Abstract:Abstract:In the education world many challenges always faced by the lecturers in delivering the material, this dikarnakan presentation factor in delivering the material is too monotonous and saturated and resulted in the…
students are not able to absorb everything that is delivered by teachers. This is experienced in LKP mekar sari pulo bandring as a course institution that operates as an extracurricular lesson in which most students are saturated in learning to use the old method. Media is one way to overcome both introduce the computer device and application program.
Keywords:Device, Aplication Program, Media
Abstrak:Dalam dunia pendidikan banyak tantangan yang selalu dihadapi oleh para tenaga pengajar dalam menyampaikan materi, ini dikarnakan faktor penyajian dalam menyampaikan materi terlalu monoton dan jenuh dan mengakibatkan siswa tidak mampu menyerap semua yang disampaikan tenaga pengajar. Hal ini lah yang dialami pada LKP mekar sari pulo bandring sebagai lembaga kursus yang beroperasi sebagai pelajaran ekstrakurikuler yang mana kebanyakan siswa jenuh dalam belajar menggunakan metode lama. Media merupakan salah satu cara untuk mengatasinya baik mengenalkan perangkat komputer maupun program aplikasinya.
Kata kunci:Perangkat, Program Aplikasi, Media
Abstract:Abstract: The community of society is one of main activities required by a lecture as part of the tri dharma which aimed to apply and implement the scientific competence a lecturer to contribute positively especially for…
society needs. Vocational High School is a vocational school that is required to be ready to enter the world of work, therefore the SMK graduates are required to have the skills and knowledge that will be used in the workplace. Students of vocation especially in the majors of Software Engineering must have skills in computer science, such as programming skills. In the 2013 curriculum used by SMKN1 Air Joman, there are already programming subjects, but still local content and yet the discovery of mobile programming. Though mobile programming is currently one of the most popular programming, especially Android. This is not separated from the rapid development of the Android operating system, so people are competing to make the application. The advantages of android is its opensource and easy to develop, supported by a lot of android users including SMK students, so students can build and develop an android application and implement it on their respective devices so that it can be used as needed and not close possibly to be commercialized.
Keywords:programming, mobile programming, android
Abstrak: Pengabdian kepada masyarakat merupakan salah satu kegiatan wajib yang harus dilaksanakan oleh seorang dosen sebagai bagian dari tri dharma perguruan tinggi yang bertujuan untuk menerapkan dan mengimplementasikan kompetensi keilmuan yang dimiliki guna memberikan kontribusi positif bagi kebutuhan masyarakat. Sekolah Menengah Kejuruan (SMK) merupakan sekolah kejuruan yang dituntut untuk siap masuk ke dunia kerja, maka dari itu lulusan SMK diharuskan mempunyai Skill dan pengetahuan yang akan dipergunakan dalam dunia kerja. Siswa SMK terutama pada jurusan Rekayasa Perangkat Lunak harus memiliki keterampilan dalam ilmu komputer, seperti keterampilan programming. Pada kurikulum 2013 yang digunakan oleh SMKN1 Air Joman, sudah ada mata pelajaran programming, tapi masihbersifat muatan lokal dan belum ditemukannya pemrograman mobile. Padahal pemrograman mobile saat ini menjadi salah satu pemrograman yang paling diminati, khusunya Android. Hal ini tidak lepas dari pesatnya perkembangan sistem operasi Android tersebut, sehingga orang berlomba – lomba untuk membuat aplikasinya. Kelebihan dari android adalah sifatnya yang opensource dan mudah dikembangkan, didukung dengan pengguna android yang sangat banyak termasuk siswa-siswa SMK, dengan demikian para siswa bisa membangun dan mengembangkan sebuah aplikasi android dan mengimplementasikannya pada perangkat masing-masing sehingga bisa digunakan sesuai kebutuhan dan tidak menutup kemungkinan untuk bisa dikomersilkan.
Kata kunci:pemrograman, pemrograman mobile, android
Abstract:Abstract: Man-in-the-Middle (MITM) attacks are a threat that can occur on public wireless networks, including campus Wi-Fi environments. This study aims to analyze MITM attacks on the Wi-Fi network at Universitas ‘Aisyiyah…
iyah Yogyakarta using the National Institute of Standards and Technology (NIST) digital forensics methodology. The study applied the four NIST phases: collection, examination, analysis, and reporting. The digital evidence analyzed included packet capture (PCAP) files, as well as digital traces such as browser history, cookies, and cache data obtained from the victim’s device. The analysis process utilized Wireshark, the SQLite Database Browser, and ChromeCacheView to identify suspicious activity and correlate the discovered digital traces. The results of the study show that the MITM attack was successfully reconstructed through the correlation of digital traces, leading to the identification of ARP spoofing and DNS spoofing originating from a device with the IP address 192.168.200.12 and the MAC address a0:47:d7:73:ef:fb. The correlation of digital traces in the victim’s network and system traffic revealed communication redirection and web access manipulation. This study concludes that the NIST method is capable of reconstructing MITM attacks and identifying digital evidence from activity traces on both the network and the system.
Keywords: ARP spoofing; digital forensics; DNS spoofing; MITM; NIST
Abstrak: Serangan Man-in-the-Middle (MITM) merupakan ancaman yang dapat terjadi pada jaringan nirkabel publik, termasuk lingkungan WiFi kampus. Penelitian ini bertujuan menganalisis serangan MITM pada jaringan WiFi Universitas ‘Aisyiyah Yogyakarta menggunakan metode forensik digital National Institute of Standards and Technology (NIST). Penelitian menerapkan empat tahapan NIST, yaitu collection, examination, analysis, dan reporting. Bukti digital yang dianalisis meliputi file packet capture (PCAP), jejak digital berupa history browser, cookies, dan cache yang diperoleh dari perangkat korban. Proses analisis menggunakan Wireshark, SQLite Database Browser, dan ChromeCacheView untuk mengidentifikasi aktivitas mencurigakan serta mengorelasikan jejak digital yang ditemukan. Hasil penelitian menunjukkan bahwa serangan MITM berhasil direkonstruksi melalui korelasi jejak digital yang mengarah pada identifikasi ARP spoofing dan DNS spoofing dari perangkat dengan alamat IP 192.168.200.12 dan MAC address a0:47:d7:73:ef:fb. Korelasi jejak digital pada lalu lintas jaringan dan sistem korban menunjukkan adanya pengalihan komunikasi serta manipulasi akses web. Penelitian ini menyimpulkan bahwa metode NIST mampu merekonstruksi serangan MITM dan mengidentifikasi bukti digital dari jejak aktivitas pada jaringan maupun sistem.
Kata kunci: ARP spoofing; DNS spoofing; forensik digital; MITM; NIST
Abstract:Abstract: The advancement of smart agriculture has become a promising solution to increase food productivity and land use efficiency in urban environments. This research aims to develop an Artificial Intelligence (AI)-based…
sed vertical hydroponic farming system integrated with LED grow light technology and catfish aquaponics. The proposed system combines vertical hydroponics and aquaponics to optimize plant growth and water utilization. Internet of Things technology enables real-time environmental monitoring through an Arduino Uno microcontroller integrated with LDR, soil moisture, pH, and NPK sensors. The obtained sensor data is processed using the Mamdani Fuzzy Logic algorithm, which performs fuzzification, rule inference, aggregation, and defuzzification to generate adaptive control decisions for irrigation, nutrient circulation, and LED grow light intensity. This research uses the Research and Development (R&D) method through prototype development and performance evaluation for 30 days using spinach (Amaranthus spp.) and mustard greens (Brassica juncea) as test plants. Experimental results showed that the developed system successfully maintained stable environmental conditions, with soil moisture ranging between 69–72%, a pH value between 6.4 and 6.6, and optimal nutrient availability. Plant growth increased significantly. The integration of IoT, AI and aquaponics improves cultivation efficiency, enabling environmental control as a smart and sustainable solution for urban agriculture.
Keywords: artificial intelligence; aquaponic; hydroponic; LED grow light; vertical farming
Abstract: Kemajuan pertanian cerdas telah menjadi solusi yang menjanjikan untuk meningkatkan produktivitas pangan dan efisiensi penggunaan lahan di lingkungan perkotaan. Penelitian ini bertujuan untuk mengembangkan sistem pertanian hidroponik vertikal berbasis Kecerdasan Buatan (AI) yang terintegrasi dengan teknologi lampu tumbuh LED dan aquaponik ikan lele. Sistem yang diusulkan menggabungkan hidroponik vertikal dan aquaponik untuk mengoptimalkan pertumbuhan tanaman dan pemanfaatan air. Teknologi Internet of Things memungkinkan pemantauan lingkungan secara real-time melalui mikrokontroler arduino uno yang terintegrasi dengan sensor LDR, kelembaban tanah, pH, dan NPK. Data sensor yang diperoleh diproses menggunakan algoritma Logika Fuzzy Mamdani, yang melakukan fuzzifikasi, inferensi aturan, agregasi, dan defuzzifikasi untuk menghasilkan keputusan kontrol adaptif untuk irigasi, sirkulasi nutrisi, dan intensitas lampu tumbuh LED. Penelitian ini menggunakan metode Pengembangan (R&D) melalui pengembangan prototipe dan evaluasi kinerja selama 30 hari menggunakan bayam (Amaranthus spp.) dan sawi hijau (Brassica juncea) sebagai tanaman uji. Hasil eksperimen menunjukkan bahwa sistem yang dikembangkan berhasil mempertahankan kondisi lingkungan yang stabil, dengan kelembaban tanah berkisar antara 69–72%, nilai pH antara 6,4 dan 6,6, dan ketersediaan nutrisi yang optimal. Pertumbuhan tanaman meningkat secara signifikan. Integrasi IoT, AI dan aquaponik meningkatkan efisiensi budidaya, untuk pengendalian lingkungan sebagai solusi cerdas dan berkelanjutan untuk pertanian perkotaan.
Keywords: aquaponik; kecerdasan buatan; hidroponik; lampu tumbuh LED; pertanian vertikal
Abstract:Abstract: The assessment of PKH employees in Batu Bara Regency still requires an objective and measurable evaluation process to support performance decisions. Manual assessment can cause subjectivity and take more time,…
especially when several criteria must be considered. This study aims to apply the Simple Additive Weighting (SAW) method to the PKH employee assessment system in Batu Bara Regency. The criteria used in this assessment are attendance, teamwork, responsibility, communication, and length of service. The SAW method is applied by determining criteria weights, converting employee values, normalizing the decision matrix, and calculating preference values to obtain the final ranking. The results show that alternative A1, Rahmi Rizkya, obtained the highest score of 0.9504 and ranked first, while alternative A5, Toni Syahpradanadaely, obtained the lowest score of 0.4831. Based on these results, the SAW method can help the employee assessment process become more objective, structured, and useful as a reference for evaluating PKH employee performance.
Keywords: decision support system; PKH employee; simple additive weighting
Abstrak: Penilaian pegawai PKH Kabupaten Batu Bara membutuhkan proses evaluasi yang objektif dan terukur untuk mendukung pengambilan keputusan terhadap kinerja pegawai. Penilaian yang masih dilakukan secara manual dapat menimbulkan subjektivitas dan membutuhkan waktu lebih lama, terutama jika penilaian melibatkan beberapa kriteria. Penelitian ini bertujuan untuk menerapkan metode Simple Additive Weighting (SAW) pada sistem penilaian pegawai PKH Kabupaten Batu Bara. Kriteria yang digunakan dalam penilaian meliputi kehadiran, kerja sama tim, tanggung jawab, komunikasi, dan masa kerja. Metode SAW diterapkan melalui penentuan bobot kriteria, konversi nilai pegawai, normalisasi matriks keputusan, serta perhitungan nilai preferensi untuk memperoleh hasil perankingan. Hasil penelitian menunjukkan bahwa alternatif A1 atas nama Rahmi Rizkya memperoleh nilai tertinggi sebesar 0,9504 dan menempati peringkat pertama, sedangkan alternatif A5 atas nama Toni Syahpradanadaely memperoleh nilai terendah sebesar 0,4831. Berdasarkan hasil tersebut, metode SAW dapat membantu proses penilaian pegawai menjadi lebih objektif, terstruktur, dan dapat dijadikan acuan dalam evaluasi kinerja pegawai PKH.
Kata kunci: pegawai PKH; simple additive weighting; sistem pendukung keputusan
Abstract:Abstract: Student graduation is an urgent matter that is an indicator of the success of a university in producing its learning output. Several factors influence student graduation such as GPA, attendance, late taking credits,…
dits, and lack of student involvement in academic activities. The urgency of this research, universities need a method that is able to predict student graduation early so that it can provide academic intervention to students who have the potential to experience delays or fail to graduate. However, limited access to real academic data is often an obstacle in the development of predictive models, Therefore, this study aims to implement the XGBoost algorithm to predict student graduation based on several academic variables, namely the Cumulative Grade Point Average (GPA), the number of credits taken, the percentage of attendance, and the average grade of students. Model training using the XGBoost algorithm using a simulation dataset of 500 students who are labeled as graduating into two classes, namely passed and failed. The results of the study showed that the classification performance was very good with an accuracy value of 99.6%, Precision 99.7%, recall 99.4%.
Keywords: xgboost algorithm; data mining; student graduation
Abstrak: Kelulusan mahasiswa merupakan hal urgensi yang menjadi indikator keberhasilan sebuah perguruan tinggi dalam menghasilkan output pembelajarannya. Beberapa Faktor yang mempengaruhi kelulusan mahasiswa seperti IPK, kehadiran, keterlambatan pengambilan SKS, serta kurangnya keterlibatan mahasiswa dalam aktifitas akademik. Yang menjadi urgensi penelitian ini, Perguruan tinggi memerlukan suatu metode yang mampu memprediksi kelulusan mahasiswa secara dini sehingga dapat memberikan intervensi akademik kepada mahasiswa yang berpotensi mengalami keterlambatan atau tidak lulus. Namun, keterbatasan akses terhadap data akademik riil sering menjadi kendala dalam pengembangan model prediksi, Oleh karena itu, penelitian ini bertujuan mengimplementasikan algoritma XGBoost untuk memprediksi kelulusan mahasiswa berdasarkan beberapa variabel akademik, yaitu Indeks Prestasi Kumulatif (IPK), jumlah SKS yang ditempuh, persentase kehadiran, dan nilai rata-rata mahasiswa. Pelatihan model menggunakan algoritma XGBoost dengan menggunakan dataset simulasi 500 mahasiswa yang diberi label kelulusan menjadi dua kelas yaitu lulus dan tidak lulus. Hasil penelitian menunjukan bahwa performance klasifikasi yang sangat baik dengan nilai accurasi sebesar 99,6%, Precision 99,7%, recall 99,4%.
Kata kunci: algoritma xgbosst; kelulusan mahasiswa; penambangan data
Abstract:Abstract: The advancement of digital technology has made it easier to create, process, and distribute files—using 317 files from the dataset https://www.kaggle.com/datasets/axon data/selfie-and-official-id-photo-dataset-18k…
t-18k images?select=metadata_image.csv has also introduced new challenges, such as the increasing practice of digital file manipulation that is difficult to detect visually. Therefore, an intelligent digital forensics system that can automatically and accurately detect file authenticity is required. This study aims to develop an intelligent digital forensics system for detecting file manipulation by leveraging metadata analysis and the Random Forest classification method. The methods used include extracting metadata from digital files—such as time information, device details, and processing history—followed by analysis to identify patterns of inconsistency that indicate manipulation. This data is then used as features in the classification process using the Random Forest algorithm to distinguish between original and manipulated files. The results of this study are expected to show that the use of metadata analysis combined with the Random Forest algorithm can improve accuracy in detecting digital file manipulation compared to conventional methods. The resulting system is expected to provide an effective, efficient, and integrated solution to support digital forensic investigations, Based on the test results, the system demonstrated good performance with an accuracy rate of 94%.
Keywords: Digital Forensics;File Manipulation;Metadata Analysis;Random Forest;Classification;Machine Learning
Abstrak:Perkembangan teknologi digital telah meningkatkan kemudahan dalam pembuatan, pengolahan,dan distribusi file sebanyak 317 file, sumber datasets https:// www.kaggle.com/datasets/axondata/selfie-and-official-id-photo-dataset-18k-images?select =metadata_image.csv, namun juga menimbulkan tantangan baru berupa meningkatnya praktik manipulasi file digital yang sulit dideteksi secara kasat mata. Oleh karena itu, diperlukan suatu sistem forensik digital yang cerdas dan mampu mendeteksi keaslian file secara otomatis dan akurat. Penelitian ini bertujuan untuk mengembangkan sistem forensik digital cerdas untuk deteksi manipulasi file dengan memanfaatkan analisis metadata dan metode klasifikasi Random Forest. Metode yang digunakan meliputi proses ekstraksi metadata dari file digital, seperti informasi waktu, perangkat, dan riwayat pengolahan, kemudian dilakukan analisis untuk menemukan pola ketidaksesuaian yang mengindikasikan adanya manipulasi. Selanjutnya, data tersebut digunakan sebagai fitur dalam proses klasifikasi menggunakan algoritma Random Forest untuk membedakan antara file asli dan file yang telah dimanipulasi. Hasil dari penelitian ini diharapkan menunjukkan bahwa penggunaan analisis metadata yang dikombinasikan dengan algoritma Random Forest mampu meningkatkan akurasi dalam mendeteksi manipulasi file digital dibandingkan metode konvensional. Sistem yang dihasilkan dapat memberikan solusi yang efektif, efisien, dan terintegrasi dalam mendukung proses investigasi forensik digital, Berdasarkan hasil pengujian, sistem menunjukkan performa yang baik dengan tingkat akurasi sebesar 94%.
Kata Kunci: Forensik Digital, Manipulasi File, Metadata, Random Forest, Klasifikasi, Machine Learning.
Abstract:Abstract: The use of QR Codes in academic settings has increased with the digitization of attendance systems, but it has also introduced potential abuse in the form of quishing attacks (QR phishing). Previous studies have…
e mainly focused on user behavior, while forensic analysis of digital artifacts as evidence is still limited. This study aims to conduct a forensic analysis of browser artifacts resulting from interactions with dangerous QR Codes at Aisyiyah University Yogyakarta using the framework of the National Justice Institute (NIJ). Six investigation parameters are defined: domain identification, endpoint identification, identification of supporting resources, visualization of image artifacts, timestamp correlation, and HTML reconstruction. Data is obtained from the Google Chrome profile directory and analyzed using Autopsy, focusing on Web Cache, Browser History, and Cookies artifacts. The results showed that five parameters were successfully identified with an investigation success rate of 83.3%, while HTML reconstruction could not be fully achieved due to cache limitations. These findings show that Web Cache artifacts provide evidentiary value in the forensic investigation of QR Code-based attacks. Future research should focus on improving full-page reconstruction techniques.
Keywords: browser forensics; digital artifacts; NIJ; quishing; Web Cache
Abstrak: Penggunaan Kode QR di lingkungan akademik telah meningkat seiring dengan digitalisasi sistem absensi, tetapi juga menimbulkan potensi penyalahgunaan dalam bentuk serangan phishing (QR phishing). Studi sebelumnya sebagian besar berfokus pada perilaku pengguna, sementara analisis forensik artefak digital sebagai bukti masih terbatas. Studi ini bertujuan untuk melakukan analisis forensik artefak browser yang dihasilkan dari interaksi dengan Kode QR berbahaya di Universitas 'Aisyiyah Yogyakarta menggunakan kerangka kerja Lembaga Kehakiman Nasional (NIJ). Enam parameter investigasi didefinisikan: identifikasi domain, identifikasi titik akhir, identifikasi sumber daya pendukung, visualisasi artefak gambar, korelasi stempel waktu, dan rekonstruksi HTML. Data diperoleh dari direktori profil Google Chrome dan dianalisis menggunakan Autopsy, dengan fokus pada artefak Cache Web, Riwayat Browser, dan Cookie. Hasil menunjukkan bahwa lima parameter berhasil diidentifikasi dengan tingkat keberhasilan investigasi sebesar 83,3%, sementara rekonstruksi HTML tidak dapat sepenuhnya dicapai karena keterbatasan cache. Temuan ini menunjukkan bahwa artefak Cache Web memberikan nilai bukti dalam investigasi forensik serangan berbasis Kode QR. Penelitian selanjutnya harus fokus pada peningkatan teknik rekonstruksi halaman penuh.
Kata kunci: forensik peramban; artefak digital; NIJ; quishing; web cache
Abstract:Abstract: Anomalous sound detection is essential for industrial predictive maintenance, as machine failures often originate from subtle acoustic changes during operation. However, high background noise and limitations of…
conventional Convolutional Neural Networks (CNN) reduce detection reliability. This study proposes a 1D-CNN-based anomaly detection framework with multi-view feature fusion and temporal segmentation to enhance detection performance. The approach combines MFCC, Log-Mel Spectrogram, and Chroma STFT features, while temporal segmentation divides audio signals into 5-second segments to better capture transient anomalies. Experiments on the MIMII dataset under varying Signal-to-Noise Ratio (SNR) conditions show that MFCC and Log-Mel fusion achieves the best performance, with 97.90% accuracy and ROC-AUC of 0.9789. The model maintains accuracy above 90% at −6 dB, demonstrating strong robustness in noisy industrial environments.
Keywords: industrial anomaly detection; 1D-CNN; multi-view feature fusion; temporal segmentation; MIMII dataset.
Abstrak: Deteksi anomali suara merupakan komponen penting dalam sistem pemeliharaan prediktif industri, karena kegagalan mesin sering diawali oleh perubahan akustik yang bersifat halus selama proses operasi. Namun, tingkat kebisingan yang tinggi serta keterbatasan arsitektur Convolutional Neural Network (CNN) konvensional dapat menurunkan keandalan deteksi. Penelitian ini bertujuan mengusulkan kerangka deteksi anomali berbasis 1D-CNN yang mengintegrasikan strategi fusi fitur multi-view dan segmentasi temporal untuk meningkatkan kinerja deteksi. Pendekatan yang digunakan menggabungkan fitur MFCC, Log-Mel Spectrogram dan Chroma STFT, sementara teknik temporal splitting membagi sinyal audio menjadi segmen berdurasi 5 detik untuk menangkap anomali yang bersifat sementara. Eksperimen menggunakan dataset MIMII pada berbagai kondisi Signal-to-Noise Ratio (SNR) menunjukkan bahwa kombinasi MFCC dan Log-Mel Spectrogram menghasilkan kinerja terbaik dengan akurasi 97,90% dan ROC-AUC sebesar 0,9789. Model juga mempertahankan akurasi di atas 90% pada kondisi kebisingan ekstrem (−6 dB) yang menunjukkan ketahanan yang baik dalam lingkungan industri yang bising.
Kata kunci: deteksi anomali industri; 1D-CNN; fusi fitur multi-view; segmentasi temporal; dataset MIMII
Abstract:Abstract: The rapid growth of e-commerce mobile applications has generated large volumes of user reviews, making manual sentiment analysis increasingly impractical. This study aims to compare the effectiveness of three machine…
achine learning algorithms Support Vector Machine (SVM), Random Forest, and Naive Bayes for automated sentiment classification of Indonesian-language mobile application reviews. A dataset of 3,000 user reviews from the RupaRupa application on the Google Play Store was collected and preprocessed through normalization, tokenization, stopword removal, and stemming. TF-IDF vectorization was applied for feature extraction, while the Synthetic Minority Over-sampling Technique (SMOTE) was used to address class imbalance across three sentiment categories: positive, negative, and neutral. The results show that SVM achieved the highest accuracy of 90.02%, while Random Forest obtained the best F1-score of 88.08% when sufficient training data were available. Naive Bayes demonstrated relatively stable performance across varying training data sizes. Furthermore, TF-IDF keyword analysis revealed that negative reviews were primarily associated with delivery issues, technical problems, and pricing concerns. These findings demonstrate the effectiveness of machine learning approaches for sentiment classification and provide practical insights for improving mobile application services.
Keywords: sentiment analysis; machine learning; SMOTE; TF-IDF; text classification
Abstrak: Pertumbuhan pesat aplikasi mobile e-commerce telah menghasilkan volume ulasan pengguna yang sangat besar, sehingga analisis sentimen secara manual menjadi semakin tidak praktis. Penelitian ini bertujuan untuk membandingkan efektivitas tiga algoritma machine learning Support Vector Machine (SVM), Random Forest, dan Naive Bayes dalam melakukan klasifikasi sentimen otomatis terhadap ulasan aplikasi mobile berbahasa Indonesia. Dataset yang digunakan terdiri dari 3.000 ulasan pengguna aplikasi RupaRupa yang dikumpulkan dari Google Play Store. Data kemudian diproses melalui tahapan preprocessing yang meliputi normalisasi, tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan ketidakseimbangan kelas ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE) pada tiga kategori sentimen, yaitu positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa SVM mencapai tingkat akurasi tertinggi sebesar 90,02%, sementara Random Forest memperoleh nilai F1-score terbaik sebesar 88,08% ketika tersedia data pelatihan yang memadai. Naive Bayes menunjukkan performa yang relatif stabil pada berbagai ukuran data pelatihan. Selain itu, analisis kata kunci berbasis TF-IDF mengungkapkan bahwa ulasan negatif terutama berkaitan dengan masalah pengiriman, kendala teknis aplikasi, dan isu harga. Temuan ini menunjukkan bahwa pendekatan machine learning efektif untuk klasifikasi sentimen serta memberikan wawasan yang bermanfaat dalam meningkatkan kualitas layanan aplikasi mobile.
Kata Kunci: analisis sentimen; pembelajaran mesin; SMOTE; TF-IDF; klasifikasi teks.