Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal of Dinda : Data Science, Information Technology, and Data Analytics
Rokhmatul Insani
Telkom University Surabaya
Computer Science & IT Education

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

Found 2 Documents
Search

 1 
Sentiment Classification of User Reviews for KAI Access Application Using Naive Bayes Method Rafi Andi Hidayah; Rokhmatul Insani; Berlian Rahmy Lidiawaty
Indonesian Journal of Data Science, IoT, Machine Learning and Informatics Vol 4 No 2 (2024): August
Publisher : Research Group of Data Engineering, Faculty of Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/dinda.v4i2.1565

Abstract

KAI Access is a train ticket booking application that offers convenience and various features for its users. However, the app has received a low rating of 2.4 out of 5 stars on the Play Store, indicating user dissatisfaction. This study conducts a quantitative sentiment analysis of the KAI Access application based on user sentiments expressed on Twitter. Using the CRISP-DM method, data were collected from Twitter with the Tweepy tool, amassing around 4,000 tweets from June to August 2023. The data underwent a preprocessing stage to ensure the quality and accuracy of the analysis. This stage involved removing duplicate tweets, eliminating retweets, and filtering out emoticons and other non-text elements. In the modeling stage, the Multinomial Naive Bayes Classifier algorithm was employed, achieving an accuracy rate of 84.6%. The model performed better at identifying negative reviews, with a precision of 0.96, recall of 0.86, and an F1-score of 0.91. In contrast, the identification of positive reviews was less effective, with a precision of 0.41, recall of 0.75, and an F1-score of 0.53. These findings shed light on the low ratings for KAI Access, particularly in the context of user reviews. The results of this study provide further understanding regarding the low rating given to KAI Access, particularly in the context of user reviews. By using this classification system, it is hoped that developers can design more specific improvements to enhance the user experience, especially in handling positive reviews which have the potential for performance improvement.
DASHBOARD UNTUK CLUSTERING PENILAIAN PEGAWAI DINAS PU SUMBER DAYA AIR PROVINSI JAWA TIMUR Rifdah Alifia; Rokhmatul Insani; Sri Hidayati
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6201

Abstract

Dinas PU Sumber Daya Air Provinsi Jawa Timur merupakan instansi milik pemerintahan yang memiliki wewenang dalam pengelolaan sumber daya air yang menyeluruh. Instansi tersebut memiliki evaluasi dan penilaian kinerja untuk para pegawai yang bekerja di dalamnya, dimana evaluasi tersebut digunakan untuk meningkatkan kinerja sumber daya manusia pada instansi terkait. Akan tetapi, evaluasi tersebut kurang komprehensif karena mereka belum memiliki sistem monitoring dan visualisasi untuk hasil pengelompokan penilaian pegawai. Oleh karena itu, penelitian ini dibuat yaitu dengan tujuan untuk menganalisis evaluasi dan penilaian prestasi kerja berdasarkan kelompok kinerja serta menganalisis variabel-variabel terkait yang digunakan untuk menilai para pegawai. Sasaran dari pengelompokan evaluasi kinerja pegawai yang dilakukan pada penelitian ini yaitu 128 pegawai ASN yang bekerja di Dinas PUSDA pada tahun 2023. Adapun metode yang digunakan dalam penelitian ini yaitu menggunakan algoritma K-Means Clustering berdasarkan data penilaian kinerja pegawai dengan 8 variabel, yaitu berorientasi pelayanan, akuntabel, kompeten, harmonis, loyal, adaptif, kolaboratif, dan hasil kerja. Penelitian ini menggunakan bahasa pemrograman Python dalam pengolahan datanya. Penentuan k optimal-nya menggunakan metode elbow, dengan hasil cluster terbaik adalah 3 cluster. Dimana cluster 0 memiliki 48 data, cluster 1 memiliki 74 data, dan cluster 2 memiliki 6 data. Dengan hasil evaluasi meggunakan metode Silhouette Coefficient sebanyak 0.593. Hasil dari clustering penilaian pegawai menggunakan K-Means digunakan untuk membuatan visualisasi dashboard pengelompokan kinerja pegawai menggunakan tools Tableau. Dengan adanya pengelompokan kinerja pegawai, diharapkan penelitian ini dapat memberi rekomendasi dalam pengambilan keputusan terkait pengembangan strategi pengelolaan SDM di Dinas PU Sumber Daya Air Provinsi Jawa Timur.
Co-Authors Berlian Rahmy Lidiawaty Rafi Andi Hidayah Rifdah Alifia Sri Hidayati