Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Tech-E Jurnal Informatika Global
Dzulfikar Fauzi, Muhammad
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Analisis sentiment komentar Instagram bakal calon presiden menggunakan metode Support Vector Machine Alqis Rausanfita; Ramadan, Arip; Dzulfikar Fauzi, Muhammad; Mafidah, Qori Emalia Putri; Ramona, Emilia; Mahardika Putra, Yudha
Tech-E Vol. 7 No. 1 (2023): TECH-E (Technology Electronic)
Publisher : Fakultas Sains dan Teknologi-Universitas Buddhi Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31253/te.v7i1.2289

Abstract

The rising number of Instagram user affecting higher number of comments appear on post especially Instagram accounts of Indonesia's 2024 presidential candidates that made it difficult to understand the public sentiment towards presidential candidate. Therefore, this research aims to classify Indonesian sentiment on Instagram comments of 2024 Indonesian presidential candidates using the Support Vector Machine method. The classified sentiment is divided into three classes, namely positive, negative, and neutral. The results shows that Sentiment Analysis of Comments on Instagram Posts of Indonesia's 2024 Presidential Candidates Using The Support Vector Machine Method has a good accuracy value of 89.41%. This results also obtain recall and precision values of 89% and 87% respectively.
Analisis Sentimen Rebranding Aplikasi Cici Menjadi Dola Pada Google Play Store Menggunakan Metode Indobert KHOLIK, ABDUL; Dzulfikar Fauzi, Muhammad; Di Kesuma, Hendra
Jurnal Ilmiah Informatika Global Vol. 16 No. 3: December 2025
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jiig.v16i3.6828

Abstract

Transisi identitas merek atau rebranding merupakan langkah strategis yang dapat mempengaruhi persepsi dan kepuasan pengguna secara signifikan. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Google Play Store terhadap rebranding aplikasi asisten AI "Cici" menjadi "Dola" menggunakan data komentar review aplikasi pada November 2025. Mengingat kompleksitas bahasa ulasan yang seringkali menggunakan bahasa tidak baku dan sarkasme, penelitian ini menerapkan model deep learning IndoBERT (Bidirectional Encoder Representations from Transformers untuk Bahasa Indonesia). Dataset penelitian terdiri dari 1.869 ulasan yang diklasifikasikan ke dalam tiga kategori: positif, netral, dan negatif. Metodologi penelitian meliputi scraping data, normalisasi teks, dan fine-tuning model IndoBERT base-p2. Hasil penelitian menunjukkan bahwa model IndoBERT mencapai tingkat akurasi keseluruhan sebesar 0,88 dengan performa paling dominan pada sentimen positif (F1-score 0,93). Namun, model mengidentifikasi tantangan pada kelas negatif, di mana terdapat 119 ulasan negatif yang salah terdeteksi sebagai positif akibat adanya ambiguitas linguistik dan kerinduan pengguna terhadap identitas merek lama. Temuan ini menyimpulkan bahwa meskipun sebagian besar pengguna menerima identitas baru Dola, terdapat resistensi merek yang perlu dikelola melalui strategi edukasi fitur yang lebih baik.
Co-Authors Abdul Kholik Alqis Rausanfita Arip Ramadan Di Kesuma, Hendra Mafidah, Qori Emalia Putri Mahardika Putra, Yudha Ramona, Emilia