Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Informatika JATI (Jurnal Mahasiswa Teknik Informatika)
Karima, Dzakiah Aulia
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
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
Aspect-Based Sentiment Analysis on Nickel Mining Activities in Raja Ampat to Support Sustainable Development Goals Karima, Dzakiah Aulia; Indah, Dwi Rosa; Firdaus, Mgs Afriyan; Sanjaya, M Rudi; Hartono Cahyadi, Gabriel Ekoputra
Jurnal Masyarakat Informatika Vol 17, No 1 (2026): May 2026 (Ongoing)
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.17.1.77146

Abstract

Nickel mining in Raja Ampat has triggered significant public reaction, particularly on social media, due to its environmental and social impacts. However, public opinion on this issue has not been systematically analyzed. This study aims to examine public sentiment toward this issue using the Aspect-Based Sentiment Analysis (ABSA) approach with four classification algorithms: Support Vector Machine, K-Nearest Neighbor, Naïve Bayes, and Random Forest, all optimized through the Particle Swarm Optimization (PSO) method. Data was collected from X between June 1 and June 30, 2025, and analyzed based on three main aspects, namely environmental, social, and economic, with a total of 4,025 datasets. The analysis shows that negative sentiment dominates over positive sentiment, with the environmental aspect being the main focus, especially regarding coral reef damage and marine pollution. Among the four models used, the optimized Support Vector Machine algorithm achieved the highest performance with an accuracy of 87.5%. These findings are expected to serve as an evaluation for the government regarding mining permits to formulate policies that support the achievement of SDG 14 (Life Below Water) and SDG 15 (Life on Land).
Co-Authors Allsela Meiriza, Allsela Dwi Rosa Indah Hartono Cahyadi, Gabriel Ekoputra Ken Ditha Tania Mgs Afriyan Firdaus Munaspin, Zahra Diva Putri Sanjaya, M Rudi Titiana, Nuke Merisca Tsabitah, Laila