Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Rekayasa Elektronik Algoritme Jurnal Mahasiswa Teknik Informatika
Victor Crisman Mendrofa
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS CALON BUPATI SLEMAN PADA PILKADA 2024 DENGAN MENGGUNAKAN NATURAL LANGUAGE PROCESSING DAN FUZZY LOGIC Haeni Budiati; Lase, Kristian Juri Damai; Victor Crisman Mendrofa
Jurnal Informatika dan Rekayasa Elektronik Vol. 7 No. 2 (2024): JIRE NOPEMBER 2024
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v7i2.1307

Abstract

Munculnya nama-nama baru yang akan mengikuti bursa calon bupati  Sleman dan bersaing dengan petahana menjadi trending topik di kalangan masyarakat salah satunya di sosial media twitter (X).Selama ini penilaian sentimen hanya dibagi kedalam tiga kategori yaitu positif, netral dan negatif.  Fuzzy logic dapat digunakan untuk menentukan  lebih dari 3 sentimen.   Pada penelitian ini akan mengkolaborasikan library Textblob dengan Fuzzy Logic. Dengan mengambil nilai polarity yang dihasilkan dari library Textblob, selanjutnya akan diolah dengan menggunakan metode fuzzy untuk mendapatkan hasil  kedalam 7 sentimen yaitu positif kuat, positif, positif lemah, netral, negatif lemah, negatif dan negatif kuat.  Model akan dikembangkan menggunakan machine learning, dengan algoritma Support Vector Machines (SVM) untuk mengidentifikasi dan mengklasifikasikan ulasan ke dalam kategori sentimen yang sesuai. Selanjutnya, model akan dievaluasi dengan confusion matrix  untuk memperoleh nilai parameter seperti accuracy, precision, recall dan f1-score.  Hasil dari penelitian ini, menunjukkan peningkatan yang signifikan pada kategori netral sebesar 19,21%. Nilai akurasi rata-rata 70,4% hal ini menunjukkan kinerja sistem cukup baik; Sedangkan pada pengembangan model dengan metode SVM kategori negatif kuat memperoleh nilai presisi tertinggi yaitu 0,79. Pada kategori Positive Lemah model mendapatkan presisi (0,65), recall(0,56) dan f1-score (0,60 );  ini menunjukkan bahwa performa model  seimbang.
Analisis Sentimen Berbasis ASOQE dan Taksonomi pada Program MBG di X victor crisman mendrofa; Sunneng Sandino Berutu; Haeni Budiati
Algoritme Jurnal Mahasiswa Teknik Informatika Vol 6 No 2 (2026): April 2026 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v6i2.15636

Abstract

The Free Nutritious Meal (MBG) program faces implementation challenges regarding distribution, menu quality, and budget sustainability, sparking diverse public discourse on social media. This study analyzes public sentiment toward the MBG program using an Aspect-Opinion-Qualifier Extraction (ASOQE) approach based on policy taxonomy. The dataset was obtained from X (formerly Twitter) via web scraping and processed through standardized text preprocessing. Automatic annotation used a lexicon-based BIO labeling approach to generate a silver-standard dataset. The classification model was trained using an IndoBERT-BiLSTM architecture to identify contextual aspects and opinions. Inference results were mapped into five sentiment classes and five policy dimensions: nutritional quality, implementation, social impact, policy, and effectiveness. Evaluation showed excellent performance, with F1-scores exceeding 0.98. Findings reveal that social impact and implementation dimensions dominate public discourse, showing significantly positive sentiment. This research demonstrates the potential of Aspect-Based Sentiment Analysis as a data-driven tool for comprehensive public policy evaluation.
Co-Authors Haeni Budiati Kristian Juri Damai Lase Sunneng Sandino Berutu