Article Per Year (5 Year)
p-Index From 2021 - 2026
4.293
P-Index
This Author published in this journals
All Journal Paradigma Jurnal Pilar Nusa Mandiri Buffer Informatika Jurnal Teknik Informatika STMIK Antar Bangsa JURIKOM (Jurnal Riset Komputer) JSI (Jurnal sistem Informasi) Universitas Suryadarma EVOLUSI : Jurnal Sains dan Manajemen JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Teknologi Informatika dan Komputer Journal Automation Computer Information System (JACIS) Jurnal Esensi Infokom: Jurnal Esensi Sistem Informasi dan Sistem Komputer Informatics and Computer Engineering Journal Jurnal Nasional Teknologi Komputer Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Jurnal Teknologi Informasi Indonesia Indonesian Community Service Journal of Computer Science
Yamin Nuryamin
Universitas Nusa Mandiri, DKI Jakarta
Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal Automation Computer Information System (JACIS)

 1 
Analisis Sentimen Air Mineral dan Demineral Menggunakan SVM pada Dataset Tidak Seimbang Rana, Dipo Yudhis; Fadillah, Nur; Syarifah, Asyifa Raudha; Afiandri, Dhea Aulia; Rianto, Harsih; Nuryamin, Yamin; Susilowati, Susi
Journal Automation Computer Information System Vol. 5 No. 2 (2025): November
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i2.138

Abstract

Penelitian ini menganalisis sentimen opini pengguna platform X terhadap air mineral dan air demineral menggunakan pendekatan kuantitatif eksperimental. Data set terdiri dari 140 tweet yang dilabeli manual ke dalam tiga kategori: positif (38.57%), negatif (13.57%), dan netral (47.86%). Ketidakseimbangan kelas ekstrem dan ukuran data set yang sangat kecil menjadi tantangan utama yang mendasari novelty penelitian ini. Penelitian ini menguji hipotesis bahwa class weighting lebih efektif daripada Synthetic Minority Over-sampling Technique (SMOTE) pada dataset kecil. Klasifikasi menggunakan Support Vector Machine (SVM) dengan pra-pemrosesan teks (case folding, data cleaning, stemming Sastrawi, stopword removal) dan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF). Evaluasi melalui 10-fold stratified cross-validation menunjukkan SVM dengan class weighting mencapai akurasi 57.14% dan F1-score macro 42.36%, sedikit mengungguli SMOTE (53.57% akurasi, 40.98% F1 macro). Uji statistik (Cohen's d = 0.125) mengkonfirmasi tidak ada perbedaan signifikan, membuktikan SMOTE tidak efektif pada dataset sangat kecil. Kelas minoritas (negatif) mencapai F1-score hanya 8%, menunjukkan tantangan ketidakseimbangan ekstrem. Kontribusi utama penelitian ini adalah validasi empiris bahwa class weighting lebih robust daripada SMOTE untuk analisis sentimen berbahasa Indonesia pada kondisi data terbatas
Prediksi ISPU Jakarta Menggunakan Random Forest Roris, Renaldi Putra; Saputra, Andhika; Fahrizal, Ahmad; Susilowati, Susi; Rianto, Harsih; Nuryamin, Yamin
Journal Automation Computer Information System Vol. 5 No. 2 (2025): November
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i2.139

Abstract

Polusi udara Jakarta memerlukan sistem prediksi akurat untuk peringatan dini kesehatan publik. Penelitian ini mengembangkan model machine learning untuk memprediksi Indeks Standar Pencemar Udara (ISPU) harian maksimum menggunakan dataset 3.045 observasi dari lima stasiun pemantauan (Januari–Agustus 2024) dengan enam parameter polutan (PM10, PM2.5, SO2, CO, O3, NO2). Tiga algoritma dievaluasi: Linear Regression, Random Forest, dan Gradient Boosting. Random Forest mencapai kinerja terbaik dengan R² = 0,9575, RMSE = 4,44, dan MAE = 0,82, melampaui studi sejenis (R² = 0,78–0,89). Analisis feature importance mengungkapkan PM2.5 mendominasi prediksi ISPU dengan kontribusi 87,11%, jauh melebihi NO2 (4,94%) dan SO2 (2,84%). Penelitian memberikan tiga kontribusi: (1) model prediksi ISPU akurasi tertinggi untuk implementasi sistem peringatan dini operasional; (2) identifikasi PM2.5 sebagai target prioritas kebijakan pengendalian polusi berbasis bukti; dan (3) bukti empiris bahwa polusi bersifat kronis dan menyeluruh, memerlukan intervensi komprehensif untuk melindungi kesehatan 10+ juta penduduk Jakarta
Co-Authors Abdul Rahman Kadafi Achmad, Alman Ade Priyatna Afiandri, Dhea Aulia AHMAD FAHRIZAL Aji Setiawan Akhirianto, Pas Mahyu Andrian Eko Widodo Aryo Kencono Aziz Setyawan Hidayat, Aziz Setyawan Bayhaky, Mohamad Yudha cahya, Andre Darminto Dewi, Zahra Alifia Dionaci rizki utami Eka Rini Yulia Eko Setia Budi Fadililah, Akbar Fajar Firmansyah, Ilhan Fitri Yani Fitria Risyda Gata, Windu Ginting, Axel Elyas Hafidz, Noor Hari Bagus Mantik Harsih Rianto Ibrahim, Nawal Fadilah Kadafi, Abdul Rahman Kusumah, Mayang Luthfi Nursubana Muhammad Muhammad Arif Kurniawan MUHAMMAD FAHMI Nur Fadillah, Nur Nursubana, Luthfi oknel Pas Mahyu Akhirianto Pribadi, Yogie Rana, Dipo Yudhis Rezki, Muhammad Risyda, Fitria Roris, Renaldi Putra Safitri, Angelina Sandra Dewi Saraswati Saputra, Alvin Nugraha Saputra, Andhika Siti Nurdiani Suleman Suleman Suleman Suleman Suleman Suleman Susi Susilowati, Susi Syarifah, Asyifa Raudha Ulin Nuha Zamani, Sauqi