Claim Missing Document
Check
Articles

Found 2 Documents
Search

Tantangan, Peluang serta Strategi Pengembangan Sistem Informasi Manajemen di Era Digital Pratiwi, Asri Sukma; Prasetyo, Dodik; Ardiansyah, Mochamad Apri; Raffi, Muhammad; Wijoyo, Agung
Jurnal Riset Informatika dan Inovasi Vol 3 No 5 (2025): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Perkembangan Sistem Informasi Manajemen (SIM) di era digital telah mengubah cara organisasi beroperasi dan mengambil keputusan. Dalam kajian yang berfokus pada peluang dan tantangan pengembangan SIM di tengah transformasi digital, kami menggunakan studi pustaka deskriptif kualitatif dengan mengumpulkan dan menganalisis artikel ilmiah, jurnal daring, serta sumber digital kredibel yang relevan dengan penerapan SIM di berbagai sektor. Hasilnya menunjukkan bahwa SIM memiliki peran strategis dalam mendukung efisiensi, efektivitas, dan daya saing organisasi melalui pengambilan keputusan berbasis data, otomatisasi proses, serta inovasi layanan digital. Namun, implementasi SIM masih menghadapi sejumlah tantangan utama, seperti kesiapan sumber daya manusia, integrasi sistem, dan keamanan data. Oleh karena itu, diperlukan strategi komprehensif yang mencakup pengembangan kapasitas SDM, arsitektur sistem modular, dan penerapan prinsip keamanan sejak tahap perancangan. SIM berpotensi menjadi fondasi kuat bagi inovasi dan adaptasi organisasi di era transformasi digital.
Sentiment Analysis Tweet Covid-19 Menggunakan RoBERTa Rusmanto, Akbar; Ardiansyah, Mochamad Apri; Hizbulloh, Dika Chafizh; Rosyani, Perani
Jurnal Riset Informatika dan Inovasi Vol 3 No 8 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Penelitian ini bertujuan mengimplementasikan model transformer RoBERTa untuk analisis sentimen tweet berbahasa Indonesia terkait COVID-19. Dataset diperoleh dari Kaggle dengan 36.929 tweet berlabel positif, negatif, dan netral. Metode penelitian mencakup preprocessing (pembersihan teks, normalisasi, stemming), tokenisasi menggunakan Byte-Level BPE, fine-tuning model RoBERTa pre-trained (indolem/indobert-base-uncased), dan evaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil eksperimen menunjukkan model mencapai akurasi 96,30% dengan F1-score tertimbang 0,96. Model menunjukkan kinerja optimal pada kelas netral (F1-score 0,98) dan tetap solid pada kelas minoritas negatif (F1-score 0,82). Keunggulan RoBERTa terletak pada kemampuan memahami konteks bahasa informal di Twitter melalui mekanisme self-attention, menjadikannya efektif untuk analisis opini publik berbasis data.