Article Per Year (5 Year)
p-Index From 2021 - 2026
1.993
P-Index
This Author published in this journals
All Journal Jurnal SOLMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING INTI Nusa Mandiri Amalee: Indonesian Journal of Community Research & Engagement Jurnal Sistem Komputer dan Informatika (JSON) International Journal of Engineering, Science and Information Technology Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Decode: Jurnal Pendidikan Teknologi Informasi Jurnal Teras Pengabdian Masyarakat Scientific: Journal of Computer Science and Informatics
Afril Efan Pajri
Unknown Affiliation
Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
ANALISIS SENTIMEN PUBLIK TERHADAP CHATGPT: PERBANDINGAN LOGISTIC REGRESSION DAN DISTILBERT Meilasaroh, Wella Vernanda; Pajri, Afril Efan; Nurdiansyah, Denny
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 2: JULI 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i2.1644

Abstract

Tujuan penelitian ini adalah menganalisis opini publik terhadap ChatGPT berdasarkan ulasan pengguna di Google Play Store, juga mengkomparasikan kinerja dua metode klasifikasi sentimen: Logistic Regression (klasik) + TF-IDF dan DistilBERT (Transformer modern). Dataset dari ChatGPT Reviews Daily Updated yang diproses melalui prapemrosesan teks, pelabelan sentimen, pembentukan fitur, pelatihan model, dan evaluasi performa. Hasil menunjukkan dominasi sentimen positif (87,41%) dan karakteristik teks yang sangat pendek (1–10 kata). Logistic Regression mencapai akurasi 88,39% dan F1-Score 84,12%, tetapi gagal mengenali kelas minoritas karena ketidakseimbangan data. Sedangkan DistilBERT mencapai akurasi 89,57% dan F1-Score 87,35%, dengan kemampuan jauh lebih baik dalam mengklasifikasikan sentimen negatif dan netral. Hal ini menunjukkan bahwa model Transformer lebih mampu memahami konteks semantik dan tahan terhadap variasi bahasa informal. Secara keseluruhan, opini publik terhadap ChatGPT sangat positif, dan DistilBERT terbukti lebih efisien untuk menganalisis ulasan aplikasi dengan distribusi kelas tidak seimbang dan teks pendek. Penelitian ini memberikan dasar empiris dalam memilih model NLP untuk analisis sentimen terkait teknologi generatif.
Sosialisasi Pemanfaatan Media Digital Dalam Penyampaian Informasi Publik Di Desa Jipo Kecamatan Kepohbaru Afril Efan Pajri; M. Iqbal Tawakkal
Jurnal Teras Pengabdian Masyarakat Vol. 1 No. 2: Juli (2025)
Publisher : PT. Teras Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan media digital telah menjadi salah satu kebutuhan utama dalam penyampaian informasi publik di era modern ini. Desa Jipo, Kecamatan Kepohbaru, memiliki potensi besar untuk memanfaatkan media digital guna meningkatkan keterbukaan informasi dan partisipasi masyarakat. Penelitian ini bertujuan untuk mengidentifikasi upaya sosialisasi yang telah dilakukan serta dampak pemanfaatan media digital dalam penyampaian informasi publik. Metode yang digunakan adalah deskriptif kualitatif dengan teknik pengumpulan data melalui wawancara, observasi, dan dokumentasi. Hasil penelitian menunjukkan bahwa sosialisasi penggunaan media digital, seperti media sosial dan aplikasi pesan instan, telah memberikan pengaruh positif terhadap efisiensi komunikasi antara pemerintah desa dan masyarakat. Namun, tantangan seperti keterbatasan infrastruktur dan literasi digital masih perlu diatasi.
Perbandingan SVM dan Logistic Regression Berbasis SMOTE pada Analisis Sentimen Menteri Keuangan di YouTube Sirozul Huda; Afril Efan Pajri; Sahri
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 4 (2026): Juni 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i4.9632

Abstract

YouTube telah berkembang menjadi salah satu ruang utama bagi masyarakat untuk menyampaikan opini terhadap isu publik, termasuk respons terhadap figur pejabat pemerintah. Penelitian ini bertujuan untuk mengevaluasi dan memetakan persepsi publik terhadap Menteri Keuangan Republik Indonesia melalui analisis sentimen berbasis machine learning, dengan mengkomparasikan kinerja algoritma Support Vector Machine dan Logistic Regression. Data berjumlah 4.003 data komentar  dikumpulkan dari komentar berbagai kanal YouTube berdasarkan pencarian topik terkait, kemudian melalui tahapan pre-processing dan pelabelan otomatis menggunakan Indonesian Sentiment Lexicon (InSet). Meskipun pelabelan otomatis berbasis leksikon ini efisien, pendekatan ini memiliki keterbatasan untuk mendeteksi sarkasme dan menangkap konteks kalimat yang kompleks. Setelah fitur diekstraksi menggunakan pembobotan TF-IDF, teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan untuk mengatasi masalah ketidakseimbangan label pada data latih. Pengujian model membuktikan bahwa pendekatan yang diusulkan berhasil melakukan klasifikasi dengan sangat baik. Hasil evaluasi menunjukkan bahwa Support Vector Machine memberikan tingkat akurasi tertinggi sebesar 90%, sedikit mengungguli Logistic Regression yang mencatatkan akurasi sebesar 89%. Kontribusi ilmiah dalam studi ini menegaskan bahwa algoritma klasifikasi berbasis SMOTE efektif dalam menangani masalah ketimpangan data, dengan menunjukkan peningkatan performa model dibandingkan penelitian terdahulu yang serupa.
Co-Authors Aini, Siti Azizah Arum , Arum Fatmawati Denny Nurdiansyah Eka Fadlilatus Saadah Fatichatur Rochmaniyah Fikram, Muhammad Ita Aristia Sa'ida Jauhara Rana Budiani, Jauhara Rana Kartini, Alif Yuanita Liana, Putri M. Iqbal Tawakkal MARATUS SHOLIHAH, SITI Maruf, Anang Meilasaroh, Wella Vernanda Muhammad Sholihin Sabar, Rohmat Abidin Sahri Sahri Sahri Sirozul Huda Siti Shoimah Suci Mulyani Sutriawan Taufik Azhary Tawakkal, M. Iqbal