Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Al Kautsar, Prima Daffa
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Publik Terhadap Layanan Transjakarta dalam Program Jaklingko Pada Platform X Menggunakan Embedding Word2vec dan Convolutional Neural Network Al Kautsar, Prima Daffa; Muflikhah, Lailil; Fatyanosa, Tirana Noor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 7 (2025): Juli 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Seiring meningkatnya penggunaan media sosial, masyarakat semakin aktif menyuarakan opini terhadap layanan publik, termasuk TransJakarta. Platform X (sebelumnya Twitter) menjadi wadah utama pengguna untuk menyampaikan apresiasi maupun keluhan terhadap layanan transportasi tersebut. Kondisi ini mendorong perlunya analisis sentimen otomatis guna memahami persepsi publik secara luas dan efisien. Penelitian ini bertujuan mengklasifikasikan sentimen komentar pengguna terhadap layanan TransJakarta dalam program JakLingko dengan memanfaatkan kombinasi metode Word2Vec dan Convolutional Neural Network (CNN). Komentar dikumpulkan melalui crawling dan diproses melalui tahapan pre-processing seperti pembersihan teks, tokenisasi, dan stemming. Representasi teks dilakukan menggunakan dua pendekatan Word2Vec, yaitu Continuous Bag-of-Words (CBOW) dan Skip-gram, dengan parameter vector size 100, window size 5, min count 3, dan 10 epoch. Model CNN dibangun dengan kernel size 3, 16 filter, dropout rate 0,5, batch size 32, serta optimizer Adam. Pengujian dengan 5-Fold Cross Validation menunjukkan pendekatan Skip-gram menghasilkan kinerja lebih baik dibandingkan CBOW, dengan F1-Score tertinggi 0,7163 dan MCC 0,5900. Pada pengujian akhir, model CNN dengan embedding Skip-gram dan konfigurasi learning rate 0,0005 serta 15 epoch memperoleh F1-Score 0,7167, MCC 0,5898, dan akurasi 0,7276.
Co-Authors Lailil Muflikhah Tirana Noor Fatyanosa, Tirana Noor