan tantangan seperti harga tinggi, potensi dampak terhadap penyedia lokal, dan masalah regulasi. Penelitian ini mengkaji sentimen publik terhadap Starlink menggunakan algoritma Naïve Bayes yang dikombinasikan dengan teknik TF-IDF dan Cross Validation yang masih jarang diterapkan dalam studi serupa di Indonesia. Data yang digunakan berupa cuitan berbahasa Indonesia dari pengguna platform X selama Mei-November 2024. Hasil analisis menunjukkan bahwa model Naïve Bayes memiliki kinerja optimal dalam mendeteksi sentimen positif dibandingkan negatif maupun netral, sebagaimana diukur menggunakan confusion matrix. Temuan utama menunjukkan bahwa Naïve Bayes 49,38% cuitan bersentimen positif, 32,94% netral, dan 17,68% negatif. Sentimen positif didominasi oleh apresiasi terhadap kecepatan dan stabilitas layanan, sedangkan sentimen negatif mengkritik harga tinggi dan dampaknya terhadap penyedia lokal. Meskipun model menunjukkan performa baik pada sentimen positif, akurasi klasifikasi sentimen negatif dan netral masih perlu ditingkatkan. Hasil penelitian ini memberikan wawasan strategis bagi pengembangan bisnis Starlink serta dasar pertimbangan bagi pemerintah terkait layanan internet berbasis satelit di Indonesia.
Analisis Sentimen Publik di Platform X Pasca Skandal Bahan Bakar Minyak Oplosan Menggunakan Algoritma Naïve Bayes: Public Sentiment Analysis on Platform X Following the Mixed Fuel Scandal Using the Naïve Bayes Algorithm Chidayat, Achmad Thaufik; Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2220

Abstract

Skandal BBM oplosan yang mencuat pada awal 2025 memicu gelombang reaksi dari masyarakat yang disuarakan melalui platform X. Penelitian ini ditujukan untuk mengevaluasi sentimen publik terkait kasus tersebut dengan menggunakan algoritma Naïve Bayes sebagai metode analisis. Proses analisis dilakukan dengan teknik scraping terhadap 2.351 tweet yang relevan, dilanjutkan dengan preprocessing teks. Label sentimen ditentukan secara otomatis menggunakan metode VADER, sementara representasi fitur dilakukan dengan teknik TF-IDF untuk meningkatkan kualitas klasifikasi. Selanjutnya, data dibagi menjadi data pelatihan dan data pengujian dengan perbandingan 80:20, kemudian diklasifikasikan menggunakan algoritma Multinomial Naïve Bayes. Hasil klasifikasi menunjukkan bahwa algoritma mampu mengidentifikasi sentimen negatif dengan recall tertinggi sebesar 75%, meskipun akurasi keseluruhan hanya mencapai 57%. Temuan ini menunjukkan bahwa pendekatan ini cukup andal dalam menangkap opini kritis masyarakat, namun masih perlu pengembangan untuk mengenali sentimen positif dan netral secara akurat. Penelitian selanjutnya disarankan untuk membandingkan algoritma Naïve Bayes dengan model lain seperti SVM atau Random Forest guna meningkatkan akurasi klasifikasi.
Komparasi Algoritma Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Metaverse: Comparison of Support Vector Machine and Naïve Bayes Algorithms for Sentiment Analysis of the Metaverse Novianti, Dea Nurmastin; Shiddieq, Diqy Fakhrun; Roji, Fikri Fahru; Susilawati, Wati
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1061

Abstract

Metaverse telah mencuri perhatian dunia karena kemampuannya untuk menggabungkan dunia nyata dan dunia virtual. Minat terhadap metaverse semakin meningkat seiring dengan dampak pandemi COVID-19 dan proyek pembangunan Ibu  Kota Nusantara (IKN), serta pertumbuhan penggunaan platform digital. Perbincangan isu metaverse semakin meroket naik setelah perusahaan Facebook merubah namanya menjadi Meta. Studi ini bertujuan untuk membandingkan  akurasi tertinggi antara metode algoritma Naïve Bayes dengan SVM  dalam menganalisis respons masyarakat terhadap metaverse. Studi ini menggunakan metode sentiment analisis. Penggunaan dua algoritma menjadi keterbaruan penelitian. Studi kali ini  menggunakan data yang diambil dari Twitter (x) dan disimulasikan menggunakan sentiment analisis dari algoritma SVM dan  algoritma Naïve Bayes. Berdasarkan penelitian, ditemukan bahwa akurasi algoritma SVM mencapai 90,32% presisi sebesar 0,90 dan recall sebesar 0,86, sedangkan algoritma Naïve Bayes mencapai 84,23% presisi sebesar 0,87 dan recall sebesar 084. Dengan adanya penelitian ini dapat memberikan wawasan terhadap tren metaverse, serta membandingkan hasil akurasi tertinggi antara  dua algoritma.  
Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc): Topic Modeling on Online News Media Using Latent Diriclet Allocation (Case Study Somethinc Brand) Puspita, Evi; Shiddieq, Diqy Fakhrun; Roji, Fikri Fahru
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1204

Abstract

Somethinc merupakan salah satu merek kosmetik lokal di Indonesia yang aktif memanfaatkan media, seperti berita online untuk menyampaikan informasi terkini seputar merek. Dari banyaknya berita online mengenai merek Somethinc, sering kali topik dan tren yang sedang dibahas tidak menggambarkan informasi secara keseluruhan. Untuk menganalisis topik yang paling sering dibahas dalam berita online mengenai merek Somethinc, peneliti menggunakan metode topic modeling, yaitu Latent Dirichlet Allocation, yang dinilai lebih unggul dalam menghasilkan topik secara terstruktur. Penelitian ini memanfaatkan nilai coherence untuk menganalisis dan mengevaluasi jumlah topik terbaik, selanjutnya pendekatan human judgement digunakan untuk menginterpretasikan topik. Hasil analisis kemudian divisualisasikan secara interaktif menggunakan pyLDAvis, untuk mengetahui persebaran kata dari setiap topik. Berdasarkan hasil penelitian, jumlah topik terbaik terdapat pada topik 6 dengan nilai coherence sebesar 0.404. Keenam topik tersebut diinterpretasikan berdasarkan pendekatan human judgement, menghasilkan topik-topik meliputi produk skincare untuk kulit berjerawat, penghargaan brand kecantikan terbaik, kolaborasi produk, produk perawatan kulit dan kecantikan, kampanye pemasaran produk, dan brand lokal dengan produk perawatan kecantikan. Dapat disimpulkan bahwa jumlah topik 6 menghasilkan topik-topik yang relevan mengenai merek Somethinc.
Analisis Penerimaan Aplikasi Flip Menggunakan Model Unified of Acceptance and Use of Technology 3: The analysis of Flip application acceptance using the Unified Theory of Acceptance and Use of Technology 3 model Kristi, Nalis; Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1316

Abstract

Penelitian ini bertujuan untuk mengukur tingkat penerimaan aplikasi Flip oleh UMKM di Kabupaten Garut menggunakan model UTAUT 3. Metode kuantitatif eksplanatori cross-sectional digunakan dengan pengumpulan data primer melalui kuesioner berdasarkan skala likert 1 sampai 5, serta data sekunder didapatkan dari jurnal, artikel, dan informasi terkait topik penelitian, selanjutnya data di analisis menggunakan SmartPLS 3.0. Penelitian ini merupakan lanjutan dari penelitian terdahulu mengenai Analisis Tingkat Penerimaan Penerapan aplikasi Flip menggunakan metode UTAUT 2, dalam penelitian tersebut tidak mempertimbangkan variabel personal innovativeness, personal innovativeness di anggap penting dalam mengukur sejauh mana seseorang cenderung menerima dan mengadopsi inovasi baru. Hasil menunjukkan terdapat empat hipotesis di terima, yakni behavioral intention terhadap use behaviour, habit terhadap use behaviour, personal innovativeness terhadap behavioral intention, dan price value terhadap behavioral intention. Sementara itu, delapan hipotesis ditolak, yakni effort expectancy terhadap behavioral intention, facilitating conditions terhadap behavioral intention, facilitating conditions terhadap use behaviour, habit terhadap behavioral intention, hedonic motivation terhadap behavioral intention, performance expectancy terhadap behavioral intention, personal innovativeness terhadap use behaviour, dan social influence terhadap behavioral intention.
Co-Authors Aswarulloh, Haris Chidayat, Achmad Thaufik Dwi Nurhayati, Dwi Fikri Fahru Roji Heri Purwanto Khoerunnisa, Suci Kristi, Nalis Novianti, Dea Nurmastin Nulhakim, Rizki Fajar Puspita, Evi Putra, Alifudin Nuryansyah Ridian Gusdiana Wati Susilawati, Wati Wiharko, Teguh