Garuda - Garba Rujukan Digital

Klasifikasi Topik Keluhan Pelanggan Berdasarkan Tweet dengan Menggunakan Penggabungan Feature Hasil Ekstraksi pada Metode Support Vector Machine (SVM) Pratama, Enda Esyudha; Trilaksono, Bambang Riyanto
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 1, No 2 (2015): Volume 1, No 2
Publisher : Program Studi Informatika

Pemanfaatan twitter sebagai layanan customer serevice perusahaan sudah mulai banyak digunakan, tak terkecuali Speedy. Mekanisme yang ada saat ini untuk proses klasifikasi bentuk dan jenis keluhan serta informasi tentang jumlah keluhan lewat twitter masih dilakukan secara manual. Belum lagi data twitter yang bersifat tidak terstruktur tentunya akan menyulitkan untuk dilakukan analisa dan penggalian informasi dari data tersebut. Berdasarkan permasalahan tersebut, penelitian ini bertujuan untuk memproses data teks dari tweet pengguna twitteryang masuk ke akun @TelkomSpeedy untuk diolah menjadi informasi. Informasi tersebut nantinya digunakan untuk klasifikasi bentuk dan jenis keluhan. Merujuk pada beberapa penelitian terkait, salah satu metode klasifikasi yang paling baik untuk digunakan adalah metode Support Vector Machine (SVM). Konsep dari SVM dapat dijelaskan secara sederhana sebagai usaha mencari hyperplane yang dapat memisahkan dataset sesuai dengan kelasnya. Kelas yang digunakan dalam penelitian kali ini berdasarkan topik keluhan pelanggan yaitu billing, pemasangan/instalasi, putus (disconnect), dan lambat. Faktor penting lainnya dalam hal klasifikasi adalah penentuan feature atau atribut kata yang akan digunakan. Metode feature selection yang digunakan pada penlitian ini adalah term frequency (TF), document frequency (DF), information gain, dan chi-square. Pada penelitian ini juga dilakukan metode penggabungan feature yang telah dihasilkan dari beberapa metode feature selection sebelumnya. Dari hasil penelitian menunjukan bahwa SVM mampu melakukan klasifikasi keluhan dengan baik, hal ini dibuktikan dengan akurasi 82,50% untuk klasifikasi bentuk keluhan dan 86,67% untuk klasifikasi jenis keluhan. Sedangkan untuk kombinasi penggunaan feature dapat meningkatkan akurasi menjadi 83,33% untuk bentuk keluhan dan 89,17% untuk jenis keluhan. Â Kata Kunciâ€”customer service, klasifikasi topik keluhan, penggabungan feature, support vector machine

Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes Gunawan, Billy; Sastypratiwi, Helen; Pratama, Enda Esyudha
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 2 (2018): Volume 4 No 2
Publisher : Program Studi Informatika

Sistem analisis sentimen merupakan sistem yang digunakan untuk melakukan proses analisis otomatis pada ulasan produk online bahasa Indonesia untuk memperoleh informasi meliputi informasi sentimen yang merupakan bagian dari ulasan online. Data tersebut diklasifikasikan menggunakan Naive Bayes. Sistem analisis sentimen dibagi menjadi 5 (lima) tahap, yaitu crawling, pre-processing, pembobotan kata, pembentukan model dan klasifikasi sentimen. Pada pembobotan kata digunakan metode TF-IDF (Term Frequency â€“ Inverse Document Frequency). Data yang ada akan diklasifikasikan ke dalam 5 (lima) kelas, yaitu sangat negatif, negatif, netral, positif dan sangat positif. Data tersebut kemudian akan dievaluasi menggunakan pengujian confusion matrix dengan parameter akurasi, recall, dan precision. Hasil pengujian menunjukkan pada pengujian 3 kelas (negatif, netral dan positif) hasil terbaik didapatkan pada 90% data latih dan 10% data uji dengan nilai akurasi 77.78%, recall 93.33% dan precision 77.78% dan pada pengujian 5 kelas hasil terbaik didapatkan pada 90% data latih dan 10% data ujiÂ dengan nilai akurasi 59.33 %, recall 58.33 % dan precision 59.33 %. Hasil prediksi kelas data uji yang relevan dibandingkan antara kelas sentimen yang ditandai supervisor dan kelas sentimen yang dihasilkan oleh sistem analisis sentimen walaupun belum sepenuhnya akurat.

Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes Fitriyyah, Sitti Nurul Jannah; Safriadi, Novi; Pratama, Enda Esyudha
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.34368

Pada tahun 2019 Indonesia akan mengadakan pesta demokrasi pemilihan kepala negara Indonesia. Setiap tokoh politik yang dicalonkan menjadi kepala negara akan mempertimbangkan popularitas mereka berdasarkan opini masyarakat. Sejak diumumkan nama calon Presiden Indonesia 2019 oleh Komisi Pemilihan Umum(KPU) nama-nama tersebut mulai banyak diperbincangkan, terutama di media sosial salah satunya adalah twitter. Terdapat berbagai opini pengguna twitter yang bersentimen negatif positif dan netral. Namun untuk menentukan sentimen dari pengguna twitter membutuhkan usaha dan waktu yang cukup banyak dikarenakan banyaknya jumlah tweet yang digunakan. Dibutuhkan pembelajaran mesin yang dengan cepat dalam pengklasisifikasian tweet tersebut dalam kelas negatif, positif dan netral. Naive Bayes Classifier adalah metode klasifikasi text yang memiliki kecepatan pemrosesan dan akurasi yang cukup tinggi apabila diterapkan pada data yang banyak, besar, dan beragam. Sebelum data tweet diklasifikasikan, data tersebut harus melalui beberapa proses, seperti prepocessing, pembobotan kata dan pemecahan data. Tujuan dari penelitian ini adalah mengetahui bagimana penerapan metode Naive Bayes pada sentimen pengguna twiter di 2 kelas (negatif, positif) dan 3 kelas (negatif, positif, netral). Hasil dari penelitian ini diperoleh bahwa dilakukan pengujian 3 kelas dan 2 kelas untuk setiap pasangan calon (paslon). Pada pengujian 3 kelas paslon 01 dan paslon 02 didapat hasil akurasi berturut-turut sebagai berikut 64,6% dan 58%. Sedangkan pada pengujian 2 kelas paslon 01 dan paslon 02 didapat hasil akurasi berturut-turut sebagai berikut 77,7% dan 88%. Performansi tertinggi terdapat pada calon presiden nomor urut dua dengan nilai f-measure sebesar 0,88.

Klasifikasi Kategori Permasalahan Akademik Mahasiswa Comdev Universitas Tanjungpura Menggunakan Algoritma Naive Bayes Pratama, Enda Esyudha
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 2 (2021): Volume 7 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i2.47199

Community Development & Outreaching Universitas Tanjungpura merupakan salah satu unit di UNTAN yang bertugas mengelola beasiswa bagi mahasiswa. Sebagai salah satu bentuk pertanggungjawaban, tiap semesternya melakukan pengisian data monitoring dan evaluasi. Salah satu data yang perlu dikelola adalah kategori permasalahan akdemik yang tersedia dalam bentuk teks atau kalimat. Penelitian ini menghasilkan program yang dilengkapi dengan model klasifikasi yang mampu mengklasifikasikan permasalahan akdemik secara otomatis. Model klasifikasi dibangun dengan menggunakan algoritma Multinomial Naive Bayes. Dari hasil evaluasi, model klasifikasi mempunyai nilai akurasi dan presisi yang cukup baik sebesar 82,14% dan 84,98%. Dari model yang dibangun, digunakan untuk implementasi pada data uji. Hasil implementasi menunjukan kategori permasalahan akademik yang paling sering disampaikan oleh mahasiswa adalah Sistem Perkuliahan dan Teknologi.

Aplikasi Pendeteksi Cyberbullying Terhadap Komentar Postingan Media Sosial Instagram dengan Metode NaÃ¯ve Bayes Classifier Berbasis Website Hutagalung, Alfan Syahada; Negara, Arif Bijaksana Putra; Pratama, Enda Esyudha
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 9, No 3 (2021)
Publisher : Jurusan Informatika Universitas Tanjungpura

Berdasarkan survey data perusahaan analis Sosial Media Marketing yang berbasis di Warsawa, Polandia, NapoleonCat mencatat jumlah pengguna Instagram di Indonesia tahun 2019 mencapai 61.610.000. Instagram memungkinkan penggunanya untuk berbagi momen lewat foto dan video. Instagram juga memiliki fitur untuk mengomentari postingan. Namun dengan adanya fitur tersebut dapat memberikan dampak yang positif dan negatif bagi masyarakat. Salah satu dampak negatifnya adalah cyberbullying. PadaÂ kenyataannyaÂ sosialÂ mediaÂ instagram tidak dapat menyaringÂ komentar sentimen negatif yang mengandung unsur cyberbullying. Dampak dari tindakan cyberbullyingÂ dapat mengakibatkan depresi berat hingga bunuh diri. Karenanya, aplikasi pendeteksi cyberbullying di Instagram adalah solusi untuk menemukan komentar yang mengandung kata atau kalimat negatif. Aplikasi yang telah dibuat menerapkan sebuah pemodelan text miningÂ dengan mengklasifikasikan komentar ke dalam sentimen negatif (bullying dan bukan bullying) dan sentimen positif. Pemodelan text miningÂ yang diterapkan menggunakan metode NaÃ¯ve Bayes. Dengan adanyaÂ Aplikasi Pendeteksi Cyberbullying untuk mendeteksi komentar negatif dengan menggunakan metodeÂ NaÃ¯ve Bayes Classifier diharapkan dapat membantu pengguna instagram dalam mendeteksi dan menghapus komentar negatif. Hasil pengujian confussion matrix menunjukkan nilai akurasi sebesar 98,5%, nilai kerusakan (error rate) sebesar 1,5%, nilai presisi sebesar 96%, dan nilai recall sebesar 96%.

Aplikasi Augmented Reality Sistem Pernapasan Kurniawan, Muhamad Jodi; Anra, Hengky; Pratama, Enda Esyudha
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 5, No 2 (2017)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (984.917 KB)

Pendidikan adalah usaha sadar dan terencanauntuk mewujudkan suasana belajar dan prosespembelajaran agar peserta didik secara aktifmengembangkan potensi dirinya untuk memilikikecerdasan ataupun keterampilan yang dibutuhkan.Metode belajar konvensional digunakan pada pelajaranbiologi untuk kelas XI SMA IPA materi sistem pernapasan.Dalam materi sistem pernapasan bagian-bagian materiyang dipelajari kebanyakan membahas bagaimana sistempernapasan itu berjalan didalam tubuh, sedangkan siswamempelajari materi sistem pernapasan melalui gambardidalam buku, ini membuat siswa kesulitan dalammemvisualisasikan sistem dan organ pernapasan tersebutberjalan sesungguhnya. Augmented Reality adalahteknologi yang dapat menggabungkan objek 3D ke dalamlingkungan nyata Tidak seperti Virtual Reality yangsepenuhnya menggantikan kenyataan, namun AugmentedReality hanya menambahkan atau melengkapi kenyataan.Pada kasus ini materi sistem pernapasan yang dipelajariakan divisualisasikan dalam bentuk 3D. Metode yangdigunakan pada penelitian tentang Augmented Reality iniadalah metode Marker Based Tracking. Pada penelitian inidigunakan Blender, Unity 3D, Vuforia untuk membangunaplikasi. Aplikasi berbasis Android. Berdasarkan hasilpengujian User Acceptance Test diketahui persentase nilaiAcceptance mencapai 100%, ini berarti aplikasi dapatditerima. Dari Pre Test ke Post Test yang dilakukan aplikasiyang diimplementasikan teknologi Augmented Realitykepada 2 kelas siswa SMA XI IPA semester 2, kelas yangmenggunakan bantuan aplikasi memperoleh peningkatanpersentase nilai lebih tinggi dari kelas yang tidakmenggunakan aplikasi. Yaitu 66% untuk kelas yangmenggunakan aplikasi, dan 62% untuk kelas yang tidakmenggunakan aplikasi. Dapat disimpulkan bahwa aplikasidapat menampilkan objek 3D, dan dapat membantu siswauntuk meningkatkan pemahaman siswa pada materi sistempernapasan.

Sistem Pendukung Keputusan Seleksi Mahasiswa Penerima Beasiswa BBP-PPA dengan Metode TOPSIS pada Fakultas Teknik UNTAN Wang, Vioni Vevila; Sukamto, Anggi Srimurdianti; Pratama, Enda Esyudha
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 7, No 2 (2019)
Publisher : Jurusan Informatika Universitas Tanjungpura

Beasiswa merupakan bentuk penghargaan yang ditujukan kepada pelajar. Berbagai pertimbangan dilakukan untuk menemukan sasaran secara tepat dan cepat. Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer yang membantu proses pengambilan keputusan untuk menghasilkan alternatif pilihan terbaik dengan cepat dan mengurangi terjadinya human error. Tujuan penelitian ini adalah membangun sebuah sistem pengambilan keputusan yang dapat digunakan untuk penyeleksian mahasiswa penerima beasiswa BBP-PPA yang akan diterapkan pada Fakultas Teknik Universitas Tanjungpura. TOPSIS merupakan metode yang diimplemtasikan pada SPK seleksi mahasiswa penerima beasiswa ini. Model pengembangan sistem menggunakan konsep System Development Life Cycle (SDLC). Pengujian sistem dilakukan dengan tiga cara, yaitu pengujian black box, User Acceptance Test (UAT) dan pengujian metode. Dari pengujian yang telah dilakukan, pengimplementasian metode TOPSIS cocok untuk digunakan pada kasus ini. Secara keseluruhan, SPK yang menerapkan metode TOPSIS dapat membantu pihak yang bersangkutan dengan mengatasi permasalahan human error dan mempercepat proses penyeleksian mahasiswa penerima beasiswa BBP-PPA.

Rancang Bangun Sistem Informasi Pengolahan Nilai Rapor Berbasis Website pada SMP Negeri 16 Pontianak Putri, Dhea Arista; Irwansyah, M. Azhar; Pratama, Enda Esyudha
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 7, No 4 (2019)
Publisher : Jurusan Informatika Universitas Tanjungpura

Rapor adalah laporan oleh guru mengenai kemajuan atau hasil belajar siswa selama masa tertentu.Â Penilaian merupakan rangkaian kegiatan untuk memperoleh, menganalisis, dan menafsirkan hasil belajar siswa yang dilakukan secara sistematis dan berkesinambungan. Pengolahan nilai rapor siswa adalah sebuah pekerjaan yang membutuhkan ketelitian karena didalamnya terdapat banyak sekali data yang harus diolah. Dalam hal ini, sistem pengolahan nilai rapor di sekolah SMP Negeri 16 Pontianak yang sedang berjalan saat ini yaitu setiap guru mata pelajaran menginputkan nilai-nilai siswa yang diampunya dengan mengubah data yang ada sebelumnya menjadi data baru yang nantinya akan diolah. Kemudian, data yang telah diinputkan oleh setiap guru mata pelajaran tersebut diserahkan ke bagian staf. Kemudian staf mengolah lagi data nilai-nilai siswa tersebut untuk menjadi rapor yang pada akhirnya akan dicetak sehingga proses untuk menjadi rapor terjadi double working karena data antar guru dan staf tidak tersinkronisasi. Tujuan dari penelitian ini adalah menghasilkan sistem informasi pengolahan nilai rapor berbasis website yang didalamnya dapat memanajemen seluruh data-data siswa, guru, nilai harian, nilai tugas, nilai ulangan tengah semester, nilai ulangan akhir semester, dan sebagainya. Metode yang digunakan yaitu dengan metode waterfall dimana hal ini menggambarkan pendekatan yang sistematis dan berurutan pada pengembangan perangkat lunak. Pengujian yang dilakukan terhadap sistem dengan metode UAT (User Acceptance Test). Dari hasil pengujian User Acceptance Test (UAT) yang telah dilakukan menunjukan sistem informasi berjalan dengan sangat baik sesuai fungsinya dan dapat diimplementasikan pada SMP Negeri 16 Pontianak.

Rancang Bangun Sistem Informasi Pajak Papan Reklame Berbasis SIG (Studi Kasus Kota Pontianak) Laksana, Miftah Fauzan Irwan; Irwansyah, M. Azhar; Pratama, Enda Esyudha
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 8, No 1 (2020)
Publisher : Jurusan Informatika Universitas Tanjungpura

Dinas Pendapatan Daerah Kota Pontianak dalam tugasnya masih menggunakan sistem informasi reklame untuk mengawasi papan reklame. Dinas Pendapatan Daerah Kota Pontianak juga masih menggunakan surat pemberitahuan kepada vendor dan pemilik iklan bahwa masa pajak papan reklame sudah melewati batas yang telah ditentukan. Surat Dinas Pendapatan Daerah Kota Pontianak terkadang terlambat dalam pengiriman ke penyedia papan reklame dan pemilik ikaln. Metodoligi penelitian dilakukan dengan metode waterfall merupakan salah satu proses permodel perangkat lunak yang mengambil kegiatan proses dasar seperti spesifikasi, pengembangan, validasi dan evolusi dengan mempresentasikannya sebagai fase-fase proses yang berbeda seperti analisis dan definisi persyaratan, perancangan perangkat lunak, implementasi dan pengujian unit, integrasi dan pengujian sistem, operasi dan pemeliharaan. Hasil pengujian dari kuesioner terhadap 30 responden yang menggunakan metode Likerâ€™s Summated Rating (LSR), diperoleh total skor 1941 yang menunjukan program dinilai berhasil dari nilai tertinggi dari skor 1800 sampai skor 2250. Sistem informasi Geografis ini dapat membantu Dispenda, untuk mengawasi papan reklame terhadap pajak reklame. Vendor dan pemilik iklan juga dapat mengawasai papan reklame yang memiliki status pajak agar tidak melewati pembayaran pajak reklame berserta dendanya. Sistem ini dapat pemberitahuan kepada vendor dan pemilik iklan tentang status pajak reklame di papan reklame jika sudah mendekati jatuh tempo pembayaran pajak.

Implementasi Naive Bayes Classifier pada Opinion Mining Berdasarkan Tweets Masyarakat Terkait Kinerja Presiden dalam Aspek Ekonomi Juniarsih, Sri; Ripanti, Eva Faja; Pratama, Enda Esyudha
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 8, No 3 (2020)
Publisher : Jurusan Informatika Universitas Tanjungpura

Media sosial salah satunya Twitter dimanfaatkan sebagai sarana untuk lebih dekat dengan masyarakat. Hal tersebut dapat memberikan wawasan yang mendalam tentang apa yang masyarakat inginkan. Tujuan dari penelitian ini adalah menghasilkan mesin yang mampu mengklasifikasikan tweets masyarakat terkait kinerja presiden dalam aspek ekonomi ke dalam kelas positif dan negatif. Aspek utama (ekonomi) diturunkan menjadi parameter ekonomi Indonesia, lapangan pekerjaan dan rupiah. Text preprocessing yang digunakan yaitu cleaning, case folding, normalisasi, filtering, dan stemming. Penelitian ini menerapkan teknik scraping sebagai teknik pengumpulan data tweets, TF-IDF sebagai metode pembobotan kata, Naive Bayes Classifier sebagai algoritma pengklasifikasian, serta Confusion Matrix sebagai metode pengujian. Training data terdiri dari training data A yang berjumlah 600 dokumen dari data tweets, dan training data B yang berjumlah 158 dokumen yang disusun berdasarkan pola parameter + kata independen. Klasifikasi yang dilakukan oleh opinion mining machine secara keseluruhan (gabungan semua parameter) dapat dinyatakan sebagai Good Classification. Berdasarkan pengujian Skenario 1 (klasifikasi menggunakan training data A), mesin mampu mengklasifikasikan 540 testing data (gabungan semua parameter) dengan akurasi sebesar 87.96% dan running time 13 menit 18 detik. Berdasarkan pengujian Skenario 2 (klasifikasi menggunakan training data B), mesin mampu mengklasifikasikan testing data yang sama (gabungan semua parameter), dengan akurasi sebesar 88,70% dan running time 6 menit 34 detik. Berdasarkan hasil pengujian tersebut, maka dapat diketahui performa mesin lebih unggul ketika menggunakan training data B. Maka dari itu, dapat disimpulkan bahwa pola yang digunakan dalam penyusunan training data B dinyatakan berhasil dan cocok untuk penelitian ini. Kemudian berdasarkan hasil analisis pengujian yang menunjukkan persentase prediksi opini positif lebih tinggi, maka dapat disimpulkan tweets masyarakat terhadap kinerja presiden dalam aspek ekonomi didominasi oleh opini positif.

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search