Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Rekayasa Perangkat Lunak
Putra, Steven Adi
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) Untuk Mendeteksi Sentimen Ancaman Siber Wijaya, Andri; Putra, Steven Adi
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10818

Abstract

Keamanan siber telah menjadi isu kritis di era digital, dengan bukti 3 tahun terakhir terdapat 6 kasus cybercrime di Indonesia yang menyerang server salah satunya yang terbaru pencurian data Bank Syariah Indonesia pada bulan mei yang mengakibatkan server lumpuh selama 5 hari dan dampaknya nasabah tidak dapat mengakses aplikasi mobile banking. Dari berbagai kasus cybercrime yang terjadi di Indonesia perlu kita mengetahui tren sentimen publik saat ini tentang hal tersebut dan salah satu sumber sentimen publik yaitu twitter. Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) telah menjadi fokus utama dalam memahami sentimen publik yang terkandung dalam data twitter. Penelitiani ini mengusulkan sebuah pendekatan yang menggabungkan teknik-teknik ML dan NLP untuk mendeteksi sentimen dalam tweet. Metode ini mencakup tahap pre-processing untuk membersihkan dan mengubah teks tweet menjadi representasi vektor, diikuti oleh penerapan model klasifikasi ML yaitu Naïve Bayes untuk mengidentifikasi sentimen positif, negatif atau netral dari dataset tweet. Penelitian ini memanfaatkan sekumpulan data tweet yang telah dikumpulkan dan diannotasi dengan menggunakan python untuk melatih dan menguji model. Hasil eksperimen menunjukan bahwa pendekatan yang diusulkan berhasil menghasilkan klasifikasi sentimen dengan tingkat akurasi sebesar 62% dapat disimpulkan akurasi model masih memuaskan dengan nilai recall positif sebesar 74% artinya sentimen publik dari tweet masih mengandung kata-kata bersifat positif.
Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) untuk mendeteksi Sentimen Ancaman Siber Wijaya, Andri; Putra, Steven Adi
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol. 7 No. 1 (2025): Maret
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Cybersecurity has become a critical issue in the digital era, with evidence in the last 3 years there have been 6 cybercrime cases in Indonesia that attacked servers, one of which was the latest theft of Bank Syariah Indonesia data in May which resulted in the server being paralyzed for 5 days and the impact was that customers could not access the mobile banking application. From the various cybercrime cases that have occurred in Indonesia, we need to know the current trend of public sentiment about it and one of the sources of public sentiment is Twitter. The use of Machine Learning (ML) and Natural Language Processing (NLP) has become a major focus in understanding public sentiment contained in twitter data. This research proposes an approach that combines ML and NLP techniques to detect sentiment in tweets. The method includes a pre-processing stage to clean and transform the tweet text into a vector representation, followed by the application of ML classification model namely Naïve Bayes to identify positive, negative or neutral sentiments from the tweet dataset. This research utilizes a set of collected and annotated tweet data using python to train and test the model. The experimental results show that the proposed approach successfully produces sentiment classification with an accuracy rate of 62%. It can be concluded that the accuracy of the model is still satisfactory with a positive recall value of 74%, meaning that the public sentiment of the tweets still contains words of a positive nature.
Co-Authors Andri Wijaya