Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal INTEGER: Journal of Information Technology JOURNAL OF APPLIED INFORMATICS AND COMPUTING
Putri, Dinda Rima Rachcita
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Implementasi Support Vector Machine untuk Analisis Sentimen Aplikasi Deepseek Prilindaputra, Brilian; Putri, Dinda Rima Rachcita; Ulinnuha, Nurissaidah
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7541

Abstract

Kemunculan DeepSeek, AI canggih yang dikembangkan di China, telah memberikan dampak yang signifikan terhadap lanskap teknologi global. Namun, pengadopsiannya telah mendapat reaksi beragam, dengan beberapa negara memilih untuk memblokir aksesnya karena masalah keamanan data. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi DeepSeek di Google Play Store, secara khusus menargetkan ulasan pengguna dari Amerika Serikat. Dengan menggunakan metode klasifikasi Support Vector Machine (SVM), analisis sentimen dilakukan untuk mengkategorikan opini pengguna ke dalam sentimen positif, netral, dan negatif. Dataset yang terdiri dari 10.000 ulasan yang dikumpulkan melalui web scraping, telah dipreproses menggunakan teknik pembersihan teks, pembobotan TF-IDF, dan lemmatization. Model SVM dilatih dan divalidasi menggunakan k-fold cross validation (k-fold = 10), mencapai akurasi terbaik pada parameter C = 100 dan kernel RBF. Hasil evaluasi menunjukkan akurasi rata-rata 90,33%, dengan akurasi puncak 92,20% pada fold 10. Temuan ini menunjukkan polaritas sentimen yang kuat di antara para pengguna. Penelitian ini penyebaran kata dari analisis wordcloud memberikan wawasan bagi para pengembang dan pemangku kepentingan dalam meningkatkan aplikasi AI dengan mengatasi kekhawatiran pengguna dan meningkatkan kepuasan pengguna secara keseluruhan.
Comparison of Linkage Methods in Hierarchical Clustering for Grouping Districts/Cities in East Java Based on Stunting Determinants Putri, Dinda Rima Rachcita; Ulinnuha, Nurissaidah; Intan, Putroue Kumala
Journal of Applied Informatics and Computing Vol. 9 No. 5 (2025): October 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i5.10919

Abstract

Stunting is a long-term nutritional problem that generally occurs in children under five years old and is characterized by a shorter body than other children of the same age due to continuous dietary deficiencies. As a result of the Indonesian Health Survey (SKI) conducted in 2023, the stunting rate in East Java decreased to 17.7%. In 2024, the target is to reduce it to 14%. This study aims to group regencies and cities in East Java based on indicators of child nutritional status by using five linkage approaches in the hierarchical clustering method. This study found areas with similar causes of stunting so that intervention programs can be more targeted. The analysis showed that the centroid linkage methods formed two clusters with the highest cophenetic correlation coefficient of 0.8619. The first cluster consists of 37 regencies/cities with a low stunting category, and the second cluster consists of one regency/city with a high stunting category. The model in this clustering has a silhouette value of 0.6155, which indicates that the model is in the good category.
Co-Authors Intan, Putroue Kumala Nurissaidah Ulinnuha Prilindaputra, Brilian