Article Per Year (5 Year)
p-Index From 2021 - 2026
5.349
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) Informatics and Computer Engineering Journal Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Nasional Teknologi Komputer Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Jurnal Teknologi Informasi Indonesia Indonesian Community Service Journal of Computer Science (IndoComs) Jurnal Esensi Infokom : Jurnal Esensi Sistem Komputer dan Informasi
Yamin Nuryamin
Universitas Bina Sarana Informatika
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 : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
ANALYSIS OF INTER-RELIGIOUS TOLERANCE SENTIMENTS IN INDONESIA ON CONVERSATIONS ON SOCIAL MEDIA TWITTER Pribadi, Yogie; Hafidz, Noor; Nuryamin, Yamin; Gata, Windu
Jurnal Pilar Nusa Mandiri Vol 16 No 2 (2020): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v16i2.1520

Abstract

Conversations on social media Twitter related to tolerance among religious communities in Indonesia are fascinating. However, it is a sensitive issue. In reality, there is often a war of comments about the implementation of tolerance between religious people in carrying out their own beliefs. The community is not careful in issuing opinions that can result in social insecurity, insecurity, and national instability. This condition will significantly affect the state of the country's economy. In some cases, political problems can be a trigger for intolerance between religious communities. The purpose of this study is to compare the performance of classification accuracy on positive or negative sentiments from conversations that intersect with the problem of tolerance among religious communities during the past year. In this study, we compared the performance of the accuracy of the modeling of sentiment analysis classification on public conversations on social media Twitter related to tolerance between religious communities in Indonesia. Because the text that will be carried out modeling comes from the Indonesian language, to facilitate labeling, translation is carried out into English, then a performance comparison of the sentiment analysis classification modeling with SVM algorithm, Naïve Bayes, Decision Tree, and k-NN. Based on the experiments, it was concluded that the SVM algorithm has the highest performance for the classification of sentiment analysis categories up to 65.03% compared to the Naïve Bayes algorithm, which reached 59.92%, Decision Tree, which reached 63.52% and k-NN which reached 57 66%.
Monitoring Jaringan Menggunakan Mikrotik Traffic Monitor dan Metode Web Proxy pada PT. Pembangunan Perumahan (Persero) Jakarta Ibrahim, Nawal Fadilah; Hidayat, Aziz Setyawan; Nuryamin, Yamin
BUFFER INFORMATIKA Vol 7 No 1 (2021)
Publisher : TI S1 FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v7i1.3728

Abstract

PT. Pembangunan Perumahan (Persero) Jakarta merupakan salah satu anak perusahaan yang bergerak di bidang pembangunan jaringan di sana dengan menggunakan topologi tree. Berdasarkan penelitian yang telah dilakukan di PT. Pembangunan Perumahan Jakarta (Persero) Terjadi masalah penurunan kinerja jaringan internet pada jam-jam tertentu karena tidak adanya pemantau terhadap jaringan yang digunakan pegawai selain itu tidak adanya pembatasan akses internet atau pemblokiran situs yang dapat menyebabkan terganggunya kinerja jaringan internet. Untuk mengatasi masalah tersebut, penulis mengusulkan untuk menggunakan tools yang ada di router Mikrotik untuk melakukan monitoring jaringan menggunakan traffic monitor dan Web proxy tools. Dalam memonitoring jaringan admin dapat mengetahui IP address client yang menggunakan bandwidth melebihi batas yang ditentukan, IP address tersebut nantinya akan dimasukkan dalam daftar alamat. Setelah pemantauan menggunakan alat pemantau lalu lintas, kemudian batasi hak akses atau pemblokiran situs menggunakan metode proxy Web. Tujuan dari metode metode Web proxy adalah untuk memblokir website yang dapat menyebabkan penurunan kinerja jaringan internet.
Implementasi Wireless Client Pada PT.MNC Televisi Network (iNews) Menggunakan Mikrotik Access List CAPsMAN Bayhaky, Mohamad Yudha; Hidayat, Aziz Setyawan; Nuryamin, Yamin
BUFFER INFORMATIKA Vol 7 No 1 (2021)
Publisher : TI S1 FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v7i1.3736

Abstract

PT. MNC Televisi Network (iNews) merupakan salah satu stasiun televisi swasta di Indonesia. Penelitian yang dilakukan di PT. MNC Televisi Network ini akan memanfaatkan fitur dari router mikrotik untuk mengatasi permasalahan yang ada pada sistem keamanan jaringan wireless dan memanfaatkan router mikrotik untuk mengontrol banyak access point secara terpusat. Masalah yang dihadapi pada keamanan jaringan  wirelessnya hanya menggunakan authentication WPA2-PSK, sehingga apabila orang asing mengetahui password akan rawan untuk penyalahgunaan lalu lintas. Selain itu dibutuhkan fitur untuk memonitor perangkat-perangkat yang masuk kedalam jaringan wireless untuk mengendalikan access point secara terpusat. Tujuan dari penelitian ini adalah untuk menambahkan keamanan jaringan wireless dengan menggunakan access list. Dalam metode access list, admin jaringan mempunyai hak untuk memberikan  hak akses internet kepada client dan admin jaringan juga berhak menutup akses jaringan wireless dengan tujuan agar orang asing tidak dapat masuk kedalam jaringan wireless walaupun sudah mengetahui password dari jaringan wireless tersebut. Tujuan dari penelitian ini adalah untuk memanfaatkan CAPsMAN sebagai pengontrol access point, sehingga memudahkan IT Network untuk mengatur semua perangkat access point yang terhubung dengan CAPsMAN.
Bandwidth IMPLEMENTASI MANAGEMENT BANDWIDTH DENGAN METODE QUEUE TREE BERBASIS MIKROTIK PADA BALAI BESAR PELATIHAN KESEHATAN JAKARTA Hidayat, Aziz Setyawan; suleman, suleman; Nursubana, Luthfi; Nuryamin, Yamin; Akhirianto, Pas Mahyu
Informatics and Computer Engineering Journal Vol 1 No 2 (2021): Periode Agustus 2021
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v1i2.491

Abstract

At the Jakarta Center for Health Training (BBPK), users of bandwidth for each access point or PC Client are very excessive resulting in unequal allocation of bandwidth for each client PC in the company. So that the network connection of some client PCs is very slow and cannot even access the internet network. For this reason, it is necessary to have good bandwidth management for the Jakarta BBPK network, such as using the Queue tree method with a mikrotik router via the Winbox application. One solution so that bandwidth can be maximally utilized and flexible or stable is to manage the bandwidth (Bandwidth management) available in the network, one of which is by limiting the bandwidth capacity usage of each access point or client PC. Thus, if there is a client accessing the internet that is interrupted, because each client already has a bandwidth capacity based on the limit of the package used to access the internet. Bandwidth management is needed on the network at BBPK Jakarta in order to evenly allocate bandwidth for each access point or PC Client and reduce the occurrence of excessive or unstable network traffic at the company
Perbandingan Kedua Algoritma Decision Tree dan Naive Bayes untuk Prediksi Penyakit Gagal Jantung Saputra, Alvin Nugraha; Setiawan, Aji; Nuryamin, Yamin; Priyatna, Ade; Dewi, Zahra Alifia
Jurnal Teknologi Informasi Indonesia (JTII) Vol 10 No 2 (2025): Jurnal Teknologi Informasi Indonesia (November)
Publisher : JURNAL TEKNIK INFORMATIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30869/jtii.v10i2.1544

Abstract

Gangguan jantung telah menjadi penyebab utama kematian secara global, dengan tren kejadian yang terus meningkat di berbagai negara. Keberhasilan penanganan penyakit ini sangat bergantung pada diagnosis dini yang akurat. Namun, upaya deteksi dini di lapangan menghadapi tantangan yang signifikan, terutama terbatasnya jumlah tenaga medis yang tersedia dan ketersediaan sumber daya diagnostik yang memadai. Untuk mengatasi gambaran ini, pemanfaatan algoritma data mining menawarkan solusi efektif untuk mengidentifikasi pola dan memprediksi risiko penyakit jantung. Penelitian ini secara khusus dirancang untuk menganalisis dan membandingkan kinerja dua algoritma klasifikasi yang populer di bidang medis: Decision Tree (C4.5), yang berbasis aturan, dan Naive Bayes, yang berbasis probabilitas. Tujuannya adalah menentukan model mana yang paling efektif dalam risiko gagal jantung. Dataset penelitian ini telah melalui tahap preprocessing yang cermat sebelum dibagi menjadi 70% data latih dan 30% data uji, guna memastikan validasi model yang objektif. Berdasarkan hasil pengujian, ditemukan bahwa algoritma Naive Bayes memberikan kinerja yang lebih unggul dengan akurasi 86,41%. Sementara itu, algoritma Decision Tree C4.5 memperoleh akurasi 80,43%. Hasil ini secara jelas menunjukkan pendekatan probabilistik yang digunakan oleh Naive Bayes—walaupun memiliki asumsi independensi fitur—terbukti lebih efektif dalam menangani karakteristik dan kompleksitas dataset penyakit jantung dalam penelitian ini, dibandingkan dengan pendekatan berbasis pohon keputusan. Temuan ini memberikan wawasan penting bahwa Naive Bayes dapat dijadikan referensi yang kuat untuk pengembangan sistem diagnosis dini penyakit gagal jantung. Dengan akurasi lebih tinggi, algoritma ini dapat membantu kesehatan profesional mempercepat proses diagnosis, meningkatkan ketepatan prediksi risiko, dan pada pasangannya, berkontribusi menyelamatkan lebih banyak nyawa.
ANALISIS SENTIMEN RESPON PENGGUNA CHAT GPT MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Safitri, Angelina; Firmansyah, Ilhan; Yani, Fitri; Kurniawan, Muhammad Arif; Nuryamin, Yamin
Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI) Vol. 6 No. 2 (2025): Jurnal Inovasi Pendidikan dan Teknologi Informasi (JIPTI)
Publisher : Information Technology Education Department

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/jipti.v6i2.3810

Abstract

This study aims to analyze user sentiment toward ChatGPT based on comments collected from the YouTube platform using the Support Vector Machine (SVM) algorithm. SVM belongs to the supervised learning algorithm group. The data were collected through web scraping using the YouTube Data API v3, resulting in 999 valid comments. The initial process included data cleaning using regular expressions to remove irrelevant characters, duplicates, and noise. Sentiment correction was then performed using a bilingual lexicon-based function (Indonesian and English) to improve classification accuracy based on language context. The initial sentiment distribution analysis showed 53.85% positive, 33.53% negative, and 12.61% neutral sentiments. To address class imbalance, a balancing process was conducted before model training. The preprocessing stage involved feature normalization and feature selection before splitting the dataset into 70% training and 30% testing data. The SVM model was trained and evaluated using performance metrics such as accuracy, precision, recall, F1-score, and AUC. The evaluation results showed an AUC of 0.90, accuracy of 81.6%, precision of 89.2%, recall of 51.6%, and F1-score of 65.4%. Based on these results, the SVM algorithm proved effective in classifying user sentiments toward ChatGPT with a high level of accuracy after the data balancing process.
ANALISIS PREDIKSI PENYAKIT HEPATITIS MENGGUNAKAN ALGORITMA DECISION TREE DAN NAIVE BAYES Ginting, Axel Elyas; Fadililah, Akbar Fajar; Kusumah, Mayang; Nuryamin, Yamin; Priyatna, Ade
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v5i4.317

Abstract

ABSTRAK Penyakit hepatitis merupakan salah satu masalah kesehatan global yang kritis dan terus menjadi tantangan besar dalam dunia medis karena menyerang organ hati dan sulit terdeteksi pada tahap awal. Kondisi ini menuntut adanya metode diagnosis yang lebih cepat, efektif, dan mampu memberikan prediksi akurat untuk membantu tenaga medis dalam proses identifikasi dini. Seiring perkembangan teknologi, pendekatan berbasis machine learning mulai banyak diadopsi untuk mendukung analisis data medis secara otomatis. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa dua algoritma klasifikasi, yaitu Decision Tree dan Naive Bayes, dalam memprediksi status penyakit hepatitis berdasarkan data biokimia darah. Dataset yang digunakan bersumber dari platform Kaggle, terdiri atas 615 data pasien dan 14 atribut laboratorium. Tahapan penelitian meliputi pra-pemrosesan data, normalisasi, pembagian data menjadi 70% data latih dan 30% data uji, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memperoleh akurasi sebesar 88,65%, sedikit lebih tinggi dibandingkan algoritma Naive Bayes yang mencapai akurasi 87,03%. Temuan ini mengindikasikan bahwa Decision Tree lebih efektif dalam menangani variasi data dan hubungan non-linear antar fitur biokimia. Secara keseluruhan, penelitian ini menegaskan bahwa kedua model mampu digunakan sebagai sistem pendukung keputusan dalam mendeteksi hepatitis, namun Decision Tree menjadi model yang lebih potensial untuk diimplementasikan pada tahap diagnosis awal.
Analisis Sentimen Pengguna TikTok tentang Pembangunan IKN Menggunakan Algoritma Naive Bayes dan Decision Tree Zamani, Sauqi; cahya, Andre; oknel; nuryamin, yamin; Priyatna, Ade
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

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

Abstract

Pembangunan ibu kota nusantara atau IKN kembali menjadi perbincangan hangat di masyarakat Indonesia khususnya di media sosial seperti TikTok. Pendapat orang berbeda-beda, ada pro dan ada kontra. Penelitian ini ingin mengetahui bagaimana sentimen publik terhadap proyek ini, serta membandingkan kinerja algoritma Naive Bayes dan Pohon Keputusan untuk klasifikasi teks. Kami menggunakan kumpulan data dari Kaggle berjudul "analisis sentimen IKN" dalam format CSV. Kami menyiapkan Data terlebih dahulu melalui tahapan preprocessing, mulai dari membuat semua huruf kecil, membersihkan teks, memecahnya menjadi kata-kata, menghilangkan kata-kata umum yang tidak penting, dan mereduksinya menjadi bentuk-bentuk dasar menggunakan pustaka sastra. Model dilatih menggunakan teknik TF-IDF untuk mengubah teks menjadi vektor, dengan data dibagi 80% untuk latihan dan 20% untuk pengujian. Dari hasil tersebut, sentimen negatif lebih dominan, hampir 52,1%, sedangkan positif hanya 46,2%. Algoritma Naive Bayes mendapat akurasi 84,04%, dan ternyata lebih baik dari Decision Tree. Intinya, Naive Bayes lebih cocok untuk analisis sentimen teks bahasa Indonesia khususnya tentang perkembangan IKN. Penelitian ini juga dapat membantu pengembangan cara analisis sentimen dalam bahasa kita untuk masalah sosial penting di negara ini.
Analisis Keparahan Banjir di DKI Jakarta Tahun 2020 Menggunakan Algoritma Random Forest darminto; Achmad, Alman; Dionaci rizki utami; Yamin Nuryamin; Ade Priyatna
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

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

Abstract

Banjir merupakan salah satu bencana alam yang paling sering terjadi di Provinsi DKI Jakarta dan menimbulkan dampak sosial serta ekonomi yang signifikan. Penelitian ini bertujuan untuk memprediksi tingkat keparahan banjir menggunakan algoritma Random Forest Classifier berdasarkan data kejadian banjir tahun 2020 yang diperoleh dari BPBD DKI Jakarta. Proses analisis dilakukan melalui tahapan pembersihan data, normalisasi, pembentukan label tingkat keparahan, pelatihan model, serta evaluasi performa di Google Colab. Hasil penelitian menunjukkan bahwa model Random Forest mampu mencapai performa tinggi dengan nilai akurasi, precision, recall, dan f1-score sebesar 100% pada tiga kategori klasifikasi: Rendah, Sedang, dan Tinggi. Variabel jumlah terdampak jiwa dan ketinggian air menjadi faktor paling dominan dalam menentukan tingkat keparahan banjir. Model ini berpotensi menjadi alat bantu dalam pengambilan keputusan mitigasi bencana, serta dapat dikembangkan lebih lanjut dengan menambahkan fitur curah hujan dan data multi-tahun. Sehingga dapat membantu pemerintah dalam menanggulangi bencana banjir.
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
Co-Authors Abdul Rahman Kadafi Achmad Suryo Prayogo Achmad, Alman Ade Priyatna Ade Priyatna Afiandri, Dhea Aulia AHMAD FAHRIZAL Aji Setiawan Akhirianto, Pas Mahyu Andrian Eko Widodo arkananta hamzah firjatullah Aryo Kencono Aziz Setyawan Hidayat, Aziz Setyawan Bayhaky, Mohamad Yudha cahya, Andre Darminto Dewi, Zahra Alifia Dionaci rizki utami Diyan Alamsyah 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 Iqbal Ramadhan, Iqbal Kusumah, Mayang Luthfi Nursubana Malfi Garry Tauran Muhammad Muhammad Arif Kurniawan Muhammad Fahmi Muhammad Rezki Muhammad Vhijar Rainaldany Muryan Awaludin Nur Fadillah, Nur Nursubana, Luthfi oknel Pas Mahyu Akhirianto Pribadi, Yogie RAMADHANI, ALIF Rana, Dipo Yudhis Ridwansyah Rivaldi, Afdan Rolan Nagur Roris, Renaldi Putra Ryan Firas Anderasta 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 Verry Riyanto Zamani, Sauqi