Article Per Year (5 Year)
p-Index From 2019 - 2024
3.346
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Teknologi Informasi dan Ilmu Komputer Edukasi: Jurnal Pendidikan JOISIE (Journal Of Information Systems And Informatics Engineering) JTIK (Jurnal Teknik Informatika Kaputama) Seandanan: Jurnal Pengabdian pada Masyarakat Journal of Applied Business and Technology SATIN - Sains dan Teknologi Informasi The Indonesian Journal of Computer Science
Alyauma Hajjah
Institut Bisnis Dan Teknologi Pelita Indonesia
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : SATIN - Sains dan Teknologi Informasi

 1 
Analisis Sentimen Prosesor AMD Ryzen menggunakan Metode Support Vector Machine Erlin; Josef Sianturi; Alyauma Hajjah; Agustin
SATIN - Sains dan Teknologi Informasi Vol 7 No 2 (2021): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1074.311 KB) | DOI: 10.33372/stn.v7i2.804

Abstract

Prosesor AMD menjadi salah satu pesaing prosesor Intel semenjak dikeluarkannya prosesor Ryzen generasi 3. Berbagai pendapat dan opini masyarakat mengenai prosesor ini sangat mudah ditemui pada media sosial Twitter. Opini ini dapat digunakan sebagai sistem untuk mendukung keputusan berkaitan dengan produk AMD Ryzen. Tujuan penelitian ini adalah untuk mengimplementasikan Analisis Sentimen dalam pendekatan Data Mining untuk menganalisa tekstual data yang terdapat pada Twitter menggunakan metode Support Vector Machine, mengeksplorasi dan memahami tren opini publik mengenai prosesor AMD Ryzen dan mengklasifikasikannya kedalam polaritas biner. Penelitian ini menggunakan Tweet dari Library Tweetscrapper. Pelabelan dilakukan oleh expert untuk diklasifikasikan menjadi sentimen positif dan negatif. Selanjutnya melakukan pra-pemrosesan data untuk menghilangkan noise, mendeteksi nilai data yang hilang, data duplikat dan tidak relevan. Selanjutnya, algoritma machine learning digunakan untuk memprediksi data baru. Model yang dihasilkan dievaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa kinerja metode SVM sangat baik dalam hal akurasi, presisi, recall dan F1 Score dengan nilai masing-masing 96,67%, 96,43%, 100% dan 98,18%. Berdasarkan hasil yang diperoleh, sebagian besar publik memiliki opini yang positif terhadap prosesor AMD Ryzen. Penelitian ini juga membuktikan bahwa metode Support Vector Machine dapat digunakan sebagai algoritma cerdas untuk memprediksi sentimen di Twitter untuk data baru dengan cepat dan akurat.
Co-Authors Agustin Andra Andra Chandra Wijaya Chandra Wijaya Chandra Wijaya Deny Jollyta Desnelita, Yenny Dwi Oktarina Erlin Gusrio Tendra Gustientiedina Gustientiedina Irwan Irwan Jeffry Kody Johnny Anwar Angkasa Josef Sianturi Junita Cahyati Sinaga Leonardo Yang Marcellino Marcellino Marlim, Yulvia Nora Ramalia Noratama Putri Renta Wasni Putri Sihombing, Sagita Charolina siska monica Susi Susi susi susi Teddy Pratama Wilda Susanti