Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal ILKOMNIKA: Journal of Computer Science and Applied Informatics Jurnal Cahaya Mandalika JOURNAL SCIENTIFIC OF MANDALIKA (JSM)
Putra, Kurniawan Tri
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Languange, Linguistic, Communication & Media Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Sentimen Masyarakat Kalimantan Tengah Terhadap Perkebunan Kelapa Sawit Menggunakan TF-IDF dan Support Vector Machine Putra, Kurniawan Tri; Anggraini, Syadza; Sutriani, Linda; Suraji, Suraji; Impron, Ali
Journal Scientific of Mandalika (JSM) e-ISSN 2745-5955 | p-ISSN 2809-0543 Vol. 6 No. 5 (2025)
Publisher : Institut Penelitian dan Pengembangan Mandalika Indonesia (IP2MI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/10.36312/vol6iss5pp1115-1123

Abstract

The transformation towards Society 5.0 has had a significant impact on the rapid growth of data available worldwide, both useful and less directly beneficial, known as big data. This phenomenon provides opportunities for researchers to leverage big data as a valuable source of information, provided it is processed and analyzed using appropriate methods. One of the rapidly growing applications is sentiment analysis, which extracts insights from text data, such as that gathered from social media platforms. This study applies the TF-IDF feature extraction technique and the SVM (Support Vector Machine) classification method to perform sentiment analysis on Twitter text data. The results of the research show that the model built using the combination of TF-IDF and SVM achieved an accuracy of 86%, with precision, recall, and F1-Score values of 85% each. These findings indicate that the application of TF-IDF with SVM provides optimal performance in sentiment analysis, considering the word frequency within documents, and makes a significant contribution to processing big data for more accurate and effective sentiment analysis
Perbandingan Feature extraction TF-IDF dan BOW Untuk Analisis Sentimen Berbasis SVM Putra, Kurniawan Tri; Hariyadi, Mokhamad Amin; Crysdian, Cahyo
Jurnal Cahaya Mandalika ISSN 2721-4796 (online) Vol. 3 No. 2 (2022)
Publisher : Institut Penelitian Dan Pengambangan Mandalika Indonesia (IP2MI)

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

Abstract

Dengan adanya transformasi society 5.0 pegaruh paling besar yang bisa dirasakan saat ini adalah berkembang pesatnya jumlah data yang ada di seluruh dunia baik yang bermanfaat secara langsung maupun data yang tidak bermanfaat secara langsung atau dikenal dengan istilah big data, dengan adanya sumber big data tersebut banyak peneliti-peneliti yang memanfaatkanya menjadi suatu data yang berharga dan berguna jika diproses dan diolah dengan cara yang baik dan benar salah satunya adalah dengan tujuan analisis sentimen. Pada permasalahan yang ada penelitian ini bertujuan untuk mencari dan mendapatkan alur dan teknik yang benar serta memiliki hasil optimal pada pengolahan data teks dengan tujuan analisis sentimen dengan membandingakan penerapan TF-IDF dan BOW yang menggunakan metode SVM. Pada penelitian analisis sentimen menggunakan data teks bersumber dari aplikasi media social twitter hasil yang didapatkan adalah pada penerapan teknik TF-IDF yang dipadukan dengan metode SVM memiliki hasil yang lebih baik dengan nilai Accuracy 86%, Precission 85%, Recall 85% dan F1-Score 85% sedangkan penerapan teknik BOW yang dipadukan metode SVM hanya unggul pada nilai Recall sebesar 89%.
Peringkasan Hybrid Teks Berita Bahasa Indonesia Berbasis Improved TextRank dan Transformer Anggraini, Syadza; Impron, Ali; Sutriani, Linda; Putra, Kurniawan Tri
ILKOMNIKA Vol 7 No 3 (2025): Volume 7, Number 3, December 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v7i3.806

Abstract

Peringkasan teks otomatis berbahasa Indonesia masih menghadapi tantangan dalam menghasilkan ringkasan yang informatif namun tetap koheren secara semantik. Sebagian besar penelitian sebelumnya hanya menggunakan metode ekstraktif seperti TextRank atau metode abstraktif seperti mT5-small tanpa mengoptimalkan hubungan semantik antar kalimat. Terdapat masalah di antaranya metode ekstraktif cenderung kaku dan tidak mengubah susunan kata dalam kalimat, sedangkan metode abstraktif bisa menyebabkan risiko kesalahan fakta ataupun output yang kurang relevan jika teks terlalu panjang. Untuk mengatasi masalah tersebut tersebut, penelitian ini mengusulkan metode peringkasan teks hybrid yang menggabungkan Improved TextRank dengan mT5-small. Pada tahap awal, dilakukan praproses dan ekstraksi kalimat dengan representasi semantik berbasis embedding. Hasil ekstraksi dimasukkan sebagai input di model mT5-small untuk menghasilkan ringkasan secara abstractive melalui proses parafrasa dan penyusunan ulang kalimat. Penelitian dilakukan terhadap 1000 dokumen berita dataset IndoSum dengan metrik evaluasi ROUGE. Hasil evaluasi menunjukkan bahwa metode usulan mencapai nilai ROUGE sebesar 0.687, 0.451, dan 0.634, melampaui performa TextRank klasik 0.472, 0.307, 0.441 dan mT5-Small 0.553, 0.362, 0.508 untuk hasil evaluasi ROUGE 1, 2 dan L secara berturut-turut. Hasil ini membuktikan bahwa integrasi sentence embedding dan pendekatan hybrid efektif meningkatkan kualitas ringkasan dari segi relevansi semantik. Sehingga pendekatan ini berpotensi menjadi dasar pengembangan model peringkasan teks Bahasa Indonesia yang lebih robust dan semantik.
Co-Authors Cahyo Crysdian Impron, Ali Linda Sutriani Mokhamad Amin Hariyadi suraji suraji Syadza Anggraini