Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) Jurnal Teknik Informatika dan Teknologi Informasi
Chairil Umri
Universitas Battuta
Computer Science & IT Library & Information Science Mathematics Social Sciences

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

Found 2 Documents
Search

 1 
Implementasi Algoritma Klasifikasi untuk Analisis Sentimen Media Sosial Tiktok Tahun 2025 Pius Deski Manalu; Mutiara Simanjuntak; Chairil Umri
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 5 No. 1 (2025): April: Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v5i2.5644

Abstract

TikTok has emerged as one of the fastest-growing social media platforms in 2025, especially among the younger generation. Beyond being a space for creative content sharing, TikTok has also become a vital platform for the exchange of public opinion, primarily through user comments. As user engagement intensifies, sentiment analysis on TikTok comments becomes increasingly essential to understanding public perception of various issues, trends, public figures, and brands. This study aims to analyze sentiment in TikTok user comments using machine learning classification algorithms. The research compares the performance of three widely used algorithms in text classification: Naive Bayes, Support Vector Machine (SVM), and Random Forest. A dataset of 5,000 public TikTok comments was collected through web scraping of trending videos from January to March 2025. The comments, written in Indonesian, underwent several text pre-processing steps, including tokenization, stopword removal, and stemming, to normalize the data. The TF-IDF method was then applied to extract numerical features from the textual data. A stratified data split was used to divide the dataset into training (80%) and testing (20%) subsets, ensuring balanced sentiment class distribution. Performance evaluation was conducted using accuracy, precision, recall, and F1-score metrics. Among the tested models, SVM achieved the highest accuracy of 89.7%, outperforming Naive Bayes and Random Forest across all metrics. These results indicate that SVM is particularly well-suited for classifying short, informal text such as TikTok comments. The findings contribute to the advancement of sentiment analysis in social media environments, specifically for Indonesian language data on TikTok. Moreover, the study provides valuable insights for industry stakeholders, marketers, and academic researchers seeking to implement data-driven public opinion analysis using machine learning techniques on emerging social media platforms.
EduSearch : Web Pencarian Cerdas Berbasis Semantik untuk Mencari Data Seluruh Sekolah Formal di Kota Medan Chairil Umri; Annisa Fadhillah Pulungan; Aulia Halimatusyaddiah; Irene Elisabeth Sinaga; Leo Alfonso Tarigan; Nurul Aini; Said Muhammad Mazaya
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14597

Abstract

Dengan perkembangan teknologi informasi pada saat ini, pencarian informasi mengenai banyak hal dapat lebih mudah dan efisien. Salah satu informasi yang sering dibutuhkan adalah informasi tentang sekolah pendidikan formal yang terdapat di daerah sekitar Kota Medan. Umumnya Informasi sekolah yang dibutuhkan berdasarkan domisili pengguna yang berada di sekitar Kota Medan. Ada banyak sekolah formal yang terdapat di Kota Medan yang membuat para orang tua yang ingin menyekolahkan anaknya bingung dalam mencari informasi sekolah di sekitar domisili mereka. Sehingga perlu membuat web berbasis teknologi semantik untuk mempermudah pengguna dalam melakukan pencarian informasi pada web tersebut. Web Pencarian ini kami sebut dengan EduSearch. Beberapa teknologi yang digunakan dalam pembuatan web semantik ini adalah SPARQL (Simple Protocol and RDF Query Language), RDF (Resource Description Framework), OWL, Open Street Map, dan Selenium Web Driver. Hasil dari pembuatan web berbasis semantik ini menghasilkan beberapa fitur yaitu fitur pencarian berdasarkan input user, fitur filter berdasarkan kecamatan, fitur filter berdasarkan jenjang pendidikan, fitur open street map, dan fitur detail sekolah. Fitur-fitur ini akan memudahkan pengguna dalam melakukan pencarian menggunakan web semantik ini dan mendapatkan informasi yang dibutuhkan pengguna. Dan berdasarkan hasil uji fungsional yang telah kami lakukan mendapatkan hasil yang baik pada fungsionalitas fitur-fitur yang kami rancang pada pencarian ini.
Co-Authors Annisa Fadhillah Pulungan Aulia Halimatusyaddiah Irene Elisabeth Sinaga Leo Alfonso Tarigan Mutiara S. Simanjuntak Nurul Aini Pius Deski Manalu Said Muhammad Mazaya