Claim Missing Document
Check
Articles

Found 9 Documents
Search

Aspect Based Sentiment Analysis of Beauty Products Using Neighbor Weighted K-Nearest Neighbor Hakim, Fauzan Lukmanul; Dewi, Kania Evita
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.9437

Abstract

Penelitian ini bertujuan untuk menguji performansi Neighbor Weighted K-Nearest Neighbor (NWKNN) dalam menangani dataset yang tidak seimbang dalam kasus analisis sentiment berbasis aspek. Data yang digunakan didalam penelitian ini adalah ulasan produk kecantikan yang berasal dari situs kaggel. Diperoleh data sebanyak 2.449 ulasan. Setiap ulasan produk sebelum masuk ketahapan klasifikasi, melalui preprocessing. Dalam penelitian ini tahapan preprocessing terdiri dari proses casefolding, cleaning, tokenisasi, normalisasi, stemming, convert negasi, dan stopword removal. Agar hasil preprocessing dapat diolah oleh algoritma klasifikasi maka setiap ulasan yang sudah diprepocessing masuk kedalam ekstraksi fitur. Metode ekstraksi fitur yang digunakan dalam penelitian ini adalah TF-IDF. Hasil ekstraksi fitur lah yang masuk kedalam proses klasifikasi. Didalam penelitian ini setiap ulasan melalui proses klasifikasi beberapa kali. Karena dalam penelitian ini dalam penanganan multilabel menggunakan teknik binary relevance. Setiap klasifikasi menggunakan NWKNN. Pengklasifikasian dilakukan sebanyak empat kali sesuai dengan aspek yang digunakan didalam penelitian ini, yaitu: harga, kemasan, efektifitas dan aroma. Sehingga setiap klasifikasi menghasilkan polaritas untuk setiap aspek, yaitu: positif, negative, atau non sentiment. Hasil pengujian perfomansi dengan Confusion Matrix dihasilkan performansi NWKNN lebih tinggi dibandingkan KNN untuk masing-masing aspek, dalam f1-score. Dimana nilai e dan k yang optiman untuk metode NWKNN yaitu nilai k=40 dan e=2. Ini menunjukkan bahwa NWKNN terbukti lebih baik bekerja jika dataset tidak seimbang dibandingkan KNN.
Pengaruh Information Gain dan Normalisasi Kata Pada Analisis Sentimen Berbasis Aspek Nurdiansyah, Reza Lutfi; Dewi, Kania Evita
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 12 No 2 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v12i2.9449

Abstract

Information on the internet is very diverse, yet so many opinions make it difficult for other users to get information. Sentiment analysis is the process of analyzing or identifying a person's opinion on a particular subject or product that falls into positive, negative, or neutral categories. Aspect-level sentiment analysis shows better performance than document-level and sentence-level. This study aims to determine the accuracy performance of feature optimization using Information Gain with word normalization in aspect-based sentiment analysis. Therefore, this research uses Support Vector Machine as a classification algorithm with a polynomial kernel as well as non-standard word repair using Slang Word and Abbreviation (SS) dictionary followed by Spelling Corrector using Peter Norvig algorithm with additional Information Gain feature selection to optimize the number of features. Based on the test results that have been carried out using K-fold Cross Validation and Confusion Matrix on test data, the accuracy results vary according to the testing process flow. The best accuracy is obtained from the use of Information Gain without Peter Norvig's word normalization resulting in an average accuracy of 83%. Errors are often found when changing words. This error occurs because the word that can be changed can only correct one wrong letter.
Analisis Emosi pada Media Sosial Twitter Menggunakan Metode Multinomial Naive Bayes dan Synthetic Minority Oversampling Technique Ayomi, Fritson Agung Julians; Dewi, Kania Evita
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 12 No 2 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v12i2.9454

Abstract

Media sosial Twitter sering digunakan untuk mengekspresikan emosi seseorang melalui sebuah cuitan. Penelitian tentang analisis emosi dalam media social twitter sudah banyak dilakukan. Mesin learning adalah tools yang banyak digunakan untuk melakukan pengkategorian emosi. Namun, ketidakseimbangan jumlah data antar kelas sering jadi masalah. Maka, penelitian ini bertujuan untuk mengetahui performansi hasil gabungan metode Multinomial Naïve Bayes (MNB) dan Synthetic Minority Oversampling Technique (SMOTE) untuk analisis emosi cuitan dari media sosial Twitter. Setiap cuitan melaui prepocessing data pada penelitian ini meliputi case folding, data cleaning, convert slangword, convert negation, tokenization, stopword removal, dan stemming. Untuk ekstraksi fitur digunakan metode n-gram dan untuk pembobotan fitur digunakan metode term frequency. Pengujian dilakukan menggunakan K-Fold Cross Validation. Berdasarkan hasil pengujian, dengan menggunakan SMOTE diperoleh rata-rata akurasi sebesar 0.65 atau 65% dan nilai rata-rata f1-score sebesar 0.66 atau 66%. Sedangkan tanpa SMOTE diperoleh rata-rata akurasi 0.64 atau 64% dan rata-rata f1-score sebesar 0.65 atau 65%. Walaupun dalam penelitian ini dapat ditunjukan hasil dengan menggunakan SMOTE lebih baik 1% dalam pengkategorian emosi. Tetapi hasil yang diperoleh belum maksimal, masih perlu dikaji lagi untuk metode penyeimbangan data dan mesin learning yang lain.
Peringkasan Teks Otomatis Abstraktif Menggunakan Transformer Pada Teks Bahasa Indonesia Bahari, Andika; Dewi, Kania Evita
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v13i1.11197

Abstract

Abstractive text summarization is used to generate summaries that are similar to human-written summaries. To achieve that capability, recurrent deep learning architectures were usually applied, such as RNN, LSTM, and GRU. In previous studies about abstractive text summarization in Indonesian, recurrent models were widely used and there were cohesion and grammar errors that appeared in the generated summaries—this could have an impact on performance. Currently, there is Transformer, a relatively new architecture that relies on the attention mechanism entirely. Due to its non-recurrent nature, Transformer overcomes the problem of dependency the on hidden states that occurs in recurrent models and it can retain information on all input sequences. In this study, we use Transformer to evaluate how good it is at abstractive text summarization in Indonesian. The training was conducted using the pre-trained T5 model with IndoSum dataset which contains around 19K news-summary pairs. We achieved evaluation scores of 0.61 ROUGE-1 and 0.51 ROUGE-2.
Penerapan metode penugasan dalam perkuliahan aljabar linier dan matriks Dewi, Kania Evita; Rainarli, Ednawati
Majalah Ilmiah UNIKOM Vol. 12 No. 2 (2014): Majalah Ilmiah Unikom
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (311.494 KB)

Abstract

Penelitian ini bertujuan untuk mengetahui pengaruh penerapan perkuliahan Aljabar Linier dan Matriks dengan metode penugasan terhadap peningkatan kemampuan berpikir nalar mahasiswa. Penelitian ini merupakan penelitian eksperimen pretes-postes dengan kelas kontrol. Sampel penelitian yang digunakan adalah dua kelas tingkat 2 di Prodi IF UNIKOM. Instrumen yang digunakan dalam penelitian ini, yaitu: tes kemampuan berpikir nalar.Hasil penelitian menunjukkan peningkatan kemampuan berpikir nalar mahasiswa yang mendapat perkuliahan aljabar linier dan matriks dengan metode penugasan lebih baik dibandingkan dengan mahasiswa yang mendapat perkuliahan aljabar linier dan matriks biasa. Hal-hal yang mendukung dalam perkuliahan ini adalah potensi nalar mahasiswa, mahasiswa terlibat aktif dalam perkuliahan. Sedangkan hambatan dalam perkuliahan ini adalah waktu yang kurang memadai dan lemahnya pemahaman konsep dan materi prasyarat mahasiswa.Berdasarkan hasil penelitian maka diajukan beberapa saran, yaitu: Membuat diktat aljabar linear dimana didalam diktat tersebut tidak hanya berisi materi yang akan disampaikan namun juga berisi langkah-langkah kegiatan perkuliahan dengan menggunakan metode penugasan (bisa dalam bentuk lembar kerja); Mengkaji kecocokan metode penugasan untuk materi yang berbeda di Aljabar Linear dan Matrik; Melakukan eksperimen dengan menggunakan metode perkuliahan lainnya seperti metode peer teaching yang dapat digunakan pada kelas
Kajian dokumentasi surat menuju arah paperless unikom Dewi, Kania Evita; Sufaatin, Sufaatin; Widianti, Utami Dewi
Majalah Ilmiah UNIKOM Vol. 12 No. 1 (2014): Majalah Ilmiah Unikom
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (484.011 KB)

Abstract

Surat-menyurat merupakan kegiatan rutin yang selalu dilakukan. Dalam kegiatan surat-menyurat di Unikom masih didapatkan beberapa masalah dalam prosedur pembuatan dan pengiriman surat yang akan bersesuaian dengan penggunaan kertas yang berlebih, hal itu termasuk pemborosan dalam penggunaan kertas. Berdasarkan permasalahan diatas maka dibutuhkannya suatu prosedur pembuatan dan pengiriman surat yang jelas yang mendukung penghematan penggunaan kertas menuju Unikom kearah paperless. Kajian mengenai prosedur pengelolaan surat dimana menghasilkan SOP surat menyurat yang berbasis paperless perlu didukung dengan pengembangan aplikasi paperless office sehingga efektivitas dalam pengelolaan surat menyurat bisa teruji dan terukur hasilnya.Kata kunci : surat menyurat, paperless, SOP.
MODEL DINAMIK INTERAKSI LARVA NYAMUK CULEX DENGAN LARVA NYAMUK TOXORHYNCHITE DALAM UPAYA PENCEGAHAN PENYEBARAN FILARIASIS Dewi, Kania Evita; RAINARLI, EDNAWATI; WIDIASTUTI, NELLY INDRIANI
Majalah Ilmiah UNIKOM Vol. 14 No. 1 (2016): Majalah Ilmiah Unikom
Publisher : Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (370.749 KB)

Abstract

Indonesia merupakan daerah endemis untuk penyakit filariasis. Filariasis menyebabkan pembengkakan dibeberapa bagian badan sehingga orang yang mengidapnya akan sulit bergerak. Dari tahun ketahun pertumbuhan penyakit ini semakin meningkat, walaupun pemerintah sudah melakukan pemberian obat secara massal di daerah endemis dan mencegah atau membasmi kecacatan karena filariasis. Vektor filariasis yang paling banyak ditemukan didaerah endemis, Jawa Timur, adalah Culex quinquefasciatus. Nyamuk Cx. quinquefasciatus memiliki kebiasaan yang sama dengan Nyamuk Toxorhynchites yaitu menyimpan telur di lubang pohon. Sedangkan larva nyamuk Toxorhynchites membutuhkan larva spesies lain atau larva dari spesiesnya sendiri untuk pangan. Untuk melihat apakah pemangsaan larva Cx. Quinquefasciatus oleh larva Toxorhynchites dapat mencegah pertumbuhan populasi Cx. Quinquefasciatus, maka dibuatlah model dinamikanya.Hasil penelitiannya adalah pemangsaan larva Cx. Quinquefasciatus oleh larva Toxorhynchites dapat mencegah pertumbuhan populasi Cx. Quinquefasciatus, yang secara tidak langsung dapat mencegah penyebaran penyakit filariasis.Keywords : Model Matematika, filariasis, Culex, Toxorhynchites
Pengaruh Fitur Tambahan untuk Klasifikasi KepribadianMyers-Briggs Type Indicator (MBTI) Menggunakan SVM Widiastuti, Nelly Indriani; Dewi, Kania Evita; Sidik, Muhammad Abdul Rohman
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 14 No 2 (2025): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v14i2.17796

Abstract

This study examines the effect of adding metadata feature on the effectiveness of the Support Vector Machine (SVM) algorithm in classifying personality types based on the Myers–Briggs Type Indicator (MBTI) indicators, using data from Indonesian-language X (Twitter) posts as a representation of users' digital expressions. The developed model integrates two main feature categories: textual features extracted using the Term Frequency-Inverse Document Frequency (TF-IDF) method, and metadata features that reflect users' social interaction patterns, such as the number of retweets, likes, followers, and publication time. These features are considered capable of representing user behaviour dynamics more comprehensively. After the dataset is cleaned, pre-processing, feature extraction, and encoding are performed. Classification is then performed using SVM. This study employed four systematically designed testing scenarios: two scenarios utilised pure text data, while the other two combined social metadata features. Each scenario was tested both before and after the hyperparameter tuning process to optimise model performance. The evaluation was conducted using accuracy and F1-score metrics to measure the accuracy and balance of the classification model. The results of the experiment showed that the combination of social media metadata features consistently improves classification performance, with accuracy increasing by 2–6% and F1-score by 2–8% compared to text-based models alone. These findings confirm that social media metadata contributes significantly to enriching feature representation, thereby improving the precision, generalisation, and stability of models in identifying the personality types of social media users.
Pelatihan Penggunaan CANVA dalam Meningkatkan Kemampuan Pembelajaran Kolaboratif Guru MA Al-Irfan Dewi, Kania Evita; Hardyanto, Chrismikha; Setiyadi, Angga; Heryandi, Andri
Jurnal Pengabdian Teknik dan Ilmu Komputer (Petik) PETIK : Jurnal Pengabdian Teknik dan Ilmu Komputer Vol. 5 No. 2 Desember 2025
Publisher : Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/petik.v5i2.17723

Abstract

Dalam Era Globalisasi ini setiap manusia dipaksa untuk beradaptasi dengan zaman, salah satunya adalah penggunaan teknologi. Termasuk juga dalam bidang pendidikan. Terutama dalam pembuatan media pembelajaran. Media pembelajaran sebagai alat penyampai materi harus dibuat sebaik mungkin agar pembelajaran berjalan dengan baik. Media pembelajaran yang baik dapat menarik perhatian siswa. Agar media pembelajaran dapat dibuat dengan baik maka perlu gabungan ide beberapa guru dalam pembuatannya.  Oleh karena itu, tujuan kegiatan pengabdian kepada masyarakat ini adalah untuk optimalisasi collaborative learning dalam pembuatan media pembelajaran dengan menggunakan aplikasi Canva. Pengabdian ini dilakukan dalam tiga tahapan, yaitu persiapan, pelaksanaan, dan evaluasi. Berdasarkan hasil kuesioner postest yang diberikan sebanyak 77,27% sangat setuju tertarik untuk menerapkan hasil pelatihan dan 81,82% para guru tertarik menerapkan pada proses pembelajaran sehari-hari dan melanjutkan pelatihan pembuatan media pembelajaran dengan pemanfaatan Canva.