cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ananto Tri Sasongko
Contact Email
ananto@pelitabangsa.ac.id
Phone
+6288980229926
Journal Mail Official
ananto@pelitabangsa.ac.id
Editorial Address
Jl. Inspeksi Kalimalang No.9, Cibatu, Cikarang Sel., Kabupaten Bekasi, Jawa Barat 17530
Location
Kab. bekasi,
Jawa barat
INDONESIA
Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB
Published by Universitas Pelita Bangsa
ISSN : 24073903     EISSN : 28291891     DOI : https://doi.org/10.37366/sigma.v16i1
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB merupakan jurnal ilmiah yang diterbitkan oleh Program Studi Teknik Informatika Universitas Pelita Bangsa (UPB) Cikarang dengan no p-ISSN 2407-3903 (Media Cetak). Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB adalah sebagai salah satu wadah publikasi bagi dosen-dosen yang memiliki penelitian ilmiah di bidang Teknik Informatika, Ilmu Komputer, Sistim Informasi, Artificial Inteligent, Data Mining, Image Processing, Rekayasa Perangkat Lunak. Setiap artikel yang diterbitkan oleh Jurnal Ilmiah SIGMA: Informatics Engineering of UPB telah melalui proses review dan editorial yang ketat serta menghormati ketentuan hukum hak cipta, privasi, dan etika publikasi ilmiah. Jurnal Ilmiah SIGMA : Information Technology Journal of UPB terbit dua kali dalam setahun, yaitu bulan Maret, Juni, September dan Desember.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 3 Documents
 1 
Search results for , issue "Vol 16 No 2 (2025): September 2025" : 3 Documents clear
Named Entity Recognition dan Analisa Jarak dengan Formula Haversine pada P2P Lending yulianto, yogi; Maricha Oki Nur Haryanto, Erry; Dwi Insani, Fajar; Dwi Anggraeni, Meita; Anggono, Aji
Jurnal SIGMA Vol 16 No 2 (2025): September 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i2.7135

Abstract

Named Entity Recognition (NER) is a core task in natural language processing for extracting structured entity information from text. However, funding descriptions on peer-to-peer lending platforms are largely unstructured. This limits reliable identification of funding categories and location-related entities required for subsequent analysis. This study addresses this problem by applying Named Entity Recognition to identify agricultural entities from peer-to-peer lending funding descriptions in Indonesia, combining it with distance analysis. The data used in this study was collected from peer-to-peer lending platforms in Indonesia using web crawling techniques with the Python Selenium library. The collected funding data was used to train and test a Named Entity Recognition model developed using the spaCy library, with entity labeling performed using the Beginning–Inside–Outside (BEIN–IND–OUTS) tagging scheme. Model performance was evaluated using a confusion matrix at the token level. The evaluation results showed that the proposed model achieved 83% accuracy, 94% precision, 82.7% recall, and a 90% F1 score, indicating its ability to detect agricultural entities from lighting descriptions. Furthermore, the collected data containing agricultural entities was processed using the Haversine formula to calculate the distance between the lender and the borrower's location. When compared to Google Maps, the average distance difference was 23.7 kilometers. These results demonstrate that Named Entity Recognition combined with distance analysis can support the preparation of peer-to-peer lending data for further decision-making.
Analisis Sentimen Publik di Platform Media Sosial X (Twitter) Tentang Tren AI dan Robotika Dalam Dunia Kerja di Indonesia dengan Metode Naïve Bayes Nurhadi Surojudin; Dwi Aditya Budi Listiawan
Jurnal SIGMA Vol 16 No 2 (2025): September 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i2.7328

Abstract

Perkembangan teknologi Artificial Intelligence (AI) dan Robotika telah membawa perubahan signifikan dalam berbagai aspek kehidupan, terutama di dunia kerja. Di Indonesia, tren ini memicu beragam tanggapan publik melalui media sosial Twitter. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap tren AI dan Robotika dalam dunia kerja di Indonesia dengan menggunakan metode Naïve Bayes. Data yang digunakan dalam penelitian ini terdiri dari 1.345 tweet relevan yang dikumpulkan selama periode 1 Januari hingga 1 April 2025 melalui teknik crawling berdasarkan kata kunci yang relevan. Data tersebut kemudian diproses melalui tahap preprocessing, pelabelan menggunakan pendekatan lexiconbased, pembobotan TF-IDF, serta penyeimbangan data dengan metode Synthetic Minority Oversampling Technique (SMOTE). Selanjutnya, data diklasifikasikan ke dalam dua kategori sentimen, yaitu positif dan negatif, menggunakan algoritma Multinomial Naïve Bayes. Hasil analisis terhadap 1.136 tweet bersih hasil preprocessing menunjukkan bahwa persepsi publik didominasi oleh sentimen negatif, dengan model memprediksi 259 tweet positif dan 877 tweet negatif. Akurasi pada data uji mencapai 82%, dengan precision 0,96 dan recall 0,81 untuk sentimen positif, serta precision 0,53 dan recall 0,87 untuk sentimen negatif. Nilai F1-score macro tercatat sebesar 0,77. Evaluasi lebih lanjut menggunakan Cross Validation Stratified 5-Fold menunjukkan peningkatan akurasi menjadi 91,52% dan F1-score macro sebesar 0,9146. Temuan penelitian ini menunjukkan bahwa masyarakat Indonesia masih cenderung resistensi terhadap tren AI dan Robotika dalam konteks dunia kerja. Selain itu, hasil penelitian ini memberikan kontribusi penting terhadap pengembangan metode analisis sentimen berbasis media sosial di Indonesia, serta mendukung upaya transformasi teknologi dan perumusan kebijakan publik berbasis data yang lebih responsif dan sistematis.
Pengembangan Chatbot Untuk Deteksi Tingkat Stres Menggunakan NLP Berdasarkan Perceived Stress Scale (PSS) Dengan Metode TF-IDF Dan Cosine Similarity Zaenur Rozikin; Ravansa Rahman Santosa
Jurnal SIGMA Vol 16 No 2 (2025): September 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i2.7329

Abstract

Stres merupakan masalah kesehatan mental yang umum terjadi pada remaja dan dewasa muda sehingga deteksi dini sangat diperlukan untuk mendukung langkah pencegahan yang tepat. Penelitian ini bertujuan mengembangkan chatbot berbasis web untuk mendeteksi tingkat stres menggunakan Perceived Stress Scale versi 10 item (PSS-10) dalam Bahasa Indonesia. Sistem dibangun dengan pendekatan Natural Language Processing (NLP) menggunakan metode TF-IDF dan Cosine Similarity untuk mengklasifikasikan respons pengguna ke dalam kategori skor tertentu. Pengembangan dilakukan menggunakan framework Flask dengan integrasi database MySQL untuk menyimpan data interaksi. Dataset disusun dari berbagai variasi sinonim jawaban agar sistem mampu memahami bahasa alami secara lebih akurat. Pengujian dilakukan melalui black-box testing untuk memastikan fungsionalitas sistem serta uji akurasi skor dengan membandingkan hasil klasifikasi chatbot terhadap data acuan. Hasil menunjukkan seluruh fitur berjalan dengan baik dan sistem mampu memberikan klasifikasi skor yang akurat dengan tingkat akurasi 100% pada data uji. Penelitian ini membuktikan bahwa pendekatan NLP sederhana berbasis aturan tetap efektif untuk mendukung asesmen mandiri, serta menunjukkan bahwa chatbot “Tenangin” berpotensi menjadi solusi digital yang praktis dan mudah diakses untuk skrining awal tingkat stres.

Page 1 of 1 | Total Record : 3

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 16 No 2 (2025): September 2025 Vol 16 No 1 (2025): Juni 2025 Vol 15 No 3 (2024): Desember 2024 Vol 15 No 2 (2024): September 2024 Vol 15 No 1 (2024): Juni 2024 Vol 15 No 1 (2024): Maret 2024 Vol 14 No 4 (2023): Desember 2023 Vol 14 No 3 (2023): September 2023 Vol 14 No 2 (2023): Juni 2023 Vol 13 No 4 (2022): Desember 2022 Vol 13 No 3 (2022): September 2022 Vol 13 No 2 (2022): Juni 2022 Vol 13 No 1 (2022): Maret 2022 Vol 12 No 4 (2021): Desember 2021 Vol 12 No 3 (2021): September 2021 Vol 12 No 2 (2021): Juni 2021 Vol 12 No 1 (2021): Maret 2021 Vol 11 No 3 (2020): September 2020 Vol 11 No 2 (2020): Juni 2020 Vol 11 No 1 (2020): Desember 2020 Vol 10 No 4 (2019): Desember 2019 Vol 10 No 3 (2019): September 2019 Vol 10 No 2 (2019): Desember 2019 Vol 10 No 2 (2019): Juni 2019 Vol 10 No 1 (2019): Maret 2019 Vol 9 No 4 (2019): Juni 2019 Vol 9 No 3 (2019): Maret 2019 Vol 9 No 2 (2018): Volume 9 Nomor 2 Desember 2018 Vol 9 No 2 (2018): Desember 2018 Vol 9 No 1 (2018): September 2018 Vol 8 No 2 (2018): Maret 2018 Vol 8 No 1 (2018): Maret 2018 Vol 8 No 4 (2017): Desember 2017 Vol 8 No 3 (2017): September 2017 Vol 8 No 2 (2017): Juni 2017 Vol 8 No 1 (2017): Maret 2017 Vol 7 No 2 (2016): September 2016 Vol 7 No 1 (2016): Maret 2016 More Issue