Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Bisnis
Rara, Febronia Angelina Gadi
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance

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

Found 2 Documents
Search

 1 
Analisis Tingkat Kepuasan Masyarakat Terhadap Pembangunan Taman Kota Tambolaka: Studi Kasus PT. Bumi Indah Rara, Febronia Angelina Gadi; Pati, Gregorius Kopong; Ledi, Dian Fransiska
Jurnal Ilmu Komputer dan Bisnis Vol. 15 No. 2a (2024): Vol. 15 No. 2a Special Issue (2024)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v15i2a.904

Abstract

Perkembangan teknologi dan informasi yang semakin pesat membawa banyak pengetahuan dan keuntungan bagi penggunanya. Dalam mengerjakan semua pekerjaan tidak pernah terlepas dari teknologi dan media komunikasi. Perkembangan teknologi di indonesia sendiri cukup signifikan ditandai dengan adanya kemajuan di berbagai sektor. Di era digital seperti saat ini, penggunaan aplikasi sebagai media informasi dan interaksi antara pengguna dengan suatu layanan di berbagai bidang semakin meningkat, Termasuk dalam bidang Pembangunan kontruksi.. PT. Bumi Indah yang sering mendapatkan sentimen pengguna melalui media sosial adalah PT. Bumi Indah . Adanya sentimen opini dari konsumen tentang Toko Bumi Indah dapat dianalisis dan dimanfaatkan untuk mendapatkan informasi yang berguna bagi pelanggan lain maupun pihak toko Bumi Indah. Dengan menggunakan teknik Text Mining metode klasifikasi, akan diketahui suatu sentimen bernilai positif, netral atau negatif. Salah satu algoritme yang banyak digunakan dalam analisis sentimen adalah metode klasifikasi Naïve Bayes. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) dengan pembobotan tf-idf disertai penambahan fitur konversi ikon emosi (emoticon) untuk mengetahui kelas sentimen yang ada dari tweet tentang toko PT. Bumi Indah . Hasil penelitian menunjukkan bahwa metode Naïve Bayes tanpa penambahan fitur mampu mengklasifikasi sentimen dengan nilai akurasi sebesar 76,92% sementara jika ditambahkan fitur pembobotan tf-idf disertai konversi ikon emosi mampu meningkatkan nilai akurasi menjadi 76,92%
Analisis Tingkat Kepuasan Masyarakat Terhadap Pembangunan Taman Kota Tambolaka: Studi Kasus Pt. Bumi Indah Rara, Febronia Angelina Gadi; Pati, Gergorius Kopong; Ledi, Dian Fransiska
Jurnal Ilmu Komputer dan Bisnis Vol. 16 No. 1 (2025): Vol. 16 No. 1 Mei (2025)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v16i1.934

Abstract

Perkembangan teknologi dan informasi yang semakin pesat membawa banyak pengetahuan dan keuntungan bagi penggunanya. Dalam mengerjakan semua pekerjaan tidak pernah terlepas dari teknologi dan media komunikasi. Perkembangan teknologi di indonesia sendiri cukup signifikan ditandai dengan adanya kemajuan di berbagai sektor. Di era digital seperti saat ini, penggunaan aplikasi sebagai media informasi dan interaksi antara pengguna dengan suatu layanan di berbagai bidang semakin meningkat, termasuk dalam bidang Pembangunan kontruksi. PT. Bumi Indah  yang sering mendapatkan sentimen pengguna melalui media sosial adalah PT. Bumi Indah. Adanya sentimen opini dari konsumen tentang Toko Bumi Indah dapat dianalisis dan dimanfaatkan untuk mendapatkan informasi yang berguna bagi pelanggan lain maupun pihak toko Bumi Indah. Dengan menggunakan teknik Text Mining metode klasifikasi, akan diketahui suatu sentimen bernilai positif, netral atau negatif. Salah satu algoritme yang banyak digunakan dalam analisis sentimen adalah metode klasifikasi Naïve Bayes. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) dengan pembobotan tf-idf disertai penambahan fitur konversi ikon emosi (emoticon) untuk mengetahui kelas sentimen yang ada dari tweet tentang toko PT. Bumi Indah. Hasil penelitian menunjukkan bahwa metode Naïve Bayes tanpa penambahan fitur mampu mengklasifikasi sentimen dengan nilai akurasi sebesar 76,92% sementara jika ditambahkan fitur pembobotan tf-idf disertai konversi ikon emosi mampu meningkatkan nilai akurasi menjadi 76,92%.
Co-Authors Ledi, Dian Fransiska Pati, Gergorius Kopong Pati, Gregorius Kopong