Article Per Year (5 Year)
p-Index From 2019 - 2024
1.152
P-Index
This Author published in this journals
All Journal MAJAMATH: Jurnal Matematika dan Pendidikan Matematika InPrime: Indonesian Journal Of Pure And Applied Mathematics Journal of Applied Data Sciences Journal of Applied Computer Science and Technology (JACOST) Indonesian Journal of Computer Science
Liebenlito, Muhaza
Department Of Mathematics, Faculty Of Science And Technology, UIN Syarif Hidayatullah Jakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

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

Found 1 Documents
Search
Journal : Indonesian Journal of Computer Science

 1 
Deteksi Kepribadian MBTI pada Diskusi Agama Islam di Twitter Indonesia 2009-2019 Nanira Annisa Fitri; Taufik Edy Sutanto; Muhaza Liebenlito
Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): Indonesian Journal of Computer Science (IJCS) Volume 12 Number 5 (2023)
Publisher : STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kepribadian adalah perilaku serta pemikiran seseorang yang dapat mempengaruhi orang lain dalam berinteraksi di berbagai situasi. Satu macam tes kepribadian yang populer adalah Myers-Briggs Type Indicator (MBTI) yang mengklasifikasikan kepribadian seseorang berdasarkan empat dimensi yaitu Introvert-Extrovert, Sensing-Intuitive, Thinking-Feeling, serta Judging-Perceiving. Sebagian besar penelitian sebelumnya mengenai prediksi MBTI yang telah dilakukan menggunakan dataset berbahasa Inggris. Penelitian ini melakukan analisa prediksi MBTI pengguna twitter dengan menggunakan data latih bahasa Indonesia yang berasal dari terjemahan model kecerdasan buatan. Empat model klasifikasi seperti Random Forest, Support Vector Machine (SVM), Logistic Regression, dan Bernoulli Naive Bayes digunakan untuk menganalisis efektivitas prediksi MBTI pada data yang digunakan. Hasil eksperimen menunjukkan bahwa model klasifikasi SVM menghasilkan akurasi tertinggi yaitu 90% untuk I-E, 93% untuk N-S, 88% untuk T-F, dan 84% untuk J-P. Model yang diajukan memiliki potensi untuk menjadi solusi untuk memprediksi MBTI secara cepat dan baik pada data yang besar dalam bahasa Indonesia.
Co-Authors Anisa Salsabila Arlianis Arum Yesinta Arsy Arslina Esti Choerunnisa Hamid, Abdul Muhamad Irvan Septiar Musti Nanira Annisa Fitri Nur Inayah Rahmi Purnomowati Suma Inna Suma Inna Taufik Edy Sutanto Taufik Edy Sutanto Yanne Irene