cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bonita Destiana
Contact Email
bonita@uny.ac.id
Phone
+6281227430303
Journal Mail Official
jiety@uny.ac.id
Editorial Address
Department of Electronics and Informatics Engineering Education, Faculty of Engineering, Universitas Negeri Yogyakarta Karangmalang, Yogyakarta, 55281, Indonesia
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Journal of Information Engineering and Technology
Published by Universitas Negeri Yogyakarta
ISSN : -     EISSN : 30266459     DOI : https://doi.org/10.21831/jiety.v1i1
Core Subject : Science,
Computer Science & IT
The aim of this journal publication is to disseminate the conceptual thoughts or ideas and research results that have been achieved in the area of information technology. JIETY, particularly focuses on the main problems in the information technology areas as follows: Computer System Computer Network and Internet Data Analysis Programming
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol. 3 No. 2 (2025): September 2025" : 5 Documents clear
Penerapan Analisis Sentimen Terhadap Kekerasan atau Tindak Bullying pada Media Sosial Twitter Eswantoro, Bayu Nur Rahman; Jati, Handaru
Journal of Information Engineering and Technology Vol. 3 No. 2 (2025): September 2025
Publisher : Department of Electronics and Informatics Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jiety.v3i2.2158

Abstract

Penelitian ini bertujuan untuk: (1) untuk menguji serta menganalisis bagaimana anonimitas dapat memengaruhi perilaku cyberbullying di media sosial Twitter; (2) untuk mengetahui bagaimana pemanfaatan teknik analisis sentimen di media sosial Twitter menggunakan klasifikasi Support Vector Machine (SVM) dapat digunakan secara efektif dalam mengidentifikasikan cyberbullying. Penelitian ini menggunakan metode penelitian kuantitatif. Pengambilan data menggunakan alat Tweet Harvest. Subjek penelitian yaitu seluruh cuitan pengguna di Twitter berbahasa Indonesia yang berkaitan dengan cyberbullying atau tindakan kekerasan verbal lainnya. Proses analisis sentimen yang dilakukan memuat crawling data, preprocessing, labeling, feature extraction and modeling, evaluating, dan visualization. Teknik analisis yang akan digunakan dalam penelitian ini adalah analisis kinerja model menggunakan Confusion Matrix untuk menentukan seberapa baik model dalam menentukan, memprediksi dan mengklasifikasikan sentimen. Hasil Penelitian menunjukkan bahwa: (1) Anonimitas terbukti dapat memengaruhi perilaku cyberbullying di media sosial Twitter. Hal ini terlihat pada tahap identifikasi anonimitas, yang menunjukkan bahwa 811 dari 1.365 pengguna akun Twitter, teridentifikasi sebagai akun anonim. Selain itu, berdasarkan hasil analisis sentimen terhadap 1.282 data cuitan, diketahui bahwa 68,8% di antaranya mengandung unsur negatif. Hasil penelitian ini juga sejalan dengan teori disinhibition effect, di mana pengguna dapat dengan bebas mengutarakan pikirannya di media sosial tanpa ada yang mengawasi dan menganggap status seseorang di media sosial itu setara; (2) model klasifikasi Support Vector Machine terbukti efektif dalam mengidentifikasi cyberbullying di bandingkan Random Forest dan Naïve Bayes dengan nilai akurasi 81% > 80% > 78%.
Analisis Penggunaan Aplikasi Exlert dalam Mengatasi Pemborosan Pangan di Daerah Istimewa Yogyakarta dengan Pendekatan Technology Acceptance Model (TAM) Mahesti, Damayanti Wahyu; Priyanto
Journal of Information Engineering and Technology Vol. 3 No. 2 (2025): September 2025
Publisher : Department of Electronics and Informatics Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jiety.v3i2.2159

Abstract

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi penerimaan aplikasi Exlert di Daerah Istimewa Yogyakarta menggunakan pendekatan Technology Acceptance Model (TAM). Secara khusus, penelitian ini menguji: (1) pengaruh kesadaran pada tanggal kedaluwarsa terhadap persepsi manfaat, (2) pengaruh kesadaran pada tanggal kedaluwarsa terhadap persepsi kemudahan penggunaan, (3) pengaruh persepsi manfaat terhadap intensi menggunakan, (4) pengaruh persepsi kemudahan penggunaan terhadap intensi menggunakan, (5) pengaruh intensi menggunakan terhadap penggunaan aktual dalam aplikasi Exlert. Metode penelitian yang dilakukan adalah kuantitatif dengan teknik analisis Structural Equation Modeling – Partial Least Square (SEM – PLS) menggunakan software SmartPLS 4. Hasil dari penelitian ini menunjukkan bahwa variabel kesadaran akan tanggal kadaluwarsa memiliki pengaruh positif signifikan terhadap persepsi manfaat, variabel kesadaran akan tanggal kadaluwarsa memiliki pengaruh positif signifikan terhadap persepsi kemudahan penggunaan, persepsi manfaat memiliki pengaruh positif signifikan terhadap intensi menggunakan, persepsi kemudahan penggunaan tidak memiliki pengaruh signifikan terhadap intensi menggunakan, dan intensi menggunakan memiliki pengaruh positif signifikan terhadap penggunaan aktual.
Komparasi Beberapa Algoritma Machine Learning untuk Klasifikasi Sentimen Pengguna X (Twitter) Terkait Isu Kabur Aja Dulu Ramadhan, Rayhan Dwi; Arifin, Fatchul
Journal of Information Engineering and Technology Vol. 3 No. 2 (2025): September 2025
Publisher : Department of Electronics and Informatics Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jiety.v3i2.2160

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna media sosial X (Twitter) terhadap isu “Kabur Aja Dulu” serta membandingkan performa beberapa algoritma machine learning dalam mengklasifikasikan sentimen tersebut. Penelitian ini menggunakan pendekatan kuantitatif dengan kerangka kerja SEMMA (Sample, Explore, Modify, Model, Assess). Data dikumpulkan melalui teknik crawling menggunakan tools Tweet Harvest dan diproses melalui tahapan preprocessing seperti pembersihan data, normalisasi, tokenisasi, dan stemming. Pelabelan sentimen dilakukan dengan pendekatan lexicon-based menggunakan InSet Lexicon, sementara proses ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Untuk mengatasi ketidakseimbangan kelas, diterapkan metode Synthetic Minority Oversampling Technique (SMOTE). Enam algoritma diuji, yaitu Support Vector Machine (SVM), Logistic Regression, Naive Bayes, Random Forest, Decision Tree, dan K-Nearest Neighbors (KNN). Hasil penelitian menunjukkan bahwa mayoritas sentimen bersifat negatif. Algoritma SVM menghasilkan akurasi terbaik sebesar 80%, diikuti oleh Logistic Regression (77%) dan Random Forest (75%). Temuan ini menunjukkan bahwa SVM paling efektif digunakan dalam klasifikasi sentimen terkait isu sosial, dan dapat menjadi acuan dalam pengembangan sistem pemantauan opini publik.
Pengembangan Aplikasi Desain Grafis Berbasis Web dengan Framework React-Konva dan Generative AI Ardianto, Widya; Nurkhamid
Journal of Information Engineering and Technology Vol. 3 No. 2 (2025): September 2025
Publisher : Department of Electronics and Informatics Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jiety.v3i2.2161

Abstract

Penelitian ini bertujuan mengembangkan aplikasi desain grafis berbasis web menggunakan framework React-Konva dengan Generative AI serta menilai kualitasnya berdasarkan ISO25010:2023. Pengembangan aplikasi menggunakan metodologi Research and Development (RnD) dengan model pengembangan perangkat lunak Feature-Driven Development. Pengujian kualitas dilakukan pada aspek functional suitability melalui validasi ahli dan performance efficiency menggunakan Chrome Dev Tools. Hasil penelitian menunjukkan aplikasi berhasil dikembangkan dengan reactive dan declarative binding serta integrasi Generative AI. Pengujian menghasilkan skor functional suitability 100% dengan kategori "Sanget Baik", dan performance efficiency menunjukkan penggunaan CPU rata-rata 10%, memori 20,2-37,5 MB, frame rate 133,9 fps, dan response time 132ms. Aplikasi telah memenuhi standar kualitas yang baik, namun memerlukan optimasi untuk mencapai response time di bawah 100ms.
Analisis Perbandingan Metode Support Vector Machine dan Naïve Bayes pada Persepsi Publik terhadap Naturalisasi Pemain Timnas Sepak Bola Indonesia: Studi Kasus Sosial Media X Widodo, Yoga Sulistiyo; Nurlayli, Akhsin
Journal of Information Engineering and Technology Vol. 3 No. 2 (2025): September 2025
Publisher : Department of Electronics and Informatics Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jiety.v3i2.2162

Abstract

Pemerintah menerapkan kebijakan naturalisasi untuk meningkatkan prestasi Timnas Sepak Bola Indonesia, namun hal ini menimbulkan sentimen yang beragam di masyarakat.  Penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine (SVM) dan Naïve Bayes serta menganalisis persepsi publik terhadap kebijakan tersebut melalui data media sosial X.  Dengan menggunakan metodologi Cross Industry Standard Process for Data Mining (CRISP-DM), penelitian ini mengolah 10.454 data yang diambil dari Januari 2020 hingga Januari 2025.  Hasil evaluasi menunjukkan SVM lebih unggul dengan akurasi 0,80 dan F1-score 0,72, dibandingkan Naïve Bayes dengan akurasi 0,76 dan F1-score 0,66.  Analisis sentimen mengungkapkan bahwa persepsi publik secara keseluruhan cenderung negatif jika dibandingkan langsung dengan sentimen positif, meskipun sentimen netral sedikit lebih unggul.  Implikasi dari penelitian ini adalah memberikan wawasan berbasis data bagi PSSI untuk mengevaluasi dan merumuskan strategi komunikasi kebijakan naturalisasi yang lebih efektif dan sejalan dengan aspirasi publik.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 3 No. 2 (2025): September 2025 Vol. 3 No. 1 (2025): March 2025 Vol. 2 No. 2 (2024): September 2024 Vol. 2 No. 1 (2024): March 2024 Vol. 1 No. 2 (2023): September 2023 Vol. 1 No. 1 (2023): March 2023