Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Wahyu Iriananda, Syahroni
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
ANALISIS SENTIMEN ULASAN PENGUNJUNG WISATA LAGUNA WAIKURI PADA GOOGLE MAPS MENGGUNAKAN MULTI KELAS SUPPORT VECTOR MACHINE Exelino Bata, Jefreydo; Istiadi, Istiadi; Wahyu Iriananda, Syahroni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11229

Abstract

Laguna Waikuri merupakan objek wisata Laguna berbentuk danau dimana air bersumber dari air laut yang masuk melalui selah-selah batu karang, Laguna yang berada di Nusa Tenggara Timur ini memiliki pemandangan yang indah. Maka dari itu perlu dilakukan analisis terhadap ulasan terhadap Laguna Waikuri untuk mengetahui Opini pengunjung wisata mengenai tempat tersebut. Data diperoleh teknik Scrapping. setelah itu data diberi label Negatif, Netral dan Positif yang disesuaikan dengan rating, selanjutnya pada tahap Praprosesing, data dibersihkan untuk mengurangi atribut kata. Selanjutnya tahap N-GRAM dan TF-IDF. Untuk proses Klasifikasi dibagi menjadi 9 kali pengujian dengan Confusion Matrix dan Algoritma Multi Kelas Support Vector Machine dengan kernel Linear, Polinomial, RBF dan Sigmoid, hasilnya diturunkan ke Akurasi, Presisi, Recall dan F1-Measure. Akurasi tertinggi pada pengujian 90:10 mendapatkan akurasi sebesar 90,67% untuk kernel Polinomial dan RBF. Presisi pada pengujian 10:90 untuk kernel linear, 20:80 kernel linear dan sigmoid, 30:70 dan 40:60 data uji dan data uji dan data latih untuk kernel sigmoid mendapat presisi sebesar 93,85%. recall tertinggi pengujian 50:50 untuk kernel polinomial dan 90:10 data uji dan data latih untuk kernel Polinomial dan RBF mendapatkan Recall sebesar 98,67%. f1-measure tertinggi pada pengujian 90:10 data uji dan data latih untuk kernel Linear, Polinomial dan RBF Mendapatkan F1-Score sebesar 95,09%.
ANALISIS SENTIMEN ULASAN APLIKASI LINKEDIN BERBASIS LEXICON DAN LONG SHORT-TERM MEMORY (LSTM) Putra Kurniawan, Rizky; Istiadi, Istiadi; Wahyu Iriananda, Syahroni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13042

Abstract

Analisis sentimen memiliki peranan yang sangat penting dalam pengolahan data ulasan yang terus berkembang seiring dengan kemajuan dalam teknologi informasi dan komunikasi. Salah satu sumber data yang relevan adalah ulasan aplikasi LinkedIn yang terdapat di Play Store, yang mencerminkan pengalaman beragam penggunanya dalam konteks profesional. Mengingat banyaknya jumlah ulasan, pengolahan data secara manual akan memakan waktu yang lama dan beresiko terhadap subjektivitas, sehingga diperlukan metode yang otomatis dan objektif, yaitu analisis sentimen. Penelitian ini bertujuan untuk menganalisis sentimen dari 5.000 ulasan aplikasi LinkedIn dalam periode 2020-2024 dengan pendekatan Hybrid, yang menggabungkan pendekatan berbasis Lexicon dengan menggunakan InSet Lexicon untuk pelabelan sentimen dan pendekatan Machine Learning dengan model Deep Learning, yaitu Long Short-Term Memory (LSTM) untuk pemodelan. Proses pelabelan sentimen menghasilkan 2.755 ulasan positif (55.1%) dan 2.245 ulasan negatif (44.9%). Sementara itu, proses pemodelan melibatkan pengujian pembagian rasio data dan jumlah epoch, dengan hasil kinerja model terbaik ditemukan pada rasio 50:50 dan 30 epoch, mencapai accuracy 88.21%, serta precision, recall, dan f1-score masing-masing sebesar 88%. Temuan ini menunjukkan bahwa pendekatan Hybrid yang diterapkan mampu memberikan kinerja analisis sentimen yang handal dan memberikan wawasan berharga mengenai persepsi pengguna terhadap aplikasi LinkedIn.
PREDIKSI PENJUALAN WARUNG KOPI OI MENGGUNAKAN METODE RANDOM FOREST DAN XGBOOST Marilaeta Nurak, Yulita; Wahyu Iriananda, Syahroni; Marisa, Fitri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13922

Abstract

Pesatnya perkembangan bisnis kedai kopi mendorong para pemilik usaha untuk lebih cermat dalam mengelola stok bahan baku, guna mengantisipasi permintaan pelanggan. Warung Kopi OI menghadapi kendala dalam pengelolaan persediaan yang selama ini dilakukan secara manual, sering kali menyebabkan pembelian bahan baku yang tidak terencana. Penelitian ini bertujuan untuk memprediksi penjualan menggunakan dua algoritma pembelajaran mesin, yakni Random Forest dan XGBoost. Data yang dianalisis diperoleh dari Kaggle, mencakup transaksi penjualan selama enam bulan. Proses penelitian meliputi pengumpulan data, tahap pra-pengolahan, implementasi algoritma, serta evaluasi model berdasarkan akurasi, RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa penggunaan rasio data latih dan uji sebesar 80:20 memberikan hasil paling optimal dengan akurasi tertinggi, yakni 72%, pada kedua metode. Secara keseluruhan, Random Forest terbukti lebih stabil dibandingkan XGBoost dengan rata-rata akurasi masing-masing 64% dan 62%. Temuan ini menegaskan bahwa pemilihan rasio data yang tepat berpengaruh signifikan terhadap performa model prediksi. Penelitian ini diharapkan dapat memberikan rekomendasi kepada Warung Kopi OI dalam pengelolaan bahan baku secara lebih efisien, sehingga mampu mengurangi kelebihan maupun kekurangan stok.
Co-Authors Exelino Bata, Jefreydo Istiadi MARIFANI FITRI ARISA Marilaeta Nurak, Yulita Putra Kurniawan, Rizky