Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI JURNAL ILMIAH INFORMATIKA
Marhadi, Nanda
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
PERBANDINGAN KINERJA NAÏVE BAYES DAN SVM PADA ANALISIS SENTIMEN TWITTER IBUKOTA NUSANTARA Supian, Acuan; Tri Revaldo, Bagus; Marhadi, Nanda; Efrizoni, Lusiana; Rahmaddeni, Rahmaddeni
JURNAL ILMIAH INFORMATIKA Vol 12 No 01 (2024): Jurnal Ilmiah Informatika (JIF)
Publisher : LPPM Universitas Putera Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v12i01.8721

Abstract

The national capital is the center of government of a country and is often a symbol of sovereignty and national identity. The function and role of the capital city is very important in coordinating government activities, public policies and community services. This research aims to compare the effectiveness of two approaches for classification: Support Vector Machine and Naïve Bayes (SVM), in analyzing opinion sentiment towards the Indonesian capital based on Twitter data. Opinion sentiment analysis is crucial for understanding public views regarding various aspects of the Indonesian capital. The Twitter data used will involve opinions developing on social media regarding the Indonesian capital. The research methodology involves data collection, preprocessing, data sharing, Naïve Bayes and SVM model training, evaluation, and statistical analysis to compare the performance of the two models. Naïve Bayes and Support Vector Machine are the approaches employed in this study. The research results from the Naïve Bayes method present a sentiment analysis accuracy rate of 91%. The SVM method also provides a sentiment analysis accuracy rate of 94%. In light of the analysis's findings, the procedure utilizing the Support Vector Machine (SVM) method shows better results than the Naïve Bayes method in measuring sentiment towards the Indonesian capital.
Penerapan SVM dan Word2Vec untuk Analisis Sentimen Ulasan Pengguna Aplikasi DANA Supian, Acuan; Revaldo, Bagus Tri; Marhadi, Nanda; Rahmaddeni, -; Efrizoni, Lusiana
Jurnal Ilmiah Komputasi Vol. 23 No. 3 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 3, September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.3.3642

Abstract

Dengan meningkatnya penggunaan aplikasi mobile, analisis sentimen terhadap ulasan pengguna menjadi sangat penting untuk memahami persepsi dan kepuasan pelanggan. Aplikasi DANA, sebagai salah satu platform keuangan digital populer di Indonesia, memiliki ribuan ulasan pengguna di Google Playstore yang dapat memberikan wawasan berharga mengenai pengalaman pengguna. Banyaknya ulasan membuat analisis manual tidak efisien dan rentan terhadap bias. Penelitian ini bertujuan mengembangkan model analisis sentimen menggunakan metode Support Vector Machine (SVM) dengan representasi fitur berbasis Word2Vec untuk mengklasifikasikan ulasan pengguna aplikasi DANA di Google Playstore. Tahapan penelitian meliputi pengumpulan data ulasan, preprocessing data, pelatihan model Word2Vec untuk mendapatkan representasi vektor dari teks ulasan, dan penerapan algoritma SVM untuk klasifikasi sentimen. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model SVM dengan fitur Word2Vec mampu mengklasifikasikan sentimen ulasan pengguna dengan tingkat akurasi mencapai 88%, efektif dalam mengidentifikasi sentimen positif, negatif, dan netral. Hasil penelitian ini dapat digunakan untuk meningkatkan kualitas layanan dan kepuasan pengguna.
Co-Authors Efrizoni, Lusiana Rahmaddeni Rahmaddeni Rahmaddeni, - Revaldo, Bagus Tri Supian, Acuan Tri Revaldo, Bagus