Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Informatics and Computer Engineering Journal Strength : Jurnal Penelitian Teknik Mesin
Ubaidilah
Unknown Affiliation
Computer Science & IT Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Informatics and Computer Engineering Journal

 1 
Komparasi K-Nearest Neighbors (KNN) dan Naive Bayes pada Klasifikasi Sentimen Ulasan Aplikasi Tokopedia di Google Play Store Ragil Wijianto; Pratmanto, Dany; Widayanto, Aprih; Ubaidilah
Informatics and Computer Engineering Journal Vol 5 No 2 (2025): Periode Agustus 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v5i2.8939

Abstract

Ulasan pengguna aplikasi e-commerce di platform seperti Google Play Store merupakan sumber umpan balik vital bagi pengembang, namun volumenya yang masif menyulitkan analisis manual. Penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan melakukan analisis sentimen otomatis pada ulasan aplikasi Tokopedia. Fokus utama adalah mengklasifikasikan sentimen ulasan ke dalam kategori positif dan negatif serta membandingkan secara empiris kinerja dua algoritma klasifikasi populer, yaitu Naive Bayes (NB) dan K-Nearest Neighbors (KNN). Metodologi penelitian mencakup tahapan pengumpulan data ulasan dari Google Play Store, pra-pemrosesan teks ekstensif (termasuk case folding, cleaning, tokenizing, stopword removal, stemming), ekstraksi fitur numerik dari teks, implementasi model NB dan KNN, serta evaluasi komparatif menggunakan metrik Akurasi, F1-Score, dan Area Under the Curve (AUC). Hasil evaluasi pada data uji menunjukkan bahwa algoritma KNN menunjukkan kinerja yang secara signifikan lebih unggul dibandingkan Naive Bayes. KNN berhasil mencapai akurasi sebesar 80.00% dengan nilai AUC 0.865, sementara Naive Bayes hanya mencapai akurasi 71.50% dengan nilai AUC 0.576 yang mengindikasikan kemampuan diskriminatif rendah. Penelitian ini menyimpulkan bahwa KNN merupakan metode yang lebih efektif dan reliabel dibandingkan NB untuk tugas klasifikasi sentimen pada dataset ulasan aplikasi Tokopedia ini, dan menawarkan potensi aplikasi praktis untuk memonitor opini pengguna secara otomatis.
Rancang Bangun Sistem Informasi Rekam Medis Untuk Klinik Menggunakan FatFree PHP Framework isr, imam isr; ubaidilah
Informatics and Computer Engineering Journal Vol 4 No 1 (2024): Periode Februari 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v4i1.3169

Abstract

Abstract - The Indonesian government has determined that by the end of 2023 all health service facilities in Indonesia must implement electronic medical records or RME. Electronic medical records using information technology in the form of information system applications. The medical record information system (SIRM) manages various data such as patient identity notes and documents, examinations, treatment, procedures and other services that have been provided to patients. SIRM is one of the most promising components in health information technology. To support this government program, researchers developed a medical record information system that can be used by health service managers in general. This information system carries the concept of a web-based application which provides ease of implementation and access by users. The system created includes recording patient data, registering health services by patients, recording medical records, and calculating service bills paid by patients.
Co-Authors Andreas Silaen, Edo Moris Aprih Widayanto Bobby Ramadani Dany Pratmanto Deni Rusdiawan Ikhsan Simanjuntak, Dito Refantino isr, imam isr Qomaruzzaman Ragil Wijianto Sahrul Alam Aziz Wahid Hasim Wulandari, Sovi