Article Per Year (5 Year)
p-Index From 2019 - 2024
2.304
P-Index
This Author published in this journals
All Journal Jurnal Transformatika Jurnal Teknologi Sistem Informasi dan Aplikasi J-SAKTI (Jurnal Sains Komputer dan Informatika) Progresif: Jurnal Ilmiah Komputer Abdimasku : Jurnal Pengabdian Masyarakat J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informatika: Jurnal Pengembangan IT
Muhammad Syaifur Rohman
Universitas Dian Nuswantoro
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Energy Health Professions Industrial & Manufacturing Engineering Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Progresif: Jurnal Ilmiah Komputer

 1 
Penerapan Metode K-Means Clustering Dalam Menganalisis Sentimen Masyarakat Terhadap K-Popers Pada Twitter Miranti Alysha Zulia Larasati; Nurul Anisa Sri Winarsih; Muhammad Syaifur Rohman; Galuh Wilujeng Saraswati
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (551.485 KB) | DOI: 10.35889/progresif.v18i2.877

Abstract

The evolution of Twitter as a platform loved by the general public in Indonesia is evidenced by statistical data that shows that Indonesia is ranked 7th in the world and has a large number of users, reaching 13.2 million. Many users have expressed their opinions on Twitter. This includes expressions with hate speech to bullying. From this research, an analysis was carried out on public satisfaction with K-Pop to get a benchmark for how far people know the existence of K-Pop in Indonesia. This research was conducted using the K-Means Clustering algorithm method to group (positive, neutral and negative) sentiments from datasets taken from Twitter. The dataset used consists of 1000 data retrieved according to the results of the polarity of the tweet. Based on the test results, it got a negative sentiment value of 15.09%, neutral 51.75%, and positive 33.15%. With the evaluation level using the silhouette coefficient method, which is 0.687974 which means it has good structural results.Keywords: Data Mining, K-means Clustering, Silhouette coefficient, K-pop Abstrak. Evolusi Twitter sebagai platform yang digemari masyarakat umum di Indonesia dibuktikan dengan data statistik yang menunjukkan bahwa Indonesia menempati peringkat ke-7 dunia dan memiliki jumlah pengguna yang besar yaitu mencapai 13,2 juta. Banyak pengguna yang mengutarakan pendapat di Twitter. Ini termasuk ekspresi dengan ujaran kebencian hingga perundungan. Dari penelitian tersebut dilakukan analisis tentang kepuasan masyarakat terhadap K-Pop untuk mendapatkan tolok ukur seberapa jauh masyarakat mengetahui eksistensi K-Pop di Indonesia. Penelitian ini dilakukan dengan menggunakan algoritme K-Means Clustering untuk mengelompokkan sentimen positif, netral dan negatif dari dataset yang diambil dari twitter. Dataset yang digunakan terdiri dari 1000 data yang diambil sesuai hasil polaritas tweet. Berdasarkan hasil pengujian mendapatkan nilai sentimen negatif sebanyak 15,09%, netral 51,75%, dan positif 33,15%. Dengan tingkat evaluasi menggunakan metode Silhouette Coefficient yaitu sebesar 0.687974 yang berarti memiliki hasil struktur yang baik.Kata kunci: Data Mining, K-means Clustering , Silhouette coefficient, K-pop
Peningkatan Urgensi Daerah Rawan Bencana melalui Analisis Geoparsing pada Berita Kebencanaan dengan Text Mining Muhammad Syaifur Rohman; Nurul Anisa Sri Winarsih; Galuh Wilujeng Saraswati
Progresif: Jurnal Ilmiah Komputer Vol 19, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i2.1295

Abstract

This research aims to enhance the Disaster Vulnerability Map through the utilization of Geoparsing method by Text Mining on disaster news reports. The increase in casualties and damages caused by natural disasters reported by BNPB from 2020 to 2021 necessitates effective disaster management and preparedness for future events. BPBD Jawa Tengah employs disaster news reports as a means to raise public awareness. However, the creation of an accurate Disaster Vulnerability Map requires geospatial data on the frequency of disaster occurrences, which is not available within the reports. Thus, Geoparsing is employed to process the disaster reports data. The findings of this study demonstrate that Geoparsing can enhance the accuracy of the Disaster Vulnerability Map and provide insights into the level of urgency for disaster preparedness in the Preparedness Disaster Management phase.Keywords: Text Mining; Geoparsing; Disaster Prone Area; Disaster Management AbstrakPenelitian ini bertujuan untuk meningkatkan Peta Rawan Bencana melalui penggunaan metode Geoparsing yang didapat melalui Text Mining pada berita laporan kebencanaan. Dalam kurun waktu tahun 2020 hingga 2021, terjadi peningkatan korban dan kerugian akibat bencana alam yang dilaporkan oleh BNPB. Oleh karena itu, penanganan dan persiapan yang efektif diperlukan untuk mengurangi dampak bencana di masa depan. BPBD Jawa Tengah menggunakan berita laporan kebencanaan sebagai upaya untuk meningkatkan kesadaran masyarakat. Namun, untuk menghasilkan Peta Rawan Bencana yang akurat, diperlukan data geospasial mengenai frekuensi kejadian bencana yang tidak tersedia dalam laporan tersebut. Dalam penelitian ini, dilakukan pengolahan data laporan kebencanaan menggunakan metode Geoparsing. Hasil penelitian menunjukkan bahwa Geoparsing dapat meningkatkan akurasi Peta Rawan Bencana dan memberikan informasi mengenai tingkat urgensi persiapan terhadap bencana di fase Preparedness Disaster Management.Kata kunci: Text Mining; Geoparsing; Disaster Prone Area; Disaster Management
Co-Authors Ahmad Zainul Fanani Danny Oka Ratmana Edy Mulyanto Fakhrurrozi Fakhrurrozi Filmada Ocky Saputra Fris Alvin Guruh Fajar Shidik Miranti Alysha Zulia Larasati Naya Alifiah az Azar Putri Mardiantara Ricardus Anggi Pramunendar Saraswati, Galuh Wilujeng Winarsih, Nurul Anisa Sri Yuliman Purwanto