Article Per Year (5 Year)
p-Index From 2021 - 2026
7.338
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Pendidikan Fisika TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Pembelajaran Fisika JURNAL PENGABDIAN KEPADA MASYARAKAT METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi ILKOM Jurnal Ilmiah Informatik : Jurnal Ilmu Komputer International Conference on Mathematics and Science Education of Universitas Pendidikan Indonesia Antivirus : Jurnal Ilmiah Teknik Informatika Jurnal Qua Teknika Jambura Journal of Electrical and Electronics Engineering Jurnal Tecnoscienza JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknologi dan Riset Terapan (JATRA) Jurnal Tunas Jurnal Mahasiswa Sistem Informasi (JMSI) JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer Bulletin of Information Technology (BIT) Joutica : Journal of Informatic Unisla Archive: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika Teknologi dan Sains (Jinteks) The Indonesian Journal of Computer Science Research Insand Comtech : Information Science and Computer Technology Journal JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Gudang Jurnal Multidisiplin Ilmu Jurnal Informatika Polinema (JIP) Jurnal Pengabdian Masyarakat Nusantara Advance Sustainable Science, Engineering and Technology (ASSET) Proceeding International Conference on Digital Education and Social Science
Muhammad Najibulloh Muzaki
Universitas Nusantara PGRI Kediri
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 58 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 58 Documents
Search

 2   3   4   5   6 
Usability Analysis of The Bos Reporting Web Application Using The Sus Method Ikrar Nusa Bhakti; Sucipto; Muhammad Najibulloh Muzaki
Proceeding International Conference on Digital Education and Social Science Vol. 3 No. 1 (2025): Proceeding International Conference on Digital Education and Social Science 202
Publisher : Asosiasi Pengelola Publikasi Ilmiah (APPI) PT PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55506/icdess.v3i1.142

Abstract

The e-BOS application is a web-based reporting system for managing School Operational Assistance (BOS) funds used by school operators to digitally report financial data. However, during implementation, various issues related to navigation, clarity of workflow, and reporting efficiency were reported by operators in Kertosono, Patianrowo, Baron, and Ngronggot Districts. These problems indicate that the application’s usability may not be optimal, thus requiring a systematic evaluation to assess user acceptance and application effectiveness. This study aims to evaluate the usability level of the e-BOS web-based reporting system managed by the Education Office of Nganjuk Regency. The research focuses on user experience among BOS operators in four districts using the System Usability Scale (SUS) method. A questionnaire consisting of 10 statements was distributed to 100 respondents. The collected data were analyzed using SUS scoring calculation, standard score interpretation, usability acceptability classification, and Net Promoter Score (NPS) categorization. The results show that the e-BOS application achieved an average SUS score of 56.8, categorized as Grade F (Worst Imaginable) and classified as Not Acceptable. Based on NPS, the score falls into the Detractor category, indicating that most users are unwilling to recommend the application to others. The study concludes that the e-BOS system has not met an adequate usability level and requires significant improvement, particularly in interface design, workflow simplification, and user guidance resources. This research is limited to four districts; thus, future studies are recommended to expand the sample coverage and compare usability performance after system improvements.
Analysis of Halving Random Search Cross Validation in Machine Learning Model Optimization Alief Cahyo Utomo; Sucipto Sucipto; Muhammad Najibulloh Muzaki
Proceeding International Conference on Digital Education and Social Science Vol. 3 No. 1 (2025): Proceeding International Conference on Digital Education and Social Science 202
Publisher : Asosiasi Pengelola Publikasi Ilmiah (APPI) PT PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55506/icdess.v3i1.169

Abstract

This study aims to analyze the effectiveness of the Halving Random Search Cross Validation method as an alternative for hyperparameter optimization in machine learning models compared to Grid Search Cross Validation and Random Search Cross Validation. The dataset used is Internet Service Churn with four algorithms: KNN, Decision Tree, SVM, and Gaussian Naive Bayes. The testing process involves 10-fold cross validation and three repetitions to ensure the validity of the results. The experimental results show that Halving Random Search Cross Validation is able to achieve competitive accuracy, precision, and recall performance (difference < 0.5%) compared to Grid Search in most models, with computational time savings of up to 62–74% on KNN, Decision Tree, and SVM. However, on Gaussian Naive Bayes with a small hyperparameter space, this method is slower due to the successive halving overhead. Random Search shows high speed but less stable on SVM and Gaussian Naive Bayes. The research conclusion states that Halving Random Search Cross Validation is the most balanced method for business cases such as churn prediction, with recommendations for application on complex models and further development using Hyperband or Bayesian Optimization
Perancangan Sistem Informasi Profil Sekolah Berbasis Web Menggunakan Framework Codeigniter 4 M Abdilah Saputra; Sucipto Sucipto; Muhammad Najibulloh Muzaki
Insand Comtech : Information Science and Computer Technology Journal Vol. 11 No. 1 (2026): Insand Comtech
Publisher : Universitas Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53712/jic.v11i1.2979

Abstract

Perkembangan teknologi informasi menuntut lembaga pendidikan untuk melakukan transformasi digital guna meningkatkan kualitas layanan publik. MI Hidayatul Ulum Ngampel selama ini masih mengandalkan media sosial sebagai sarana informasi dan menggunakan metode manual dalam proses Penerimaan Peserta Didik Baru (PPDB), yang menyebabkan pengelolaan data tidak terstruktur dan kurang efisien. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi profil sekolah berbasis web yang terintegrasi dengan fitur PPDB online. Sistem dikembangkan menggunakan framework CodeIgniter 4 dengan basis data MySQL dan menerapkan arsitektur Model-View-Controller (MVC). Metode waterfall dipilih dan digunakan bersifat alami dan merupakan metode pengembangan tertua banyak diminati oleh beberapa pengembang sistem karena modelnya yang sederhana dan bertahap. Hasil penelitian menunjukkan bahwa seluruh skenario pengujian dinyatakan valid dan sistem berhasil diimplementasikan secara penuh. Sistem ini mampu mengotomatisasi proses pendaftaran, verifikasi berkas, hingga pengumuman hasil seleksi, sehingga meningkatkan efisiensi administratif. Dengan adanya sistem ini, MI Hidayatul Ulum Ngampel dapat memperkuat citra digital institusi dan memberikan kemudahan akses layanan bagi calon peserta didik dan orang tua.
Perbandingan Model BERT dan RNN-LSTM pada Analisis Sentimen Aplikasi BRI Mobile Dea Yuliana Ayu Nngrum; Erna Daniati; Muhammad Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.199

Abstract

Penelitian ini dimaksudkan untuk mengevaluasi serta membandingkan performa dari dua arsitektur deep learning, yakni BERT (Bidirectional Encoder Representations from Transformers) dan RNN-LSTM (Recurrent Neural Network – Long Short-Term Memory), dalam mengklasifikasikan sentimen pada tanggapan pengguna aplikasi BRImo. Kumpulan data diperoleh melalui teknik web scraping di platform Google Play dengan metode pengambilan acak (random sampling), sehingga terkumpul 10.000 ulasan dari total sekitar satu juta ulasan yang tersedia. Proses preprocessing awal mencakup pembersihan teks, penghapusan simbol, angka, URL, serta tokenisasi. Evaluasi awal menunjukkan bahwa model BERT memiliki akurasi sebesar 54%, sedangkan RNN-LSTM memperoleh akurasi 53%. Selanjutnya, dilakukan eksperimen lanjutan dengan menghilangkan proses tokenisasi tambahan pada preprocessing. Hasilnya, akurasi meningkat secara signifikan menjadi 73% untuk BERT dan 70% untuk RNN-LSTM. Peningkatan ini menunjukkan bahwa tokenisasi ganda dapat menurunkan kualitas input ke dalam model. Secara keseluruhan, model BERT terbukti lebih unggul dalam memahami konteks linguistik dalam bahasa Indonesia, terutama dalam menangani ambiguitas dan struktur kalimat kompleks dalam teks ulasan pengguna aplikasi.
Perbandingan Algoritma Machine Learning Dalam Analisis Sentimen Isu Gempa Megathrust Ewanda Herdika Septa Aulia; Erna Daniati; Muhammad Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.206

Abstract

Isu gempa megathrust menjadi perhatian publik yang signifikan mengingat potensi dampaknya yang besar di wilayah Indonesia. Meningkatnya kesadaran dan kekhawatiran masyarakat terhadap isu ini tercermin dari banyaknya diskusi di berbagai platform media sosial, khususnya YouTube. Melihat fenomena tersebut, penelitian ini dilakukan untuk menganalisis dan mengklasifikasikan sentimen publik terhadap video bertema gempa megathrust. Tujuan utama dari penelitian ini adalah untuk mengkaji persepsi masyarakat melalui komentar di YouTube menggunakan pendekatan machine learning. Penelitian ini menggunakan tiga algoritma utama, yaitu Support Vector Machine dengan tiga jenis kernel yaitu linear, RBF, dan polynomial; Naive Bayes dengan Bernoulli dan Multinomial; serta Decision Tree. Data dikumpulkan melalui teknik scraping pada kolom komentar video YouTube yang relevan, dengan total data sebanyak 4337 komentar. Proses analisis dilakukan melalui sembilan tahap, yaitu pengumpulan data, preprocessing teks, pelabelan sentimen menggunakan lexicon VADER, pembobotan kata menggunakan TF-IDF, penyeimbangan data dengan SMOTE, seleksi fitur dengan mutual information, pembuatan model klasifikasi, evaluasi kinerja model, dan analisis hasil. Evaluasi performa model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa algoritma SVM dengan kernel linear memberikan performa terbaik dengan akurasi mencapai 87%. Temuan ini mengonfirmasi bahwa pendekatan machine learning efektif untuk menganalisis opini publik terhadap isu kebencanaan, serta dapat menjadi landasan dalam pengambilan kebijakan mitigasi risiko bencana berbasis persepsi masyarakat.
Pendekatan BERT Dalam Analisis Sentimen Terhadap Kominfo Di Media Sosial X Muhammad Faruqziddan; Erna Daniati; Muhammad Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.207

Abstract

Perkembangan media sosial telah mengubah pola komunikasi masyarakat, termasuk dalam menyampaikan opini terhadap isu-isu publik. Salah satu isu yang sering dibahas adalah Kementerian Komunikasi dan Informatika (Kominfo). Media sosial X menjadi salah satu platform utama yang digunakan masyarakat untuk menyuarakan pendapat secara terbuka. Oleh karena itu dibutuhkan metode analisis yang mampu menangkap dan memahami sentimen publik. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Kominfo menggunakan algoritma Bidirectional Encoder Representations from Transformers (BERT), yang dikenal memiliki kemampuan unggul dalam memahami text. Data dikumpulkan melalui teknik scraping dengan kata kunci "kominfo", kemudian dilakukan tahapan pre-processing seperti cleaning, case folding, translation, tokenization, stopwords removal, dan stemming. Data yang telah dibersihkan kemudian diberi label sentimen menggunakan metode leksikon VADER dan diklasifikasikan ke dalam tiga kategori, positif, netral, dan negatif. Model BERT dilatih menggunakan data yang telah diproses dengan pembagian 80% untuk training, 10% validation, dan 10% testing. Hyperparameter yang digunakan meliputi epoch sebanyak 10, batch size 16, max length 100, learning rate 2e-5, dan dropout 0.3. Hasil evaluation menunjukkan bahwa model BERT mampu mengklasifikasikan sentimen dengan accuracy sebesar 84%, serta nilai precision, recall, dan F1-score yang seimbang di seluruh kelas. Kesimpulan dari penelitian ini adalah bahwa BERT efektif dalam menganalisis opini publik terhadap instansi pemerintah melalui media sosial X.
Penerapan Bi-LSTM Untuk Named Entity Recognition Pada Teks Bahasa Indonesia Akmal Hisyam Pradhana; Erna Daniati; Muhammad Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.208

Abstract

Penelitian ini bertujuan untuk membangun dan mengevaluasi model Named Entity Recognition (NER) berbasis arsitektur Bidirectional Long Short-Term Memory (Bi-LSTM) yang mampu mengenali entitas secara otomatis dalam teks berbahasa Indonesia. Urgensi penelitian ini terletak pada masih minimnya sistem NER yang efektif untuk bahasa Indonesia, terutama pada teks non-formal yang memiliki struktur dan kosakata unik. Permasalahan utama yang diangkat adalah rendahnya akurasi ekstraksi entitas akibat keterbatasan model-model NER sebelumnya dalam memahami konteks bahasa Indonesia yang kompleks dan tidak baku. Data dikumpulkan dari korpus teks Indonesia yang telah dianotasi format BIO (Beginning-Inside-Outside) dan diklasifikasikan dalam jenis entitas seperti Person, Location, Organization, Quantity, dan Time. Proses melibatkan preprocessing (tokenisasi, pelabelan BIO, dan padding), pembangunan arsitektur Bi-LSTM, pelatihan model teknik train-test split (80:20), serta evaluasi menggunakan metrik Precision, Recall, F1-Score, dan confusion matrix. Hasil penelitian menunjukkan model Bi-LSTM berhasil mencapai akurasi keseluruhan sebesar 99% dan F1-Score sebesar 0.99, dengan performa terbaik pada entitas ORGANIZATION dan PERSON. Penelitian ini berkontribusi pada pengembangan NER berbasis budaya lokal serta potensial diterapkan dalam pendidikan, pelestarian budaya, dan pencarian informasi kontekstual berbahasa Indonesia.
Pemodelan Klasifikasi Popularitas Produk Skincare Menggunakan Support Vector Machine (SVM): Studi Komparatif Kinerja Kernel. Nila Kamilatutsaniya; Erna Daniati; M. Najibulloh Muzaki
The Indonesian Journal of Computer Science Research Vol. 4 No. 2 (2025): Juli
Publisher : Hemispheres Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59095/ijcsr.v4i2.209

Abstract

Pertumbuhan pasar digital telah meningkatkan variasi produk skincare di platform seperti Sephora. Kondisi ini yang pada akhirnya mendorong konsumen menghadapi tantangan dalam penentuan produk yang populer. Oleh karena itu, penelitian ini dilakukan untuk membantu mengidentifikasi popularitas produk skincare melalui pengembangan model klasifikasi berbasis algoritma machine learning. Tujuan penelitian ini adalah membangunodel klasifikasi untuk mengidentifikasi popularitas produk berdasarkan karakteristik produk serta menerapkan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel: linear, RBF, dan polynomial. Data sekunder diperoleh dari Kaggle yang memuat informasi produk skincare di Sephora, dan diolah melalui tahapan CRISP-DM, mulai dari pemahaman bisnis, pembersihan data, labeling popularitas berdasarkan threshold jumlah “loves” dan “reviews”, penyeimbang data dengan Teknik SMOTE, hingga pemodelan menggunakan algoritma Support Vector Machine (SVM) dengan tiga jenis kernel serta evaluasi. Hasil pengujian menunjukkan bahwa kernel linear memberikan akurasi tertinggi sebesar 98,52%. Berdasarkan hasil seleksi fitur, faktor utama yang memengaruhi popularitas produk adalah jumlah ulasan (log_n_of_reviews), jumlah suka (log_n_of_loves), serta rasio interaksi pengguna seperti reviews_to_loves_ratio dan return_on_reviews. Penelitian ini memberikan kontribusi dalam pengembangan model prediksi berbasis machine learning untuk mendukung pengambilan keputusan dalam pemasaran produk skincare
Co-Authors AA Sudharmawan, AA Abdulnazar, Mohamed Naeem Antharathara Achmadhin Tristan Syafaat Adhi Wicak Milbar Gamas Afandi, Zainal Afrizal Ahmad Bayu Prasetyo Agus Muji Santoso Ahmad Fauzan Ahmad Rifai Aidina Ristyawan Aidina Ristyawan Aidina Ristyawan, Aidina Akmal Hisyam Pradhana Alfian Tri Puji Saputra Alfin Dhohan F.E Alief Cahyo Utomo Amelia Nur Fadhila Ananda Tria Budi Pertiwi Andara Sintho Retnoningtya Andresangsya, Agastya Anita Sari Wardani Anita Sari Wardani Anita Sari Wardani Ardio, Gletser Yustitito Arie Nugroho Arie Nugroho, Arie Arti Romansa, Shasya Bahtiyar, Arul Chairul Effendi Dea Yuliana Ayu Nngrum Dede Nur Hidayat Diki Zainul Alam Dwi Harini Dwi Harini DWI HARINI Erna Daniati Erna Daniati Erna Daniati Evania Priyanto Ewanda Herdika Septa Aulia Fadli Hidayat, M. Noer Farhan Darnanda Faruq, Umar Al Fredi Pangestu Guterres, Juvinal Ximenes Heru Stiawan Heru Teguh Santoso Ibnu Qoyim, Ibnu Ika Ari Sasmita Ikrar Nusa Bhakti Iqbal Ardiwijaya Irwan Darmawan Jannah, Ro’ikatul Jose, Anthonio Fernando K Nadliroh Karaman, Jamilah Kuni Nadliroh Kusanagi, Kanako N. Kusuma, Dedy Hidayat Lilik Sumaryanti Lutfi Verdia Lensi M Abdilah Saputra M Iqbal Khalid M. Andre Arif Wahyu.S M. Dewi Manikta Puspitasari Maha Shelin Sahira Mahesa Difa Ramadhan Margaretha, Vina Mathilda Yosephine J.T Maulana Reza Darmawan Milbar Gamas, Adhi Wicak Moh Kusen Mohamed Naeem Antharathara Abdulnazar Muhammad Alfian NF Muhammad Faruqziddan Muhammad Fikri Pratama Muhammad Iqbal Khalid Muhammad Muhammad Muhammad Reza Muzaki Mustofa, Mohammad Annan Makruf Nila Kamilatutsaniya Nugroho, Arie Pangestu, Sukma May Purba Poppy Rahmatika Primandiri Pramadani Kusuma Fadila Prasetyo Ari Bowo, Prasetyo Ari Putri, Ravega Widyawati Rahmad Riza Bahrudin Rahmawati Rahmawati Randy Mattin Arro’uf Rika Nur Safitri Rina Firliana Rini Indriati Rini Indriati Rini Indriati Rino Adi Kurniawan Riski Nurwahyudi Rizki Azhar Rosmala Widijastuti Sakin, Kharisma Sanggita Nur Fadila Sania Abelia Makdalena Sasmita, Wikan Setiani, Dila Elpin Shandy Arshad Busro Shandy Arshad Busro Cahyono Sidhiq Andriyanto Siswanto, Yoyok Adi Stiawan, Heru Sucipto Sucipto Sucipto Sukawati, Yunita Sulastri Sulastri Tamora Nonia Wijaya Teguh Andriyanto Teguh Andriyanto Teguh Andriyanto, Teguh Theo Krisna Amarya Veentoar, Gery Hendri Wahid Ibnu Zaman Wardani, Anita Sari Wati, Dewi Rossylia Zakur, Yahya