cover
Contact Name
Yogiek Indra Kurniawan
Contact Email
yogiek@unsoed.ac.id
Phone
+6285157550006
Journal Mail Official
jurnalidcom@gmail.com
Editorial Address
Jalan Serma Mukhlas, Karangtengah, RT 02 RW 03, Kecamatan Banjarnegara, Kabupaten Banjarnegara, Jawa Tengah, Kode pos 53416
Location
Kab. banjarnegara,
Jawa tengah
INDONESIA
Jurnal Ilmu Komputer dan Informatika
Published by CV Firmos
ISSN : 28076664     EISSN : 28076591     DOI : https://doi.org/10.54082/jiki.IDPaper
Core Subject : Science,
Jurnal Ilmu Komputer dan Informatika (JIKI) merupakan sebuah jurnal ilmiah nasional yang mempublikasikan artikel hasil penelitian di bidang Ilmu Komputer, Informatika, dan Sistem Informasi, terutama pada pengembangan software, pengembangan sistem informasi, sistem komputer, jaringan komputer, algoritma dan komputasi, serta penerapan teknologi informasi. Jurnal Ilmu Komputer dan Informatika (JIKI) terdaftar di LIPI dengan P-ISSN : 2807-6664 dan E-ISSN : 2807-6591. Selain itu, JIKI terdaftar di Crossref dengan DOI : https://doi.org/10.54082/jiki.IDPaper. Jurnal Ilmu Komputer dan Informatika (JIKI) dipublikasikan 2 kali dalam setahun, yaitu pada bulan Juni dan Desember. Semua penerimaan naskah akan diproses secara double blind review oleh mitra bestari. Jurnal Ilmu Komputer dan Informatika (JIKI) menerima artikel ilmiah hasil penelitian dari beberapa bidang sebagai berikut : - Organisasi sistem komputer: Arsitektur komputer, sistem tertanam, komputasi waktu nyata - Jaringan : Arsitektur jaringan, protokol jaringan, komponen jaringan, evaluasi kinerja jaringan, layanan jaringan - Keamanan: Kriptografi, layanan keamanan, sistem deteksi intrusi, keamanan perangkat keras, keamanan jaringan, keamanan informasi, keamanan aplikasi - Organisasi perangkat lunak : Penerjemah, Middleware, Mesin virtual, Sistem operasi, Kualitas perangkat lunak - Notasi dan alat perangkat lunak : Paradigma pemrograman, Bahasa pemrograman, Bahasa khusus domain, Bahasa pemodelan, Kerangka kerja perangkat lunak, Lingkungan pengembangan terintegrasi - Pengembangan perangkat lunak : Proses pengembangan perangkat lunak, Analisis kebutuhan, Desain perangkat lunak, Konstruksi perangkat lunak, Penyebaran perangkat lunak, Pemeliharaan perangkat lunak, Tim pemrograman, Model sumber terbuka - Teori Komputasi : Model Komputasi, Kompleksitas Komputasi - Algoritma : Desain algoritma, Analisis algoritma - Matematika komputasi : Matematika diskrit, Perangkat lunak matematika, Teori informasi - Sistem informasi : Sistem manajemen basis data, Sistem penyimpanan informasi, Sistem informasi perusahaan, Sistem informasi sosial, Sistem informasi geografis, Sistem pendukung keputusan, Sistem kontrol proses, Sistem informasi multimedia, Penambangan data, Perpustakaan digital, Platform komputasi, Pemasaran digital, World Wide Web , Pengambilan informasi - Interaksi manusia-komputer : Desain interaksi, Komputasi sosial, Komputasi di mana-mana, Visualisasi, Aksesibilitas - Konkurensi: Komputasi bersamaan, Komputasi paralel, Komputasi terdistribusi - Kecerdasan buatan : Pemrosesan bahasa alami, Representasi dan penalaran pengetahuan, Visi komputer, Perencanaan dan penjadwalan otomatis, Metodologi pencarian, Metode kontrol, Filosofi kecerdasan buatan, Kecerdasan buatan terdistribusi - Pembelajaran mesin: Pembelajaran dengan pengawasan, Pembelajaran tanpa pengawasan, Pembelajaran penguatan, Pembelajaran multi-tugas - Grafik : Animasi, Rendering, Manipulasi gambar, Unit pemrosesan grafik, Realitas campuran, Realitas virtual, Kompresi gambar, Pemodelan padat - Komputasi terapan: E-commerce, Perangkat lunak perusahaan, Penerbitan elektronik, Cyberwarfare, Pemungutan suara elektronik, Video game, Pengolah kata, Riset operasi, Teknologi pendidikan, Manajemen dokumen.
Articles 61 Documents
Analisis Sentimen Ulasan Pengguna Online Single Submission Menggunakan SVM dan Random Forest: Sebuah Studi Perbandingan Ardy Wicaksono; Suyahman Suyahman; Muhammad Anwar Fauzi; Deny Prasetyo; Dwi Utari Iswavigra; Yulaikha Mar'atullatifah; Agatha Pricillia Sekar Tamtomo; Muhammad Adi Pratama
Jurnal Ilmu Komputer dan Informatika Vol 5 No 2 (2025): JIKI - December 2025
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.323

Abstract

The rapid growth of mobile applications has generated large volumes of user reviews, making automated sentiment analysis essential for understanding user perceptions. Previous studies have shown that while machine learning models perform well in binary sentiment classification, they often struggle in multi-class settings, particularly in identifying neutral sentiment due to linguistic ambiguity and class imbalance. This study aims to comparatively evaluate the performance of Support Vector Machine (SVM) and Random Forest in multi-class sentiment analysis, with a specific focus on their ability to handle the neutral sentiment category. A supervised learning approach was employed using 2,112 Indonesian-language user reviews collected from the Google Play Store. The data were preprocessed using standard Natural Language Processing techniques and represented using TF-IDF features. Both models were trained and evaluated using accuracy, precision, recall, F1-score, and confusion matrices. The results indicate that SVM achieved an accuracy of 86.52%, outperforming Random Forest, which obtained 83.45%. However, both models completely failed to classify the neutral sentiment class, yielding zero precision and recall for this category. This failure highlights the dominant influence of severe class imbalance and insufficient feature discrimination for neutral sentiment. The findings underscore a critical limitation of traditional machine learning approaches in multi-class sentiment analysis and emphasize the need for improved strategies, such as data resampling, advanced feature representation, or hybrid models, to enhance neutral sentiment detection in real-world applications.