cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
ahmad gawdy prananosa
Contact Email
ahmadgawdynano@yahoo.com
Phone
-
Journal Mail Official
ipm2kpeintecoms@gmail.com
Editorial Address
-
Location
Unknown,
Unknown
INDONESIA
INTECOMS: Journal of Information Technology and Computer Science
Published by Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi
ISSN : 26213249     EISSN : 26141574     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 915 Documents
 88   89   90   91   92 
ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI THREADS PADA GOOGLE PLAY STORE DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES Gita Tiara Aftita; Raissa Amanda Putri
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 4 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/yn979w50

Abstract

Ulasan pengguna pada Google Play Store dapat digunakan untuk mengetahui tanggapan pengguna terhadap aplikasi Threads. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Threads pada Google Play Store menggunakan algoritma Naive Bayes. Sebanyak 5.000 ulasan dikumpulkan menggunakan Google Play Scraper dan selanjutnya melalui tahap text preprocessing yang meliputi cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Setelah preprocessing, diperoleh 3.312 ulasan yang kemudian diberi label sentimen berdasarkan rating pengguna. Selanjutnya, dilakukan vektorisasi Term Frequency-Inverse Document Frequency (TF-IDF) dan dibagi menjadi data latih dan data uji dengan rasio 80:20. Ketidakseimbangan kelas pada data latih ditangani melalui oversampling sebelum proses pelatihan menggunakan algoritma Naive Bayes. Evaluasi model dilakukan menggunakan confusion matrix. Hasil pengujian menunjukkan bahwa model memperoleh accuracy sebesar 70%. Performa terbaik diperoleh pada sentimen positif dengan F1-score sebesar 0,83, sedangkan sentimen netral memiliki F1-score sebesar 0,24. Hasil tersebut menunjukkan bahwa Naive Bayes mampu mengenali pola sentimen positif dengan lebih baik, sedangkan sentimen netral masih menjadi kelas yang paling sulit dikenali meskipun oversampling telah diterapkan. Kata Kunci: Analisis Sentimen, Threads, Google Play Store, TF-IDF, Naive Bayes
SISTEM PAKAR BIMBINGAN DAN KONSELING TERHADAP KEPRIBADIAN SISWA MENGGUNAKAN METODE CERTAINTY FACTOR DAN BACKWARD CHAINING WEB Winda Cahyanti; Raissa Amanda Putri
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 4 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/y810h690

Abstract

Penelitian ini membahas perancangan dan pengembangan Sistem Pakar Bimbingan dan Konseling terhadap Kepribadian Siswa menggunakan metode Certainty Factor dan Backward Chaining berbasis web. Latar belakang penelitian adalah kebutuhan akan alat bantu yang dapat mendukung guru Bimbingan dan Konseling (BK) dalam melakukan identifikasi awal kecenderungan kepribadian siswa secara lebih terstruktur. Sistem menggunakan empat kecenderungan kepribadian, yaitu Dominance (D), Influence (I), Steadiness (S), dan Compliance (C). Data diperoleh melalui observasi, wawancara dengan guru BK, dan studi literatur. Penelitian dilaksanakan di MTs TPI Gunung Pamela. Data pendukung yang tercatat dalam dokumen sumber berjumlah 108 siswa. Backward Chaining digunakan untuk melakukan penalaran berbasis tujuan dengan menelusuri hipotesis menuju indikator pendukung, sedangkan Certainty Factor digunakan untuk menghitung tingkat keyakinan terhadap hipotesis berdasarkan evidence dan bobot pengetahuan. Sistem dirancang dengan modul pengelolaan data kepribadian, indikator, bobot keyakinan, rule, konsultasi, inferensi, perhitungan Certainty Factor, hasil identifikasi, dan riwayat konsultasi. Pengujian sistem mencakup pengujian fungsional, pengujian perhitungan, serta perbandingan dengan penilaian pakar. Dokumen sumber memberikan contoh hasil pengujian berupa simulasi dan secara eksplisit menyatakan bahwa angka simulasi tersebut bukan hasil penelitian lapangan sebenarnya. Oleh karena itu, hasil aktual perlu diisi setelah validasi pakar dan pengujian lapangan dilakukan. Sistem yang dihasilkan berfungsi sebagai alat bantu identifikasi awal dan tidak menggantikan peran guru BK atau konselor.   Kata kunci : sistem pakar; bimbingan dan konseling; kepribadian siswa; Certainty Factor; Backward         Chaining; web.
MODEL LAYERED MAPPING EVALUASI KEAMANAN SISTEM INFORMASI BERBASIS NIST CSF 2.0, COBIT 2019, DAN NIST SP 800-53 Fendi Setiabudi; Alva Hendi Muhammad; Sri Ngudi Wahyuni
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 3 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/0g2gqn02

Abstract

Cybersecurity evaluation is necessary to identify the security condition and gaps within an information system. The Forest Product Administration Information System (SIPUHH) is an information system used to support electronic recording and reporting in forest product administration processes. This study aims to develop a layered mapping approach for evaluating SIPUHH cybersecurity in a structured and traceable manner. The frameworks used are NIST CSF 2.0 as the cybersecurity outcome layer, COBIT 2019 APO13 – Managed Security as the management layer, and NIST SP 800-53 as the security control layer. This study employs a qualitative approach using an evaluative research design with a descriptive-analytical orientation. Data were collected through interviews with SIPUHH developers and responsible personnel, as well as through verification of technical and documentary evidence. The results of the layered mapping were operationalized into 27 indicators to establish the Current Profile, formulate the Target Profile, and identify SIPUHH cybersecurity gaps. The evaluation results show that 10 indicators are classified as High priority, 15 indicators as Medium priority, and 2 indicators as Maintenance. The findings indicate that SIPUHH has established several technical and operational security capabilities; however, these capabilities are not yet fully supported by formal and structured security governance, policies, procedures, documentation, and evaluation processes. The analysis of interrelationships among the findings resulted in six security improvement programs covering governance and risk management, third parties and interconnections, protection controls, monitoring and event analysis, incident response, and service resilience and recovery.
KLASIFIKASI OPINI PENGGUNA APLIKASI SHOPEE DI GOOGLE PLAY STORE BERBASIS WORDCLOUD DENGAN METODE NAIVE BAYES Angellio Wattimena; Magdalena A. Ineke Pakereng
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 4 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/thps2095

Abstract

Studi ini bertujuan untuk mengklasifikasikan pendapat pengguna mengenai aplikasi Shopee berdasarkan ulasan berbahasa Indonesia yang diperoleh dari Google Play Store. Sebanyak 1.000 ulasan dikumpulkan menggunakan teknik pengambilan data otomatis dan diproses melalui beberapa tahap preprocessing, case folding, tokenisasi, stopword removal, dan stemming, guna menghasilkan data teks yang bersih dan terstruktur. Pelabelan sentimen dilakukan berdasarkan skor ulasan, dengan kategori positif (skor 4–5) dan kategori negatif (skor 1–2). Metode TF-IDF kemudian digunakan untuk mengekstrak fitur numerik dari teks, yang selanjutnya diklasifikasikan menggunakan algoritma Multinomial Naive Bayes. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 0,7443, dengan presisi dan F1-score yang menggambarkan kinerja klasifikasi yang stabil. Selain itu, visualisasi WordCloud digunakan untuk menyoroti kata-kata dominan pada setiap kategori sentimen, sehingga mengungkapkan perbedaan yang jelas antara ulasan positif dan negatif. Secara keseluruhan, temuan ini menunjukkan bahwa kombinasi TF-IDF, Naive Bayes, dan WordCloud efektif untuk menganalisis pendapat pengguna tentang Shopee dan dapat menjadi referensi berharga bagi pengembang aplikasi dalam meningkatkan kualitas layanan. Kata Kunci: Analisis Sentimen, Naive Bayes, TF-IDF, WordCloud, Shopee, Google Play Store.
KOMPARASI SVM DAN INDOBERT DALAM ANALISIS SENTIMEN KOMENTAR YOUTUBE TERHADAP KEBIJAKAN MAKAN BERGIZI GRATIS M. Fikri Haikal Hidasalim; Jeffri Alfa Razaq
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 4 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/g806q071

Abstract

Penelitian ini membandingkan kinerja Support Vector Machine (SVM) dan IndoBERT untuk analisis sentimen komentar YouTube terkait Program Makan Bergizi Gratis (MBG). Menggunakan 3.177 data komentar (Januari 2025–Maret 2026) yang diklasifikasikan menjadi sentimen positif, negatif, dan netral. Pengujian dilakukan menggunakan pembagian data 80:20. SVM menerapkan praproses penuh dan ekstraksi fitur TF-IDF, sedangkan IndoBERT menggunakan praproses minimal dan fine-tuning. Hasil menunjukkan IndoBERT secara signifikan lebih unggul dengan akurasi 96,52% dan F1-Score 95%, dibandingkan SVM (akurasi 86,87%, F1-Score 85%). Keunggulan ini berkat kemampuan bidireksional IndoBERT dalam memahami konteks bahasa informal. IndoBERT sangat direkomendasikan untuk sistem pemantauan opini publik pada ranah kebijakan pemerintah. Kata kunci :  Analisis sentimen, Support Vector Machine, IndoBERT, TF-IDF, Natural Language Processing

Page 92 of 92 | Total Record : 915

 88   89   90   91   92 

Filter by Year

2018 2026


Reset
Filter By Issues
All Issue Vol. 9 No. 4 (2026): INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 3 (2026): INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 2 (2026): INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 1 (2026): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 6 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 5 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 4 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 3 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 2 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 2 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 1 (2025): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 6 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 5 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 4 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 3 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 2 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 1 (2024): INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 2 (2023): INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 1 (2023): INTECOMS: Journal of Information Technology and Computer Science Vol. 6 No. 1 (2023): INTECOMS: Journal of Information Technology and Computer Science Vol 5 No 2 (2022): INTECOMS: Journal of Information Technology and Computer Science Vol 5 No 1 (2022): INTECOMS: Journal of Information Technology and Computer Science Vol 4 No 2 (2021): INTECOMS: Journal of Information Technology and Computer Science Vol 4 No 1 (2021): INTECOMS: Journal of Information Technology and Computer Science Vol 3 No 2 (2020): INTECOMS: Journal of Information Technology and Computer Science Vol 3 No 1 (2020): INTECOMS: Journal of Information Technology and Computer Science Vol 2 No 2 (2019): INTECOMS: Journal of Information Technology and Computer Science Vol 2 No 1 (2019): INTECOMS: Journal of Information Technology and Computer Science Vol 1 No 2 (2018): INTECOMS: Journal of Information Technology and Computer Science Vol 1 No 1 (2018): INTECOMS: Journal of Information Technology and Computer Science More Issue