cover
Contact Name
Fendi Aji Purnomo
Contact Email
fendi_aji@mipa.uns.ac.id
Phone
-
Journal Mail Official
ijai@mipa.uns.ac.id
Editorial Address
-
Location
Kota surakarta,
Jawa tengah
INDONESIA
Indonesian Journal of Applied Informatics
ISSN : 25483846     EISSN : 25985981     DOI : -
Core Subject : Science,
Indonesian Journal of Applied Informatics publishes articles that are of significance in their respective fields whilst also contributing to the discipline of informatics as a whole and its application. Every incoming manuscript will first be examined by the Editorial Board in accordance with sub-fields of research and attention to elements of conformity with the format and guidelines for writing Indonesian Journal of Applied Informatics. Each manuscript is declared eligible by the editor will be returned to the author (if there are repairs) or can be directly issued (if there is no revision required).
Arjuna Subject : -
Articles 213 Documents
Penerapan Algoritma C4.5 untuk Optimalisasi Manajemen Stok Obat di Apotek Nafa Farma Khairunnisa Amarullah; Rini Astuti; Willy Prihartono; Ryan Hamonangan
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.96224

Abstract

Abstrak : Manajemen stok obat menjadi tantangan utama di apotek Nafa Farma untuk mencegah kelebihan atau kekurangan stok. Penelitian ini mengaplikasikan algoritma C4.5 sebagai metode klasifikasi untuk mendukung pengelolaan stok yang optimal. Data stok obat dari Januari sampai Desember 2023 dianalsis menggunakan pendekatan Knowledge Discovery in Database (KDD) dengan software RapidMiner. Penelitian ini menunjukkan bahwa algoritma C4.5 dapat meningkatkan efisiensi manajemen stok obat dengan akurasi 80,67% dan F1-score rata-rata 80.52% ini memberikan rekomendasi strategis untuk pengadaan obat. Obat kategori laku direkomendasikan untuk diutamakan dalam pengadaan, sementara obat tidak laku dapat dikurangi pembeliannya untuk menghindari pemborosan. Algoritma C4.5 efektif untuk meningkatkan efisiensi pengelolaan stok obat====================================================Abstract : Drug stock management is a major challenge at Nafa Farma pharmacy to prevent excess or shortage of stock. This research applies the c4.5 algorithm as a classification method to support optimal stock management. Drug stock data from January to December 2023 was analyzed using a Knowledge Discovery in Database (KDD) approach with RapidMiner software. This study shows that the C4.5 algorithm can improve the efficiency of drug stock management with an accuracy of 80.67% and an average F1-score of 80.52%, providing strategic recommendations for drug procurement.  Sellable category drugs are recommended to be prioritized in procurement, while unsellable drugs can be reduced in purchase to avoid waste. The C4.5 algorithm is effective in improving the efficiency of drug stock management.
Klasifikasi Ancaman Keamanan Siber Menggunakan Algoritma Naive Bayes Irwan Budianto; Nurchim Nurchim; Hanifah Permatasari
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.104668

Abstract

Abstrak : Saat ini keamanan siber menjadi permasalahan utama didalam tata kelola keamanan informasi Pemerintah Daerah. Untuk mencegah terjadinya kerugian akibat serangan siber maka perlu dilakukan identifikasi dan klasifikasi terhadap ancaman siber secara cepat dan akurat. Sehingga diperlukan sebuah system untuk mengklasifikasikan ancaman siber yang terjadi. Penelitian ini adalah membangun sistem klasifikasi ancaman keamanan siber menggunakan algoritma Naive Bayes sehingga dapat dilakukan analisis data ancaman secara efektif dan mengklasifikasikan jenis ancaman dengan akurasi yang tinggi. Metode yang digunakan adalah pengumpulan dataset terkait log aktifitas serangan yang terekam di aplikasi Wazuh. Selanjutnya dilakukan preprocessing data untuk mendapatkan atribut yang sesuai dengan kebutuhan sistem. Penerapan algoritma Naive Bayes digunakan sebagai metode klasifikasi berdasarkan probabilitas atribut terhadap kategori ancaman. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan ancaman keamanan siber dengan akurasi yang baik, sehingga dari system yang dibangun dapat ditentukan bahwa serangan yang terjadi pada area sistem operasi server atau aplikasi web serta mampu memberikan dukungan pengambilan keputusan yang lebih cepat dalam mitigasi serangan. Hasil pengujian menunjukkan performa yang sangat baik dari model Naive Bayes pada kedua kelas yaitu presisi=0.98, recall=1, f1-score=0.99, support=57.===================================================Abstract :Currently, cybersecurity is a major problem in the governance of regional government information security. To prevent losses due to cyber attacks, it is necessary to identify and classify cyber threats quickly and accurately. So a system is needed to classify cyber threats that occur. This study is to build a cybersecurity threat classification system using the Naive Bayes algorithm so that threat data analysis can be carried out effectively and classify types of threats with a high level of accuracy. The method used is collecting datasets related to attack activity logs recorded in the Wazuh application. Furthermore, data preprocessing is carried out to obtain attributes that match system needs. The Naive Bayes algorithm is implemented as a classification technique that evaluates the probability of attributes relative to threat categories. The findings indicate that this algorithm effectively categorizes cybersecurity threats with high accuracy. Consequently, the developed system can identify whether an attack targets the server operating system or the web application, while also enabling faster decision-making to support attack mitigation. The Naive Bayes model performs exceptionally well in both classes according to the test results, with precision=0.98, recall=1, f1-score=0.99, and support=57.
Sistem Identifikasi Jenis Tumbuhan Mangrove Menggunakan Metode Convolutional Neural Network (CNN) Imam Samudra; Tedy Rismawan; Irma Nirmala
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.109260

Abstract

Abstrak : Mangrove merupakan tumbuhan pesisir yang berperan penting dalam menjaga keseimbangan ekosistem. Penelitian ini bertujuan membangun sistem identifikasi jenis tumbuhan mangrove berbasis citra daun dengan metode Convolutional Neural Network (CNN) untuk memudahkan dalam mengidentifikasi jenis mangrove. Dataset yang digunakan terdiri dari 810 citra daun mangrove, masing-masing 270 citra untuk tiga kelas: Acanthus Ilicifolius, Rhizophora Apiculata, dan Sonneratia Alba. Proses pelatihan model CNN dilakukan untuk mengenali pola dan karakteristik visual daun. Pengujian dilakukan menggunakan 81 data uji dengan dua skenario pengujian, yaitu tanpa menggunakan kamera Raspberry Pi dan dengan integrasi kamera Raspberry Pi. Hasil pengujian tanpa kamera Raspberry Pi mendapatkan akurasi 88%, sedangkan menggunakan kamera Raspberry Pi mencapai 96%. Peningkatan akurasi sebesar 8% membuktikan bahwa penerapan sistem pada perangkat keras Raspberry Pi mampu meningkatkan kinerja identifikasi. Selain itu, sistem dapat beroperasi secara portabel tanpa memerlukan koneksi internet, sehingga berpotensi untuk mengidentifikasi mangrove secara mudah di lapangan.=================================================Abstract : Mangroves are coastal plants that play an important role in maintaining ecosystem balance. This study aims to build a mangrove plant species identification system based on leaf images using the Convolutional Neural Network (CNN) method to facilitate the identification of mangrove species. The dataset used consists of 810 mangrove leaf images, 270 images each for three classes: Acanthus Ilicifolius, Rhizophora Apiculata, and Sonneratia Alba. The CNN model training process was carried out to recognize leaf patterns and visual characteristics. Testing was carried out using 81 test data with two test scenarios, namely without using a Raspberry Pi camera and with Raspberry Pi camera integration. The test results without a Raspberry Pi camera achieved 88% accuracy, while using a Raspberry Pi camera reached 96%. The 8% increase in accuracy proves that the implementation of the system on Raspberry Pi hardware is able to improve identification performance. In addition, the system can operate portable without requiring an internet connection, thus having the potential to easily identify mangroves in the field.
Pengembangan Chatbot Penyakit Ringan Menggunakan Metode Long Short-Term Memory Esa Arya Mahardika; Ali Mahmudi; Suryo Adi Wibowo
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95564

Abstract

Abstrak : Penyakit merupakan salah satu masalah bagi manusia baik penyakit ringan lebih-lebih penyakit kronis. Manusia telah mempelajari tentang bagaimana menangani permasalahan penyakit dari zaman ke-zaman demi kesejahteraan manusia. Seiring waktu populasi manusia bertambah dan penyakit semakin banyak baik yang dapat diobati maupun tidak sehingga manusia membangun fasilitas-fasilitas kesehatan. Tujuan penelitian ini supaya dapat memaksimalkan pelayanan IKS An-Nur II di luar jam kerja dokter. Penulis menggunakan AI Project Cycle untuk proses pembuatan chatbot, menggunakan pendekatan Natural Language Processing untuk interaksi dengan pengguna, dan algoritma Long Short-Term Memory untuk membuat model dengan melibatkan pengembangan melalui framework Flask. Hasil evaluasi menunjukkan bahwa model yang dihasilkan memiliki nilai training loss sebesar 12,35%, yang mengindikasikan tingkat error yang rendah pada data pelatihan, serta training accuracy sebesar 100%, menandakan model telah belajar pola data pelatihan dengan sangat baik. Pada data validasi, model mencapai validation loss sebesar 42,44% dan validation accuracy sebesar 94,44%. Nilai validation accuracy yang tinggi menunjukkan kemampuan model dalam menghasilkan respons yang relevan terhadap data baru. Hasil akurasi yang tinggi menjadikan chatbot mampu menjawab pertanyaan dengan akurasi cukup baik.====================================================Abstract :Disease is one of the problems for humans, whether it is a mild disease or a chronic disease. Humans have learned about how to deal with disease problems from time to time for the sake of human welfare. Over time the human population increases and more and more diseases both treatable and not so humans build health facilities. The purpose of this research is to maximize the services of IKS An-Nur II outside of doctor's working hours. The author uses the AI Project Cycle for the chatbot creation process, using the Natural Language Processing approach for interaction with users, and the Long Short-Term Memory algorithm to create models by involving development through the Flask framework. The evaluation results show that the resulting model has a training loss of 12.35%, indicating a low error rate in the training data, and a training accuracy of 100%, indicating that the model has learned the training data patterns very well. On the validation data, the model achieved a validation loss of 42.44% and a validation accuracy of 94.44%. High validation accuracy scores indicate the model's ability to generate relevant responses to new data. The high accuracy results make the chatbot capable of answering user questions with high accuracy.
Deep Learning Architecture Model for Iris Image Segmentation in Biometrics Arief Andy Soebroto; Wayan Firdaus Mahmudy; Nurul Hidayat; Rekyan Regasari Mardi Putri; Anto Satriyo Nugroho
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.100566

Abstract

Abstrak : Teknologi biometrik memanfaatkan karakteristik fisik atau perilaku manusia untuk identifikasi dan verifikasi identitas, dengan salah satu implementasi paling signifikan adalah biometrik iris. Teknologi ini menggunakan pola unik pada iris mata untuk tujuan identifikasi yang aman dan andal, namun masih menghadapi tantangan dalam memastikan segmentasi citra yang konsisten. Penelitian ini berfokus pada pengembangan segmentasi citra iris menggunakan deep learning sebagai langkah krusial dalam proses identifikasi biometrik iris. Segmentasi citra bertujuan untuk memisahkan wilayah iris dari bagian mata lainnya, seperti pupil, sklera, dan kelopak mata, namun proses ini memerlukan pendekatan yang lebih canggih untuk mengatasi variasi citra. Penelitian ini mengimplementasikan arsitektur deep learning populer, yaitu DeepLabV3 dan U-Net, untuk segmentasi citra iris. Evaluasi performa dilakukan menggunakan metrik IoU Score, Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian menunjukkan bahwa DeepLabV3 memberikan kinerja terbaik dengan IoU Score sebesar 0,918, Accuracy sebesar 0,993, Precision sebesar 0,962, Recall sebesar 0,952, dan F1-Score sebesar 0,957. Keunggulan DeepLabV3 terletak pada kemampuannya dalam melakukan ekstraksi fitur yang kompleks dan menangkap konteks informasi pada berbagai skala secara efektif. Temuan ini menggarisbawahi potensi besar penerapan deep learning dalam segmentasi citra iris untuk sistem biometrik. Dengan performa optimal yang dicapai oleh DeepLabV3, teknologi ini dapat diandalkan untuk meningkatkan akurasi dan efisiensi proses identifikasi biometrik, membuka peluang luas untuk pengembangan lebih lanjut dalam aplikasi keamanan berbasis iris.===================================================Abstract :Biometric technology is an innovation that uses human physical or behavioral characteristics for identity determination and verification with an aspect of its most significant implementations identified to be iris biometrics. The technology uses unique patterns in iris for secure and reliable identification purposes but certain challenges are encountered in ensuring consistent image segmentation. Therefore, this research focuses on developing iris image segmentation using deep learning as an important step in biometric identification process. Image segmentation aims to separate iris region from other parts of the eye, such as the pupil, sclera, and eyelids. However, the process requires a more sophisticated method to overcome image variations. This research implements popular deep learning architectures, DeepLabV3 and U-Net, for the segmentation. Subsequently, the performance of the models was evaluated based on the IoU Score, accuracy, precision, recall, and F1-score metrics. The results showed that DeepLabV3 provided the best performance with an IoU Score of 0.918, accuracy of 0.993, precision of 0.962, recall of 0.952, and F1-score of 0.957. The advantage of the model was associated with the ability to effectively extract complex features and capture information context at different scales. The observation was an indication of the significant potential possessed by deep learning applications in iris image segmentation for biometric systems. Moreover, the optimal performance achieved by DeepLabV3 showed the possibility of depending on the technology to improve the accuracy and efficiency of biometric identification process, opening up broad opportunities for further development in iris-based security applications.
Integrasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Mamdani pada WebGIS Tawan Narkoba (Studi Kasus : BNNK Cilacap) Nugrahaini Nugrahaini; Ninik Agustin; Mochamad Taufiqurrochman Abdul Aziz Zein
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.109131

Abstract

Abstrak : Penyalahgunaan narkoba merupakan isu yang sangat serius yang berdampak pada kesehatan, aspek sosial, serta keamanan masyarakat, sehingga diperlukan upaya yang terfokus dalam pencegahannya. Penelitian ini bertujuan untuk mengembangkan sebuah sistem informasi berbasis web untuk mengevaluasi tingkat kerawanan narkoba di Kabupaten Cilacap. Data untuk penelitian ini diperoleh melalui wawancara dengan Badan Narkotika Nasional Kabupaten (BNNK) Cilacap dan analisis literatur terkait laporan serta dokumen mengenai narkoba. Sistem ini menggunakan metode Analytical Hierarchy Process (AHP) untuk menetapkan bobot prioritas dari indikator–indikator yang mencakup jumlah bandar, pengedar, pengguna, klien sereta kos/THM (Tempat Hiburan Malam), serta menerapkan Fuzzy Mamdani untuk mengatasi ketidakpastian dalam evaluasi kerawanan. sistem yang dinamakan “Tawan Narkoba” dikembangkan dengan menggunakan PHP, framework CodeIgniter 4 (CI4), dan MySQL dengan arsitektur Model-View-Controller (MVC). Fitur utama dari sistem ini mencakup pengelolaan data indikator, otomatisasi perhitungan tingkat kerawanan, serta penyajian hasil dalam bentuk tabel dashboard. Hasil dari pengujian menunjukkan bahwa sistem mampu mengklasifikasikan tingkat kerawanan ke dalam kategori Siaga, Waspada, dan Rawan dengan akurasi 95% jika dibandingkan dengan penilaian dari BNNK. Kontribusi dari penelitian ini adalah penyediaan model evaluasi kerawanan narkoba yang berbasis AHP-Fuzzy Mamdani terintegrasi ke dalam sistem informasi web sebagai alat bantu dalam pengambilan keputusan.================================================Abstract : Drug abuse is a serious issue that has significant impacts on public health, social conditions, and community security, thereby requiring focused and systematic prevention efforts. This study aims to develop a web-based information system to evaluate the level of drug vulnerability in  Cilacap Regency. The research data were obtained through interviews with the National Narcotics Agency of Cilacap Regency (BNNK Cilacap) and literature analysis of reports and official docuents related to drug abuse. The system employs the Analytical Hierarchy Process (AHP) method to determine the priority weights of indicators, including the number of dealers, distributors, users, client, and boarding houses/night entertainment venues (kos/THM), and applies the Fuzzy Mamdani method to addres uncertainty in vulnerability evaluation. The system, named “Tawan Narkoba”, was developed using PHP, the CodeIgniter 4 (CI4) framework, and MySQL, implementing the Model-View-Controller (MVC) architecture. The main features of the system include indicator data management, automated calculation of vulnerability levels, and visualization of results in the form of tables dashboard. The testing results indicate that the system is able to classify drug vulnerability levels into Alert, Caution, and High-Risk categories with an accuracy 95% when compared with assessments conducted by BNNK Cilacap. The contribution of this research lies in providing an AHP-Fuzzy Mamdani-based drug vulnerability evaluation model integrated into a web-based information system to support decision-making processes. 
Penggunaan Metode Logistic Regression Untuk Analisis Sentimen Pembangunan Ibu Kota Nusantara Pada Media Sosial Adi Julia Saputra; Sentot Achmadi; Karina Auliasari
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95416

Abstract

Abstrak :Indonesia, sebagai negara kepulauan terbesar, menghadapi tantangan pemerataan pembangunan, salah satunya dengan memindahkan ibu kota ke Ibu Kota Nusantara (IKN) di Kalimantan Timur. Proyek ini bertujuan untuk mengatasi masalah di Jakarta, namun ada kekhawatiran mengenai dampaknya terhadap ekonomi dan politik. Twitter menjadi platform utama untuk menganalisis opini masyarakat mengenai pemindahan ibu kota. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap pembangunan Ibu Kota Nusantara (IKN) menggunakan metode Logistic Regression, yang mengklasifikasikan opini menjadi positif, negatif, atau netral. Dengan menganalisis tweet yang terkait, penelitian ini menemukan bahwa mayoritas sentimen adalah negatif. Model yang digunakan berhasil mengklasifikasikan sentimen dengan akurasi yang baik pada data pelatihan, meskipun hasil pada data pengujian menunjukkan tantangan lebih lanjut. Temuan ini memberikan wawasan tentang bagaimana masyarakat memandang rencana pemindahan ibu kota dan dapat membantu dalam pengambilan keputusan kebijakan.===================================================Abstract :Indonesia, as the largest archipelagic country, faces the challenge of equitable development, one of which is the relocation of the capital city to Ibu Kota Nusantara (IKN) in East Kalimantan. This project aims to address issues in Jakarta, but there are concerns about its impact on the economy and politics. Twitter has become the main platform for analyzing public opinion regarding the capital city relocation. This study aims to analyze public sentiment toward Ibu Kota Nusantara (IKN) using the Logistic Regression method, which classifies opinions into positive, negative, or neutral. By analyzing related tweets, the study found that the majority of sentiments were negative. The model used was able to classify sentiments with good accuracy on training data, although the results on testing data showed further challenges. These findings provide insights into how the public perceives the capital relocation plan and can assist in policy decision-making
Peramalan Stok Penjualan Bahan Rokok Linting Pada Toko XYZ Menggunakan Metode Double Exponential Smoothing Siti Aisyah; Ahmad Fahrudi Setiawan; Eko Heri Susanto
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.98397

Abstract

Abstrak : Budaya konsumsi rokok lintingan tangan di Indonesia masih populer, terutama di kalangan anak muda karena harganya yang terjangkau dan rasa yang mirip dengan rokok pabrik. Toko XYZ merupakan toko yang menjual bahan rokok lintingan di Banjarmasin yang sedang menghadapi tantangan dalam melakukan prediksi penjualan akibat tidak ada sistem yang memadai untuk menghadapi permintaan pasar yang tidak menentu. Penelitian ini bertujuan untuk membangun sistem dengan menerapkan metode Double Exponential Smoothing untuk membantu Toko XYZ dalam meramalkan stok penjualan di masa depan berdasarkan data historis sebelumnya. Pada penelitian ini, nilai alpha yang digunakan untuk melakukan peramalan disesuaikan dengan produk berdasarkan nilai MAPE terendah. Sistem peramalan stok penjualan bahan rokok linting di Toko XYZ menggunakan metode Double Exponential Smoothing dapat terhitung 60% tidak akurat dan 40% cukup akurat berdasarkan nilai MAPE dari 10 produk, dimana perbedaan akurasi tersebut disebabkan oleh adanya perbedaan dan keterbatasan jumlah data pada setiap produk. Sistem peramalan stok penjualan bahan rokok linting pada Toko XYZ menggunakan metode Double Exponential Smoothing telah dilakukan pengujian blackbox dan kompatibilitas web yang menghasilkan sistem dapat berfungsi dengan baik di Microsoft Edge, Google Chrome, dan Mozilla Firefox. Oleh karena itu, sistem ini dapat meningkatkan efisiensi manajemen stok di Toko XYZ dengan melakukan prediksi penjualan di masa depan.====================================================Abstract :The culture of hand-rolled cigarette consumption in Indonesia remains popular, especially among young people due to its affordable price and taste similar to factory-made cigarettes. XYZ Store, a retailer of hand-rolled cigarette materials in Banjarmasin, is facing challenges in predicting sales due to the absence of an adequate system to handle unpredictable market demand. This research aims to develop a system by applying the Double Exponential Smoothing method to assist XYZ Store in forecasting future stock sales based on historical data. In this study, the alpha value used for forecasting was adjusted for each product based on the lowest MAPE value. The sales stock forecasting system for hand-rolled cigarette materials at XYZ Store using the Double Exponential Smoothing method was found to be 60% inaccurate and 40% fairly accurate based on the MAPE values of 10 products. This accuracy difference was due to variations and limitations in the amount of data for each product. The sales stock forecasting system for hand-rolled cigarette materials at XYZ Store underwent blackbox testing and web compatibility testing, showing that the system functions well on Microsoft Edge, Google Chrome, and Mozilla Firefox. Therefore, this system can enhance stock management efficiency at XYZ Store by forecasting future sales.
Perbandingan Tingkat Akurasi Algoritma Naïve Bayes, Decision Tree dan Random Forest dalam Analisis Sentimen Pengguna Aplikasi Samsat Digital Nasional Hilmi Ammar; Ade Davy Wiranata
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.111010

Abstract

Abstrak : Penelitian ini menganalisis sentimen pengguna terhadap aplikasi Signal – Samsat Digital Nasional. Dari total 2.000 ulasan yang terkumpul, setelah melalui tahapan filter data diperoleh 1.743 data yang digunakan untuk analisis. Data tersebut kemudian dipecah menjadi 1.394 data pelatihan (alokasi 80%) dan 349 data pengujian (alokasi 20%). Tiga model klasifikasi yang digunakan dalam penelitian ini meliputi Naïve Bayes, Decision Tree, dan Random Forest. Hasil penelitian menunjukkan bahwa Random Forest memiliki performa terbaik dengan akurasi 92,9% serta keseimbangan tinggi dalam mengenali sentimen positif (f1-score  95,9%) dan negatif (f1-score  73,1%). Naïve Bayes mencapai akurasi 89,4% namun kurang seimbang, sedangkan Decision Tree memperoleh akurasi 86,8% dengan hasil yang lebih stabil dibandingkan Naïve Bayes. Secara keseluruhan, visualisasi data berdasarkan analisis menggunakan kamus lexicon menunjukkan bahwa 82,9% ulasan bersentimen positif dan didominasi oleh rating bintang lima, yang mengindikasikan bahwa pengalaman pengguna terhadap aplikasi Signal – Samsat Digital Nasional tergolong sangat baik.=====================================================Abstract :This research analyzes user sentiment towards the Signal – National Digital Samsat application. From a total of 2,000 collected reviews, after going through the data filtering stage, 1,743 data were obtained for analysis. The data was then split into 1,394 training data (80% allocation) and 349 testing data (20% allocation). Three classification models used in this study were Naïve Bayes, Decision Tree, and Random Forest. The results showed that Random Forest had the best performance with 92.9% accuracy and high balance in recognizing positive (f1-score 95.9%) and negative (f1-score 73.1%) sentiment. Naïve Bayes achieved 89.4% accuracy but was less balanced, while Decision Tree achieved 86.8% accuracy with more stable results than Naïve Bayes. Overall, data visualization based on analysis using the lexicon dictionary shows that 82.9% of reviews are positive and dominated by five-star ratings, which indicates that the user experience of the Signal – Samsat Digital Nasional application is classified as very good.
Front Matter IJAI Front Matter IJAI
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.114892

Abstract