Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Teknomatika: Jurnal Informatika dan Komputer
Rizqi Lahitani, Alfirna
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Forensik Digital Pada Komentar Youtube Live Menggunakan Sentiment Analysis Kristiana, Uning; Rizqi Lahitani, Alfirna; Budi Setiawan, Chanief; Alfi Sa'diya, Nafisa
Jurnal Teknomatika Vol 15 No 1 (2022): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/teknomatika.v15i1.1115

Abstract

The development of increasingly sophisticated technology can have a positive influence on various aspects of our daily lives. From the survey results of the Indonesian Internet Services Association (APJII) in the second quarter of 2019-2020, it shows that Internet users of the operator spend more time watching online videos. Youtube video content watching is open to the public and all ages can freely watch it. However, the content and comments are not necessarily suitable for audiences of all ages to read. Of course, Youtube video content can also affect behavior, especially minors.The purpose of this research is to conduct digital forensic analysis on Youtube Live Comments using sentiment analysis.The research method used applies the NIST SP 800-86 method, namely Collection, Examination, Analysis, and Reporting. Sentiment analysis resulted in 0.01 in the comments on the two videos tested, namely the PUBG and Free Fire video games. Sentiment analysis resulted in 0.01 in the comments on the two videos tested, namely the PUBG and Free Fire video games.
Ekstraksi Aspek Aksesibilitas untuk Peningkatan Pengalaman Pengguna Menggunakan NER dengan CNN dan LSTM Dwijayanti, Irmma; Rizqi Lahitani, Alfirna; Kusumaningtyas, Kartikadyota; Habibi, Muhammad
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.8032

Abstract

Transportasi online memberikan dampak positif bagi sebagian besar masyarakat, namun penggunaan aplikasi oleh penyandang disabilitas masih menghadapi sejumlah tantangan. Belum adanya fasilitas yang memadai dan pengalaman pengguna yang baik menjadi kendala utama. Realitas ini menunjukkan bahwa perlunya perhatian khusus terhadap prinsip aksesibilitas untuk meningkatkan pengalaman pengguna dan kenyamanan bagi penyandang disabilitas. Melalui ulasan pengguna dapat diidentifikasi aspek-aspek aksesibilitas untuk mendukung peningkatan pengalaman pengguna. Penelitian ini bertujuan mengekstraksi informasi dari ulasan pengguna terkait aksesibilitas menggunakan metode NER dengan pendekatan CNN dan LSTM. Data yang dikumpulkan melalui web scraping terdiri dari 6.255 ulasan aplikasi Gojek, Grab, Maxim, dan Indriver. Hasil evaluasi menunjukkan bahwa kedua model memiliki akurasi tinggi yaitu CNN 99,84%, dan LSTM 99,48%. Namun memerlukan perbaikan dalam mendeteksi entitas yang jarang muncul atau berkonteks kompleks. Hasil analisis menunjukkan bahwa ulasan lebih banyak membahas fitur aplikasi dan keluhan yang berkaitan dengan aksesibilitas. CNN lebih efektif dalam menangkap pola spesifik, sedangkan LSTM lebih kuat dalam menangkap variasi kata.
Analisis Tren Topik dalam Ulasan Negatif Aplikasi M-Banking Menggunakan Latent Dirichlet Allocation Kusumaningtyas, Kartikadyota; Dwijayanti, Irmma; Rizqi Lahitani, Alfirna; Habibi, Muhammad
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.8035

Abstract

Mobile banking atau M-banking menjadi semakin populer seiring dengan meluasnya penggunaan ponsel pintar. Pertumbuhan ini didorong oleh beberapa faktor, seperti kebijakan pemerintah melalui Gerakan Nasional Non-Tunai (GNTT) dan inovasi dari bank. Latar belakang penelitian ini berangkat dari pentingnya merespons keluhan pengguna terhadap aplikasi M-banking. Ulasan negatif mencerminkan masalah yang dialami pengguna dan bisa memengaruhi kepercayaan terhadap layanan. Sayangnya, platform seperti Google Play Store tidak menyediakan fitur untuk mengidentifikasi tren dari ulasan negatif. Oleh karena itu, penelitian ini menggunakan metode Latent Dirichlet Allocation (LDA) untuk memodelkan tren topik dalam ulasan negatif guna memberikan wawasan bagi penyedia layanan untuk meningkatkan kualitas aplikasi mereka. Penelitian ini dilakukan melalui beberapa tahap, dimulai dengan pengumpulan data ulasan negatif dari tiga aplikasi M-banking populer. Selanjutnya data akan melalui tahap preprocessing, meliputi: tokenizing, stopwords removal, dan stemming. Sentimen dari ulasan dianalisis menggunakan algoritma Support Vector Machine (SVM) dengan akurasi mencapai 93%, untuk memisahkan ulasan positif dan negatif. Selanjutnya, LDA digunakan untuk memodelkan topik pada ulasan negatif, dengan mengidentifikasi sejumlah topik optimal melalui Coherence Score, yang menunjukkan struktur topik yang logis dan terorganisir. Hasil penelitian menunjukkan bahwa pada BRImo, topik yang dominan adalah biaya dan kecepatan layanan aplikasi. Pada BCA mobile, pengguna lebih banyak membahas fitur dan kemudahan penggunaan aplikasi, sedangkan pada Livin’ by Mandiri, topik utama yang dibahas berkaitan dengan fitur transfer dan jam transaksi. Kesimpulan dari penelitian ini adalah bahwa metode LDA berhasil digunakan untuk menemukan tren utama dari ulasan negatif pengguna, yang diharapkan dapat membantu bank dalam meningkatkan kualitas layanan dan keamanan aplikasi mobile banking.
Co-Authors Alfi Sa'diya, Nafisa Budi Setiawan, Chanief Irmma Dwijayanti Kristiana, Uning Kusumaningtyas, Kartikadyota Muhammad Habibi