Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Wicaksono, Jofan Vernanda
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 : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN ULASAN PRODUK AMAZON MENGGUNAKAN ALGORITMA NAIVE BAYES UNTUK PREDIKSI RATING PRODUK Fatchurroziq, Ananda Bagus; Wicaksono, Jofan Vernanda; Daniati, Erna Daniati
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: 10.29407/3jgdj120

Abstract

Perkembangan teknologi e-commerce seperti Amazon menghasilkan data ulasan produk yang sangat besar dan menjadi referensi utama bagi konsumen. Studi ini mengeksplorasi klasifikasi sentimen dari ulasan pengguna terhadap produk di platform Amazon, dengan pendekatan probabilistik Naive Bayes untuk mengidentifikasi hubungan antara kata-kata dan penilaian bintang. Data yang digunakan berasal dari dataset ulasan makanan premium Amazon yang mencakup lebih dari 500.000 ulasan. Metode penelitian melibatkan pra- pemrosesan teks, termasuk penghapusan stopwords, tokenisasi, dan stemming. Dengan menggunakan algoritma naive Bayes, dapat membuat klasifikasi sentimen yang lebih akurat. Hasil penelitian ini menunjukkan bahwa algoritma Naive Bayes dapat digunakan dengan baik untuk analisis sentimen. dalam jumlah besar dan dapat digunakan untuk sistem rekomendasi produk atau umpan balik konsumen di platform e-commerce.
Evaluasi Model Distilbert dalam Prediksi Sentimen Ulasan Makanan Amazon Wicaksono, Jofan Vernanda; Fatchurroziq, Ananda Bagus; Azzakafuadi, Muhammad; Septyan, M Naufal Anjab
JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Vol. 4 No. 2 (2026): Juni 2026
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/jsitik.v4i2.654

Abstract

Latar Belakang: Perkembangan teknologi digital telah menghasilkan ledakan data teks dari berbagai platform daring, terutama dalam bentuk ulasan produk. Tujuan: Tujuan penelitian ini adalah untuk mengevaluasi performa model DistilBERT dalam melakukan klasifikasi sentimen terhadap ulasan makanan dari dataset Amazon Fine Food Reviews. Metode: Dataset yang digunakan terdiri dari 100.000 data ulasan yang telah disederhanakan menjadi dua kelas sentimen: positif dan negatif. Proses pelatihan dilakukan menggunakan pustaka HuggingFace Transformers dengan konfigurasi model DistilBertForSequenceClassification. Hasil: Hasil evaluasi menunjukkan bahwa model DistilBERT mampu mencapai akurasi sebesar 87,44%, membuktikan efektivitasnya dalam menangkap konteks dan makna sentimen dengan efisien. Kesimpulan: Penelitian ini menegaskan bahwa model berbasis transformer ringan seperti DistilBERT dapat menjadi solusi optimal untuk analisis sentimen berskala besar dengan keterbatasan sumber daya komputasi.
Co-Authors Azzakafuadi, Muhammad Daniati, Erna Daniati Fatchurroziq, Ananda Bagus Septyan, M Naufal Anjab