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)
Tsabitah, Laila
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN PROGRAM MAKAN SIANG GRATIS DALAM MENDUKUNG SDGS MENGGUNAKAN NAÏVE BAYES Tsabitah, Laila; Aulia Karima, Dzakiah; Diva Putri Munaspin, Zahra; Merisca Titiana, Nuke; Fathoni, Fathoni
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.v9i4.14060

Abstract

Program Makan Siang Gratis merupakan langkah strategis pemerintah dalam upaya meningkatkan asupan gizi anak-anak sekolah. Inisiatif ini menarik perhatian publik dan banyak dibahas di media sosial, namun belum banyak dilakukan kajian mendalam terhadap opini masyarakat dari data tidak terstruktur seperti ulasan daring, khususnya yang dikaitkan dengan pencapaian Tujuan Pembangunan Berkelanjutan (SDGs), yakni SDG 2 (Tanpa Kelaparan) dan SDG 3 (Kesehatan yang Baik dan Kesejahteraan). Penelitian ini bertujuan untuk mengevaluasi sentimen publik terhadap program tersebut sebagai dasar dalam analisis kebijakan berbasis data. Metode yang digunakan adalah algoritma klasifikasi Naïve Bayes dengan memanfaatkan 656 ulasan dari platform Kaggle yang telah diproses melalui tahapan preprocessing dan transformasi fitur menggunakan TF-IDF. Dataset kemudian diuji dalam tiga skenario pembagian data latih dan data uji untuk mengukur performa model. Hasil evaluasi menunjukkan tingkat akurasi sebesar 89,93%, presisi 88,64%, recall 89,93%, dan F1-score 86,42%, dengan mayoritas sentimen bersifat positif sebesar 89,9%, sementara sentimen negatif sebesar 7,9% dan netral 2,3%. Temuan ini mengindikasikan respons positif masyarakat terhadap implementasi Program Makan Siang Gratis, yang turut mendukung pemenuhan kebutuhan gizi anak sekolah. Meski begitu, akurasi dalam mengklasifikasikan sentimen negatif dan netral masih perlu ditingkatkan guna menghasilkan model yang lebih optimal.
KNOWLEDGE DISCOVERY TERHADAP SENTIMEN PELANGGAN KOPI KENANGAN MENGGUNAKAN NAÏVE BAYES Munaspin, Zahra Diva Putri; Titiana, Nuke Merisca; Tsabitah, Laila; Karima, Dzakiah Aulia; Tania, Ken Ditha; 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.v9i3.14080

Abstract

Perkembangan industri minuman kopi di Indonesia semakin pesat, salah satunya ditandai dengan banyaknya kedai kopi modern yang bermunculan, seperti Kopi Kenangan. Seiring meningkatnya jumlah pelanggan, opini atau sentimen pelanggan terhadap produk dan layanan menjadi aspek penting yang perlu dianalisis untuk menjaga kualitas dan kepuasan pelanggan. Permasalahan yang diangkat dalam penelitian ini adalah banyaknya data ulasan pelanggan di internet yang belum dimanfaatkan secara maksimal untuk mengevaluasi sentimen terhadap Kopi Kenangan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pelanggan Kopi Kenangan menggunakan algoritma Naïve Bayes, serta memberikan wawasan terhadap kecenderungan opini pelanggan secara otomatis. Metode yang digunakan adalah knowledge discovery in database (KDD) yang mencakup tahapan: data selection, preprocessing, transformation, data mining menggunakan algoritma Naïve Bayes, dan evaluasi model. Data diperoleh dari ulasan pelanggan Kopi Kenangan melalui platform Google Review, kemudian diklasifikasikan menggunakan model Naïve Bayes dengan pembagian data latih dan uji sebesar 80:20. Hasil dari penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan akurasi sebesar 72,24%, presisi sebesar 75,20%, recall 72,24%, dan F1-score 72,20%. Model dapat mengenali sentimen positif dan netral dengan cukup baik, meskipun masih mengalami kesulitan dalam mengklasifikasikan sentimen negatif. Hasil ini dapat dijadikan acuan bagi perusahaan dalam meningkatkan kualitas layanan dan produk berdasarkan opini pelanggan
Co-Authors Allsela Meiriza, Allsela Aulia Karima, Dzakiah Diva Putri Munaspin, Zahra Fathoni Fathoni Karima, Dzakiah Aulia Ken Ditha Tania Merisca Titiana, Nuke Munaspin, Zahra Diva Putri Titiana, Nuke Merisca