Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Teknologi Jurnal Teknologi Informasi dan Ilmu Komputer
Royani, Noorhanida
Unknown Affiliation
Computer Science & IT Education Engineering

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

Found 2 Documents
Search

 1 
Topic Modelling Latent Dirichlet Allocation untuk Klasifikasi Komentar pada Layanan Streaming Platform Royani, Noorhanida; Widodo, Catur Edi; Warsito, Budi
JST (Jurnal Sains dan Teknologi) Vol. 12 No. 3 (2023): Oktober
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jstundiksha.v12i3.68492

Abstract

Seiring dengan berkembangnya teknologi, memunculkan banyak platform online untuk streaming film. Streaming platform banyak digunakan masyarakat seperti netflix, disney+, hbo go, we tv, vidio. Banyaknya perbandingan antar streaming platform menjadi perbincangan dimedia sosial yaitu twitter. Opini yang disampaikan pengguna streaming platform berisi komentar positif dan komentar negatif yang mempengaruhi pengguna lainnya yang ingin menonton film. Penelitian ini dilakukan untuk mengkaji perbandingan antara komentar positif dan komentar negatif pengguna streaming platform pada media sosial Twitter. Metode Latent dirichlet allocation dapat digunakan sebagai topic modelling dan Support Vector Machine untuk klasifikasi. Pada tahapan pengambilan data dengan menggunakan tools framework scrapy dengan python, data diambil sebanyak 5.000 dan dilakukan preprocessing text. Metode LDA dapat mempresentasikan topik dan dokumen serta klasifikasi menggunakan Support Vector Machine (SVM) mendapatkan hasil komentar positif lebih banyak dari pada komentar negatif. Hasil evaluasi preforma didapatkan nilai akurasi 0,88, recall 0,88, F1score 0,87, precision 0,88. Topic Modelling Latent Dirichlet Allocation (LDA) untuk Klasifikasi Komentar pada Layanan Streaming Platform dengan menggunakan 5,000 data diambil dari sosial media yaitu twitter yang terbagi menjadi komentar positif dan komentar negatif. Hasil ini dipengaruhi dari jumlah komentar positif yang lebih dominan dari pada komentar negatif. Implikasi dari penelitian ini adalah pentingnya memperhatikan keseimbangan data dalam melakukan klasifikasi komentar pada platform streaming agar hasil prediksi klasifikasi dapat lebih akurat.
Perbandingan Metode Pembobotan Tf-Rf Dan Tf-Idf Dikombinasikan Dengan Weighted Tree Similarity Untuk Sistem Rekomendasi Buku Sari, Yuslena; Baskara, Andreyan RIzky; Prakoso, Puguh Budi; Royani, Noorhanida
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 6: Desember 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935709

Abstract

Unit Pusat Terpadu Perpustakaan merupakan perpustakaan pusat yang ada di Universitas Lambung Mangkurat. Perpustakaan ini mempunyai sistem pencarian buku namun sistem tersebut belum adanya fitur rekomendasi buku sehingga anggota menjadi kesulitan dalam melakukan pencarian buku yang sesuai dengan keinginan anggota. Oleh karena itu, dengan adanya rekomendasi buku atau saran buku yang lain dapat menjadi alternatif untuk membantu anggota dalam melakukan pencarian buku yang sesuai. Dalam penelitian ini menggunakan perbandingan pembobotan kata TF-IDF dan TF-RF dengan weighted tree similarity sebagai pengukur kemiripan diantara beberapa data dengan parameter tree yang sudah ditentukan dan dilakukan perbandingan perhitungan dengan menghitung tf-idf dengan tf-rf menggunakan perhitungan excel mendapatkan nilai yang berbeda antara tf-idf dengan tf-rf, pembobotan tf-idf dapat mengukur kemiripan antara dokumen dan kata kunci buku yang paling mirip dengan buku yang dianggap paling relevan. Sehingga anggota memasukan kata kunci kemudian akan menemukan kemiripan buku dari kata kunci yang dimasukan sebelumnya namun untuk pembobotan tf-rf memberikan kata kunci dari setiap kategori. Hasil perbandingan yang di dapat yaitu 96% untuk tf-idf dan 98% untuk tf-rf. Sistem ini menggunakan bahasa pemrograman python dengan web framework django. AbstractThe Central Integrated Library Unit is the central library at Lambung Mangkurat University. This library has a book search system but the system does not have a book recommendation feature so that members find it difficult to search for books that match the wishes of members. Therefore, the existence of book recommendations or other book suggestions can be an alternative to assist members in searching for suiTabel books. In this study using a comparison of the weighting of the words TF-IDF and TF-RF with weighted tree similarity as a measure of the similarity between several data and a comparison of calculations is carried out by calculating tf-idf with tf-rf using excel calculations to get different values between tf-idf and tf -rf, tf-idf weighting can measure the similarity between documents and keywords of the book that is most similar to the book that is considered the most relevant. So that members enter keywords and then find the similarity of books from the keywords entered previously but for weighting tf-rf provides keywords from each category. The comparison results obtained are 76% for tf-idf and 80% for tf-rf. This system uses the python programming language with the django web framework.
Co-Authors Andreyan Rizky Baskara Budi Warsito Catur Edi Widodo Prakoso, Puguh Budi Yuslena Sari, Yuslena