Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Zuhriya, Tasbi Khatuz
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 3 Documents
Search

 1 
Analisis Sentimen Komentar Twitter (X) tentang Kesehatan Mental menggunakan Naïve Bayes untuk Mengukur Opini Publik Latifah, Umul; Zuhriya, Tasbi Khatuz; Daniati, Erna
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 1 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/pcj3sb07

Abstract

Penelitian ini dilakukan dengan tujuan untuk menganalisis komentar pengguna Twitter (X) terhadap isu kesehatan mental serta dampaknya terhadap opini publik. Dalam proses analisis komentar pengguna, metode yang digunakan adalah algoritma Naïve Bayes dengan pendekatan Analisis Sentimen untuk mengklasifikasi komentar menjadi sentimen positif dan negatif. Data yang digunakan dalam penelitian ini merupakan dataset Twitter (X) bertema kesehatan mental yang diperoleh melalui platform Kaggle. Dengan adanya penelitian ini diharapkan dapat memetakan opini publik yang bisa dijadikan dasar pemahaman terhadap persepsi masyarakat tentang kesehatan mental di media sosial khususnya Twitter (X).
Perancangan UI/UX Website Booking Online Snapbox Studio Kediri Menggunakan Design Science Research Methodology Hidayah, Yulistiya Nur; Zuhriya, Tasbi Khatuz; Maulana, Aftor; Laila, Anis Faizul
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/entvqx68

Abstract

Industri kreatif terus mengalami pertumbuhan pesat, termasuk layanan studio foto yang semakin diminati masyarakat. Snapbox Studio Kediri menghadapi tantangan dalam proses pemesanan yang masih dilakukan secara manual melalui WhatsApp, sehingga menimbulkan ketidakefisienan dan kurangnya kenyamanan bagi pelanggan. Penelitian ini bertujuan untuk merancang User Interface (UI) dan User Experience (UX) untuk website booking online Snapbox Studio guna meningkatkan kemudahan serta kenyamanan proses reservasi. Metode yang digunakan adalah Design Science Research Methodology (DSRM) yang mencakup tahapan identifikasi masalah, perancangan solusi, dan pengembangan desain. Perancangan UI/UX dilakukan menggunakan aplikasi Figma dan dievaluasi menggunakan System Usability Scale (SUS). Pengujian dilakukan dengan melibatkan 69 responden yang terdiri dari pelajar dan mahasiswa di daerah Kediri. Hasil akhir dari penelitian ini berupa rancangan antarmuka yang intuitif, responsif, serta sesuai dengan kebutuhan pengguna, yang dinilai berada dalam kategori baik berdasarkan hasil evaluasi usability.
KLASIFIKASI EMOSI TEKS PENGGUNA TWITTER MENGGUNAKAN METODE SVM Fatmawati, Anita; Latifah, Umul; Suryadi, Arinda Sekar Bilbina; Zuhriya, Tasbi Khatuz
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/hq9jyy12

Abstract

Media sosial seperti Twitter telah berkembang menjadi sumber data penting untuk mengidentifikasi emosi pengguna. Dengan menggunakan algoritma Support Vector Machine (SVM), penelitian ini bertujuan untuk membangun sistem klasifikasi emosi teks pengguna Twitter. Dataset yang digunakan berasal dari Kaggle dan memiliki delapan label emosi. Setelah itu, tahapan preprocessing teks, representasi kata menggunakan FastText, penyederhanaan dimensi menggunakan Principal Component Analysis (PCA), dan penyeimbangan data dengan Synthetic Minority Oversampling Technique (SMOTE) dilakukan. Setelah itu, data dibagi secara stratified untuk menjaga proporsi label, lalu dilakukan pelatihan model dengan SVM dan pengaturan hyperparameter dengan GridSearchCV. Hasil evaluasi menunjukkan bahwa, dibandingkan dengan kernel linear dan polynomial, kernel Radial Basis Function (RBF) memiliki akurasi tertinggi sebesar 85% dengan skor macro F1 yang juga tinggi. Penelitian menunjukkan bahwa kombinasi metode FastText, PCA, SMOTE, dan SVM meningkatkan kinerja klasifikasi. Penelitian ini membantu mengembangkan sistem analisis emosi berbasis teks dan menunjukkan bagaimana hal itu dapat digunakan untuk berbagai kebutuhan analitik media sosial.
Co-Authors Erna Daniati fatmawati, Anita Hidayah, Yulistiya Nur Laila, Anis Faizul Latifah, Umul Maulana, Aftor Suryadi, Arinda Sekar Bilbina