Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika (JUTIF) Jurnal Pendidikan dan Teknologi Indonesia
Iskoko, Angga
Unknown Affiliation
Computer Science & IT Education Engineering

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

Found 2 Documents
Search

 1 
Analisis Sentimen Ulasan Pengguna Aplikasi Sinaga Mobile pada Google Play Store Menggunakan Algoritma Naive Bayes Iskoko, Angga; Tahyudin, Imam; Purwadi, Purwadi
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 6 (2025): JPTI - Juni 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.843

Abstract

Dalam era digital, aplikasi berbasis teknologi memiliki peran penting dalam meningkatkan efisiensi layanan publik. Aplikasi Sinaga Mobile dikembangkan untuk membantu administrasi kepegawaian bagi Pegawai Negeri Sipil (PNS), namun masih terdapat berbagai keluhan pengguna terkait kinerjanya. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi ini dengan menggunakan algoritma Naïve Bayes. Data dikumpulkan melalui teknik scraping dari Google Play Store, dengan total 1003 ulasan. Setelah melalui tahapan preprocessing yang mencakup cleaning, normalisasi, tokenizing, filtering, dan stemming, data diklasifikasikan menggunakan model Naïve Bayes. Hasil penelitian menunjukkan bahwa dari 1003 ulasan, 235 sentimen positive (23,42%) dan 768 sentimen negatif (76,57%), dengan permasalahan utama terkait fitur presensi dan stabilitas sistem. Model yang digunakan menunjukkan hasil akurasi 83 %. Dengan hasil penelitian  ini, pengembang aplikasi dapat memperoleh wawasan mengenai aspek yang perlu diperbaiki guna meningkatkan kepuasan pengguna. Selain itu, penelitian ini juga membuktikan efektivitas metode pembelajaran mesin dalam menganalisis opini pengguna secara sistematis.
Hyperparameter Optimization Of IndoBERT Using Grid Search, Random Search, And Bayesian Optimization In Sentiment Analysis Of E-Government Application Reviews Iskoko, Angga; Tahyudin, Imam; Purwadi, Purwadi
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.4897

Abstract

User reviews on Google Play Store reflect satisfaction and expectations regarding digital services, including E-Government applications. This study aims to optimize IndoBERT performance in sentiment classification through fine-tuning and hyperparameter exploration using three methods: Grid Search, Random Search, and Bayesian Optimization. Experiments were conducted on Sinaga Mobile app reviews, evaluated using accuracy, precision, recall, F1-score, learning curve, and confusion matrix. The results show that Grid Search with a learning rate of 5e-5 and a batch size of 16 provides the best results, with an accuracy of 90.55%, precision of 91.16%, recall of 90.55%, and F1-score of 89.75%. The learning curve indicates stable training without overfitting. This study provides practical contributions as a guide for improving IndoBERT in Indonesian sentiment analysis and as a foundation for developing NLP-based review monitoring systems to enhance public digital services.
Co-Authors Imam Tahyudin Purwadi Purwadi Purwadi Purwadi