Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JURNAL ILMIAH INFORMATIKA JATI (Jurnal Mahasiswa Teknik Informatika)
Ridhoi, Reno
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
SENTIMENT ANALYSIS DENGAN NAÏVE BAYES BERBASIS ORANGE TERHADAP RESIKO PEMBANGUNAN IKN Munawaroh, Al; Ridhoi, Reno; Rudiman, Rudiman
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8454

Abstract

Keputusan pemindahan Ibu Kota Negara (IKN) ke Kalimantan Timur memicu perubahan signifikan dalam pembangunan nasional. Studi ini menganalisis sentimen masyarakat terhadap risiko pembangunan IKN, fokus pada ketidakpastian dan dampak lingkungan. Ketidakpastian dan dampak lingkungan pembangunan IKN menjadi perhatian utama masyarakat. Penelitian ini bertujuan memahami opini dan pandangan masyarakat terkait risiko tersebut. Penelitian bertujuan mengidentifikasi sentimen publik, khususnya perasaan resah dan kekhawatiran, terhadap pembangunan Ibu Kota Negara di Kalimantan Timur. Dengan menggunakan metode analisis sentimen Naïve Bayes dan data dari media sosial, termasuk Twitter, Instagram, dan Facebook, penelitian ini melakukan preprocessing, klasifikasi, dan evaluasi sentimen. Hasil analisis sentimen menunjukkan bahwa masyarakat mengekspresikan kekhawatiran, terutama terkait dampak lingkungan dan kurangnya kepastian. Metode Naïve Bayes memberikan akurasi sebesar 87%, menghasilkan enam jenis emosi, dengan sentimen suka cita mendominasi. Studi ini memberikan dasar data untuk pengambilan keputusan dan menyoroti pentingnya memperhatikan pandangan masyarakat dalam kebijakan Pembangunan.
ANALISIS KLASIFIKASI ULASAN APLIKASI SIREKAP 2024 MENGGUNAKAN EKSTRAKSI FITUR DISTILBERT DAN METODE SUPPORT VECTOR MACHINE Ridhoi, Reno; Verdikha, Naufal Azmi; Yulianto, Fendy
JURNAL ILMIAH INFORMATIKA Vol 13 No 01 (2025): Jurnal Ilmiah Informatika (JIF)
Publisher : LPPM Universitas Putera Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v13i01.9753

Abstract

This study aims to classify reviews of the SIREKAP 2024 application automatically using the DistilBERT feature extraction method and the Support Vector Machine (SVM) algorithm. The data used includes 8,538 user reviews from the Google Play Store with five Rating categories as the target variable. After undergoing 10-Fold cross-validation, the average F1-Score obtained was 36.62%, with the highest performance reaching 37.16%. The analysis indicates that data imbalance is the main obstacle in improving the model's accuracy, particularly in the minority class. The study concludes that the combination of DistilBERT and SVM yields suboptimal results and requires further optimization. Recommendations are provided to improve model accuracy and enhance the quality of the application based on user reviews.
Co-Authors Fendy Yulianto Munawaroh, Al Naufal Azmi Verdikha Rudiman, Rudiman