Claim Missing Document
Check
Articles

Found 23 Documents
Search

Comparison of Support Vector Machine and Naïve Bayes on Twitter Data Sentiment Analysis Styawati Styawati; Auliya Rahman Isnain; Nirwana Hendrastuty; Lili Andraini
Jurnal Informatika: Jurnal Pengembangan IT Vol 6, No 1 (2021): JPIT, Januari 2021
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v6i1.3245

Abstract

Twitter is a social media that is widely used by the public. Twitter social media can be used to express opinions or opinions about an object. This shows that there is a huge opportunity for data sources, so they can be used for sentiment analysis. There are many algorithms for performing sentiment analysis, including Support Vector Machine (SVM) and Naive Bayes (NB). Because of the many opinions regarding the performance of the two methods, the researcher is interested in classifying the data using the SVM and NB methods. The data used in this study is data on public opinion regarding the Covid-19 vaccination policy. The first classification process is carried out by the SVM method using various kernels. After getting the highest accuracy result, then the accuracy result is compared with the accuracy value from the NB method classification results.
Bidirectional Long Short Term Memory Method and Word2vec Extraction Approach for Hate Speech Detection Auliya Rahman Isnain; Agus Sihabuddin; Yohanes Suyanto
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 14, No 2 (2020): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.51743

Abstract

Currently, the discussion about hate speech in Indonesia is warm, primarily through social media. Hate speech is communication that disparages a person or group based on characteristics such as (race, ethnicity, gender, citizenship, religion and organization). Twitter is one of the social media that someone uses to express their feelings and opinions through tweets, including tweets that contain expressions of hatred because Twitter has a significant influence on the success or destruction of one's image.This study aims to detect hate speech or not hate Indonesian speech tweets by using the Bidirectional Long Short Term Memory method and the word2vec feature extraction method with Continuous bag-of-word (CBOW) architecture. For testing the BiLSTM purpose with the calculation of the value of accuracy, precision, recall, and F-measure.The use of word2vec and the Bidirectional Long Short Term Memory method with CBOW architecture, with epoch 10, learning rate 0.001 and the number of neurons 200 on the hidden layer, produce an accuracy rate of 94.66%, with each precision value of 99.08%, recall 93, 74% and F-measure 96.29%. In contrast, the Bidirectional Long Short Term Memory with three layers has an accuracy of 96.93%. The addition of one layer to BiLSTM increased by 2.27%.
Sentiment Analysis Of Government Policy On Corona Case Using Naive Bayes Algorithm Auliya Rahman Isnain; Nurman Satya Marga; Debby Alita
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 15, No 1 (2021): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.60718

Abstract

 The Indonesian government has enforced the New Normal rule in maintaining economic stabilization and also restraining the spread of the virus during the Covid 19 pandemic. This has become a hot topic of conversation on social media Twitter, many people think positive and negative.The research conducted is a representation of text mining and text processing using machine learning using the Naive Bayes Classifier classification method, the objective of the analysis is to determine whether public sentiment towards the New Normal policy is positive or negative, and also as a basis for measuring the performance of the TF-IDF feature extraction and N-gram in machine learning uses the Naive Bayes method.The results of this study resulted in the accuracy rate of the Naive Bayes method with the TF-IDF feature selection. The total accuracy was 81% with a Precision value of 78%, Recall 91%, and f1-Score 84%. The highest results were obtained from the use of the Naive Bayes and Trigram algorithm parameters, namely 84%, namely 84% Precision, 86% Recall, and 85% f1-Score. The Naive Bayes algorithm with the use of the trigram type N-Gram feature extraction shows a fairly good performance in the process of classifying public tweet data.
Penerapan Smart Village Dalam Peningkatan Pelayanan Masyarakat Menggunakan Metode Web Engeneering (Studi Kasus: Desa Sukanegeri Jaya) M Agung Saputra; Auliya Rahman Isnain
Jurnal Teknologi dan Sistem Informasi Vol 2, No 3 (2021): Volume 2 No. 3 September 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v2i3.940

Abstract

Smart village merupakan konsep desa pintar dengan maksud desa yang telah memanfaatkan perkembangan teknologi informasi smart government, smart community, dan smart environment. Smart village saat ini masih belum banyak diterapkan khususnya di desa, salah satunya adalah desa sukanegeri yang berlokasi di Kabupaten Tanggamus dengan jumlah penduduk 1016 jiwa dengan 226 kepala keluarga dan merupakan salah satu desa yang menjadi bagian dar agenda Gubernur Lampung untuk menerapkan smart village. Berdasarkan prosedur pengolahan data penduduk yang dilakukan terdapat permasalahan seperti proses pengolahan data yang dilakukan secara keseluruhan masih manual yaitu dengan pencatatan pada buku maupun media cetak melalui media office. Hal tersebut berdampak pada proses pengolahan data yang lambat, kerusakan data akibat data arsip berupa media kertas hingga kehilangan dan manipulasi data. Metode pengembangan sistem yang digunakan yaitu web engineering yang bertujuan untuk menerapkan konsep desa pintar dengan mengelola 3 bagian seperti informasi seni dan budaya permohonan surat dan produk BUMDES. Hasil penelitian ini mampu memberikan wadah bagi masyarakat untuk mempermudah melihat produk olahan desa serta permohonan surat yang dapat dilakukan secara online.Kata Kunci : Smart Village, Pelayanan Masyarakat, Metode Web Engineering.
Implementation of K-Nearest Neighbor (K-NN) Algorithm For Public Sentiment Analysis of Online Learning Auliya Rahman Isnain; Jepi Supriyanto; Muhammad Pajar Kharisma
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 15, No 2 (2021): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.65176

Abstract

This research was conducted to apply the KNN (K-Nearest Neighbor) algorithm in conducting sentiment analysis of Twitter users on issues related to government policies regarding Online Learning. Research using Tweet data as much as 1825 Indonesian tweet data data were collected from February 1, 2020 to September 30, 2020. Using the python library, Tweepy. word weighting using TF-IDF, will be classified into two classes of sentiment values, positive and negative. After testing with K of 20, the highest accuracy results were obtained when K = 10 with an accuracy value of 84.65% with a precision of 87%, a recall of 86% f measure 87% and an error rate of 0.12% and a tendency was also obtained. public opinion on online learning tends to be positive.
ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS Zulfa Nabila; Auliya Rahman Isnain; Permata Permata; Zaenal Abidin
Jurnal Teknologi dan Sistem Informasi Vol 2, No 2 (2021): Volume 2 No. 2 Juni 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v2i2.868

Abstract

Coronavirus Diseases 2019 atau yang lebih dikenal dengan sebutan Covid19 adalah kasus pneumonia yang tidak diketahui penyebabnya yang ditemukan pertama kali pada akhir bulan Desember 2019 di Kota Wuhan, China. Ketika menyerang manusia, virus ini menyebabkan infeksi saluran pernafasan seperti flu. Tujuan dari penelitian ini adalah untuk menganalisis data kasus Covid-19 agar dapat mengetahui pengelompokkan pada masalah kasus Covid-19 di Provinsi Lampung. Pengelompokkan data kasus Covid-19 di Provinsi Lampung dilakukan menggunakan metode Clustering dengan algoritma K-Means dengan atribut Kabupaten/Kota, Suspek, Probable, Konfirmasi Positif, Selesai Isolasi, dan Kematian yang digunakan dalam proses perhitungan dan membagi data ke dalam 4 cluster yang dikategorikan sebagai Zona Merah, Zona Orange, Zona Kuning dan Zona Hijau. Serta validasi menggunakan Davies-Bouldin Index (DBI). Hasil validasi DBI menggunakan perhitungan secara manual dan menggunakan bantuan tools RapidMiner memiliki perbedaan, pada kasus ini perhitungan manual memiliki hasil yang lebih baik dibandingkan dengan menggunakan tools RapidMiner, tetapi hasil dari kedua perhitungan sama-sama mendekati 0 yang berarti klaster yang dievaluasi menghasilkan klaster yang baik.Kata Kunci: Covid-19, Data Mining, Clustering, K-Means, Davies-Bouldin Index (DBI)
WORKSHOP DIGITAL MARKETING “TEMUKAN TEKNIK PEMASARAN SECARA DARING” Auliya Rahman Isnain; Sanriomi Sintaro; Donaya Pasha
Journal of Social Sciences and Technology for Community Service (JSSTCS) Vol 2, No 2 (2021): Vol 2, No 2 (2021): September 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v2i2.1365

Abstract

SMK Gajah Mada Bandar Lampung, awal berdirinya bernama SMEA Gajah Mada dengan SK Menteri Pendidikan dan Kebudayaan Republik Indonesia No.4111/12B/4/1990 dengan status TERDAFTAR, yang berada dilokasi Jalan Soekarno Hatta No.1 Kelurahan Tanjung Senang, Kecamatan Tanjung Senang, Kota Bandar Lampung kemudian pada tahun 1990 berstatus DIAKUI, dan pada tahun 2006 statusnya menjadi TERAKREDITASI dengan dua jurusan yaitu Akuntansi mendapat nilai B dan Administrasi Perkantoran mendapat nilai C Kemudian pada tahun 2010 SMK Gajah Mada telah melaksanakan akreditasi ulang untuk jurusan Akuntansi, Administrasi Perkantoran dan Pemasaran (Marketing) dan telah selesai  dengan nilai “Terakreditasi B” sedangkan untuk jurusan Teknik Komputer dan Jaringan baru dibuka pada Tahun Pelajaran 2014/2015.Permasalahan yang dihadapi oleh SMK Gajah Mada  Bandar Lampung adalah kurangnya pengetahuan guru-guru dan siswa terhadap perkembangan teknologi untuk melakukan proses pemasaran secara online atau secara digital.  Dimasa pandemi covid-19 jurusan kewirausahaan SMK Gajah Mada terus mengembangakan teknik pembelajaran untuk memeberikan pengetahuan kepada siswa tentang pemasaran secara online. Seilain itu juga permasalhan yang dihadapai adalah sebagai berikut: 1) Kurangnya pemahaman serta media pembelajaran mengenai Digital Marketing, 2) Kurangnya pemahaman guru dan siswa terhadap konsep digitalisasi dalam pemasaran, 3) Kurangnya pemahaman guru dan siswa terhadap pola pemasaran dengan media digital.
Teks Dan Analisis Sentimen Pada Chat Grup Whatsapp Menggunakan Long Short Term Memory (LSTM) Deby Sintia Amelia; Ahmad Ari Aldino; Auliya Rahman Isnain
Jurnal Teknologi dan Sistem Informasi Vol 2, No 4 (2021): Volume 2 No. 4 Desember 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v2i4.1248

Abstract

AbstrakSemakin berkembangnya teknologi informasi yang sangat pesat, pada era sekarang teknologi berkirim pesan sudah tidak menggunakan pulsa lagi tetapi, sekarang sudah menggunakan aplikasi yang bernama WhatsApp dimana untuk menggunakan WhatsApp tersebut pengguna membutuhkan kuota internet dan sinyal yang bagus agar dapat berkomunikasi menggunakan WhatsApp dengan lancar. Selain digunakan untuk berkirim pesan WhatsApp juga dapat digunakan untuk mengirimkan video, pesan suara, gambar, dan dapat melakukan panggilan video atau yang disebut dengan video call. Didalam WhatsApp juga kita dapat membuat grup chat yang bisa terdiri dari beberapa anggota grup. Tujuan penelitian ini untuk melakukan analisis sentimen terhadap salah satu grup WhatsApp yaitu grup chat yang bernama Shinubi6 untuk dilakukan pemrosesan terhadap isi chat dari grup tersebut dengan menggunakan metode Long Short Term Memory. Metode LSTM digunakan untuk mengetahui tingkat akurasi terhadap data yang digunakan dan penelitian ini juga menggunakan fitur word2vec. Hasil yang didapat pada penelitian analisis sentimen ini yaitu, mendapatkan tingkat akurasi sebesar 99%, precision 99%, dan recall sebesar 1%. Metode LSTM ini memiliki akurasi yang baik pada pemrosesan analisis sentimen chat grup WhatsApp ini.Kata Kunci: Analisis Sentimen, WhatsApp, LSTM, dan Word2vec.
Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine Styawati Styawati; Nirwana Hendrastuty; Auliya Rahman Isnain
Jurnal Informatika: Jurnal Pengembangan IT Vol 6, No 3 (2021): JPIT, September 2021
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v6i3.2870

Abstract

Program kartu prakerja diluncurkan pada tahun 2020 melalui peraturan Presiden Nomor 36 tahun 2020 tentang Pengembangan Kompetensi Kerja melalui Program Kartu Pra-Kerja. Maraknya pembahasan program kartu prakerja di twitter membuat penulis tertarik untuk menganalisa sentimen  masyarakat Indonesia terhadap Program kartu Prakerja tentang trobosan upaya pemerintah mengatasi penganguran dan korban PHK tenaga kerja dengan keyword “prakerja”. Sentimen yang digunakan adalah positif, negatif, dan netral. Metode yang digunakan untuk menganalisis opini masyarakat dengan data yang diperoleh pada sosial media twitter menggunakan Support Vector Machine (SVM). Sedangkan untuk mengukur kinerja klasifikasi SVM menggunakan metode Confusion Matrix. Pada penelitian ini dilakukan perbandingan dua kernel yaitu linear dengan RBF. Hasil evaluasi yang dilakukan pada nilai akurasi kernel linear 98.67%, precission 98%, recall 99%, dan F1-Score 98%, sedangkan pada nilai akurasi kernel RBF 98.34%, precission 97%, recall 98%, F1-Score 98%, dapat disimpulkan bahwa sentimen masyarakat dari pengguna twitter terhadap program kartu prakerja dimasa pandemi lebih condong ke netral sebesar 98,34%. Berdasarkan hasil evaluasi yang dilakukan pada nilai akurasi kernel linear menghasilkan nilai akurasi 98.67%, sedangkan kernel RBF menghasilkan akurasi 98.34%. Maka dari sisi akurasi kernel linear lebih akurat dari pada kernel RBF.
PENERAPAN NAÏVE BAYES CLASSIFIER UNTUK PENDUKUNG KEPUTUSAN PENERIMA BEASISWA Debby Alita; Indah Sari; Auliya Rahman Isnain; Styawati Styawati
Jurnal Data Mining dan Sistem Informasi Vol 2, No 1 (2021): Vol 2, No 1, Februari 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jdmsi.v2i1.1028

Abstract

Scholarships are the provision of assistance in the form of financial assistance provided to individuals with the aim of being used for the sustainability of the education achieved. The problem that occurs in this research is that the process of determining which is still carried out conventionally the student section must check one by one the scholarship application files submitted by students because each data will be compared one by one according to predetermined criteria, which results in the student section becoming difficult in the decision so that It takes a long time, therefore we need a decision support system that can help schools make decisions about scholarship recipients.The Naive Bayes Classifier method is a method that can be used in decision making to get better results on a classification problem. The purpose of this study is to build a scholarship recipient decision support system using the Naïve Bayes Classifier method. In this study, a problem analysis was carried out using PIECES analysis and for the system development method using.The result of this research is that applying the naïve Bayes method to the scholarship recipient's decision support system can assist the school in determining the scholarship recipient more quickly and accurately. The scholarship recipient's decision support system was built using the Java programming language and MySQL database. Keyword: Decision Support Systems, Naïve Bayes Classifier, Waterfall, Blackbox Testing, PIECES