Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Anindya Putri, Salsa
Unknown Affiliation
Computer Science & IT

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

Found 2 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
Co-Authors Ali Ibrahim Allsela Meiriza, Allsela Fathoni Fathoni Ken Ditha Tania Khoiriyah Harahap, Dayana Nachwa, Syakillah Nashiroh Ramadhani, Muthia Ramadhan, Fitrah Rositiani, Ely Theresia Pardede, Eva