Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING JATI (Jurnal Mahasiswa Teknik Informatika)
Nashiroh Ramadhani, Muthia
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENDEKATAN KLASIFIKASI DALAM KNOWLEDGE DISCOVERY UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN BANDARA SULTAN MAHMUD BADARUDDIN II DI GOOGLE MAPS Nachwa, Syakillah; Khoiriyah Harahap, Dayana; Theresia Pardede, Eva; Nashiroh Ramadhani, Muthia; Anindya Putri, Salsa; Rositiani, Ely; Ditha Tania, Ken; Meiriza, Allsela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13776

Abstract

Sultan Mahmud Badaruddin II (SMB II) merupakan bandara utama di Sumatera Selatan yang berperan krusial untuk mobilitas regional. Kepuasan penumpang terhadap layanan bandara dapat dievaluasi melalui ulasan pengguna di Google Maps. Namun, volume ulasan yang besar menghadirkan tantangan dalam mengekstrak informasi yang bermakna. Studi ini menggunakan Aspect-Based Sentiment Analysis (ABSA) untuk melihat opini publik terhadap layanan Bandara SMB II menggunakan pendekatan klasifikasi dengan enam aspek yang dianalisis, yaitu check-in, keamanan, kenyamanan, lingkungan bandara, fasilitas dasar, dan mobilitas. Sebanyak 1.018 ulasan diperoleh dan diproses melalui tahapan preprocessing, data labeling, penyeimbangan data dengan SMOTE, ekstraksi fitur (TF-IDF), serta klasifikasi menggunakan algoritma Naïve Bayes, Support Vector Machine (SVM), dan Random Forest dengan skenario pembagian data 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan bahwa skenario terbaik diperoleh pada perbandingan 90:10, yaitu model SVM mencapai kinerja terbaik dengan nilai accuracy sebesar 0.857, precision 0.839, recall 0.883, dan F1-score 0.860 melampaui Naïve Bayes dan Random Forest. Analisis sentimen telah menunjukkan bahwa aspek lingkungan bandara menerima sentimen positif tertinggi, tetapi aspek fasilitas dasar cenderung menerima ulasan negatif. Pengetahuan ini bisa menjadi dasar bagi pengelola Bandara SMB II untuk meningkatkan layanan mereka berdasarkan aspek-aspek yang paling berpengaruh terhadap pengalaman penumpang.
PENGEMBANGAN MODEL CNN UNTUK KLASIFIKASI EKSPRESI WAJAH DAN POTENSI PENERAPANNYA DALAM PERILAKU KRIMINAL Fathoni, Fathoni; Nashiroh Ramadhani, Muthia; Anindya Putri, Salsa; Rositiani, Ely; Ramadhan, Fitrah; Ibrahim, Ali
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14120

Abstract

Peningkatan kasus kriminalitas di Indonesia yang signifikan setiap tahunnya menimbulkan kekhawatiran publik dan mengganggu rasa aman masyarakat. Salah satu solusi preventif untuk mengantisipasi hal tersebut dengan pengembangan model Convolutional Neural Network (CNN) untuk klasifikasi ekspresi wajah dan potensinya dalam mendeteksi perilaku kriminal. Studi ini menggunakan dataset CK+ yang terdiri dari 981 citra wajah grayscale berukuran 48×48 piksel dengan tujuh kategori ekspresi (marah, sedih, jijik, senang, takut, kaget, dan hina). Data diproses melalui tahapan preprocessing berupa resize ke 224×224 piksel, normalisasi rentang piksel, serta augmentasi dengan teknik flipping, rotasi, translasi, dan zoom. Data kemudian dibagi ke dalam tiga set dengan skenario pembagian 70% untuk latih, 15% untuk validasi, dan 15% untuk pengujian. Dua arsitektur CNN, yaitu ResNet50 dan VGG16, dikembangkan menggunakan TensorFlow dan Keras untuk menganalisis performa dalam mengklasifikasikan ekspresi wajah, khususnya dalam mengidentifikasi ekspresi negatif sebagai indikator potensi tindakan kriminal. Hasil evaluasi menunjukkan bahwa model VGG16 unggul dengan akurasi mencapai 86% serta peningkatan nilai precision, recall, dan F1-score dibandingkan ResNet50 yang hanya mencapai 55%. Hasil penelitian ini dapat menjadi dasar strategi pencegahan kriminalitas yang lebih efektif melalui analisis ekspresi wajah
Knowledge Discovery in Sharia Mobile Banking Reviews Using Aspect-Based Sentiment Analysis and Machine Learning Nashiroh Ramadhani, Muthia; Ditha Tania, Ken; Afrina, Mira
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.11753

Abstract

User reviews provide important insights into the quality of digital banking applications; however, their large volume makes manual analysis inefficient. This study applies Aspect-Based Sentiment Analysis (ABSA) to examine user perceptions of the BYOND by BSI application based on three aspects: interface, features and performance, and services. Three classification algorithms were compared: Naïve Bayes, Support Vector Machine (SVM), and Random Forest, evaluated with accuracy, precision, recall, F1-score, and ROC-AUC. The results indicate that SVM and Naïve Bayes achieved the best performance, with an accuracy of 0.95 and an F1-score of 0.92, whereas Random Forest exhibited slightly lower performance with an F1-score of 0.89. Furthermore, sentiment analysis reveals the features and performance aspect exhibits the highest proportion of negative sentiment (39.6%), primarily associated with system reliability issues, login problems, transaction failures, and application instability. These findings demonstrate that ABSA can serve as an effective knowledge discovery approach for identifying critical functional issues and supporting data-driven prioritization in improving digital banking services, particularly within the context of sharia banking applications.
Co-Authors Ali Ibrahim Allsela Meiriza, Allsela Anindya Putri, Salsa Ken Ditha Tania Khoiriyah Harahap, Dayana Mira Afrina Nachwa, Syakillah Ramadhan, Fitrah Rositiani, Ely Theresia Pardede, Eva