JUSTIN (Jurnal Sistem dan Teknologi Informasi)
JUSTIN aims to publish research results and thoughts among academics, researchers, scientists, and practitioners in the field of informatics/computer science so that they are freely available to the public, and support the exchange of knowledge. The scope of JUSTIN is but is not limited to the following: theory and information science, information systems, information security, data processing and structure, programming and computing, software engineering, informatics, computer science, computer engineering, architecture and computer networks, robotics, parallel and distributed computing, operating systems, compilers and interpreters, games, numerical methods, mobile computing, natural language processing, data mining, cognitive systems, speech processing, machine learning, artificial intelligence, expert systems, geographical information systems, computational theory, and informatics applications in various fields.
Articles
661 Documents
<![CDATA[Penerapan Metode Naive Bayes Untuk Penentuan Bibit Kelapa Sawit Berdasarkan Kondisi Daerah Tanam dan Perawatan Tanaman ]]>
<![CDATA[Ansfridus Bravo]]>;
<![CDATA[Tursina Tursina]]>;
<![CDATA[Helen Sastypratiwi]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.52277
<![CDATA[Pemilihan bibit kelapa sawit yang tepat merupakan salah satu upaya dalam meningkatkan produktifitas tanaman kelapa sawit. Pada saat pemilihan bibit, permasalahan yang sering dihadapi adalah tidak semua jenis bibit dapat sesuai terhadap kondisi lahan dan jenis perawatan yang berbeda-beda. Oleh karena itu, dibutuhkan sebuah sistem yang membantu dalam menentukan jenis bibit yang sesuai dengan kondisi lahan dan perawatan yang diberikan. Dalam penelitian ini penulis menerapkan model prediksi machine learning dalam penentuan bibit kelapa sawit berdasarkan kondisi lahan dan perawatan tanaman. Tujuan penelitian ini adalah menghasilkan model klasifikasi penentuan bibit kelapa sawit berdasarkan kondisi daerah tanam dan perawatan. Metode yang digunakan dalam penelitian ini adalah naïve bayes dengan dua jenis naïve bayes yang berbeda yaitu gaussian naïve bayes dan multinomial naïve bayes dengan dua skenario pengujian. Hasil evaluasi menunjukkan bahwa performa dari model gaussian naïve bayes dan multinomial naïve pada skenario pengujian pertama bayes dengan nilai accuracy masing-masing sebesar 55% dan 62% serta nilai f1-score masing-masing 63% dan 66%. Sedangkan pada skenario pengujian kedua hasil evaluasi accuracy untuk model gaussian naïve bayes dan multinomial naïve bayes dengan nilai accuracy masing-masing sebesar 70% dan 68% serta f1-score masing-masing sebesar 69% dan 64%. Setelah dilakukan evaluasi model, maka model naïve bayes yang memiliki performa terbaik yaitu gaussian naïve bayes pada skenario pengujian kedua yang digunakan sebagai model prediksi machine learning untuk penentuan bibit kelapa sawit berdasarkan kondisi daerah tanam dan perawatan pada aplikasi generik yang dibangun pada penelitian ini.]]>
<![CDATA[Android-based Video Sharing Application Design ]]>
<![CDATA[Anastasia Siwi Fatma Utami]]>;
<![CDATA[Muhammad Saifudin Arif]]>;
<![CDATA[Ahmad Sinnun]]>;
<![CDATA[Feri Prasetyo]]>;
<![CDATA[Nicodias Palasara]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.61509
<![CDATA[The impact of the COVID-19 virus pandemic that has hit the whole world has more or less affected the way people move. Many activities have to be centered at home, from working at home to studying at home. On the other hand, students at school still need tutoring. However, the signs of returning to school amid the rules of Large-Scale Social Restrictions (PSBB) and Adaptation of New Habits (IMR) still appear gray. The final solution is to keep children learning online. Online learning is learning that is done online, using learning applications and social networks. Online learning is learning that is done without face-to-face, but through an available platform. For example in this mobile application which aims to assist the learning process for students and teachers. This learning video application is made for learning and teaching tools. The process of designing this educational video sharing information system begins with analyzing the learning system, designing UML diagrams, and designing mock ups as an interface for an overview of the application. The result of this final project is as an encouragement for students who are expected to be better by using a system that has not been computerized]]>
<![CDATA[Sistem Verifikasi Permintaan Sumbangan Di Kota Pontianak Menggunakan Mobile QR Code ]]>
<![CDATA[Rizky Kurnaidi]]>;
<![CDATA[Yus Sholva]]>;
<![CDATA[Anggi Perwitasari]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.47874
<![CDATA[Kegiatan permintaan sumbangan seringkali ditemui, di jalan (perhentian lampu lalulintas), rumah ibadah, dan tempat umum lainnya. Permintaan sumbangan biasanya dilakukan secara langsung atau meletakkan kotak-kotak sumbangan di tempat tertentu. Kegiatan permintaan sumbangan seharusnya mendapatkan izin dari pihak yang berwenang, namun sering ditemukan kegiatan permintaan sumbangan yang tidak memiliki izin atau bahkan merupakan modus penipuan yang dilakukan oleh beberapa oknum untuk kepentingan pribadi. Penipuan dengan modus permintaan sumbangan ini biasanya dilakukan dengan cara pemalsuan dokumen, misalnya mereka membawa dokumen palsu dan meniru tanda tangan ketua RT agar warga percaya. Ini dapat terjadi karena oknum tersebut mengetahui bahwa masyarakat sulit untuk melakukan verifikasi secara cepat terhadap keabsahan kegiatan permintaan sumbangan. Diperlukan pendekatan yang inovatif dengan dukungan teknologi untuk menyelesaikan masalah ini, salah satunya adalah dengan teknologi QR Code. Penelitian ini bertujuan untuk menghasilkan sistem yang dapat membantu masyarakat untuk melakukan verifikasi permintaan sumbangan. Proses verifikasi yang cepat dapat dilakukan dengan membubuhkan QR Code pada dokumen atau media lain yang dijadikan alat bantu permintaan sumbangan seperti kotak sumbangan, spanduk, dan sebagainya. QR Code berfungsi sebagai tanda pengenal unik pada kegiatan permintaan sumbangan dimana masyarakat dapat memindai QR Code tersebut untuk melakukan verifikasi dan dapat segera mengetahui apakah kegiatan tersebut memiliki izin atau tidak. Sistem yang dibangun berbasis web untuk admin (Dinsos) dan berbasis mobile (android) untuk donatur (masyarakat). Pada aplikasi web admin dapat membangkitkan QR Code yang berisi kode unik untuk setiap data permintaan sumbangan yang terdaftar pada sistem untuk digunakan pemohon sumbangan. Jika ada upaya dari oknum masyarakat memasang QR Code palsu maka proses verifikasi tidak akan berhasil dilakukan. Berdasarkan hasil pengujian aplikasi dengan black box testing diperoleh hasil bahwa aplikasi berjalan dengan baik khususnya dalam pembangkitan QR Code dan proses verifikasi. Sementara pengujian UAT dengan metode Likert’s Summated Rating mendapatkan skor 84,9% yang berarti responden menilai sistem sangat positif.]]>
<![CDATA[Perancangan Sistem Informasi Kontes Cupang Berbasis Web dengan Metode User Centered Design ]]>
<![CDATA[Mizan Syah Putra]]>;
<![CDATA[Ucuk Darusalam]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.53152
<![CDATA[Teknologi saat ini begitu cepat berkembang, sehingga teknologi komunikasi dan informasi semakin maju dan kebutuhan para pengguna teknologi akan informasi pun semakin bertambah, kecepatan dan keakuratan data sangat diperlukan untuk mencari informasi yang dibutuhkan. Khususnya dalam kontes cupang dituntut pada saat ini adalah dengan mudahnya pembelian tiket juga informasi pada kontes. Dalam kontes pun sangat membutuhkan sistem informasi seperti ini untuk memudahkan dari para peserta dan pihak penyelenggara yang mana kebanyakan masih dilakukan secara manual sehingga pada saat ini sangat tidak efisien untuk melakukan pendataan peserta dan juga pembelian tiket kontes. Dalam hal ini untuk pendataan pembeli tiket pun menjadi lebih mudah sehingga tidak lagi menggunakan cara manual karena semua sudah bisa di mutasi dari sistem yang tercatat. Metode User Centered Design (UCD) untuk merancang sistem informasi berbasis web, merancang desain Website Kontes Cupang dan dalam pengujian web menggunakan metode User Experience Questionnaire (UEQ) untuk kenyamanan pengguna Website. Dari hasil pengujian metode User Experience Questionnaire (UEQ), didapatkan mean 1.401 masuk dalam kategori sistem baik.]]>
<![CDATA[Implementasi Seleksi Fitur Binary Particle Swarm Optimization pada Algoritma K-NN untuk Klasifikasi Kanker Payudara ]]>
<![CDATA[Rahmat Hidayat]]>;
<![CDATA[Dwi Kartini]]>;
<![CDATA[Muhammad Itqan Mazdadi]]>;
<![CDATA[Irwan Budiman]]>;
<![CDATA[Rahmat Ramadhani]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.53608
<![CDATA[Kanker Payudara adalah jenis kanker paling umum yang sering menyerang kalangan wanita di seluruh dunia. Diagnosa awal yang akurat dalam mendeteksi kanker payudara memainkan peran penting dalam pengobatan pasien karena semakin cepat kanker di diagnosa semakin cepat juga pengobatan dapat diberikan. Untuk menghasilkan diagnosa yang akurat terhadap pasien kanker payudara maka dilakukan penelitian dengan tujuan mendapatkan model klasifikasi yang dapat memberikan klasifikasi yang akurat terhadap penyakit kanker payudara. Algoritma klasifikasi yang sering digunakan dan cukup terkenal adalah K-Nearest Neighbor (K-NN). Algoritma K-NN melakukan klasifikasi menggunakan konsep tetangga terdekat berdasarkan pada data terdahulu, akan tetapi algoritma K-NN lemah terhadap data dengan jumlah fitur yang besar. Maka dari itu, untuk kasus dataset dengan banyak fitur dapat dilakukan seleksi fitur terlebih dahulu untuk meningkatkan performa klasifikasi K-NN. Salah satu yang sering digunakan untuk seleksi fitur adalah algoritma Binary Particle Swarm Optimization (BPSO). Pada penelitian ini akan dibuat 2 model klasifikasi K-NN yaitu model klasifikasi K-NN saja tanpa seleksi fitur dan model klasifikasi K-NN dengan seleksi fitur Binary Particle Swarm Optimization, Kemudian dilakukan perbandingan hasil akurasi yang didapat. Dataset yang akan digunakan adalah Breast Cancer Wincosin (Diagnostic) dari UCI Machine Learning Repository yang memiliki 569 data dan 30 fitur. Hasil penelitian menunjukan model K-NN+BPSO menghasilkan akurasi sebesar 95,32% dan model K-NN menghasilkan akurasi sebesar 94,15%. Berdasarkan akurasi yang didapatkan algoritma K-NN dengan seleksi fitur menghasilkan akurasi yang lebih baik daripada algoritma K-NN tanpa seleksi fitur sebesar 1,17%. Algoritma Binary PSO juga berhasil mereduksi fitur dari 30 fitur menjadi 5 fitur dengan tidak mengurangi akurasi dari model klasifikasi. Sehingga dapat disimpulkan bahwa pada kasus klasifikasi kanker payudara dengan dataset Breast Cancer Wincosin (Diagnostic) algoritma K-NN dapat dikombinasikan dengan seleksi fitur Binary PSO untuk membuat model klasifikasi yang memberikan performa cukup baik.]]>
<![CDATA[Klasifikasi Bidang Keahlian Mahasiswa Menggunakan Algoritma Naive Bayes ]]>
<![CDATA[Fajar Istighfar]]>;
<![CDATA[Arif Bijaksana Putra Negara]]>;
<![CDATA[Tursina Tursina]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.52402
<![CDATA[Salah satu faktor yang dapat menentukan pilihan bidang keahlian mahasiswa yang dimiliki Jurusan Informatika Fakultas Teknik Universitas Tanjungpura adalah penguasaan sub kemampuan yang dikuasai oleh mahasiswa terhadap kriteria sub kemampuan pada bidang pilihan tersebut. Apabila mahasiswa memiliki kemampuan yang dikuasai di bidang keahliannya tentunya akan mempermudah mahasiswa dalam proses pemilihan topik tugas akhir/skripsi. Penelitian ini bertujuan untuk menerapkan dan menguji performa klasifikasi algoritma Naive Bayes dalam mengklasifikasikan bidang keahlian untuk mendapatkan model klasifikasi bidang keahlian mahasiswa berdasarkan kemampuan yang dikuasai oleh mahasiswa terhadap kriteria sub kemampuan pada kelompok keahlian Jurusan Informatika Fakultas Teknik Universitas Tanjungpura. Metode yang digunakan dalam penelitian ini adalah Synthetic Minority Oversampling Technique (SMOTE) sebagai preprocessing untuk menangani ketidak seimbangan kelas, Chi Square sebagai feature selection dalam mengurangi dimensi data, menghilangkan fitur-fitur yang tidak relevan dan Naive Bayes yang berfungsi untuk mengklasifikasi data. Pengujian akurasi metode pada penelitian ini dilakukan dengan K-Fold Cross Validation dan evaluasi menggunakan Confusion Matrix. Pengujian dilakukan dengan menggunakan empat skenario pengujian. Skenario pengujian pertama dilakukan menggunakan algoritma Naive Bayes dengan hasil nilai akurasi sebesar 66%. Skenario pengujian kedua dilakukan menggunakan algoritma Naive Bayes dan Chi Square dengan hasil nilai akurasi sebesar 71%. Skenario pengujian ketiga dilakukan menggunakan algoritma Naive Bayes dan SMOTE dengan hasil nilai akurasi sebesar 79%. Skenario pengujian keempat dilakukan menggunakan algoritma Naive Bayes, SMOTE dan Chi Square dengan hasil nilai akurasi sebesar 80%. Terdapat peningkatan akurasi pada klasifikasi dengan penambahan SMOTE dan Chi Square sebagai balanced data dan feature selection. Hal ini dikarenakan data set yang digunakan sudah seimbang dan memiliki kriteria yang relevan, dari 228 data set sebanyak 183 data berhasil diprediksi dengan benar. Sehingga model dengan menggunakan algoritma Naive Bayes, SMOTE dan Chi Square dapat memberikan performa model yang baik dan dapat digunakan dalam memprediksi bidang keahlian mahasiswa.]]>
<![CDATA[Aplikasi Presensi Digital Berbasis Android Sebagai Indikator Kepatuhan Siswa di Sekolah ]]>
<![CDATA[Muhammad Reza Saputra]]>;
<![CDATA[Yus Sholva]]>;
<![CDATA[hafiz Muhardi]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.47898
<![CDATA[SMK Negeri 2 Pontianak merupakan salah satu sekolah menengah kejuruan yang ada di Pontianak. Kurangnya kedisiplinan siswa dalam proses belajar mengajar masih sangat sering ditemukan seringnya siswa telat masuk kelas pada jam belajar mengajar, untuk meminimalisir terjadinya hal tersebut dibuatlah Aplikasi Presensi Digital. Dalam aplikasi ini terdiri dari empat aktor penting yang terdiri dari admin, siswa, guru, dan orang tua, adanya orang tua disini agar siswa lebih memperhatikan kedisiplinan di sekolah karena dari Aplikasi ini orang tua dapat melihat langsung jam menit dan detik siswa hadir apakah itu masuk kategori terlambat atau tidak. Metode perancangan dalam pembuatan aplikasi menggunakan UML (Unified Modelling Language) untuk menggambarkan proses kerja dari sisi perangkat lunak. Aplikasi Presensi Digital ini dibuat dengan Bahasa pemrograman java dan menggunakan database MySQL. Pengujian menggunakan metode black box dan UAT (user acceptance testing) dengan persentase yang dihasilkan dari ketiga aspek 60% Aspek Rekayasa Perangkat Lunak, 65% Aspek Fungsionalitas, dan 54% Aspek Rekayasa Komunikasi Visual. Secara keseluruhan Aplikasi Presensi Digital yang dibangun dapat dikatakan berhasil meningkatkan kedisiplinan siswa dengan nilai yang diperoleh dari pengujian UAT (user acceptance testing).]]>
<![CDATA[Identifikasi Penyakit Tanaman Kelapa Sawit Menggunakan Metode Variable Centered Intelligent Rule System (VCIRS) dan Certainty Factor (CF) Berbasis Android Studi Kasus: PT Bumitama Gunajaya Agro Group Wilayah 10 Kabupaten Ketapang ]]>
<![CDATA[Agung Jati Swiknyo]]>;
<![CDATA[Dwi Marisa Midyanti]]>;
<![CDATA[Syamsul Bahri]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.53000
<![CDATA[Perkebunan Besar Swasta (PBS) adalah salah satu bentuk pengusahaan atau pengelolaan perkebunan kelapa sawit di Indonesia. PT Bumitama Gunajaya Agro Wilayah 10 merupakan PBS yang terdiri dari pengelolaan perusahaan dan pengelolaan petani plasma. Pada pengelolaan perkebunan kelapa sawit terdapat berbagai jenis penyakit pengganggu yang harus diidentifikasi dan ditangani karena menjadi faktor turunnya tingkat produktivitas. Penyakit kelapa sawit dapat diidentifikasi dengan melihat gejala yang tampak oleh pakar. Luasnya lahan perusahaan dengan ketersediaan pakar yang kurang mengakibatkan kesulitan dalam mengidentifikasi penyakit dengan tepat dan cepat, kemudian kurangnya pengetahuan serta kesadaran petani plasma mengenai penyakit pada tanaman kelapa sawit juga membuat kesenjangan kualitas hasil buah tanaman kelapa sawit wilayah 10. Penelitian ini bertujuan membangun sebuah sistem yang digunakan untuk mengidentifikasi penyakit tanaman kelapa sawit berdasarkan interpretasi pakar menggunakan metode Variable Centered Intelligent Rule System (VCIRS) dan Certainty Factor (CF). Metode VCIRS memiliki arsitektur pengetahuan dari Sistem Berbasis Aturan dan mengambil kelebihan-kelebihan pada Ripple Down Rules. Metode CF mempunyai perhitungan untuk menentukan tingkat persentase pada hasil identifikasi penyakit tanaman kelapa sawit menggunakan nilai keyakinan yang diberikan pakar dan juga pengguna. Sistem identifikasi yang dibangun memiliki hasil pengujian fungsionalitas yang berjalan sesuai dengan kebutuhan sistem, dan memiliki akurasi sebesar 80,56% dari 36 data pengujian.]]>
<![CDATA[Aplikasi Memberikan Makanan Berlebih dengan Metode Location Based Service ]]>
<![CDATA[Fahlevi, Dwiki]]>;
<![CDATA[Nasution, Helfi]]>;
<![CDATA[Irwansyah, Muhammad Azhar]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.41535
<![CDATA[Makanan adalah sesuatu yang dibutuhkan manusia untuk bertahan hidup. Makanan berlebih adalah makanan yang tidak dikonsumsi oleh pemilik makanan yang mana makanan tersebut masih dapat dikonsumsi oleh orang lain. Penelitian ini membahas tentang cara memberikan makanan berlebih tersebut kepada orang yang mengingikannya, dan cara mengetahui lokasi orang yang menyediakan makanan berlebih yang masih dapat dikonsumsi orang lain serta cara mengetahui lokasi orang yang menginginkan makanan berlebih. Penelitian yang dilakukan yaitu membuat aplikasi berbasis mobile yang berjalan di sistem operasi android yang memanfaatkan sistem navigasi satelit dengan metode location based service dan mengimplentasikan teknologi geotagging untuk menentukan lokasi titik koordinat serta memanfaatkan layanan Google Maps untuk menentukan rute orang yang menginginkan makanan tersebut ke titik lokasi makanan yang dibagikan oleh orang yang memiliki makanan berlebih. Penelitian ini menghasilkan aplikasi memberikan makanan berlebih berbasis mobile dan hasil pengujian berupa kuisioner yang diukur dengan metode Likerts Summated Rating (LSR) terhadap aplikasi yang dibangun menunjukan bahwa responden menilai aplikasi yang dibangun sangat baik Dengan skor 2024 dari 2250, sehingga aplikasi masuk dalam kriteria A (Sangat Baik).]]>
<![CDATA[Analisis Sentimen Pengguna Twitter Terhadap Kasus COVID-19 di Indonesia Menggunakan Metode Regresi Logistik Multinomial ]]>
<![CDATA[Ridho Prabowo]]>;
<![CDATA[Herry Sujaini]]>;
<![CDATA[Tedy Rismawan]]>
<![CDATA[ JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023) ]]>
Publisher : <![CDATA[Jurusan Informatika Universitas Tanjungpura ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/justin.v11i1.57450
<![CDATA[Seiring berkembangnya Coronavirus Disease 2019 (COVID-19) di Wuhan dan berkembang di seluruh negara khususnya di Indonesia. Banyak masyarakat di Indonesia menuangkan dan mengekspresikan opini mereka pada media sosial salah satunya Twitter. Opini tersebut menjadi acuan pada penelitian ini untuk menganalisis sentimen masyarakat Indonesia terhadap kasus COVID-19. Analisis sentimen merupakan proses pengolahan data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung pada tweet. Implementasi sistem dilakukan dengan mengklasifikasi tweet menggunakan metode Regresi Logistik Multinomial. Metode Regresi Logistik Multinomial dikenal dengan regresi logistik dengan variabel dependen mempunyai skala nominal lebih dari dua kategori. Tweet diklasifikasi menjadi 3 kategori sentimen yaitu sentimen positif, netral dan negatif. Sistem analisis sentimen berbasis website menggunakan bahasa pemrograman Python. Proses analisis sentimen melalui beberapa tahapan, pertama proses crawling data tweet, kemudian hasil crawling akan diproses ke tahap text preprocessing, setelah melewati text preprocessing tweet akan dibobot menggunakan TF-IDF, kemudian tweet diklasifikasi dengan menggunakan metode Regresi Logistik Multinomial ke dalam kelas sentimen positif, netral, atau negatif. Pengujian dilakukan menggunakan 870 data tweet yang telah dilabel terlebih dahulu. Sistem analisis sentimen menghasilkan akurasi sebesar 64%, dengan precission untuk sentimen positif 85%, netral 56%, dan negatif, 53% dan recall untuk sentimen positif 74%, netral 67%, dan negatif 50%.]]>
