Article Per Year (5 Year)
p-Index From 2019 - 2024
0.882
P-Index
This Author published in this journals
All Journal JURNAL MEDIA INFORMATIKA BUDIDARMA Techno Nusa Mandiri : Journal of Computing and Information Technology JURIKOM (Jurnal Riset Komputer) Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang Jurnal Sistem Komputer dan Informatika (JSON)
Ultach Enri
Departemen Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbangsa Karawang, Karawang, 41361
Humanities Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JURIKOM (Jurnal Riset Komputer)

 1 
Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes Muhammad Raihan Fais Sya' bani; Ultach Enri; Tesa Nur Padilah
JURIKOM (Jurnal Riset Komputer) Vol 9, No 2 (2022): April 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v9i2.3989

Abstract

Presiden Indonesia saat ini telah memegang jabatan yang sama selama 2 periode secara berturut – turut yang mana pada dasar peraturan untuk menjadi calon presiden sudah tidak bisa mencalonkan kembali menjadi presiden, dalam hal itu banyak lembaga survei yang telah mengeluarkan hasil survei terhadap beberapa tokoh yang memiliki elektabilitas untuk bisa menjadi calon presiden, berdasarkan hal tersebut juga banyak warganet yang menyampaikan pendapat, dari pendapat tersebut bisa dibuat kesimpulan mengenai sentimen warga masyarakat terhadap suatu tokoh bakal calon presiden tersebut dengan menggunakan metode Knowledge Discovery from Data dengan menggunakan algoritme naïve bayes dan perhitungan skor sentimen dengan harapan dari penelitian ini bisa memberikan bahan referensi kepada masyarakat dalam memilih presiden di pilpres yang akan datang. Hasil dari penelitian ini mendapatkan kesimpulan bahwa warganet memiliki sentimen positif terhadap setiap tokoh bakal calon presiden yang akan datang. Kemudian untuk hasil evaluasi dari algoritme naïve bayes yang didapatkan dari dataset pertama adalah 73,68 akurasi dan AUC 0,74 pada fold ke-7, dataset kedua adalah 71,43 untuk akurasi dan AUC 1,0 pada fold ke – 5, untuk dataset ketiga nilai akurasi yang didapat 60% dan AUC 0,92 pada fold ke-1, dan untuk dataset terakhir nilai akurasi yang didapatkan adalah 62,5% dan AUC 0,65 pada fold ke-3.
Analisis Sentimen Ulasan Pengguna Aplikasi Myim3 Pada Situs Google Play Menggunakan Support Vector Machine Piqih Aditiya; Ultach Enri; Iqbal Maulana
JURIKOM (Jurnal Riset Komputer) Vol 9, No 4 (2022): Agustus 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v9i4.4673

Abstract

Technological developments are increasingly rapid, this makes it easier to communicate information and shopping transactions, one of the innovations that are being adopted is digital services, such as self-service. One of the self-services is myim3 which is a product of PT Indosat Ooredoo Hutchison as an internet network service provider company, with the increasing number of users of the application, many opinions or public sentiments are shared in the comments or reviews column, therefore it is necessary to analyze this MyIM3 application review to find out public opinion about the application. The review data is obtained from the Google Play website which is retrieved using the scraping method with the help of 3rd party libraries in python. The amount of data obtained in this study was 3484 data. Experts assist in data labeling to determine positive and negative. In the preprocessing stage, the data is cleaned to reduce the less influential attributes. In the next stage, perform the transformation process with TF-IDF. The classification process is divided into several scenarios with the algorithm used as a support vector machine with 2 kernels, linear and RBF. The best results are in the scenario (70:30) for the linear kernel with 87% accuracy and the scenario (90:10) with 87% accuracy in the RBF kernel. The classification process produces the most frequently occurring words in each sentiment class which is visualized with a word cloud. The word "good" is the most dominant in the positive review data, while the word "network" is the most dominant in the harmful review data of the MyIM3 application
Co-Authors Ahmad Ridhoi Fajri Apriade Voutama Chaerur Rozikin Fitria Septianingrum Iqbal Maulana Jaman, Jajam Haerul Muhammad Bari Abdul Majid Muhammad Nur Yasin Muhammad Raihan Fais Sya' bani Piqih Aditiya Purwantoro Purwantoro Richard Julianno Soeganda Tesa Nur Padilah Yusup Mad Cani Yuyun Umaidah