Article Per Year (5 Year)
p-Index From 2021 - 2026
1.611
P-Index
This Author published in this journals
All Journal Alhadharah: Jurnal Ilmu Dakwah Technologia: Jurnal Ilmiah Alhadharah: Jurnal Ilmu Dakwah Alhiwar: Jurnal Ilmu dan Teknik Dakwah
Samsul Rani
UIN Antasari Banjarmasin
Religion Humanities Computer Science & IT Decision Sciences, Operations Research & Management Languange, Linguistic, Communication & Media Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Ekstraksi Opini Publik Terhadap Fenomena Jargon Politik Gemoy Menggunakan Teknik Analisis Sentimen Berbasis Web Data. Samsul Rani; Munsyi M.T; Raden Yani Gusriani
Technologia : Jurnal Ilmiah Vol 17 No 3 (2026): Technologia (Juli)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jit.v17i3.24421

Abstract

 Perkembangan teknologi digital telah mengubah lanskap komunikasi politik di Indonesia, salah satunya melalui pemanfaatan budaya populer siber sebagai strategi marketing politik. Penelitian ini bertujuan untuk memetakan dan menganalisis karakteristik serta sebaran sentimen publik terhadap jargon politik "Gemoy" yang digunakan dalam dinamika Pilpres 2024 Indonesia lintas platform media digital. Metode yang digunakan adalah kuantitatif deskriptif dengan pendekatan komputasional berupa web crawling/scraping untuk menguji validitas data korpus tekstual. Sebanyak 1.000 sampel data bersih dari media sosial (Twitter/X, TikTok, Instagram, Facebook) dan portal berita arus utama dianalisis menggunakan metode lexicon-based analysis berbantuan instrumen kamus leksikon bahasa Indonesia. Hasil penelitian menunjukkan bahwa persepsi publik secara makro didominasi oleh respons positif sebesar 53,9%, diikuti sentimen netral sebesar 26,2%, dan sentimen negatif sebesar 19,9%. Melalui komparasi lintas saluran, TikTok dan Instagram teridentifikasi sebagai episentrum sentimen positif yang mengamplifikasi aspek afektif publics melalui konten visual, sedangkan Twitter (X) menunjukkan anomali berupa dominasi sentimen negatif yang mencerminkan diskursus kritis khalayak terhadap isu substansi kebijakan. Penelitian ini menyimpulkan bahwa jargon politik digital bertindak sebagai pisau bermata dua yang efektif dalam membangun popularitas elektoral berbasis afeksi, namun memicu resistensi intelektual akibat risiko pendangkalan esensi demokrasi.
Analisis Komunikasi Dakwah pada Genre Konten Youtube Legenda Studio Gromore Menggunakan Convolutional Neural Network Samsul Rani; Munsyi M.T; Fahriansyah Fahriansyah; Jumi Herlita; Mulyadi Mulyadi
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.15612

Abstract

Penelitian ini menganalisis penerapan Convolutional Neural Network (CNN) dalam klasifikasi komunikasi dakwah pada genre konten YouTube Legenda Studio Gromore. Menggunakan data dari kanal YouTube tersebut, penelitian ini mengimplementasikan CNN untuk mengklasifikasikan genre dakwah dengan tingkat akurasi yang tinggi. Data yang digunakan melalui tahap pra-pemrosesan termasuk normalisasi, tokenisasi, dan pembersihan teks untuk memastikan kesesuaian dengan model CNN. Model ini terdiri dari beberapa lapisan, yaitu lapisan konvolusi untuk ekstraksi fitur, lapisan penggabungan untuk mengurangi kompleksitas data, dan lapisan fully-connected untuk membuat keputusan klasifikasi. Metode Cross Validation diterapkan selama fase pelatihan untuk verifikasi model dan peningkatan keandalannya. Hasil penelitian menunjukkan potensi besar CNN dalam mengotomatisasi klasifikasi teks dengan akurasi klasifikasi sebesar 92%, serta meningkatkan pengalaman edukasi dan hiburan anak di ruang digital. Selain itu, analisis lebih lanjut mengungkapkan bahwa karakteristik teks seperti karakter yang terlibat dalam cerita dan pengaturan cerita sangat berpengaruh terhadap proses klasifikasi yang akurat. Penerapan teknologi ini membuka peluang untuk pengembangan lebih lanjut dalam berbagai jenis konten teks dan interaksi antara teknologi dan pendidikan anak, serta memberikan dasar untuk personalisasi rekomendasi konten dan pengembangan kurikulum pendidikan yang lebih efektif.
SISTEM KlASIFIKASI KONTEN RADIKAL WEBSITE DAKWAH MENGGUNAKAN ALGORITMA KNN Samsul Rani; Rabiatul Aslamiah; Amrullah Amrullah; Munsyi M.T
Technologia : Jurnal Ilmiah Vol 16 No 3 (2025): Technologia (Juli)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i3.19701

Abstract

Penelitian ini membahas klasifikasi konten radikal dalam Da'wah Indonesia di Website Da’wah dengan menggunakan teknik text mining. Kami mengimplementasikan aplikasi mesin pencari konten menggunakan PHP, yang bersifat open-source dan dapat diakses di berbagai sistem operasi. Sistem ini memproses query dengan melakukan text mining dan membandingkan hasilnya dengan kata kunci yang disimpan dalam database, mengklasifikasikan konten ke dalam kategori yang telah ditentukan sebelumnya: Merah, Kuning, Hijau, dan Putih. Proses klasifikasi dilakukan dengan memberi label secara manual pada konten berdasarkan data dari Kementerian Komunikasi dan Informatika, yang menghasilkan 126 artikel berita yang diberi label. Algoritma K-Nearest Neighbors (K-NN) digunakan untuk klasifikasi, dengan nilai k optimal 7, yang mencapai tingkat akurasi sebesar 66,37%, menunjukkan keandalan algoritma dalam mengklasifikasikan konten radikal dibandingkan dengan metode manual. Pengujian dilakukan dengan text mining untuk mengekstraksi kata-kata signifikan dari konten berita, kemudian menghitung jarak Euclidean untuk klasifikasi. Matriks kebingungannya digunakan untuk mengukur akurasi klasifikasi, dengan kelas "Putih" mencapai nilai presisi dan recall tertinggi. Kinerja sistem menunjukkan waktu pemrosesan 0,704 detik per tugas klasifikasi dan penggunaan memori sebesar 884.656 byte, yang menyoroti efisiensi algoritma namun juga menunjukkan area yang perlu dioptimalkan. Peningkatan di masa depan meliputi penambahan fungsi identifikasi sinonim untuk kata kunci Bahasa Indonesia guna meningkatkan akurasi klasifikasi dan melibatkan para ahli dalam penentuan tema konten radikal. Menggabungkan algoritma K-NN dengan teknik machine learning lain seperti Naive Bayes, SVM, Decision Tree, dan Neural Network dapat lebih meningkatkan akurasi. Selain itu, memperluas sistem untuk digunakan pada server proxy, platform mobile, dan aplikasi lainnya akan meningkatkan fleksibilitasnya dalam mendeteksi dan mengklasifikasikan konten radikal. Penelitian ini berkontribusi pada pemahaman dan pengembangan sistem untuk mendeteksi konten radikal di website da’wah, dengan menekankan perlunya adaptasi dan perbaikan berkelanjutan seiring dengan taktik radikalisasi online yang terus berkembang.
Co-Authors Amrullah Amrullah Aulia Aziza Ermalianti Ermalianti Fahriansyah Fahriansyah Herlita, Jumi Ilham Ilham Muhammad Rif'at Mulyadi Mulyadi Munsyi, Munsyi Nadzmi Akbar, Nadzmi Rabiatul Aslamiah Raden Yani Gusriani