Article Per Year (5 Year)
p-Index From 2021 - 2026
3.595
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Informatika dan Teknik Elektro Terapan Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Pengabdian Pada Masyarakat Jurnal Sains dan Informatika IKRA-ITH Informatika : Jurnal Komputer dan Informatika Techne : Jurnal Ilmiah Elektroteknika STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Informasi Interaktif Systematics Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Cyber Security dan Forensik Digital (CSFD) Scientific Journal of Informatics Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Artificial Intelligence and Digital Business SATIN - Sains dan Teknologi Informasi Jurnal Teknik Informatika dan Teknologi Informasi
Chaerur Rozikin
Universitas Singaperbangsa Karawang
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Mathematics Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
ANALISIS SENTIMEN PENGGUNA APLIKASI SHOPEE PADA SITUS GOOGLE PLAY MENGGUNAKAN NAIVE BAYES CLASSIFIER Andriani Nurian; Muhammad Samsul Ma'arif; Indira Nur Amalia; Chaerur Rozikin
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3631

Abstract

Perkembangan teknologi dalam era digital ini sangat pesat. Salah satu bidang yang mengalami perkembangan signifikan adalah industri keuangan (fintech). Banyak perusahaan fintech, termasuk Shopee, yang muncul dan menawarkan kemudahan kepada pengguna. Dalam konteks ini, Google Play Store merupakan platform yang memungkinkan pengguna memberikan ulasan terhadap produk yang mereka gunakan. Seiring dengan pertumbuhan jumlah pengguna, jumlah ulasan di Google Play Store juga meningkat. Ulasan dari pengguna dapat menjadi sumber informasi berharga bagi perusahaan untuk melakukan perbaikan dan peningkatan di masa depan. Penelitian ini berfokus pada analisis sentimen terhadap ulasan pengguna aplikasi Shopee di Google Play Store menggunakan algoritma Naïve Bayes. Data ulasan diklasifikasikan ke dalam tiga kategori, yaitu positif, negatif, dan netral. Evaluasi penelitian ini menunjukkan hasil Accuracy sebesar 87,58%, presisi sebesar 91,20%, dan recall sebesar 90,21%. Penelitian ini memberikan kontribusi dalam pemahaman sentimen pengguna terhadap aplikasi Shopee. Dengan menggunakan Naïve Bayes Classifier dan metode seleksi fitur TF-IDF, perusahaan dapat mengklasifikasikan ulasan pengguna dengan lebih efektif. Hasil penelitian ini dapat digunakan sebagai dasar untuk meningkatkan pengalaman pengguna dan kualitas layanan aplikasi Shopee.
KLASIFIKASI PENGGUNA HASHTAG PADA APLIKASI TIKTOK MENGGUNAKAN PERBANDINGAN METODE K-NEAREST NEIGHBORS DAN NAÏVE BAYES CLASSIFIER Moh. Aulia Miftakhurahmat; Nur Safitri; Putri Aulia Kusnadi; Chaerur Rozikin
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3150

Abstract

Penelitian ini bertujuan untuk membandingkan penggunaan algoritma machine learning yaitu, K-Nearest Neighbors (KNN) dengan algoritma Naive Bayes classifier dalam memberikan rekomendasi hashtag untuk pengguna aplikasi TikTok. Dataset yang digunakan dalam penelitian ini adalah dataset hashtag TikTok yang diambil dari sebuah website yang berdasarkan dari setiap kategori. Pada penelitian ini dilakukan pemodelan dengan menggunakan algoritma K-Nearest Neighbors (KNN) dan Naive Bayes classifier untuk memprediksi hashtag yang sesuai untuk pengguna Tiktok berdasarkan pada hashtag yang sedang populer digunakan. Kemudian dilakukan evaluasi kinerja kedua metode dengan menggunakan precision, recall, f1 score dan  accuracy. Pada penelitian ini penulis akan membandingkan performa klasifikasi model yang telah dibuat menggunakan metode K-Nearest Neighbors dan Naive Bayes Classifier, tujuan perbandingan kinerja ini adalah untuk mempelajari metode mana yang memiliki kinerja terbaik dalam hal merekomendasikan penggunaan hashtag. Hasil dari penelitian ini menunjukan bahwa perbandingan dari kedua metode dapat memberikan klasifikasi rekomendasi hastag yang baik dengan nilai f1 score dan accuracy yang cukup tinggi.
Analisis Transaksi Penjualan Pada Recovery.u Computer Menggunakan Algoritma Naive Bayes Almira Dwi Yuliarti; Corrinna Salsabila Amelia; Dewi Ika Sukarno Putri; Chaerur Rozikin
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 3 No. 3 (2023): Desember : Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v3i3.3144

Abstract

As time passes, the competition in the realm of venture and technologyis quickly increasing, so that business people are competing to expand their business by utilizing existing technology, and also that their business always survives and thrives in the rapid business competition. Sales at Recovery.u Computer are supposed to continue to mount benefit, one of which is by providing products to market demand so that no harm occur. During this time the company often suffers losses because it does not have a system to predict sales. This research has been past perform and attest that the Naïve Bayes Algorithm can be used to predict sales of products and services at Recovery.u Computer. The research data consists of 4 attributes, namely, transaction date, product line, brand, and purchase status obtained from Recovery.u Computer from January 2023 – October 2023. The yield of the estimation that have been it is known that the calculation procces is assisted by WEKA software, by making a possibility table of each variable and an exactness rate of 98,6248% on the test data that has been curried out, and purposeful this can be informed to Recovery.u Computer to do wiser policy in the future.
RANCANG BANGUN APLIKASI MANAJEMEN TUGAS AKHIR MAHASISWA BERBASIS MOBILE MENGGUNAKAN METODE PROTOTYPE (Studi Kasus: Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang) Mutiara Isya Meliana; Jajam Haerul Jaman; Chaerur Rozikin
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7080

Abstract

Proses pengelolaan tugas akhir mahasiswa di Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang (FASILKOM UNSIKA) masih dilakukan melalui berbagai media yang terpisah sehingga menyebabkan proses administrasi dan pemantauan progres tugas akhir kurang optimal. Penelitian ini bertujuan untuk merancang dan membangun aplikasi manajemen tugas akhir mahasiswa berbasis mobile yang mampu mengintegrasikan seluruh tahapan tugas akhir dalam satu platform. Metode yang digunakan adalah Software Development Life Cycle (SDLC) dengan model Prototype yang meliputi pengumpulan kebutuhan, perancangan, pembangunan prototipe, evaluasi, dan penyempurnaan sistem secara iteratif. Aplikasi dikembangkan menggunakan Kotlin, Jetpack Compose, dan Supabase sebagai backend, serta memanfaatkan API untuk validasi pengguna yang terintegrasi dengan SISKA UNSIKA. Fitur utama aplikasi mencakup login, register, pengajuan judul, logbook bimbingan, pendaftaran seminar proposal, kolokium, yudisium, serta pelacakan status tugas akhir. Pengujian dilakukan menggunakan Black Box Testing untuk memastikan seluruh fungsi aplikasi berjalan sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa aplikasi SIMTA Mobile mampu membantu pengelolaan tugas akhir menjadi lebih cepat, terstruktur, dan terdokumentasi dengan baik. Selain itu, aplikasi ini meningkatkan efisiensi komunikasi dan mendukung digitalisasi layanan akademik di lingkungan FASILKOM UNSIKA.
PREDIKSI PRODUKSI PADI KABUPATEN KARAWANG BERDASARKAN LUAS PANEN PADI MENGGUNAKAN CITRA SATELIT Rizky Afriza Rosal Fino; Aries Suharso; Chaerur Rozikin
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7222

Abstract

Kabupaten Karawang merupakan salah satu lumbung padi utama di Provinsi Jawa Barat, tetapialih fungsi lahan dan dinamika iklim membuat pemantauan produksi padi yang akurat dan tepatwaktu menjadi kebutuhan yang semakin mendesak. Penelitian ini bertujuan membangun danmengevaluasi model prediksi produktivitas padi (ton/ha) berbasis citra satelit multisensor danmachine learning pada 30 kecamatan di Kabupaten Karawang selama periode 2019 sampai 2025,dengan mengadopsi kerangka CRISP-DM. Fitur masukan diekstraksi dari citra Sentinel-2 (NDVIdan LSWI), Sentinel-1 SAR, serta data iklim pendukung melalui Google Earth Engine. Limaalgoritma diuji secara komparatif menggunakan skema validasi Leave-One-Year-Out (LOYO),yaitu Random Forest, Ordinary Least Squares (OLS), Ridge Regression, XGBoost, danLightGBM. Random Forest menjadi model terbaik pada level kecamatan dengan MAPE 7,207%,RMSE 0,580 ton/ha, dan Akurasi Kabupaten 94,154%, dengan R² sebesar 0,961 pada skalaproduksi absolut tingkat kecamatan. Pada level kabupaten, OLS tampil lebih unggul denganMAPE 5,279%. Saat diterapkan untuk estimasi produksi tahun 2025, model menghasilkan prediksi1.475.946,3 ton dibandingkan data aktual 1.439.910,2 ton, setara Akurasi Kabupaten 97,50%.Temuan ini menegaskan bahwa model berbasis citra satelit dapat difungsikan sebagai instrumenpendukung estimasi produktivitas dan produksi padi di Kabupaten Karawang
Komparasi ANN dan KNN untuk Klasifikasi Kualitas Tomat Berdasarkan HSV dan GLCM Ilham Syihabudin; Pangundian Siagian; Reizidan Kharisma; Frans Christiopan Hutapea; Chaerur Rozikin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.9983

Abstract

Penelitian ini bertujuan membandingkan kinerja algoritma Artificial Neural Network (ANN) dan K-Nearest Neighbors (KNN) dalam mengklasifikasikan kualitas tomat menjadi empat kategori, yaitu mentah, matang, tua, dan rusak. Tahap prapemrosesan menggunakan metode GrabCut dengan algoritma Largest Contour sebagai fallback guna mengisolasi objek dari latar belakang secara akurat. Proses ekstraksi fitur menggabungkan parameter ruang warna Hue, Saturation, Value (HSV) dan analisis tekstur Gray-Level Co-occurrence Matrix (GLCM) invarian rotasi dari empat sudut orientasi. Kombinasi kedua domain tersebut menghasilkan sepuluh fitur utama yang selanjutnya dinormalisasi menggunakan Z-Score dan diseimbangkan melalui metode Synthetic Minority Over-sampling Technique (SMOTE) guna mencegah bias terhadap kelas mayoritas. Dataset yang digunakan bersumber dari IEEE MBL-CLS (Kaggle) dan terdiri dari 7.226 citra tomat yang terbagi ke dalam empat kelas kualitas dengan distribusi yang tidak merata. Berdasarkan pengujian yang dilakukan, model ANN menunjukkan keunggulan dengan tingkat akurasi mencapai 89,63% pada konfigurasi 128 neuron, pembagian data latih dan uji 80:20, serta dropout 20%. Di sisi lain, model KNN dengan nilai ketetanggaan K=1 mencapai akurasi 88,10% menggunakan metrik jarak Euclidean. Analisis confusion matrix mengungkapkan bahwa kedua model mengalami kesulitan dalam memisahkan kelas tomat rusak dari kelas tomat tua akibat kemiripan profil fitur visual dan tekstur. Kinerja ini menegaskan bahwa optimalisasi hyperparameter pada pendekatan jaringan saraf tiruan mampu memberikan kapabilitas pemetaan fitur nonlinier yang lebih tinggi dibandingkan algoritma berbasis jarak untuk klasifikasi citra multikelas pada industri pertanian.
Analisis Komparasi Arsitektur MobileNetV2 dan ResNet50 dalam Klasifikasi Kondisi Permukaan Jalan Raya Satria Panca Nugroho; Dhafi Rathan Rabbani; Fahru Rizal Al Mufariz; Abdul Ghani Firmansyah; Chaerur Rozikin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.10733

Abstract

Kondisi permukaan jalan yang rusak dapat meningkatkan risiko kecelakaan, menurunkan kenyamanan berkendara, dan memperbesar biaya pemeliharaan kendaraan maupun infrastruktur. Penelitian ini bertujuan membandingkan kinerja arsitektur MobileNetV2 dan ResNet50 dalam mengklasifikasikan kondisi permukaan jalan raya menggunakan pendekatan transfer learning. Dataset yang digunakan terdiri atas 802 citra jalan yang dikelompokkan ke dalam tiga kelas, yaitu Jalan Kategori Baik, Jalan Kurang Baik, dan Jalan Rusak. Data dibagi secara terstratifikasi menjadi 70% data latih, 15% data validasi, dan 15% data uji, kemudian seluruh citra diubah ukurannya menjadi 224 × 224 piksel dan dinormalisasi sesuai kebutuhan masing-masing arsitektur. Pelatihan dilakukan melalui tahap ekstraksi fitur dan fine-tuning dengan pengoptimal Adam, categorical crossentropy, Early Stopping, dan ReduceLROnPlateau. Evaluasi menggunakan akurasi, presisi, recall, F1-score, confusion matrix, serta pengujian citra jalan di luar dataset. Hasil pengujian menunjukkan ResNet50 memperoleh skor 100% pada data uji, sedangkan MobileNetV2 mencapai akurasi 67,8%, presisi 79,4%, recall 67,8%, dan F1-score 61,9%. Namun, pengujian pada citra baru memperlihatkan bahwa ResNet50 mengalami overfitting dan menghasilkan prediksi yang tidak sesuai, sementara MobileNetV2 memberikan prediksi yang lebih representatif. Temuan ini menunjukkan bahwa arsitektur ringan lebih sesuai untuk dataset terbatas dan berpotensi diterapkan pada sistem pemantauan jalan dengan sumber daya komputasi terbatas. Secara praktis, hasil penelitian dapat menjadi dasar pemilihan model yang mempertimbangkan keseimbangan antara ketepatan klasifikasi, kemampuan generalisasi, dan efisiensi komputasi.
PELABELAN SEMI-OTOMATIS BERBASIS INSET LEXICON DAN TARGET-ORIENTED PADA ANALISIS SENTIMEN ISU VASEKTOMI PADA MEDIA SOSIAL X Nabila Putri Asy Syifa; Chaerur Rozikin; Agung Susilo Yuda Irawan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10332

Abstract

Analisis sentimen pada media sosial umumnya memanfaatkan pelabelan otomatis berbasis lexicon, namun pendekatan tersebut masih memiliki keterbatasan dalam memahami konteks opini yang mengandung sarkasme, bahasa informal, code-mixing, dan istilah domain spesifik. Penelitian ini mengusulkan pendekatan pelabelan semi-otomatis yang mengombinasikan Indonesia Sentiment Lexicon (InSet) dan Target-Oriented pada analisis sentimen isu vasektomi di media sosial X (Twitter). Dataset terdiri atas 3.024 opini, dengan 354 data dianotasi secara manual sebagai ground truth dan 2.670 data lainnya dilabeli secara otomatis menggunakan InSet. Selanjutnya dilakukan text preprocessing, ekstraksi fitur TF-IDF, penyeimbangan kelas menggunakan SMOTE, serta klasifikasi menggunakan Support Vector Machine (SVM) dengan kernel Linear, RBF, Polynomial, dan Sigmoid pada tiga skenario pembagian data. Hasil pengujian menunjukkan bahwa kernel Linear pada skenario 70:30 memberikan performa terbaik dengan Balanced Accuracy 74,09%, Macro Average Precision 73,32%, Macro Average Recall 74,09%, dan Macro Average F1-Score 73,64%. Hasil penelitian menunjukkan bahwa pendekatan pelabelan semi-otomatis mampu menghasilkan dataset berlabel yang lebih efektif untuk mendukung klasifikasi sentimen pada isu vasektomi di media sosial X.
Co-Authors Abdul Ghani Firmansyah Agung Susilo Yuda Irawan Ahmad Ridhoi Fajri Alang Mulya Lesmana Alifa Puteri Bilqis Salsabila Almira Dwi Yuliarti Andreanov Ridhovan Andriani Nurian Apriade Voutama Aries Suharso Arif Widayana Arip Solehudin Arni Sepharni Corrinna Salsabila Amelia Dewi Ika Sukarno Putri Dewi Ratih Nurcahyani Dhafi Rathan Rabbani Dwi Suci Anggraeni Eddy Ryansyah Eno Hakimah Kusuma Dewi Fahru Rizal Al Mufariz Fakhri Muhammad Febry Purnomo Aji Frans Christiopan Hutapea Heru Sukoco Ilham Syihabudin Indira Nur Amalia Iwansyah Edo Hendarawan Iwansyah Edo Hendrawan Jamaludin Jamaludin Jaman, Jajam Haerul Kusnadi, Kusnadi Moh. Aulia Miftakhurahmat Muhamad Yoga Fauzan Muhammad Nur Yasin Muhammad Samsul Ma'arif Mutiara Isya Meliana Nabila Putri Asy Syifa Nur Safitri Pangundian Siagian Purwantoro Purwantoro Putri Aulia Kusnadi Putri Dwi Rahayu Reizidan Kharisma Reymen Maulana Richard Julianno Soeganda Rika Nursyahfitri Riza Ibnu Adam Rizky Afriza Rosal Fino Ronna Putri Fadhillah Satria Panca Nugroho Satyanto Krido Saptomo Suseno Suseno Susilawati Susilawati Ultach Enri Ultach Enri Yuyun Umaidah Zajuli T Bisri