Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Indonesian Journal on Data Science Teknomatika: Jurnal Informatika dan Komputer
Rizky Fauzi Akbar
Universitas Jenderal Achmad Yani Yogyakarta
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sentiment Analysis Related National Social Security Agency for Employment in Indonesia: Hybrid Method Using Lexicon Based and Naive Bayes Classifier Approaches Rizky Fauzi Akbar; Muhammad Habibi
INDONESIAN JOURNAL ON DATA SCIENCE Vol 1 No 1 (2023): Indonesian Journal on Data Science
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/ijds.v1i1.896

Abstract

The National Social Security Agency (BPJS) for Employment is the Social Security Administering Agency with the goal of ensuring that each participant or member of the family receives adequate necessities. In its implementation, there is information that is spread, particularly on Twitter, regarding the Ministry of Health's decision, namely regarding Old Age Security (JHT), which can only be distributed/taken after the participant turns 56 years old, causing both pros and cons among the public. Based on unanalyzed tweets on Twitter, it is necessary to do extensive research to collect relevant information based on netizens' viewpoints. This research describes sentiment analysis of tweets from Twitter using the terms JHT, BPJSTK, and BPJS, which yield 4154 data tweets. We employ two approaches in this study: Lexicon Based and Nave Bayes Classifier. According to this study, the accuracy of the testing data is 92% for the Lexicon Based and 95% for the Nave Bayes Classifier. This study concluded that the JHT at BPJS Employment received unfavorable attitudes and negative reactions among users who addressed the rejection of new restrictions where JHT, could only be dispensed or taken when participants at BPJS Employment were 56 years old.
Metode Hybrid Menggunakan Pendekatan Lexicon Based dan Naive Bayes Classifier Untuk Analisis Sentimen Terkait Jaminan Hari Tua Rizky Fauzi Akbar; Muhammad Habibi; Puji Winar Cahyo; Nafisa Alfi Sa'diya
Jurnal Teknomatika Vol 16 No 2 (2023): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30989/teknomatika.v16i2.1247

Abstract

Badan Penyelenggara Jaminan Sosial (BPJS) Ketenagakerjaan adalah badan aturan publik yang dibuat melalui Undang-Undang No 24 Tahun 2011 Tentang Badan Penyelenggaran Jaminan Sosial menggunakan tujuan untuk mewujudkan terselenggaranya pemberian jaminan terpenuhinya kebutuhan dasar yang layak bagi setiap peserta atau anggota keluarganya. Dalam pelaksanaannya terdapat informasi yang tersebar khususnya pada tweet di Twitter mengenai keputusan Kementrian Kesehatan yaitu mengenai Jaminan Hari Tua (JHT) yang hanya bisa dicairkan/diambil setelah peserta (BPJS) Ketenagakerjaan menginjak usia 56 tahun, menyebabkan adanya pro dan kontra yang ada dikalangan masyarakat. Berdasarkan tweet-tweet pada Twitter yang belum dianalisis maka perlu di analisis secara mendalam untuk mendapatkan informasi yang sesuai berdasarkan opini netizen. Berdasarkan hasil penelitian ini diperoleh nilai akurasi data testing sebesar 92% untuk metode Lexicon Based dan 95% untuk data testing pada metode Naïve Bayes Classifier lalu untuk data training Naïve Bayes Classifier mendapatkan akurasi 82%. Penelitian ini mendapatkan kesimpulan bahwa jaminan hari tua (JHT) pada (BPJS) Ketenagakerjaan mendapat sentimen negatif dari netizen yang banyak membahas mengenai penolakan peraturan baru dimana jaminan hari tua (JHT) pada (BPJS) Ketenagakerjaan, hanya bisa dicairkan atau diambil ketika peserta BPJS Ketenagakerjaan menginjak usia 56 tahun.
Co-Authors Muhammad Habibi Nafisa Alfi Sa'diya Puji Winar Cahyo