Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Linier: Literatur Informatika dan Komputer
Lutfi Budiman Ilmuwan
Universitas Muslim Indonesia
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mathematics

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

Found 3 Documents
Search

 1 
Implementasi Fitur Vector Bag Of Word Dan TF IDF untuk Analisis Sentiment Muhammad Salman Al Markas; Siska Anraeni; Lutfi Budiman Ilmuwan
LINIER: Literatur Informatika dan Komputer Vol 2, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i2.3104

Abstract

Penggunaan internet dengan media sosial mempengaruhi masyarakat terhadap kegiatan yang dilakukan saat ini. Salah satu media sosial yang sekarang ini sedang populer digunakan oleh masyarakat adalah X. Informasi yang disebarkan dapat merupakan berita, opini, komentar, serta kritikan. Data yang didapat dari tweet ini dapat menjelaskan tanggapan masyarakat terhadap pelayanan pajak dari X. Maka dari itu penelitian ini sangat efisien jika X menjadi media untuk pengambilan data mengenai komentar Masyarakat sehingga dapat memberikan efektivitas perubahan yang diberikan kepada instansi pemerintah. Analisis sentimen menjadi proses yang sangat penting dalam memahami isi data dengan tujuan mengolah komentar yang diberikan oleh pengguna melalui tweet di X mengenai sebuah produk, layanan, dan instansi. Karya ilmiah ini bertujuan untuk membandingkan fitur Vector Bag Of Word dan TF IDF untuk mengevaluasi seberapa penting suatu term dalam sebuah dokumen pada dokumen yang lebih besar. Seperti diketahui bahwa komputer hanya mampu memproses input yang numerik sehingga data opini public berupa teks perlu direpresentasikan sebagai nilai numerik yang dikenal dengan ekstraksi fitur dan dapat dilakukan menggunakan model Binary Bag of Words (BOW), Count BOW dan Term Frequency-Inverse Document Frequency (TF-IDF) dikarenakan kedua teknik tersebut sangat berperan baik dan sama-sama digunakan untuk merepresentasikan numerik dari data teks serta memiliki kekurangan dan kelebihan masing masing. Berdasarkan hasil analisis maka dapat disimpulkan dengan menganalisis statement dengan menggunakan Bag Of Word dan TF-IDF dapat mengetahui jumlah tiap kemunculan kata di setiap kalimat dan dari hasil yang didapatkan bahwa kata yang sering diucapkan dalam sentimen yaitu dengan bobot nilai TF-IDF sebesar 0.1403.
Implementasi Algoritma K-Nearest Neighbors Untuk Klasifikasi Data Ulasan Pengguna Aplikasi Sulselbar Mobile pada Google Play Store Muh. Fadhil Attariq Hasril; Purnawansyah Purnawansyah; Lutfi Budiman Ilmuwan
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3147

Abstract

Perkembangan teknologi perbankan digital mendorong Bank Sulselbar menghadirkan layanan mobile banking melalui aplikasi Sulselbar Mobile. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi tersebut di Google Play Store menggunakan algoritma K-Nearest Neighbors (KNN). Sebanyak 1000 data ulasan dikumpulkan dengan teknik web scraping, kemudian dilakukan pelabelan manual dan serangkaian proses preprocessing seperti case folding, normalisasi, stemming, stopword removal, dan tokenizing. Data kemudian dikonversi menjadi bentuk numerik menggunakan metode TF-IDF. Model KNN dikembangkan dengan nilai k = 3 dan divalidasi menggunakan 5-fold cross-validation. Hasil evaluasi menunjukkan model memiliki performa yang baik dan konsisten, dengan rata-rata akurasi 85,6%, presisi 85,4%, recall 85,6%, dan F1-score 85,5%. Fold terbaik mencapai akurasi 90% dan F1-score 89,8%. Hasil ini menunjukkan bahwa kombinasi TF-IDF dan algoritma KNN efektif dalam melakukan klasifikasi sentimen berbasis teks. Temuan ini dapat dimanfaatkan untuk mengevaluasi kualitas layanan aplikasi serta mendukung pengambilan keputusan dalam pengembangan layanan digital perbankan
Analisis Sentimen Tweet Netizen Terhadap Timnas Sepak Bola Indonesia di Era Shin Tae-Yong Menggunakan Algoritma Support Vector Machine (SVM) Muhammad Rifqi Fauzan; Siska Anraeni; Lutfi Budiman Ilmuwan
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3144

Abstract

Era kepelatihan Shin Tae-Yong menjadi momen penting bagi sepak bola Indonesia. Performa Timnas Indonesia di bawah asuhan Shin Tae-Yong menuai beragam respons di media sosial X. Penelitian ini bertujuan untuk menganalisis sentimen netizen terhadap timnas Indonesia di era Shin Tae-Yong dengan menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan dalam penelitian ini terdiri dari 398 tweet yang dikumpulkan dari platform media sosial X, namun setelah prosedur preprocessing, jumlah tersebut berkurang menjadi 391 tweet yang merepresentasikan opini dan pandangan netizen tentang timnas Indonesia di era Shin Tae-Yong. Dari data yang dianalisis, 200 data (51,15%) menunjukkan sentimen positif terhadap timnas Indonesia di era Shin Tae-Yong, sementara 191 data (48,85%) menunjukkan sentimen negatif. Proses pengumpulan data melibatkan pemilihan tweet yang relevan dengan menggunakan keyword terkait timnas Indonesia di era Shin Tae Yong, diikuti dengan tahap preprocessing untuk membersihkan data. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score setiap algoritma dalam mengklasifikasikan sentimen tweet sebagai positif atau negatif. Penerapan metode SVM dalam analisa sentimen tentang timnas Indonesia di era Shin Tae-Yong berhasil mencapai tingkat accuracy sebesar 63,29%, precision sebesar 65%, recall sebesar 65% dan F1-Score sebesar 63%. Hasil penelitian menunjukkan bahwa algoritma SVM secara signifikan relatif baik dalam mengenali dan mengklasifikasikan sentimen terkait timnas Indonesia di era Shin Tae-Yong. Penelitian ini dapat memberikan wawasan penting mengenai pemilihan algoritma machine learning yang optimal untuk analisis sentimen dan dapat membantu peneliti dalam memilih metode yang tepat untuk analisis sentimen di berbagai topik
Co-Authors Muh. Fadhil Attariq Hasril Muhammad Rifqi Fauzan Muhammad Salman Al Markas Purnawansyah Purnawansyah Siska Anraeni