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 SINTECH (Science and Information Technology) Journal
Widyanto, Tetrian
Unknown Affiliation
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Komparasi Naïve Bayes dan SVM Analisis Sentimen RUU Kesehatan di Twitter Widyanto, Tetrian; Ristiana, Ina; Wibowo, Arief
SINTECH (Science and Information Technology) Journal Vol. 6 No. 3 (2023): SINTECH Journal Edition December 2023
Publisher : Prahasta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31598/sintechjournal.v6i3.1433

Abstract

This research focuses on sentiment analysis regarding the plan to ratify the Health Bill which has become a hot topic of conversation on social media, especially Twitter. This research aims to classify tweets that reflect various opinions regarding the Health Bill, including support, rejection and neutrality. In this research, the author uses two types of classification algorithms, namely the Multinomial Naïve Bayes Algorithm and the Support Vector Machine (SVM) Algorithm. Previously, tweets were labelled using the Lexicon InSet dictionary. The research was conducted in the Python programming language and using Google Collaboratory. Data validation was carried out using the K-fold cross-validation method. The research results indicate that both algorithms predominantly produce positive sentiments over negative ones. However, SVM with a linear kernel achieves a higher accuracy rate of 0.87, compared to Multinomial Naïve Bayes, which has an accuracy of 0.82. SVM also records a precision of 0.87, recall of 0.97, and an F1-score of 0.91, while Multinomial Naïve Bayes shows a precision of 0.81, recall of 0.98, and an F1-score of 0.89. Overall, this research confirms that SVM excels in text sentiment classification, while Multinomial Naïve Bayes also provides good results in recognising positive and negative sentiment. These results have important implications for understanding public sentiment regarding the Health Bill on the Twitter platform.
Rekomendasi Hotel Menggunakan Kombinasi Metode AHP dan SAW Berbasis Crawling Data Ulasan Tamu Taryono, Ono; Widyanto, Tetrian; Triyono, Gandung
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9801

Abstract

Pemilihan hotel di Kota Bandung sebagai destinasi wisata oleh konsumen seringkali menjadi proses yang kompleks. Terdapat banyak faktor yang mempengaruhi keputusan ini, seperti harga kamar, fasilitas, lokasi, dan lain-lain. Penelitian ini membahas metode kombinasi AHP dan SAW untuk pembobotan kriteria dan pemeringkatan hotel untuk memperoleh rekomendasi pemilihan hotel yang sesuai bagi konsumen. Segmen konsumen dan tipe hotel yang dikaji pada penelitian ini dibagi menjadi dua kategori, yaitu : budgetary hotel yang diperuntukkan bagi segmen back packer dan non-budgetary hotel yang diperuntukkan bagi segmen non-back packer. Proses pembobotan masing-masing kriteria menggunakan metode AHP. Selanjutnya nilai bobot tersebut digunakan untuk menghitung preferensi setiap alternatif hotel yang dikaji dalam penelitian ini dengan membangun matriks keputusan dari metode SAW. Ada 7 (tujuh) kriteria yang digunakan untuk pemeringkatan hotel yaitu : overall rating / impression, kebersihan, kenyamanan, makanan, lokasi, pelayanan dan harga sewa kamar, dimana nilai bobot / prioritas untuk masing-masing kriteria tersebut adalah 0,27; 0,10; 0,10; 0,06; 0,04; 0,16 dan 0,27. Tiga besar peringkat budgetary hotel terbaik hasil rekomendasi sistem pendukung keputusan sebagian besar ditempati oleh hotel bintang 3 yaitu Hotel A2, Hotel A9 dan Hotel A14. Sedangkan tiga besar peringkat non-budgetary hotel terbaik hasil rekomendasi sistem pendukung keputusan ditempati oleh hotel bintang 4 yaitu Hotel B2, Hotel B4 dan Hotel B15.
Co-Authors Arief Wibowo Ristiana, Ina Taryono, Ono Triyono, Gandung