Claim Missing Document
Check
Articles

Found 2 Documents
Search

PERANCANGAN SISTEM INFORMASI PEMESANAN KEDAI MTC 99 Nidhi Suryono, Muhammad Nur Rachman; Isnandar, Ahmad Yazid; Tajuk Rizal, Mohammad Hasan; Simbolon, Tegar Oktavianto; Sanni, Bella Trinanda; Fitri, Anindo Saka
Jurnal Informatika dan Teknik Elektro Terapan Vol. 11 No. 2 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i2.2884

Abstract

Perkembangan teknologi informasi membuat sistem pemesanan di kedai MTC99 perlu dikembangkan ke arah digital. Banyaknya layanan yang tersambung pada jaringan internet seringkali digunakan untuk mempermudah kehidupan manusia, karena dengan mendigitalisasikan sistem nya akan mendapat banyak manfaat salah satunya lebih efektif dalam proses dan laporan nya. Perancangan website ini merupakan solusi untuk Kedai MTC99 dalam melakukan perubahan digitalisasi proses bisnisnya. Kedai MTC99 sendiri merupakan usaha perdagangan yang menjual minuman dan penyewaan tenant di Rungkut Kidul, Surabaya. Pada pembangunan sistem ini dibutuhkan data yang menjadi pendukung, dapat diperoleh dengan menggunakan teknik pengumpulan data seperti: observasi, wawancara dan pustaka. Perancangan model website divisualisasikan dengan menggunakan Unified Modeling Language (UML) menggunakan metode ICONIX process dalam mengimplementasikan pengembangannya. Dengan diterapkannya website ini diharap dapatĀ  terjalin hubungan yang erat antara pihak Kedai MTC99 maupun pelanggan yang ingin/akanĀ  memesan makanan dan minuman di kedai MTC 99.
ASPECT-BASED SENTIMENT ANALYSIS PADA DATA MULTIMODAL TWITTER UNTUK BENCHMARK PERFORMA PRODUK STUDI KASUS SMARTPHONE Simbolon, Tegar Oktavianto; Wayuni, Eka Dyar; Afandi, Mohamad Irwan
ILTEK : Jurnal Teknologi Vol. 20 No. 02 (2025): ILTEK : Jurnal Teknologi
Publisher : Fakultas Teknik Universitas Islam Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47398/iltek.v20i02.239

Abstract

The growing public opinions about smartphones on social media have driven the need for an informative and comprehensive sentiment analysis system. This study aims to develop a smartphone benchmark dashboard based on Aspect-Based Sentiment Analysis (ABSA) using multimodal data. The data consists of tweet texts and image URLs listed in a CSV file. The process involves text preprocessing (case folding, tokenization, stopword removal, and stemming) and Optical Character Recognition (OCR) to extract text from images. The tweet texts and OCR results are then combined and classified using the Support Vector Machine (SVM) algorithm to predict sentiment for each product aspect, such as camera, performance, and others. The results show that the SVM model performs well in predicting neutral and negative sentiments, although the identification of positive sentiment still needs improvement. The developed dashboard assists consumers in comparing products and serves as a reference for producers in improving product quality and marketing strategies.