Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Antivirus : Jurnal Ilmiah Teknik Informatika PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer
Muhammad Hanif
Universitas Singaperbangsa Karawang
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

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

Found 2 Documents
Search

 1 
DESIGN OF AN INTERNET OF THINGS (IOT)-BASED AUTOMATIC CLASSROOM AIR QUALITY MONITORING AND NOTIFICATION SYSTEM Jouvanytha Aswar Afendy; Muhammad Hanif; Allya Putri Nadila Gustin
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/52nvvb47

Abstract

Kesehatan dan konsentrasi belajar dapat terpengaruh oleh kualitas udara yang buruk di ruang kelas.  Karena tidak dapat memberikan data secara real-time, pengawasan manual seringkali kurang efektif.  Tujuan penelitian ini adalah untuk mengembangkan sistem yang berbasis Internet of Things (IoT) yang dapat melacak dan melaporkan kualitas udara secara cepat dan akurat.  Mikrokontroler ESP32 digunakan dalam sistem, yang terhubung dengan sensor MQ135 untuk mengidentifikasi gas berbahaya, sensor DHT22 untuk mengukur suhu dan kelembapan, dan LCD 16x2 dan LED untuk memberikan tampilan visual. Diuji melalui simulasi Wokwi, data sensor dikirim secara real-time ke aplikasi Blynk melalui jaringan Wi-Fi. Hasil pengujian menunjukkan bahwa sistem mampu menampilkan data dengan stabil, memberikan notifikasi otomatis ketika nilai udara melewati ambang batas aman, dan bekerja secara responsif dengan jeda waktu pembaruan sekitar dua hingga tiga detik.  Dinilai bahwa sistem ini adalah cara yang efektif, efisien, dan mudah digunakan untuk memantau kualitas udara di ruang kelas.
ANALISIS SENTIMEN PENGGUNA APLIKASI QPON PADA ULASAN PLAY STORE MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Muhammad Hanif; Garno; Asep Jamaludin
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 13 No. 1 (2026): Prosisko Vol. 13 No. 1 Maret 2026
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v13i1.11909

Abstract

Ulasan pengguna menjadi sumber informasi penting untuk menilai kualitas layanan, namun jumlah komentar yang besar menyulitkan pengembang dalam memahami opini secara manual. Aplikasi Qpon sebagai platform penyedia promo dan voucher belanja menerima banyak ulasan pada Google Play Store yang mencerminkan pengalaman pengguna terhadap layanan aplikasi. Penelitian ini menganalisis sentimen pengguna terhadap aplikasi Qpon dengan melakukan klasifikasi ulasan untuk mengidentifikasi kecenderungan opini positif dan negatif. Data penelitian diperoleh dari 2.304 ulasan pengguna yang terdiri dari 945 ulasan positif dan 1.359 ulasan negatif. Pelabelan sentimen dilakukan berdasarkan nilai penilaian pengguna dan diverifikasi oleh ahli bahasa untuk memastikan kesesuaian konteks. Data kemudian melalui proses pemilihan data, pembersihan teks, normalisasi kata, serta pembobotan kata menggunakan metode TF-IDF sebelum dilakukan klasifikasi menggunakan algoritma Support Vector Machine (SVM). Hasil pengujian menunjukkan model mampu mengklasifikasikan sentimen dengan akurasi sebesar 92,98% pada pembagian data latih dan uji 90:10 menggunakan kernel Linear dan Sigmoid, serta 92,97% pada pembagian 80:20 menggunakan kernel RBF. Analisis kosakata menunjukkan sentimen positif didominasi kata yang berkaitan dengan diskon, promo, dan kemudahan penggunaan, sedangkan sentimen negatif didominasi keluhan terkait masuk akun, penggunaan voucher, pembayaran, dan pengembalian dana. Hasil penelitian ini menunjukkan bahwa metode yang digunakan efektif untuk mengidentifikasi opini pengguna dan dapat dimanfaatkan sebagai bahan evaluasi peningkatan kualitas layanan aplikasi.
Co-Authors Allya Putri Nadila Gustin Asep Jamaludin Garno Jouvanytha Aswar Afendy