Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Cosmic Jurnal Teknik
Aidil Alfarizi
Universitas Islam Negeri Sumatera Utara
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Analisis Sentimen Program Makanan Bergizi Gratis Menggunakan Naïve Bayes dan Random Forest Berbasis CRISP-DM Ragilia Putri Dinanti; Siti Sarah; Fiqri Dwi Al Hafiz; Aidil Alfarizi
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 7, No 1: JUNI 2026
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v7i1.8766

Abstract

Program Makanan Bergizi Gratis (MBG) merupakan kebijakan strategis pemerintah Indonesia untuk menangani masalah kekurangan gizi dan menekan angka stunting yang mencapai 14% pada tahun 2024 demi mencapai visi Indonesia Emas 2045. Kebijakan ini memicu diskusi publik yang masif di media sosial YouTube, yang menghadirkan tantangan berupa volume data besar dan keberagaman opini. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program MBG menggunakan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Dataset yang digunakan bersumber dari Kaggle yang terdiri dari 6.419 komentar YouTube. Data diproses melalui tahapan preprocessing teks dan representasi fitur TF-IDF, kemudian diklasifikasikan menggunakan algoritma Naïve Bayes dan Random Forest. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan performa yang lebih unggul dengan akurasi sebesar 77,43%, sementara Naïve Bayes mencapai 65,64%. Berdasarkan distribusi data, sentimen Netral mendominasi sebesar 56,40%, diikuti oleh sentimen Positif (24,13%) dan Negatif (19,47%). Dominasi sentimen netral ini mengindikasikan bahwa masyarakat masih bersikap wait-and-see terhadap efektivitas implementasi program MBG di lapangan. Penelitian ini menyimpulkan bahwa pendekatan ensemble learning pada Random Forest lebih efektif dalam menangkap pola bahasa alami yang kompleks dibandingkan metode berbasis probabilitas murni.
Implementasi Modul Material Management (MM) pada SAP ERP untuk Optimalisasi Manajemen Persediaan Aidil Alfarizi; Muhammad Siddik Hasibuan
Cosmic Jurnal Teknik Vol 3 No 1 (2026): Februari
Publisher : Ali Institute or Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/cosmic.v3i1.1592

Abstract

Penelitian ini bertujuan untuk menganalisis implementasi modul Material Management (MM) pada sistem SAP ERP dalam upaya mengoptimalkan manajemen persediaan perusahaan. Pengelolaan persediaan yang tidak terintegrasi sering menimbulkan permasalahan seperti ketidakakuratan stok, keterlambatan pengadaan, dan duplikasi data material. Penelitian ini menggunakan pendekatan deskriptif kualitatif dengan metode studi kasus. Data diperoleh melalui observasi sistem, wawancara, serta dokumentasi proses pengadaan dan pengelolaan stok. Hasil penelitian menunjukkan bahwa implementasi SAP MM mampu meningkatkan akurasi data persediaan secara real-time, mempercepat proses purchase order hingga goods receipt, serta meminimalkan kesalahan pencatatan manual. Integrasi antar departemen juga meningkatkan transparansi dan efektivitas pengendalian persediaan. Dengan demikian, penerapan modul MM terbukti memberikan kontribusi positif terhadap optimalisasi manajemen persediaan dan mendukung pengambilan keputusan yang lebih cepat dan tepat. Selain itu, sistem ini membantu perusahaan dalam mengurangi biaya operasional serta meningkatkan efisiensi proses bisnis secara keseluruhan.
Co-Authors Fiqri Dwi Al Hafiz Muhammad Siddik Hasibuan Ragilia Putri Dinanti Siti Sarah