cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Universitas Ngudi Waluyo
Contact Email
ekonurhermansyah@unw.ac.id
Phone
+628561717901
Journal Mail Official
abdulrohman15@gmail.com
Editorial Address
Jl. Diponegoro no 186 Gedanganak - Ungaran Timur, Kab. Semarang Jawa Tengah
Location
Kab. semarang,
Jawa tengah
INDONESIA
"JAMASTIKA" Jurnal Mahasiswa Teknik Informatika
Published by Universitas Ngudi Waluyo
ISSN : -     EISSN : 28097521     DOI : 10.35473
Core Subject : Science,
Computer Science & IT
Terbit dua kali setahun pada bulan April dan Oktober berisi tulisan ilmiah tentang mahasiswa teknik informatika, tulisan yang dimuat berupa hasil penelitian dari mahasiswa Teknik Informatika.
Arjuna Subject : Umum - Umum
Articles 133 Documents
 10   11   12   13   14 
Klasifikasi Kepribadian Introvert dan Ekstrovert Menggunakan Algoritma k-NN Berdasarkan Data Perilaku Sosial Holida Izzatilla; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Identifikasi tipe kepribadian merupakan aspek penting dalam bidang psikologi, pendidikan, dan manajemen sumber daya manusia. Penelitian ini bertujuan untuk mengklasifikasikan kepribadian introvert dan ekstrovert berdasarkan data perilaku sosial non-verbal menggunakan algoritma k-Nearest Neighbors (k-NN). Dataset yang digunakan berasal dari platform Kaggle dengan total 2.900 entri dan 8 atribut perilaku sosial. Proses klasifikasi dilakukan melalui tahapan pra-pemrosesan data, pemodelan, dan evaluasi performa menggunakan perangkat lunak RapidMiner Studio. Pengujian dilakukan dengan variasi nilai k (3, 5, dan 7) menggunakan metrik jarak Euclidean. Hasil menunjukkan bahwa konfigurasi nilai k = 7 menghasilkan akurasi tertinggi sebesar 93,10%, dengan distribusi klasifikasi yang seimbang antara kelas introvert dan ekstrovert. Temuan ini menunjukkan bahwa pendekatan berbasis data perilaku sosial dapat menjadi alternatif yang efektif dan efisien dalam klasifikasi kepribadian, serta berpotensi untuk dikembangkan dalam sistem prediksi kepribadian berbasis teknologi. Kata Kunci: K-Nearest Neighbors, perilaku sosial, klasifikasi kepribadian, introvert, ekstrovert   Personality identification plays a crucial role in psychology, education, and human resource management. This study aims to classify introvert and extrovert personality types based on non-verbal social behavior data using the k-Nearest Neighbors (k-NN) algorithm. The dataset, obtained from the Kaggle platform, consists of 2,900 entries and 8 social behavior attributes. The classification process involves data preprocessing, model building, and performance evaluation using RapidMiner Studio. The model was tested with various values of k (3, 5, and 7) using the Euclidean distance metric. The results indicate that the configuration with k = 7 yields the highest accuracy of 93.10%, with a balanced classification distribution between introvert and extrovert classes. These findings demonstrate that social behavior-based data can serve as an effective and efficient alternative for personality classification, and offer promising potential for the development of data-driven personality prediction systems. Keywords: K-Nearest Neighbors, social behavior, personality classification, introvert, extrovert.
Penerapan Decision Tree Pada Klasifikasi Kelulusan Mahasiswa Muflihatul Hasanah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keberhasilan suatu program pendidikan sering diukur dari jumlah mahasiswa yang menyelesaikan studinya tepat waktu , terutama dalam hal evaluasi dan akreditasi universitas. Penelitian ini bertujuan untuk penerapan algoritma Pohon Keputusan dalam proses prediksi terhadap kelulusan mahasiswa tepat waktu.Metode tersebut digunakan karena mampu mengenali pola data secara terstruktur dan memberikan hasil prediksi yang akurat. Dalam studi ini, data dikumpulkan dari total 154 mahasiswa, dengan atribut utama meliputi IPK, IPS, umur, dan jenis kelamin. Proses pengolahan data dilakukan melalui tahapan seleksi data, pembersihan, transformasi, dan pemodelan menggunakan perangkat lunak RapidMiner. Model kemudian dievaluasi dengan metode cross-validation untuk mencegah overfitting serta memastikan konsistensi performa model. Hasil pengujian memperlihatkan bahwa algoritma  Pohon Keputusan  efektif dalam pengelompokan data kelulusan mahasiswa dengan akurasi yang tinggi sehingga mencapai 94,48%. Hal ini menegaskan bahwa metode ini dapat diandalkan sebagai alat bantu prediktif bagi perguruan tinggi dalam memantau potensi kelulusan mahasiswa sejak dini. Dengan demikian, implementasi model klasifikasi ini diharapkan dapat mendukung pengambilan keputusan dalam perencanaan akademik serta meningkatkan efisiensi manajemen pendidikan di perguruan tinggi. Kata Kunci: Prediksi kelulusan mahasiswa, Sistem Informasi, Algoritma Decision Tree, Dataset Kelulusan.
Analisis Sentimen Komentar YouTube pada Video Terkait Insiden Pengemudi Ojek Online dan Anggota Brimob Menggunakan Algoritma Naive Lailatus Syarifah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Media sosial telah menjadi ruang ekspresi publik yang dinamis, di mana masyarakat menyampaikan opini terhadap berbagai peristiwa aktual. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap insiden antara pengemudi ojek online dan anggota Brimob melalui komentar YouTube. Metode yang digunakan adalah algoritma Naive Bayes dengan pendekatan klasifikasi teks. Data dikumpulkan dari 10 video YouTube, menghasilkan 1.143 komentar, yang setelah dibersihkan menjadi 1.121 komentar. Fitur teks dibentuk menggunakan TF-IDF Vectorizer dan data dibagi menjadi data latih (896) dan data uji (225). Hasil klasifikasi menunjukkan distribusi sentimen: netral (48.7%), negatif (46.7%), dan positif (4.5%). Evaluasi model menghasilkan akurasi 67%, precision 46%, recall 47%, dan F1-score 45%. Temuan ini menunjukkan bahwa mayoritas komentar bersifat netral dan negatif, serta bahwa Naive Bayes cukup efektif dalam klasifikasi opini publik meskipun memiliki keterbatasan dalam menangani data minoritas. Kata Kunci: Analisis Sentimen, Komentar YouTube, Naive Bayes, Text Mining, Opini Publik.   Social media has become a dynamic space for public expression, where individuals share opinions on various current events. This study aims to analyze public sentiment regarding the incident between an online motorcycle taxi driver and a member of Brimob through YouTube comments. The method employed is the Naive Bayes algorithm with a text classification approach. Data was collected from 10 YouTube videos, yielding 1,143 comments, which were cleaned down to 1,121 comments for analysis. Text features were constructed using the TF-IDF Vectorizer, and the dataset was split into training data (896 comments) and test data (225 comments). The classification results show sentiment distribution as follows: neutral (48.7%), negative (46.7%), and positive (4.5%). Model evaluation produced an accuracy of 67%, precision of 46%, recall of 47%, and F1-score of 45%. These findings indicate that most comments are neutral and negative, and that Naive Bayes is reasonably effective in classifying public opinion, although it faces challenges in handling minority classes such as positive sentiment. Keywords: Sentiment Analysis, YouTube Comments, Naive Bayes, Text Mining, Public Opinion.
Penerapan Algoritma C4.5 Untuk Memprediksi Penerimaan Beasiswa Bagi Mahasiswa Berprestasi Nur Aini; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Di setiap lembaga pendidikan, khususnya di universitas negeri, ada banyak beasiswa yang diberikan kepada para mahasiswa, baik yang baru diterima di universitas negeri, mahasiswa berprestasi, maupun mahasiswa yang memiliki kondisi ekonomi kurang memadai. Jika mahasiswa memenuhi syarat akademik tertentu sehingga dinyatakan memenuhi kriteria untuk melanjutkan studi, maka akan dianggap lulus dari perkuliahan. Besarnya jumlah mahasiswa berprestasi di universitas dapat ditingkatkan melalui kebijakan yang dikenal Sebagai bentuk dukungan, banyak peserta yang mendaftar untuk mendapatkan beasiswa, dan dengan banyaknya indikator yang harus dipertimbangkan, dibutuhkan suatu sistem untuk membantu menentukan siapa yang berhak menerima beasiswa dari universitas. Penelitian ini dilakukan untuk mengklasifikasikan mahasiswa penerima beasiswa menggunakan teknik klasifikasi dengan algoritma C4.5. Dengan menganalisis pola data beasiswa, model dapat dikembangkan dari informasi tersebut untuk memprediksi mahasiswa yang akan mendapatkan beasiswa di masa depan. Akurasi yang dihasilkan mencapai 93,33% dengan kategori Klasifikasi Baik. Temuan dari penelitian ini mampu mengklasifikasikan ke dalam dua kategori, yaitu penerima beasiswa dan bukan penerima beasiswa. Oleh karena itu, Algoritma C4.5 bisa dijadikan referensi dalam klasifikasi penerima beasiswa secara efektif sehingga dapat meningkatkan produktivitas kinerja. Kata Kunci: Pendidikan, Prediksi, Beasiswa, Algoritma C4.5.  
Klasifikasi Data Kanker Payudara Menggunakan Algoritma Decision Tree Berbasis Rapidminer Rosita Natania Maulani; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kanker payudara merupakan salah satu penyakit paling umum dan sangat berbahaya bagi perempuan di seluruh dunia. Untuk meningkatkan kemungkinan keberhasilan pengobatan dan mengurangi angka kematian, deteksi dini yang akurat sangat penting. Penelitian ini bertujuan untuk mengatur informasi tentang kanker payudara menggunakan algoritma Decision Tree dengan perangkat lunak RapidMiner. Metode ini dipilih karena mampu menghasilkan model klasifikasi yang transparan, mudah dipahami, dan efektif untuk pengambilan keputusan medis. Data yang digunakan berasal dari sumber publik dan mencakup berbagai faktor diagnostik, termasuk ukuran tumor, ketebalan epitel, dan karakteristik sel. Setelah data diproses, model dilatih dan diuji menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Temuan dari penelitian menunjukkan bahwa algoritma Decision Tree dapat mengklasifikasikan data dengan tingkat akurasi yang tinggi. Visualisasi pohon keputusan memberikan pemahaman yang jelas mengenai atribut yang paling berpengaruh, sehingga penelitian ini berpotensi mendukung pengembangan sistem diagnosis kanker payudara yang lebih efisien dan akurat di masa mendatang. Kata Kunci:  Kanker payudara, Decision Tree, RapidMiner, Klasifikasi data, Diagnosis medis, Machine learning
Implementasi Algoritma Apriori untuk Analisis Pola Pembelian Konsumen pada Dataset Market Basket Analysis Nur Aini; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengidentifikasi pola pembelian konsumen pada data transaksi penjualan retail menggunakan metode data mining dengan algoritma Apriori. Analisis dilakukan terhadap 20 data transaksi produk kebutuhan harian yang telah dikonversi ke dalam format biner. Proses pengolahan data dilakukan secara manual menggunakan Microsoft Excel serta secara otomatis dengan RapidMiner. Hasil penelitian menunjukkan bahwa produk yang paling sering dibeli oleh konsumen adalah Chocolate (42,1%), Yogurt (42,0%), Butter (42,0%), Ice Cream (41,0%), dan Sugar (40,9%). Selain itu, diperoleh beberapa aturan asosiasi dengan nilai support dan confidence yang tinggi, seperti kombinasi Milk dan Dill → Chocolate (confidence 60%) dan kombinasi Chocolate, Onion, Unicorn → Dill (confidence 60,6%). Informasi ini dapat dimanfaatkan untuk menyusun strategi penjualan yang lebih efektif, seperti pembuatan paket bundling produk, penempatan produk secara strategis di rak toko, serta pengembangan sistem rekomendasi berbasis pola pembelian konsumen.   Kata Kunci: Data mining, Apriori, Market Basket Analysis, Association Rules, RapidMiner.   This study aims to identify consumer purchasing patterns in retail transaction data using data mining techniques with the Apriori algorithm. The analysis was conducted on 20 daily product transactions that were converted into binary format. Data processing was carried out both manually using Microsoft Excel and automatically with RapidMiner. The results indicate that the most frequently purchased products by consumers include Chocolate (42.1%), Yogurt (42.0%), Butter (42.0%), Ice Cream (41.0%), and Sugar (40.9%). Furthermore, several association rules with high support and confidence values were discovered, such as the combination of Milk and Dill → Chocolate (confidence 60%) and Chocolate, Onion, Unicorn → Dill (confidence 60.6%). These insights can be utilized to design more effective sales strategies, such as bundled product promotions, optimized shelf arrangements, and the development of recommendation systems based on consumer purchasing behavior.  Keywords: Data Mining, Apriori, Market Basket Analysis, Association Rules, RapidMiner
Klasifikasi Penyakit TBC Menggunakan Metode K-Nearest Neighbors (KNN) iin, Nur Inayah; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tuberkulosis (TBC) merupakan penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis dan masih menjadi tantangan besar bagi kesehatan Masyarakat di Indonesia. Penyakit ini dapat menular dengan cepat melalui percikan udara saat penderitabatuk atau bersin, serta berisiko tinggi menular di lingkungan keluarga, untuk mendukung penegakan diagnosis dan pengelompokan penyakit ini, penelitian ini menggunakan algoritma K-Nearest neighbors (KNN) dalam konteks data mining. Data mining Adalah suatu metode yang menggabungkan statistic, matematika, kecerdasan buatan, dan machine learning untuk menemukan pola serta informasi berharga dari sejumlah besar data. KNN dipilih karena kesederhanaannya dan kemudahan dalam pengelompokan data dengan cara menilai kedekatan objek baru, atau “tetangga terdekat” (K). algoritma ini mengelompokkan data berdasarkan jarak terdekat, Dimana hasil baru ditentukan oleh mayoritas kategori dari tetangga terdekatnya. Dalam penelitian ini, digunakan dataset TBC yang terdiri dari 300 data pasien, baik yang terdiagnosis maupun yang tidak. Penelitian ini memanfaatkan perangkat lunak RapideMiner. Hasil dari eskperimen menunjukkan bahwa metode KNN menghasilkan Tingkat akurasi terbesar 75.00% dalam pengelompokan penyakit TBC. Dengan demikian, KNN sangat terbukti efektif dalam melakukan pengklasifikasian, meskipun Tingkat akurasi terakhir masih tergantung pada data yang dianalisis, sehingga dibutuhkan evaluasi serta pembaruan yang berkelanjutan. Kata Kunci: Klasifikasi penyakit, Tuberkulosis (TBC), K-Nearest Neighbors (KNN), Data Mining, RapidMiner
Klasifikasi Status Akademik Mahasiswa Menggunakan Decision Tree Sinta Bella; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini membahas pemodelan klasifikasi status mahasiswa berdasarkan data akademik dengan menerapkan algoritma Decision Tree menggunakan RapidMiner. Data yang dianalisis meliputi variabel seperti indeks prestasi kumulatif (IPK), jumlah SKS, lama studi, dan faktor usia. Proses klasifikasi dilakukan melalui tahapan pra-pemrosesan data, pembangunan model, serta evaluasi menggunakan confusion matrix dan metrik akurasi. Hasil analisis menunjukkan bahwa model yang dibentuk mampu mengidentifikasi pola-pola yang memengaruhi kelulusan mahasiswa, dengan tingkat akurasi mencapai 66,67%. Pendekatan ini diharapkan dapat menjadi alat bantu strategis dalam mendukung pengambilan keputusan akademik berbasis data dan memperbaiki sistem pemantauan kelulusan di lingkungan perguruan tinggi. Kata Kunci: Klasifikasi, Decision tree, RapidMinner, Status Mahasiswa, Data Akademik This study focuses on modeling the classification of student graduation status using the Decision Tree algorithm implemented through RapidMiner. The academic data includes variables such as Grade Point Average (GPA), total credit hours, study duration, and age. The classification process involves data preprocessing, model building, and evaluation using a confusion matrix and accuracy metrics. The results indicate that the model effectively identifies patterns influencing student graduation outcomes, achieving an accuracy rate of 66.67%. This approach is expected to serve as a strategic tool to support data-driven academic decision-making and to improve student progress monitoring systems in higher education institutions. Keywords: classification, decision tree, RapidMiner, student status, academic data
Sistem Informasi Pelayanan Publik Pada DISPENDUKCAPIL Kabupaten Bondowoso Auliya Apriliana; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan teknologi informasi pada era globalisasi saat ini menjadi kebutuhan mendasar dalam mendukung komunikasi, akses pengetahuan, serta efisiensi administrasi, termasuk dalam pelayanan publik. Pemerintah sebagai penyelenggara layanan publik dituntut untuk memberikan pelayanan yang cepat, transparan, dan mudah diakses oleh masyarakat. Dalam konteks otonomi daerah, peningkatan kualitas pelayanan publik menjadi fokus utama guna memperbaiki kinerja instansi pemerintah daerah. Salah satu upaya yang dapat dilakukan adalah dengan memanfaatkan Teknologi Informasi dan Komunikasi (TIK) dalam proses administrasi pemerintahan. Dinas Kependudukan dan Pencatatan Sipil (Dispendukcapil) memiliki peran penting dalam mengelola data kependudukan serta menyediakan dokumen administrasi yang dibutuhkan masyarakat. Namun, masyarakat di wilayah terpencil sering menghadapi kendala seperti keterbatasan informasi, jarak yang jauh ke pusat layanan, dan proses pengurusan dokumen yang memakan waktu lama. Oleh karena itu, penerapan layanan administrasi kependudukan berbasis online menjadi solusi inovatif untuk meningkatkan efisiensi dan kemudahan akses pelayanan. Dengan dukungan infrastruktur teknologi, jaringan internet yang memadai, serta pelatihan bagi masyarakat dan aparat desa, layanan digital ini diharapkan dapat mempercepat proses administrasi, memperluas jangkauan pelayanan, dan mewujudkan pelayanan publik yang efektif dan inklusif di seluruh wilayah. Kata Kunci: Sistem Informasi, Pelayanan Publik, Administrasi Kependudukan, metode Waterfall, E-Government.   The use of information technology in today’s globalization era has become a necessity to support communication, knowledge access, and administrative efficiency, including in public services. Governments, as providers of public services, are required to deliver services that are fast, transparent, and easily accessible to the public. In the context of regional autonomy, improving the quality of public services is a key focus to enhance the performance of local government institutions. One of the effective ways to achieve this is through the utilization of Information and Communication Technology (ICT) in administrative processes. The Department of Population and Civil Registration (Dispendukcapil) plays an essential role in managing population data and providing the necessary administrative documents for citizens. However, people living in remote areas often face challenges such as limited information, long distances to service centers, and time-consuming document processing. Therefore, the implementation of online population administration services serves as an innovative solution to increase efficiency and accessibility. With adequate technological infrastructure, stable internet connectivity, and proper training for both the community and village officials, digital services can accelerate administrative processes, expand service reach, and realize effective and inclusive public service delivery across all regions.  Keyword: Information System, Public Service, Population Administration, Waterfall Method, E-Government.
Analisis Sentimen Komentar YouTube terhadap Tragedi Demo 25 Agustus Menggunakan Pendekatan Lexicon-Based rizka, Rizka Aprilia Ningsih; Zaehol Fatah
Jurnal Mahasiswa Teknik Informatika Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengidentifikasi sentimen publik terhadap Tragedi Demo 25 Agustus 2025 melalui komentar pengguna YouTube dengan pendekatan lexicon-based. Demonstrasi tersebut memicu gelombang reaksi emosional yang terekam dalam ribuan komentar digital, menjadikan YouTube sebagai sumber data sosial yang kaya. Metode penelitian yang digunakan adalah kuantitatif deskriptif dengan lima tahapan utama: pengumpulan data, pra-pemrosesan, analisis sentimen, visualisasi hasil, dan validasi klasifikasi. Komentar dianalisis menggunakan kamus InSet untuk menentukan polaritas sentimen. Hasil klasifikasi menunjukkan dominasi sentimen negatif sebesar 76,2%, yang mencerminkan kekecewaan, kemarahan, dan kritik terhadap pihak-pihak yang dianggap bertanggung jawab. Visualisasi data dilakukan melalui grafik batang, diagram lingkaran, dan word cloud untuk mengidentifikasi topik dominan seperti isu sosial, lingkungan, dan ekonomi. Temuan ini menunjukkan bahwa media sosial, khususnya YouTube, berfungsi sebagai ruang artikulasi emosi kolektif dan kontrol sosial digital. Analisis sentimen terbukti relevan sebagai indikator awal potensi instabilitas sosial dan dapat dimanfaatkan oleh pemerintah serta lembaga masyarakat sipil untuk merespons arah opini publik secara komputasional. Kata Kunci: Sentimen publik, Lexicon-Based, YouTube, Tragedi Demo, Analisis Komputasional   This study aims to identify public sentiment toward the August 25, 2025 demonstration tragedy through YouTube user comments using a lexicon-based approach. The demonstration triggered a wave of emotional reactions captured in thousands of digital comments, positioning YouTube as a rich source of social data. A descriptive quantitative method was employed, consisting of five main stages: data collection, preprocessing, sentiment analysis, result visualization, and classification validation. Comments were analyzed using the Indonesian Sentiment Lexicon (InSet) to determine sentiment polarity. The classification results revealed a dominance of negative sentiment at 76.2%, reflecting disappointment, anger, and criticism toward parties deemed responsible. Data visualization included bar charts, pie diagrams, and word clouds to identify dominant themes such as social, environmental, and economic issues. These findings demonstrate that social media, particularly YouTube, serves not only as an information platform but also as a space for collective emotional articulation and digital social control. Sentiment analysis proves to be a relevant early warning tool for detecting potential social instability and can be utilized by government and civil society institutions to respond to public opinion computationally.  Keywords: Public sentiment, Lexicon-Based, YouTube, Demonstration Tragedy, Computational Analysis

Page 12 of 14 | Total Record : 133

 10   11   12   13   14 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Vol. 4 No. 2 (2025): Volume 4 Nomor 2 Oktober 2025 Vol. 4 No. 1 (2025): Jurnal Jamastika, Volume 4 Nomor 1 April 2025 Vol. 3 No. 2 (2024): Jurnal Jamastika, Volume 3 Nomor 2 Oktober 2024 Vol. 3 No. 1 (2024): Jurnal Jamastika Vol.3 No.1 April 2024 Vol. 2 No. 2 (2023): Jurnal Jamastika Vol.2 No.2 Oktober 2023 Vol. 2 No. 1 (2023): Jurnal Jamastika Vol.2 No.1 April 2023 Vol. 1 No. 2 (2022): Jurnal Jamastika Vol.1 Vol.2 Oktober 2022 Vol. 1 No. 1 (2022): APRIL 2022