Article Per Year (5 Year)
p-Index From 2021 - 2026
3.234
P-Index
This Author published in this journals
All Journal Semesta Teknika Format : Jurnal Imiah Teknik Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika JISICOM (Journal of Information System, Infomatics and Computing) Jurnal Pendidikan Teknologi Informasi dan Vokasional Djtechno: Jurnal Teknologi Informasi Jurnal Abdimas Komunikasi dan Bahasa J-Intech (Journal of Information and Technology) Jurnal Ilmu Komputer SENTRI: Jurnal Riset Ilmiah Journal of Artificial Intelligence and Digital Business COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Jurnal Komputer Antartika Kohesi: Jurnal Sains dan Teknologi Journal of Innovative and Creativity
Fahlapi, Riza
Unknown Affiliation
Aerospace Engineering Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Analisis Sentimen dan Kepuasan Pengguna Aplikasi Pinjaman Online Berdasarkan Ulasan Di Google Play Bela, Sintia; Harianja, Putri Alletheia; Bismi, Waeisul; Kurniawati, Ika; Fahlapi, Riza
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4245

Abstract

Pentingnya analisis sentimen pengguna dalam meningkatkan kualitas layanan semakin menonjol seiring dengan pesatnya perkembangan layanan fintech di Indonesia, khususnya pada aplikasi pinjaman online. Penelitian ini bertujuan untuk mengukur tingkat kepuasan pengguna terhadap lima aplikasi pinjaman online, yaitu AdaPundi, Julo, IndoDana, AdaKami, dan BantuSaku, berdasarkan ulasan pengguna di Google Play Store. Metode yang digunakan dalam penelitian ini adalah analisis sentimen dengan algoritma K-Nearest Neighbor (KNN). Data ulasan yang dikumpulkan melalui Google Play Store terlebih dahulu melalui tahap text preprocessing, termasuk pembersihan data dan normalisasi teks. Selanjutnya, ekstraksi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Untuk mengatasi ketidakseimbangan kelas data sentimen, pendekatan Synthetic Minority Over-sampling Technique (SMOTE) diterapkan sebelum proses pelatihan model KNN. Hasil penelitian yang diolah menggunakan Google Collab dan Bahasa pemrograman Python menunjukkan bahwa algoritma KNN mampu memberikan kinerja klasifikasi yang baik pada seluruh aplikasi yang dianalisis. BantuSaku memperoleh akurasi tertinggi sebesar lebih dari 93%, diikuti oleh AdaPundi (>93%), IndoDana (91%), serta AdaKami dan Julo dengan akurasi sekitar 84–85%. Selain itu, BantuSaku juga memiliki proporsi sentimen positif tertinggi, yaitu sebesar 83,2%, yang menunjukkan tingkat kepuasan pengguna paling tinggi. Dengan demikian, penelitian ini menyimpulkan bahwa KNN efektif digunakan dalam analisis sentimen dan mampu membandingkan tingkat kepuasan pengguna pada berbagai aplikasi fintech pinjaman online
Pemanfaatan Kecerdasan Buatan Untuk Indentifikasi Jenis Tanaman Menggunakan Citra Daun Gunawan, Heru; Alghifari, Luthfi Adam; Saputra, Aden Asywak; Panggabean, Gempar Galang Al Fallah; Amsury, Fachri; Fahlapi, Riza
Jurnal Pendidikan Teknologi Informasi dan Vokasional Vol 7, No 2 (2025): Jurnal Pendidikan Teknologi Informasi dan Vokasional
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jptiv.v7i2.33675

Abstract

Penelitian ini merancang dan mengimplementasikan PlantSense AI, sebuah sistem identifikasi tanaman yang memanfaatkan integrasi teknologi Computer Vision (CV) untuk akuisisi citra dan Multimodal Large Language Model (LLM) Google Gemini untuk analisis botani. Tujuannya adalah menyediakan layanan identifikasi yang tidak hanya akurat secara visual tetapi juga kaya informasi, guna mengatasi keterbatasan metode konvensional yang kaku. Sistem dikembangkan menggunakan metode Prototyping dengan bahasa pemrograman Python, antarmuka CustomTkinter, dan pustaka OpenCV yang terintegrasi dengan API Gemini. Berbeda dengan pendekatan klasifikasi standar, sistem ini menyuntikkan data citra ke dalam model generatif untuk menghasilkan analisis ilmiah yang komprehensif secara real-time. Hasil pengujian Black Box memverifikasi tingkat keberhasilan fungsionalitas teknis sebesar 100%. Evaluasi Pengguna (N=8) menunjukkan tingkat kepuasan rata-rata 4,68 (Sangat Setuju), memvalidasi bahwa pendekatan hibrida ini efektif dalam meningkatkan pemahaman pengguna terhadap objek tanaman. Penelitian ini berimplikasi pada pengembangan alat edukasi botani digital yang interaktif, meskipun penerapannya saat ini masih memiliki batasan pada ketergantungan koneksi internet dan sensitivitas terhadap kondisi pencahayaan rendah.Kata kunci: ▪ Kecerdasan Buatan ▪ Klasifikasi Citra ▪ Computer Vision ▪ Gemini ▪ Tanaman
ANALISIS SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN GEMINI AI DENGAN METODE MACHINE LEARNING Rosandi, Rivana; Febrianto, Ade Ilham; Gibran, Afrizal Achmad; Bismi, Waeisul; Kurniawati, Ika; Fahlapi, Riza
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7962

Abstract

Meningkatnya popularitas Gemini AI sebagai platform percakapan digital besutan Google mendorong perlunya memahami bagaimana masyarakat Indonesia menilai kehadirannya. Namun, kajian mengenai persepsi publik berbasis data empiris dalam konteks layanan AI generatif masih terbatas. Penelitian ini bertujuan mengisi kesenjangan tersebut dengan menganalisis sentimen pengguna terhadap Gemini AI menggunakan 10.000 ulasan dari Google Play Store. Data diolah melalui tahapan praproses teks dan pelabelan sentimen, kemudian diklasifikasikan menggunakan beberapa model machine learning untuk memperoleh gambaran yang lebih komprehensif. Hasil penelitian menunjukkan bahwa model SVM memberikan performa paling unggul sebesar 96,34%, precision 0,97%, recall 0,95%, dan F1-score 0,96% mengungguli secara signifikan Naive Bayes (94,76%), Logistic Regression (94,24%), dan Random Forest (93,19%) dan mengindikasikan kecenderungan sentimen positif masyarakat terhadap Gemini AI. Temuan ini memberikan gambaran awal bagi pengembang untuk meningkatkan kualitas layanan dan pengalaman pengguna secara berkelanjutan, khususnya dalam menghadapi persaingan teknologi AI yang semakin dinamis.
Implementasi Chatbot AI untuk Otomatisasi Layanan Pelanggan PT. Tiga Fasa Komponen Aditya, Tommy; Adiputra, Mahesa; Rachimsah, Wildan; Nanjaya, Ahmad Fadhil; Amsury, Fachri; Fahlapi, Riza
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13121

Abstract

Inovasi Kecerdasan Buatan ( Artificial Intelligence - AI), khususnya Large Language Models (LLM), menawarkan potensi revolusioner dalam layanan pelanggan B2B. Penelitian ini merancang dan mengimplementasikan prototipe chatbot AI menggunakan Google Gemini untuk PT. Tiga Fasa Komponen, distributor komponen industri, untuk mengatasi tantangan respon lambat terhadap permintaan harga, stok, dan teknis di luar jam operasional. Chatbot dikembangkan menggunakan Model Prototyping dengan arsitektur hybrid. Arsitektur ini mengintegrasikan kemampuan pemrosesan bahasa alami (NLP) dari LLM dengan pengambilan data harga dan stok real-time melalui API perusahaan. Tujuannya adalah menyediakan layanan informasi 24/7 yang menampilkan harga spesifik sesuai permintaan pengguna (terpersonalisasi tingkat keanggotaan) secara instan. Prototipe diimplementasikan menggunakan Python dan framework PyQt5. Hasil Pengujian Black Box memverifikasi integritas teknis sistem, termasuk ekstraksi kode produk dan personalisasi harga yang rahasia. Pengujian Pengguna ( User Testing ) menunjukkan akurasi informasi produk mencapai 85% hingga Sangat Akurat dan tingkat kegunaan yang Sangat Familiar. Temuan ini memvalidasi kelayakan solusi hibrida dalam meningkatkan efisiensi operasional dan Customer Experience (CX) secara signifikan. Tantan)
Implementasi Aturan Asosiasi untuk Rekomendasi Produk Pakaian Wanita menggunakan Algoritma Apriori Oktavia, Devya Septi; Hanifah, Nida; Fatihah, Cinta Aprilia; Amsury, Fachri; Fahlapi, Riza; Febriyanti, Syafvika Tiara
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13112

Abstract

Usaha fashion wanita Asoka Fashion memiliki volume data transaksi penjualan yang besar dari platform Shopee pada periode Agustus 2025. Namun, data ini hanya digunakan untuk pelaporan rutin, sehingga potensi untuk merumuskan strategi bisnis dan rekomendasi produk belum dimanfaatkan secara maksimal. Penelitian ini bertujuan untuk mengubah data transaksi tersebut menjadi pengetahuan yang bernilai strategis dengan menerapkan Knowledge Discovery in Database (KDD). Metode yang digunakan adalah Association Rule Mining dengan Algoritma Apriori , diolah menggunakan perangkat lunak Orange3. Hasil pengolahan data dengan minimum support 80% dan minimum confidence 90% berhasil menemukan 15 aturan asosiasi yang kuat. Aturan asosiasi terkuat mencapai tingkat confidence 100% , yang secara spesifik mengungkap pola pembelian bersama item-item seperti 101 Khaki, 1104 Hitam, 101 Black, dan 1104 Brown. Temuan ini memberikan rekomendasi konkret bagi Asoka Fashion untuk penentuan strategi cross-selling dan paket bundling produk yang tepat sasaran, membuktikan efektivitas data mining dalam mendukung pengambilan keputusan bisnis berdasarkan pola pembelian pelanggan yang akurat.
Co-Authors Abdurrazaq Abdurrazaq, Abdurrazaq Abulkhoir, Moh. Azam Achmad Fauzi Adiansyah, Riski Abimur Adiputra, Mahesa Aditya, Tommy Agustina, Riska Melani Alfiansyah, Afif Alghifari, Luthfi Adam Alie, Jemmy Yosua Andini, Najwa Putri Antonius Yadi Kuntoro Ardhiyansyah, Pramudhitya Argomasetyo, Firqi Arifin, Aymar Titan Ashari, Yayan Basmallah, Bintangguh Sutan Bela, Sintia Budiarto, Gunawan Cahaya, Rahma Diva Cembes, Yohanes Angelo Christian, Yoel Dewi, Syafikani Aliefia Dwi Febrianti, Dwi Fachri Amsury Faqih, Muhammad Bayu Fatihah, Cinta Aprilia Febrian, Dio Febrianto, Ade Ilham Febriyanti, Syafvika Tiara Garamba, Yafianus Gibran, Afrizal Achmad Gowasa, Feliks Herianto Gunawan, Heru Hafid, Danang Abu Halwatussyukliha, Anissa Hanifah, Nida Haraefa, Joy Berti Carolina Harianja, Putri Alletheia Hermanto Hermanto Hidayat, Muhammad Rafli Hilmawan, Abu Yappie Ihsandi, Haura Bella Ika Kurniawati Intan Nuraini Irawan, Miko Rizky Satrio Kirawa, Zahwa Ayori Kurniawan, Bebi Kurniawan, Ery Lasman Effendi Mahmud Syarif marcellia, stevina Muhammad Syukur Nanjaya, Ahmad Fadhil Nitra, Ridatu Oca Novianti, Deny Oktavia, Devya Septi Panggabean, Gempar Galang Al Fallah Perdana, Tegar Putra Qurrotuaini, Najwa Desmita Rachimsah, Wildan Rahmalia, Zahra Rahmandhani, Rifqi Rahmawati, Vani Ramadhan, Xena Hadi Rianto, Yan Riwanto, Muhammad Hilmy Rizkiansyah, Dimas Rosandi, Rivana Saputra, Aden Asywak Saputra, Dedi Dwi Sembiring, Sri Dewi siti nurlela Sukmawati, Alfiani Sutisna, Alifan Widad Syafa, Marcella Salsa Taufik Asra Toda, Jeprianus Rina Waeisul Bismi Waek, Gregorius Waruwu, Vinje April Yudhistira Yudhistira zahwani, nadya