cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ardi Mardiana
Contact Email
aim@unma.ac.id
Phone
+62233-8287177
Journal Mail Official
infotech@unma.ac.id
Editorial Address
https://ejournal.unma.ac.id/index.php/infotech/about/contact
Location
Kab. majalengka,
Jawa barat
INDONESIA
Infotech Journal
Published by Universitas Majalengka
ISSN : 24601861     EISSN : 26154250     DOI : -
Core Subject : Science,
Computer Science & IT
Infotech Journal is a Scientific Paper published by the Informatics Study Program of the Faculty of Engineering, Majalengka University. The areas of competence covered by Infotech are Information Systems, Programming, Networks, Robotics, Artificial Intelligence and Multimedia
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 332 Documents
 30   31   32   33   34 
PENERAPAN INDOBERT UNTUK ANALISIS SENTIMEN BERBASIS ASPEK PADA EVALUASI APLIKASI LAYANAN PUBLIK Muhammad Rafli; Badieah Assegaf
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.17555

Abstract

Ulasan pengguna pada aplikasi layanan publik digital seperti Mobile JKN, M-Paspor, dan SIGNAL menyimpan wawasan penting bagi peningkatan kualitas layanan. Namun, analisis sentimen konvensional belum mampu mengidentifikasi aspek spesifik yang menjadi sumber kepuasan maupun keluhan pengguna. Penelitian ini mengembangkan sistem Aspect-Based Sentiment Analysis (ABSA) berbasis IndoBERT dengan pendekatan token classification. Sistem dirancang untuk mengekstraksi tiga aspek utama, yaitu Usability, Reliability, dan Efficiency, sekaligus mengklasifikasikan kategori sentimen. Metode penelitian meliputi pengumpulan data scraping, pra-pemrosesan, dan fine-tuning model IndoBERT. Hasil pengujian menunjukkan kinerja yang sangat baik dengan akurasi pada aspek Usability 0.98, Reliability 0.97,  Efficiency 0.99 untuk Mobile JKN. Untuk M-Paspor mendapatkan akurasi aspek Usability 0.99, Reliability 0.98,  Efficiency 0.99. Dan untuk SIGNAL mendapatkan akurasi aspek Usability 0.99, Reliability 0.98,  Efficiency 0.97. Analisis kurva loss mengungkap adanya indikasi overfitting ringan pada model Mobile JKN yang disebabkan oleh kompleksitas dan keberagaman domain layanan kesehatan, sementara model M-Paspor dan SIGNAL juga mengalami overfitting namun dengan tingkat yang lebih rendah berkat karakteristik domain yang lebih spesifik dan jumlah data pelatihan yang lebih besar. Analisis lebih lanjut mengungkap bahwa aspek Efficiency secara konsisten menjadi yang paling mudah diklasifikasi dengan F1-Score di atas 0.94, sementara aspek Reliability menjadi tantangan utama dengan pola kesulitan berbeda pada setiap dataset. Temuan ini menunjukkan bahwa sistem yang dibangun efektif dalam memberikan wawasan terperinci guna mendukung peningkatan berkelanjutan layanan publik digital.
RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN JADWAL TANAM ADAPTIF BERBASIS BOT WHATSAPP DENGAN DETEKSI MUSIM OTOMATIS Fairuz Izzudin Kamil; Suhendri; Trisna Rafi Agustian; M. Trisna; Fitra AbdulHafizh M.
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.17796

Abstract

Ketidakpastian iklim menjadi tantangan utama dalam sektor pertanian, seringkali menyebabkan kegagalan panen akibat kesalahan penentuan jadwal tanam. Meskipun teknologi digital menawarkan solusi, tingkat adopsi di kalangan petani masih rendah karena rendahnya literasi digital dan antarmuka aplikasi yang kompleks. Penelitian ini bertujuan merancang Sistem Pendukung Keputusan (SPK) adaptif berbasis Bot WhatsApp yang mampu mendeteksi status musim secara otomatis untuk memberikan rekomendasi jadwal tanam yang presisi. Sistem dikembangkan menggunakan metode Rule-Based System dengan mesin inferensi Forward Chaining yang mengintegrasikan data prediksi Zona Musim (ZOM) BMKG. Berbeda dengan aplikasi konvensional, sistem ini meminimalkan input pengguna dengan mengotomatisasi deteksi variabel agroklimat. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi komoditas (Padi, Jagung, Cabai) yang sesuai dengan kondisi lahan (Irigasi/Tadah Hujan) dan status musim real-time. Penggunaan antarmuka percakapan WhatsApp terbukti efektif menurunkan hambatan interaksi teknologi, memungkinkan petani mendapatkan panduan jadwal tanam yang akurat tanpa perlu mempelajari navigasi perangkat lunak yang rumit.

Page 34 of 34 | Total Record : 332

 30   31   32   33   34 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 12 No. 1 (2026) Vol. 11 No. 2 (2025) Vol. 11 No. 1 (2025) Vol. 10 No. 2 (2024) Vol. 10 No. 1 (2024) Vol. 9 No. 2 (2023) Vol. 9 No. 1 (2023) Vol. 8 No. 2 (2022) Vol. 8 No. 1 (2022) Vol. 7 No. 2 (2021) Vol. 7 No. 1 (2021) Vol. 6 No. 2 (2020) Vol. 6 No. 1 (2020) Vol. 5 No. 2 (2019) More Issue