cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bahar
Contact Email
bahararahman@gmail.com
Phone
-
Journal Mail Official
puslit.stmikbjb@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru
ISSN : 20893787     EISSN : 26850893     DOI : -
Core Subject : Science,
Computer Science & IT
Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi adalah Jurnal Ilmiah bidang Teknik Informatika dan Sistem Informasi yang diterbitkan secara periodik tiga nomor dalam satu tahun, yaitu pada bulan April, Agustus dan Desember. Redaksi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi menerima sumbangan tulisan hasil penelitian atau atau artikel konseptual bidang Teknik Informatika dan Sistem Informasi.
Arjuna Subject : -
Articles 1,113 Documents
 108   109   110   111   112 
Analisis Sentimen dan Distorsi Kognitif Konflik Anggaran Pendidikan dengan Makan Bergizi Gratis Azzrial Arfiansyah; Cinta Auliya Kusuma Ananda; Quyun Isnawan
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3924

Abstract

The budget allocation conflict of the Free Nutritious Meal (MBG) program amounting to Rp223.5 trillion within the 2026 education budget has triggered opinion polarization and collective thinking bias on social media X. This study aims to analyze public sentiment distribution, identify dominant cognitive distortions, and test the statistical correlation between them. The methodology employs a two-layer parallel NLP pipeline utilizing the IndoBERTweet model for sentiment classification and the IndoBERT-base model for multilabel cognitive distortion detection across 2,000 tweets. Evaluation results show that the sentiment model achieves 83.25% accuracy, while the cognitive distortion detection reaches a subset accuracy of 83.75%, with Mental Filter being the most dominant type (8.2%). Fisher's Exact test proves a significant association (  < 0.05) between negative sentiment and the occurrence of Mental Filter and Catastrophizing. In conclusion, this hybrid approach effectively maps public collective thinking biases toward public policy dynamics. Keywords: Sentiment Analysis; Cognitive Distortion; Free Nutritious Meal; IndoBERTweet; Fleiss' Kappa Abstrak Konflik alokasi anggaran program Makan Bergizi Gratis (MBG) sebesar Rp223,5 triliun dalam anggaran pendidikan APBN 2026 memicu polarisasi opini dan bias berpikir kolektif di media sosial X. Penelitian ini bertujuan menganalisis distribusi sentimen publik, mengidentifikasi distorsi kognitif dominan, serta menguji korelasi statistik di antara keduanya. Metodologi yang digunakan adalah pipeline NLP dua lapis paralel berbasis model IndoBERTweet untuk klasifikasi sentimen dan IndoBERT-base untuk deteksi distorsi kognitif multi-label terhadap 2.000 tweet. Hasil evaluasi menunjukkan model sentimen mencapai akurasi 83,25%, sedangkan deteksi distorsi kognitif meraih subset accuracy 83,75% dengan Mental Filter sebagai tipe paling dominan (8,2%). Uji Fisher's Exact membuktikan adanya hubungan signifikan (  < 0,05) antara sentimen negatif dengan kemunculan distorsi kognitif Mental Filter dan Catastrophizing. Simpulannya, pendekatan hybrid ini efektif dalam memetakan bias berpikir kolektif masyarakat terhadap dinamika kebijakan publik. Kata Kunci: Analisis Sentimen; Distorsi Kognitif; Makan Bergizi Gratis; IndoBERTweet; Fleiss' Kappa
Pengembangan Sistem Pembayaran Digital Berbasis Virtual Account dan Tracer Digital untuk Meningkatkan Efisiensi Layanan Keuangan Perguruan Tinggi Virjayanti Lazinu Jamal; Lidya Aprilia Jumroh; Musriani Musriani; M. Indra Maulana
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3956

Abstract

Student payment services require a system that can support transactions and payment status monitoring in an integrated manner. This study aims to develop a digital payment system based on Virtual Account and Digital Tracer to support student payment services at Universitas Pendidikan Muhammadiyah Sorong. The research employed a Research and Development (R&D) method consisting of needs analysis, system design, implementation, and system testing. The system was tested using Black Box Testing and User Acceptance Testing (UAT). The functional testing results showed that all tested system functions operated successfully. Expert validation obtained scores of 3.80 for software, 3.67 for effectiveness, and 3.40 for practicality. User evaluation indicated that the system could support student payment processes and transaction monitoring. Therefore, the developed system can be used to support more integrated and accessible student payment services. Keywords: Digital Payment System; Virtual Account; Digital Tracer; Black Box Testing; User Acceptance Testing. Abstrak Proses pembayaran mahasiswa memerlukan sistem yang mampu mendukung transaksi dan pemantauan status pembayaran secara terintegrasi. Penelitian ini bertujuan mengembangkan sistem pembayaran digital berbasis Virtual Account dan Tracer Digital untuk mendukung layanan pembayaran mahasiswa di Universitas Pendidikan Muhammadiyah Sorong. Metode penelitian menggunakan Research and Development (R&D) dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian sistem. Pengujian dilakukan menggunakan Black Box Testing dan User Acceptance Testing (UAT). Hasil pengujian fungsional menunjukkan seluruh fungsi sistem berhasil dijalankan. Validasi ahli memperoleh skor aspek perangkat lunak 3,80, efektivitas 3,67, dan kepraktisan 3,40. Hasil evaluasi pengguna menunjukkan sistem dapat mendukung proses pembayaran dan pemantauan transaksi mahasiswa. Dengan demikian, sistem yang dikembangkan dapat digunakan sebagai pendukung layanan pembayaran mahasiswa yang lebih terintegrasi dan mudah digunakan. Kata kunci: Sistem Pembayaran Digital; Virtual Account; Tracer Digital; Black Box Testing; User Acceptance Testing.
Analisis Sentimen Evaluasi Pembelajaran Udemy Menggunakan Support Vector Machine Untuk Peningkatan Kursus Irwansyah Irwansyah; Ellya Helmud
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3968

Abstract

Learning evaluation plays an important role in improving course quality, yet user reviews are generally unstructured and difficult to analyze manually. This study aims to analyze user sentiment toward Udemy course evaluations using the Support Vector Machine (SVM) algorithm. The dataset consisted of 50 balanced English-language reviews (26 positive and 24 negative) selected from approximately 500 scraped reviews, with sentiment labels determined based on the rating categories provided by the source website. The research process included text preprocessing, TF-IDF feature weighting, SVM classification using a linear kernel, and 10-fold cross-validation. Model performance was evaluated using accuracy, precision, recall, and F1-score. The proposed model achieved an accuracy of 82% and an average F1-score of 0.82, indicating that the combination of TF-IDF and SVM effectively classifies user sentiment. These findings can assist course providers in evaluating user feedback and improving learning quality. Keywords: Sentiment Analysis; Support Vector Machine; TF-IDF; Business Intelligence; Learning Evaluation Abstrak Evaluasi pembelajaran berperan penting dalam meningkatkan kualitas kursus, namun ulasan pengguna umumnya berupa data teks tidak terstruktur yang sulit dianalisis secara manual. Penelitian ini bertujuan menganalisis sentimen pengguna terhadap evaluasi pembelajaran pada platform Udemy menggunakan algoritma Support Vector Machine (SVM). Dataset terdiri atas 50 ulasan berbahasa Inggris yang seimbang (26 positif dan 24 negatif) dari sekitar 500 hasil scraping, dengan label sentimen ditentukan berdasarkan kategori rating pada situs sumber. Tahapan penelitian meliputi preprocessing teks, pembobotan TF-IDF, klasifikasi SVM berkernel linear, dan validasi menggunakan 10-fold cross validation. Kinerja model dievaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan accuracy sebesar 82% dan rata-rata F1-score sebesar 0,82, sehingga kombinasi TF-IDF dan SVM efektif mengklasifikasikan sentimen pengguna serta dapat mendukung peningkatan kualitas pembelajaran. Kata Kunci: Analisis Sentimen; Support Vector Machine; TF-IDF; Business Intelligence; Evaluasi Pembelajaran

Page 112 of 112 | Total Record : 1113

 108   109   110   111   112 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol. 15 No. 4 (2026): Agustus 2026 Vol. 15 No. 3 (2026): Juni 2026 Vol 15, No 3 (2026): Juni 2026 Vol 15, No 2 (2026): April 2026 Vol. 15 No. 1 (2026): Februari 2026 Vol 15, No 1 (2026): Februari 2026 Vol 14, No 3: Desember 2025 Vol 14, No 2: Agustus 2025 Vol. 14 No. 2: Agustus 2025 Vol 14, No 1: April 2025 Vol 13, No 3: Desember 2024 Vol 13, No 2: Agustus 2024 Vol 13, No 1: April 2024 Vol 12, No 3: Desember 2023 Vol 12, No 2: Agustus 2023 Vol 12, No 1: April 2023 Vol 11, No 3: Desember 2022 Vol 11, No 2: Agustus 2022 Vol 11, No 1: April 2022 Vol 10, No 3: Desember 2021 Vol 10, No 2: Agustus 2021 Jutisi Vol. 10, No. 1, April 2021 JUTISI Vol. 9, No. 3, Desember 2020 JUTISI Vol. 9, No. 2, Agustus 2020 JUTISI Vol. 9, No. 1, April 2020 JUTISI Vol. 8, No. 3, Desember 2019 JUTISI Vol. 8, No. 2, Agustus 2019 JUTISI Vol. 8, No. 1, April 2019 Vol 7, No 3: Desember 2018 Vol 7, No 2: Agustus 2018 Vol 7, No 1: April 2018 Vol 6, No 3: Desember 2017 Vol 6, No 2: Agustus 2017 Vol 6, No 1: April 2017 Vol 5, No 3: Desember 2016 Vol 5, No 2: Agustus 2016 Vol 5, No 1: April 2016 Vol 4, No 3: Desember 2015 Vol 4, No 2: Agustus 2015 Vol 4, No 1: April 2015 Vol 3, No 3: Desember 2014 Vol 3, No 2: Agustus 2014 Vol 3, No 1: April 2014 Vol 2, No 1: April 2013 More Issue