Article Per Year (5 Year)
p-Index From 2021 - 2026
8.939
P-Index
This Author published in this journals
All Journal ComEngApp : Computer Engineering and Applications Journal Jurnal Teknologi Informasi dan Ilmu Komputer Register: Jurnal Ilmiah Teknologi Sistem Informasi Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Sisfokom (Sistem Informasi dan Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) TEKNOLOGIA Jurnal Linguistik Komputasional Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Journal of Data Science and Its Applications Charity : Jurnal Pengabdian Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer Prosiding Konferensi Nasional PKM-CSR Journal of Renewable Energy, Electrical, and Computer Engineering Jurnal Indonesia Sosial Teknologi eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) Dike Jurnal INFOTEL CSRID LOGIC: Jurnal Penelitian Informatika
Kemas Muslim Lhaksmana
Universitas Telkom, Indonesia
Arts Humanities Automotive Engineering 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 Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Nursing Public Health Social Sciences Other

Published : 116 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 116 Documents
Search

 8   9   10   11   12 
Prediksi Employee Attrition menggunakan Algoritma Support Vector Machine (SVM) Fatih, Muhammad Abdurrohman Al; Lhaksmana, Kemas Muslim
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak-Employee attrition atau keluarnya karyawan dari perusahaan adalah sebuah tantangan, mengingat karyawan merupakan salah satu aset penting bagi perusahaan. Tingkat employee attrition yang tinggi menandakan bahwa seringnya para karyawan keluar dari perusahaan. Hal ini akan merugikan perusahaan dari sisi waktu, biaya, sumber daya manusia dan juga membuat citra perusahaan turun. Perlunya untuk menganalisis dan memprediksi employee attrition agar dapat dilakukan tindakan preventif dan persuasif sehingga karyawan tidak keluar dari perusahaan. Oleh karena itu, dibutuhkannya sebuah tools atau alat bantu untuk memprediksi apakah seorang karyawan akan keluar dari perusahaan. Pada penelitian ini dilakukan implementasi model machine learning untuk memprediksi employee attrition dan membandingkan performansi antara algoritma support vector machine (SVM) dengan algoritma k-Nearest Neighbors (kNN). Data set yang digunakan adalah data set IBM HR Analytics Employee Attrition & Performance. Kedua model dievaluasi dengan menggunakan metrik accuracy, F1-score, dan geometric-mean. Hasil dari penelitian ini menunjukkan bahwa model dengan algoritma SVM memiliki nilai metrik yang lebih baik daripada algoritma kNN dengan rata-rata accuracy 0.86, F1-score 0.59, dan geometric-mean 0.75. Ini menandakan bahwa model dengan algoritma SVM lebih baik dalam memprediksikan data ke dalam kelas attrition dan kelas not-attrition daripada model dengan algoritma kNN.Kata kunci - prediksi, employee attrition, karyawan, machine learning.
Analisis Sentimen Menggunakan Metode Naive Bayes dan Support Vector Machine pada Ulasan Aplikasi Spotify Ramdhani, Muhammad Rifqi Fauzi; Lhaksmana, Kemas Muslim
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak-Pergeseran kebiasaan memutar lagu secara digital didukung oleh kemudahan akses yang tersedia di berbagai perangkat, membuat pengguna bisa mendegarkan lagu kapanpun dan dimanapun waktunya. Spotify merupakan platform nomor satu sebagai penyedia jasa musik dan audio gratis dengan hampir 422 juta pengguna aktif dan menguasai 31% pangsa pasar skala global. Dengan banyaknya unduhan yang sudah mencapai satu juta kali, Spotify mendapatkan nilai rating 4.4 dan ulasan oleh para penggunanya. Pengguna diberikan kebebasan untuk mengekspresikan hasil kepuasaan, kritik, dan saran terhadap aplikasi. Ulasan tersebut bisa digunakan sebagai umpan balik untuk perusaahan dalam meningkatkan layanan dan mengembangkan inovasi selanjutnya. Analisis sentimen diperlukan untuk mengolah ulasan menjadi informasi yang bermanfaat dengan melalui beberapa tahapan pembersihan data terlebih dulu. Pembobotan menggunakan TF-IDF dilakukan sebelum masuk kedalam proses klasifikasi menggunakan Naive Bayes dan Support Vector Machine. Nilai F1-Score terbaik didapatkan pada metode SVM kernel RBF dengan nilai C & gamma optimum menghasilkan nilai F1-Score tertinggi sebesar 81% pada dataset ulasan aplikasi Spotify di layanan GooglePlay Store.Kata kunci-naive bayes, support vector machine, spotify, analisis sentimen, ulasan
Teknik Recommender System Menu Makanan dengan Pendekatan Contextual Model dan Multi-Criteria Decision Making pada Orang Dewasa Kacaribu, Isabella Vichita; Setiawan, Erwin Budi; Lhaksmana, Kemas Muslim
eProceedings of Engineering Vol. 10 No. 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Wisata Kuliner adalah kegiatan yang popular pada saat ini. Banyak tempat makan yang menawarkan makanan-makanan dengan tampilan yang menarik, murah, atau enak. Beberapa masyarakat mendapatkan informasi mengenai wisata kuliner atau daftar makanan melalui media sosial, berita maupun melalui media cetak. Sehingga banyak dari mereka menentukan menu makanan yang mereka santap melalui media sosial. Banyak kriteria yang digunakan dalam memilih makanan, seperti ada yang melihat kandungan kalorinya, harganya, lokasinya, atau yang lainnya. Seiring berkembangnya teknologi informasi, sistem rekomendasi telah semakin dibutuhkan oleh masyarakat untuk membantu pengguna dalam mendapatkan informasi menu makanan yang relavan. Ada metode untuk merekomendasikan makanan berdasarkan contextual model dan multi-criteria decision yang dapat membantu pengguna memilih makanan yang cocok. Berdasarkan pada metode Weighted Sum Model, penelitian ini ingin membuat suatu teknik yang lebih baik dengan menggunakan terapan Contextual Model. Contextual Model membuat pengguna menjadi lebih mengerti dalam penggunaan sistem dan mudah dimengerti.Kata kunci— wisata kuliner, recommender system, contextual model, multi-criteria decision, weighted sum model.
Perbandingan Algoritma Cnn Dan Svm Untuk Analisis Sentimen Mengenai Kenaikan Harga Bahan Bakar Minyak Ahmad Y, Rafly Ahmad Y; Muslim L, Kemas
eProceedings of Engineering Vol. 10 No. 6 (2023): Desember 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Opini-opini maupun keluhan masyarakat yang disampaikan melalui tweet dapat diolah untuk mengetahui sentimen yang ada di dalam tweet tersebut. Pada penelitian ini dilakukan analisis sentimen menggunakan machine learning. Penggunaan machine learning ini dapat mempermudah saat pengambilan data dan pemrosesan data, yang tidak memerlukan banyak waktu dan biaya. Proses klasifikasi data tweet yang dilakukan dalam penelitian ini yaitu data yang mengandung sentimen positif dan sentimen negatif mengenai kebijakan pemerintah yaitu kenaikan harga bahan bakar minyak (BBM). Metode klasifikasi yang digunakan untuk penelitian ini menggunakan Convolutional Neural Network (CNN) dan Support Vector Machine (SVM). Untuk pengambilan data tweet menggunakan metode crawling. Hasil yang didapatkan dari penelitian dengan melakukan evaluasi menggunakan Confusion Matrix mendapatkan bahwa algoritma SVM mendapatkan nilai akurasi yang cukup tinggi sebesar 85% dengan menggunakan max features 510 dan rasio 80:20 dibandingkan dengan algoritma CNN yang memiliki nilai akurasi tertingginya di angka 74% menggunakan nilai max features 300 dan rasio 80:20. Untuk nilai penggunaan cross fold validation CNN mendapatkan nilai rata-rata akurasi tertingginya 78% dengan k=10 sedangkan SVM 87%.Kata Kunci: analisis sentimen, pembelajaran mesin, CNN, SVM, twitter, sosial media
Klasifikasi Multi-Label Ayat-Ayat Al-Qur’an Menggunakan Random Forest dan Word Centrality Rizky Aria Mu’allim; Kemas Muslim Lhaksmana
LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 2 (2024): Desember 2024
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v2i2.8808

Abstract

Abstrak Penelitian ini memanfaatkan teknologi untuk analisis otomatis topik dalam ayat Al-Qur’an, mengembangkan cakupan analisis dengan klasifikasi ke dalam 15 kategori, termasuk satu ’tidak berlabel’. Fokus penelitian meliputi perbandinganefektivitas antara Random Forest, SVM, dan Na¨ıve Bayes dalam sistem klasifikasi topik ayat Al-Qur’an, dengan Word Centrality sebagai fitur. Tahapan pra-pemrosesan seperti tokenisasi dan penghapusan stopword diterapkan, bersama denganmetode TF-IDF dan TW-IDF. Hasil menunjukkan bahwa Random Forest mencatat skor Hamming Loss terendah dalamskenario TW-IDF, namun hasil TFIDF dalam skenario menggunakan stopword tidak lebih baik dibandingkan dengan SVM,berturut-turut adalah 0.949 dan 0.0927. Pengujian tanpa penghapusan stopword juga menunjukkan keunggulan relatif hasilhamming loss Random Forest dalam beberapa skenario. Hasil penelitian ini mengindikasikan bahwa penerapan word centrality sebagai metode ekstraksi fitur dalam klasifikasi ayat-ayat Al-Qur’an berpengaruh pada penurunan nilai HammingLoss.
Sentiment Analysis of Digitalization of Small and Medium Enterprise on Social Media X Using SVM and KNN Methods Haidar, Muhammad Dzakiyuddin; Lhaksmana, Kemas Muslim
Building of Informatics, Technology and Science (BITS) Vol 6 No 4 (2025): March 2025
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v6i4.6723

Abstract

The rapid digitalization of Small and Medium Enterprises (SMEs) has led to significant shifts in business operations, especially in their adaptation to digital platforms. Public perception towards this digital transformation is crucial to understand, as it reflects the success and acceptance of these efforts. This research conducts sentiment analysis on social media platform X to classify public opinions regarding the digitalization of SMEs. The analysis employs two machine learning algorithms, Support Vector Machine (SVM) and K-Nearest Neighbor (KNN), using Term Frequency-Inverse Document Frequency (TF-IDF) for feature extraction. The study compares the performance of both models under baseline and hyperparameter-tuned conditions. The results show that the SVM model consistently outperforms KNN in terms of accuracy, precision, recall, and F1-score. The highest accuracy achieved by the SVM model is 81.97% after hyperparameter tuning with a sigmoid kernel. Meanwhile, the best KNN model records an accuracy of 81.31% using Manhattan distance with 11 neighbors. This study demonstrates that SVM provides better stability and performance in sentiment classification related to SME digitalization. The findings are expected to help policymakers better understand public sentiment and formulate more effective strategies for supporting SME digital transformation.
Co-Authors Abdurrahman, Azzam Abiyyu, Ahmad Syafiq Achmad Salim Aiman Adelia, Dila Adhyaksa Diffa Maulana Aditya Eka Wibowo Aditya Gifhari Soenarya Adiwijaya Aghi Wardani Agni Octavia Agus Kusnayat Ahmad Y, Rafly Ahmad Y Ahmad, Alif Faidhil Ahmad, Fathih Adawi Al Faraby, Said Alberi Meidharma Fadli Hulu Amalia Elma Sari Amien, Iqmal Lendra Faisal Andiani, Annisa Dwi Andini, Bilqiis Shahieza Angraini, Nadya Arda Anisa Herdiani Annisa Miranda Arini Rohmawati Athallah, Muhammad Rafi Aura Sukma Andini Bayu Muhammad Iqbal Bonar Panjaitan Brata Mas Pintoko Chandra Jaya Riadi Chlaudiah Julinar Soplero Lelywiary Choirulfikri, Muhammad Rizqi Damayanti, Lisyana Dana Sulitstyo Kusumo Danang Triantoro Murdiansyah David Winalda Delva, Dwina Sarah Deni Saepudin Denny Darlis Dewantara, Muhammad Pascal Dida Diah Damayanti Didit Adytia dina juni restina Dino Caesaron Donni Richasdy Donny Rhomanzah Dzidny, Dimitri Irfan Eki Rifaldi Eko Darwiyanto Ela Nadila Emrald Emrald Erwin Budi Setiawan Fakhrana Kurnia Sutrisno Farisi, Kamaludin Hanif Fatih, Muhammad Abdurrohman Al Ferdian Yulianto Fhira Nhita Guido Tamara Hadi, Salman Farisi Setya Haga Simada Ginting Haidar, Muhammad Dzakiyuddin Harahap, Rizki Nurhaliza Harmandini, Keisha Priya Haura Athaya Salka Herodion Simorangkir Hutama, Nanda Yonda Ika Puspita Dewi Intan Khairunnisa Fitriani Irgi Aditya Rachman Isman Kurniawan Jofardho Adlinnas Jondri Jondri Jordan, Brilliant Kacaribu, Isabella Vichita Kamaludin Hanif Farisi Kautsar Ramadhan Sugiharto Lukito Agung Waskito Luqman Bramantyo Rahmadi Luthfi, Muhammad Faris M. Mahfi Nurandi Karsana Mahendra Dwifebri Purbolaksono Mahendra, Muhammad Hafizh Marendra Septianta Marozi, Ericho Mehdi Mursalat Ismail Mira Rahayu Moch Arif Bijaksana Mohamad Reza Syahziar Muhammad Adzhar Amrullah Muhammad Arif Kurniawan Muhammad Yuslan Abu Bakar Muhammad Zaid Dzulfikar muhammad zaky ramadhan Muhammad Zidny Naf'an Murman Dwi Praseti Musyafa’noer Sandi Pratama Nanda Yonda Hutama Naufal Furqan Hardifa Naufal Hilmiaji Naufal Rasyad Nibras Syihabil Haq Octaryo Sakti Yudha Prakasa Okky Zoellanda A. Tane Pamungkas, Danit Hafiz Praja, Yudhistira Imam Purwita, Naila Iffah Putri, Arla Sifhana Putri, Meira Reynita Putrisia, Denada R. Fajrika hadnis Putra Rafi Hafizhni Anggia Rahadian, Muhammad Rafi Ramdhani, Muhammad Rifqi Fauzi Rastim Rastim Rayhan, Muhammad Aditya Resky Nadia Rizki Luthfan Azhari Rizky Ahmad Saputra Rizky Aria Mu’allim Rizky, Fariz Muhammad Seno Adi Putra Seto Sumargo Shabrina, Ghina Annisa Siddiq, Ikhsan Maulana Sindi Fatika Sari Sri Utami Sri Widowati Sukmawan Pradika Janusange Santoso Suwaldi Mardana Syadzily , Muhammad Hasan Tri Widarmanti Try Moloharto Try Moloharto Vitalis Emanuel Setiawan Wardhani, Fitri Herinda Widi Astuti Widi Astuti Youga Pratama Yuliant Sibaroni Yusuf Nugroho Doyo Yekti Zaena, Siffa Zaenal Abidin ZK Abdurahman Baizal Zulkarnaen, Imran