Abstract:Abstract: Today, many users use online platforms rather than offline platforms for ticket bookings, involving a wide range of services such as flights, hotels, trains, buses, and entertainment. PegiPegi.com, as one of the…
e fastest growing online travel agencies in Indonesia, demonstrates success by understanding the value of technology and maintaining strong partnerships. Users of this platform often provide reviews, viewing user reviews can be done manually but this will have a less effective impact, so it needs to be done automatically with sentiment analysis. This research the Naïve Bayes method in sentiment analysis of PegiPegi.com reviews, with a focus on understanding customer satisfaction and service improvement. By combining these approaches, this research contributes to a deeper understanding of user responses to OTA services and presents the evaluation results of the Multinomial Naive Bayes classification model with an accuracy rate of 89.5%. The high precision in the Negative class demonstrates the model's ability to identify negative reviews. However, there are challenges in classifying the Neutral class, indicating the potential for further improvement. Nevertheless, the F1 score of 0.522 reflects a good balance between overall precision, recall so it can be concluded the naïve bayes algorithm is successful for performing sentiment analysis.
Keywords: Sentiment analysis; naïve bayes algorithm; pegipegi.com; playstore
Abstract: Saat ini banyak pengguna platform online dibandingkan offline untuk pemesanan tiket, yang melibatkan berbagai layanan seperti penerbangan, hotel, kereta api, bus, dan hiburan. PegiPegi.com, sebagai salah satu agen perjalanan online yang berkembang pesat di Indonesia, menunjukkan keberhasilan dengan memahami nilai teknologi dan mempertahankan kemitraan yang kuat. Pengguna platform ini sering memberikan ulasan, melihat ulasan pengguna bisa saja dilakukan secara manual tetapi hal ini akan memberikan dampak yang kurang efektif, sehingga perlu dilakukan secara otomatis dengan analisis sentiment. Penelitian ini bertujuan untuk menerapkan metode klasifikasi Naïve Bayes dalam analisis sentimen ulasan PegiPegi.com, dengan fokus pada pemahaman kepuasan pelanggan dan peningkatan layanan. Dengan menggabungkan pendekatan ini, penelitian ini berkontribusi pada pemahaman yang lebih dalam tentang tanggapan pengguna terhadap layanan OTA dan menyajikan hasil evaluasi model klasifikasi Multinomial Naive Bayes dengan tingkat akurasi 89,5%. Presisi tinggi di kelas Negatif menunjukkan kemampuan model untuk mengidentifikasi ulasan negatif. Namun, ada tantangan dalam mengklasifikasikan kelas Netral, menunjukkan potensi untuk perbaikan lebih lanjut. Namun demikian, skor F1 0,522 mencerminkan keseimbangan yang baik antara presisi keseluruhan dan daya ingat sehingga dapat disimpulkan algoritma naïve bayes berhasil untuk melakukan analisis sentimen.
Keywords: Analisis sentimen; naïve bayes; pegipegi.com; playstore
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: Basically, this region experiences growth every year. The negative impact of uncontrolled population growth will cause social inequality and poverty and affect the progress and prosperity of the region. Judging…
from the number of residents registered with the Population and Civil Registration Service, Siantar Martoba District has a fairly high population growth rate, so it is necessary to predict the future population. In making a prediction, a good method is needed to solve a problem. In this research, a backpropagation algorithm was used using five architectures, namely architecture 4-71-1, 4-31-1, 4-16-1, 4-72-1, 4-83-1. From the results of tests carried out using data on the population of Siantar Martoba, the best architecture was obtained, namely architecture 4-31-1 with a mean squared error for training of 0.00009960 and a mean squared error for testing of 0.000099957 and obtained an epoch of 14012 iterations with a time of 01 minutes 40 seconds. It was concluded that this method can predict the population of Siantar Martoba in the future using Matlab R2011a, thus obtaining a population of Siantar Martoba of 36470 people.
Keywords: architecture; backpropagation; pematangsiantar; population; welfare
Abstrak: Pada dasarnya, wilayah ini mengalami pertumbuhan setiap tahunnya. Dampak negatif pertumbuhan penduduk yang tidak terkendali akan menyebabkan kesenjangan sosial dan kemiskinan dan mempengaruhi kemajuan, kesejahteraan daerah tersebut. Dilihat dari jumlah penduduk yang terdaftar pada Dinas Kependudukan dan Pencatatan Sipil Kecamatan siantar martoba mempunyai laju pertumbuhan penduduk yang cukup tinggi, sehingga perlu dilakukan prediksi jumlah penduduk masa depan. Dalam melakukan sebuah prediksi dibutuhkan sebuah metode yang baik dalam menyelesaikan sebuah permasalahan, dalam penelitian ini digunakan algoritma backpropagation dengan menggunakan lima arsitektur yaitu arsitektur 4-71-1, 4-31-1, 4-16-1, 4-72-1, 4-83-1. Dari hasil pengujian yang telah dilakukan dengan menggunakan data jumlah penduduk siantar martoba diperoleh arsitektur terbaik yaitu arsitektur 4-31-1 dengan nilai mean squared error pelatihan 0.00009960 dan mean squared error pengujian 0.000099957 dan memperoleh epoch 14012 iterations dengan waktu 01 menit 40 detik. Disimpulkan bahwa metode ini dapat memprediksi jumlah penduduk Siantar Martoba di masa depan dengan menggunakan Matlab R2011a, sehingga memperoleh jumlah penduduk siantar martoba sebanyak 36470 Jiwa.
Kata kunci: arsitektur; backpropagation; pematangsiantar; kependudukan; kesejahteraan
Abstract:Abstract: Twitter, as a social media platform, has rapidly grown as a means for people to express their opinions and thoughts on various topics, including education. The number of Twitter users surged to 10.645.000 in 2020,…
20, with a significant increase during the pandemic. Telkom University, as a private institution of higher education in Indonesia, has become one of the topics of discussion on Twitter. Users’ opinions about Telkom University vary, ranging from positive to negative. To gain deeper insights into public view, sentiment analysis is essential. The analysis follows the Knowledge Discovery in Databases (KDD) process, utilizing the Naive Bayes classification algorithm. The evaluation results indicate the best accuracy achieved with an 80:20 data split, resulting in an accuracy rate of 82.05%, precision of 82.3%, recall of 82.05%, and F1-Score of 82.08%. The Naïve Bayes model demonstrates good performance for sentiment analysis of public views regarding Telkom University on Twitter.
Keywords: naïve bayes; sentiment analysis; twitter; telkom university.
Abstrak: Media sosial Twitter berkembang pesat sebagai sarana masyarakat berekspresi untuk menuangkan opini dan pikiran mereka mengenai topik apapun, termasuk pendidikan. Pengguna Twitter meningkat tajam hingga 10.645.00 pengguna pada tahun 2020 dan terus meningkat selama pandemi. Telkom University sebagai perguruan tinggi menjadi salah satu topik yang dibicarakan yang berkaitan dengan pendidikan. Pendapat mengenai Telkom University yang diungkapkan oleh pengguna Twitter beragam, baik positif maupun negatif. Analisis sentimen diperlukan untuk memahami pandangan publik lebih mendalam. Digunakan tahapan Knowledge Discovery in Databases dan algoritma klasifikasi Naïve Bayes dalam analisis ini. Hasil evaluasi menunjukkan akurasi paling baik dicapai dengan rasio data 80:20, dengan nilai akurasi sebesar 82.05%, nilai presisi sebesar 82.3%, nilai recall sebesar 82.05%, dan nilai F1-Score sebesar 82.08%. Model klasifikasi Naïve Bayes memiliki performa baik untuk analisis sentimen pandangan publik di Twitter mengenai Telkom University.
Kata kunci: analisis sentimen; naïve bayes; twitter; telkom university.
Abstract:Abstract: Micro, Small, and Medium Enterprises (MSMEs) play a crucial role in the economic growth of Indonesia. However, their contribution has not reached its maximum potential, with over 40% of MSMEs facing various challenges,…
llenges, one of which is funding. The funding issue has become a hindrance to the growth of this sector. One contributing factor is the difficulty in obtaining loans with high interest rates.Crowdfunding has been considered a potential solution, but it has not been fully utilized due to the lack of literacy and negative cases surrounding it. In this context, the development of a Shariah-compliant crowdfunding application is seen as a suitable solution, given the government's efforts to strengthen the Shariah economic ecosystem. To support this application's development, the Laravel framework and the Extreme Programming method, emphasizing simplicity and accelerating the development process, are employed. The result of this research is the implementation of the UML design and system logic, resulting in the Tasha Crowdfunding application as a funding solution for MSMEs. It can accelerate the development process. The research outcomes include the backend implementation of the UML design and system logic, with a 100% successful blackbox testing result, leading to the creation of the Tasha Crowdfunding application as an MSME funding solution.
Keywords: backend services; crowdfunding syariah; extreme programming; MSMEs.
Abstrak: Di Indonesia Usaha Mikro Kecil Menengah (UMKM) mempunyai peran yang sangat penting bagi pertumbuhan perekonomian negara. Meskipun demikian, ternyata kontribusi yang diberikan oleh UMKM belum mencapai angka yang maksimum dikarenakan lebih dari 40% UMKM masih mengalami banyak permasalahan salah satunya adalah pendanaan. Permasalahan pendanaan yang dihadapi oleh Usaha Mikro Kecil Menengah (UMKM) di Indonesia telah menjadi penghambat pertumbuhan sektor ini. Salah satu faktor penyebabnya adalah kesulitan dalam memperoleh pinjaman dengan suku bunga yang tinggi. Crowdfunding telah dianggap sebagai solusi potensial, namun belum dimanfaatkan secara optimal karena kurangnya literasi dan kasus negatif yang terjadi. Dalam konteks ini, pengembangan aplikasi crowdfunding syariah dianggap sebagai solusi yang cocok, mengingat penguatan ekosistem ekonomi syariah yang sedang dilakukan oleh pemerintah. Untuk mendukung pengembangan aplikasi ini, digunakan framework laravel dan metode Extreme programming yang menekankan kesederhanaan dan percepatan proses pengembangan. Hasil penelitian ini berupa implementasi perancangan UML dan logika sistem yang menghasilkan aplikasi Tasha Crowdfunding sebagai solusi pendanaan UMKM.dapat mempercepat proses pengembangan. Hasil dari penelitian ini berupa implementasi backend dari perancangan UML dan logika sistem yang telah dibuat dengan hasil pengujian blackbox testing 100% sukses dan menghasilkan aplikasi tasha crowdfunding sebagai solusi pendanaan UMKM.
Kata kunci: backend service; crowdfunding syariah; extreme programming; UMKM.
Abstract:Abstract: The JKN Mobile application is a mobile application created to facilitate healthcare administration in Indonesia since 2017. The application has been downloaded by over 10 million users and has received 484,000…
diverse reviews, including positive, negative, and neutral feedback. The average rating given by users is 4.5 out of 5 stars. This research aims to perform sentiment analysis on user reviews found in the Google Play Store review column. The methods used for sentiment analysis are Naive Bayes, K-Nearest Neighbor (K-NN), and Support Vector Machine (SVM). The test results show that with a 10% test data and 90% training data proportion, the SVM method achieves the highest accuracy of 95%. Naive Bayes follows with an accuracy of 87%, and K-NN with an accuracy of 75%.
Keywords: JKN mobile application, sentiment analysis, naive bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstrak: Aplikasi Mobile JKN adalah sebuah aplikasi yang dibuat untuk mempermudah administrasi kesehatan di Indonesia sejak tahun 2017. Aplikasi ini telah diunduh lebih dari 10 juta pengguna dengan 484 ribu ulasan beragam positif, negatif, dan netral. Rata-rata rating yang diberikan pengguna adalah 4,5 bintang dari 5 bintang. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna yang terdapat di kolom review Google Play Store. Metode yang digunakan untuk analisis sentimen adalah Naive Bayes, K-Nearest Neighbor (K-NN), dan Support Vector Machine (SVM). Hasil pengujian menunjukkan bahwa dengan menggunakan proporsi data uji sebesar 10% dan data training sebesar 90%, metode SVM mencapai akurasi tertinggi sebesar 95%. Diikuti oleh Naive Bayes dengan akurasi 87%, dan K-NN dengan akurasi 75%.
Kata kunci: JKN mobile, analisis sentimen, naïve bayes, k-nearest neighbor (K-NN), support vector machine (SVM).
Abstract:Abstract: In this study, one of the 4.0 industrial technologies was used to monitor the parameters of the localizer using an android based internet of things application to simplify and shorten the time for monitoring instrument…
strument landing system (ILS) equipment. Technicians, management of the Public Company (Perum) Indonesian Aviation Navigation Service Organizing Agency, and the Navigation Inspector do not have to go the runway to check the performance of the landing system instrument, simply use the android application to monitor the parameters of the localizer instrument. In the experiment, measuring the input voltage to the Arduino pin with a negative ground position and positive in the A9 pin position with the playing condition o Tx1 in the on position using a multimeter, the voltage value is 2.99 volt, while the main position on Tx1 is in the off condition, the voltage value is obtained 4.88 volts.
Keywords: instrument landing system; internet of things
Abstrak: Pada penelitian ini digunakan salah satu teknologi industri 4.0 untuk memonitoring parameter dari Localizer menggunakan aplikasi android berbasis Internet of Things (IoT) untuk mempermudah dan mempersingkat waktu dalam monitoring peralatan instrument landing system (ILS). Teknisi, manajemen Perusahaan Umum (Perum) Lembaga Penyelenggara Pelayanan Navigasi Penerbangan Indonesia LPPNPI dan Inspektur Navigasi tidak harus ke landasan pacu untuk mengecek kinerja instrument landing system cukup menggunakan aplikasi android untuk memonitoring parameter Localizer instrument landing system (ILS). Pada percobaan pengukuran tegangan input ke pin arduino dengan negatif pada posisi ground dan positif berada pada posisi pin A9 dengan kondisi main di TX1 pada posisi on dengan menggunakan multimeter didapat nilai tegangan 2,99 Volt, sedangkan posisi main di TX1 pada kondisi off didapat nilai tegangan 4,88 Volt.
Kata kunci: instrument landing system; internet of things
Abstract:Abstract: The Presidential general election on 2019 became one of the most popular topics on twitter nowdays. The society give their opinion about the pair of candidates that they are support through the social media.…
ia. This research was predicts about the society sentimens toward the candidates of President and Vice President of Republic of Indonesia. The data was used based on the tweet on the @jokowi twitter account. The retrieval of data by using the Tweepy library with the Python 2.7 programming language. This research was classified became of two of society sentiments classes, namely positive and negative. The modeling was used of the weighting method Unigram, Bigram, Trigram, N-Gram (1-2) and N-Gram (1-3) that used the Naïve Bayes Algorithm on the Weka Application. The modeling data was used by the dataset of 646 sentences. The highest results of this reseach were obtained by Unigram Weighting, namely: 81.4% accuracy, 81.5% precision, 81.3% recall with a time of 0.3 s.
Keywords: classification, naïve bayes, 2019 presidential election, twitter, unigram
Abstrak: Pemilihan Umum tentang Pilpres 2019 menjadi salah satu topik yang ramai diperbincangkan di Twitter. Adu pendapat di sosial media oleh masyarakat mengandung opini terhadap pasangan calon yang didukungnya. Penelitian ini memprediksi sentimen masyarakat kepada pasangan calon Presiden dan Wakil Presiden Republik Indonesia. Data yang digunakan adalah tweet yang ada pada akun Twitter @jokowi. Pengambilan data menggunakan library Tweepy dengan bahasa pemrograman Python 2.7. Penelitian ini mengklasifikasi sentimen masyarakat menjadi 2 kelas, yaitu positif dan negatif. Kemudian dilakukan pemodelan dengan metode pembobotan Unigram, Bigram, Trigram, N-Gram (1-2) Dan N-Gram (1-3) menggunakan Algoritme Naïve Bayes pada Aplikasi Weka. Pembuatan model menggunakan dataset yang berjumlah 646 kalimat. Hasil tertinggi yang diperoleh pada penelitian ini adalah dengan menggunakan Pembobotan Unigram, yaitu : akurasi 81,4%, presisi 81,5 % , recall 81,3 % dengan catatan waktu 0,3s.
Kata kunci: klasifikasi, naïve bayes, pilpres 2019, twitter, unigram.
Abstract:Abstract: Introduce computer technology as a medium of learning the child wisely early on the potential to improve learning ability in children and child develop self-confidence about the future. The reality of child loved…
ed the games and television entertainment programs not only viewed negatively, but rather as learning modalities. Provide educational type programs that can be done with a computer as a device supporting a new power of learning media. Children not only learn computer skills, but also utilize the computer as a means or medium for learning. To get optimum benefit Teachers can integrate the use of computers as a medium in the learning process and focus on high-order thingking skill. Fantasy Drafting module aims to develop the potential and effectiveness of learning in early childhood or playgroup, where the module is designed as an education module to read and write the material fauna and flora, coloring and coloring as well. Module proram also implemented into the Local Area Network networking technology to be applied easily and efficiently.
Keywords: education module application, tool, fantasy
Abstrak: Mengenalkan teknologi komputer sebagai media pembelajaran kepada anak sejak dini secara bijaksana berpotensi untuk meningkatkan kemampuan belajar pada anak dan mengembangkan rasa percaya diri anak akan masa depannya. Realitas anak sangat menyukai games dan program-program hiburan televisi tidak seharusya hanya dipandang negatif, namun lebih sebagai modalitas belajar. Menyediakan program sejenis yang edukatif bisa dilakukan dengan komputer sebagai perangkat pendukungnya menjadi kekuatan baru media pembelajaran. Anak bukan saja belajar ketrampilan komputer, namun juga memanfaatkan komputer sebagai sarana atau media untuk belajar. Guna mendapatkan manfaat optimal Guru bisa mengintegrasikan penggunaan komputer sebagai media di dalam proses pembelajaran dan fokus kepada high order thingking skill. Perancangan modul fantasy bertujuan untuk mengembangkan potensi dan keefektifan cara belajar pada anak usia dini atau playgroup, dimana modul dirancang sebagai education module dengan materi baca dan tulis fauna serta flora, mewarnai dan juga mewarnai. Modul proram diimplementasikan pula ke dalam teknologi jaringan Local Area Network agar dapat di aplikasikan dengan mudah dan efisien.
Kata Kunci : aplikasi education module, alat bantu, fantasy
Abstract:Operasi pengamanan hutan membutuhkan evaluasi berbasis data agar alokasi patroli, pemantauan satelit, dan respons penegakan hukum dapat diarahkan pada wilayah serta periode yang paling berisiko. Penelitian ini mengevaluasi…
si hubungan antara intensitas patroli dan luas deforestasi, perubahan waktu respons penanganan kasus setelah pemanfaatan pemantauan satelit near-real-time, serta pola temporal dan indikasi konsentrasi spasial temuan kayu ilegal di Kabupaten Bolaang Mongondow, Sulawesi Utara. Penelitian menggunakan desain kuantitatif evaluatif berbasis data operasional Balai Penegakan Hukum Kehutanan. Data mencakup 150 titik patroli dan temuan kayu ilegal selama 1 Januari-31 Desember 2023, 10 sektor pengamatan hasil agregasi titik patroli, serta 30 pasang kasus respons yang dipadankan antara periode manual Januari-Juni 2022 dan periode berbasis satelit Januari-Juni 2023. Analisis dilakukan menggunakan statistik deskriptif, regresi linear sederhana, uji-t berpasangan, ukuran efek Cohen's d, uji Kruskal-Wallis, dan identifikasi outlier berbasis persentil ke-90. Hasil menunjukkan bahwa intensitas patroli berasosiasi negatif dan signifikan dengan luas deforestasi pada tingkat sektor (B = -1,05; R2 = 0,919; F(1,8) = 91,03; p < 0,001). Waktu respons rata-rata menurun dari 51,5 jam pada metode manual menjadi 23,6 jam setelah pemanfaatan pemantauan satelit, dengan selisih rata-rata -27,9 jam, t(29) = -14,72; p < 0,001; dan Cohen's d = 2,69. Volume temuan kayu ilegal tertinggi terjadi pada Q3 atau Juli-September (60,2 +/- 14,5 m3), dengan perbedaan signifikan antarkuartal (H(3) = 28,74; p < 0,001). Sebanyak 80% titik outlier berada pada wilayah berkerawanan tinggi. Temuan ini menunjukkan bahwa integrasi patroli terarah, pemantauan satelit, dan evaluasi spasial-temporal sederhana dapat memperkuat pengamanan hutan berbasis risiko. Namun, seluruh hasil perlu ditafsirkan sebagai asosiasi operasional karena penelitian bersifat observasional, jumlah sektor regresi terbatas, dan analisis spasial belum menggunakan pemodelan hotspot formal.