Article Per Year (5 Year)
p-Index From 2021 - 2026
2.633
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan INFORMAL: Informatics Journal Jurnal Matematika: MANTIK IKRA-ITH Informatika : Jurnal Komputer dan Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan INTECOMS: Journal of Information Technology and Computer Science JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Ilmiah Wahana Pendidikan Tridharmadimas: Jurnal Pengabdian Kepada Masyarakat Jayakarta Blend Sains Jurnal Teknik Innovative: Journal Of Social Science Research International Journal of Health, Engineering and Technology Indonesian Journal of Innovation Multidisipliner Research
Iqbal Maulana
Universitas Singaperbangsa Karawang
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
Pemodelan Topik Ulasan Pengguna Honkai Star Rail Menggunakan Bertopic Berbasis Indobert Rafi Albar Kurniawan; Purwantoro Purwantoro; Iqbal Maulana
Blend Sains Jurnal Teknik Vol. 4 No. 4 (2026): Edisi April
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v4i4.1534

Abstract

Ulasan pengguna pada Google Play Store merepresentasikan opini, pengalaman, serta ekspektasi pengguna terhadap suatu aplikasi dalam bentuk teks tidak terstruktur. Karakteristik ulasan yang cenderung singkat, informal, serta mengandung istilah komunitas dan ekspresi emosional menyebabkan pendekatan pemodelan topik tradisional kurang optimal. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis topik-topik utama pada ulasan pengguna game Honkai Star Rail menggunakan pendekatan BERTopic yang dikombinasikan dengan embedding IndoBERT. Data penelitian diperoleh melalui web scraping terhadap 25.413 ulasan pengguna dan diproses menjadi 18.377 ulasan bersih melalui tahapan prapemrosesan teks. Representasi dokumen dilakukan menggunakan embedding IndoBERT, diikuti reduksi dimensi dengan UMAP dan pengelompokan menggunakan HDBSCAN. Hasil pemodelan menghasilkan 38 topik utama dengan nilai koherensi C_V sebesar 0,665 yang menunjukkan konsistensi semantik yang baik. Evaluasi kualitatif melalui representasi c-TF-IDF serta evaluasi stabilitas berbasis subsampling dan Jaccard similarity menunjukkan bahwa struktur topik bersifat stabil dan interpretatif. Penelitian ini menyimpulkan bahwa kombinasi IndoBERT dan BERTopic efektif untuk pemodelan topik ulasan game berbahasa Indonesia.
Penguatan Kompetensi Guru Dalam Pemanfaatan Teknologi Pembelajaran Dan Edukasi Literasi Digital Bagi Siswa Smp As-Syarifiyah Guna Mewujudkan Ekosistem Pendidikan Cerdas Digital Hannie Hannie; Agung Susilo Yuda; Ratna Mufidah; Iqbal Maulana; Ade Andri Hendriadi; Carudin Carudin; Dadang Yusup; Intan Purnamasari; Rini Mayasari; Taufik Ridwan; Sofi Defiyanti; Billy Ibrahim Hasbi; Yuyun Umaidah; Ahmad Khusaeri
TRIDHARMADIMAS: Jurnal Pengabdian Kepada Masyarakat Jayakarta Vol 6 No 1 (2026): TRIDHARMADIMAS (Juli 2026)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/tridharmadimas.v6i1.2589

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini dilaksanakan oleh Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang di SMP As-Syarifiyah pada bulan November 2025. Latar belakang kegiatan ini berangkat dari permasalahan guru yang masih menghadapi kendala dalam mengintegrasikan teknologi ke dalam proses pembelajaran, serta kerentanan siswa terhadap paparan hoax dan ancaman keamanan data pribadi. Melalui pendekatan partisipatif dan edukatif, kegiatan dilaksanakan dalam dua pilar utama: pelatihan pemanfaatan teknologi pembelajaran bagi guru menggunakan PhET Interactive Simulations dan sosialisasi literasi digital bagi siswa yang mencakup materi keamanan siber dan anti-hoax. Metode yang digunakan meliputi hands-on training, demonstrasi aplikasi, ceramah interaktif, serta evaluasi pre-test dan post-test. Hasil kegiatan menunjukkan bahwa 13 guru telah mendapatkan pelatihan integrasi TIK dalam pembelajaran, sementara 120 siswa berhasil dibekali keterampilan mengidentifikasi hoax dan menerapkan langkah keamanan siber. Evaluasi post-test menunjukkan peningkatan pemahaman pada kedua kelompok sasaran. Meskipun dihadapkan pada kendala infrastruktur TIK dan manajemen waktu, solusi yang diterapkan secara efektif memastikan tercapainya target keluaran. Kegiatan ini berhasil menumbuhkan budaya pembelajaran berbasis teknologi dan memperkuat literasi digital di lingkungan sekolah mitra.
Stability, Sensitivity, and Bifurcation Analysis of a Rice–Pest Interaction Model Tesa Nur Padilah; Iqbal Maulana
Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Volume 14 Issue 1 April 2026
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/euler.v14i1.37529

Abstract

This study develops a five-dimensional mathematical model describing the interaction between rice and four major pests: rice stem borer, rat, brown planthopper, and rice bug. The existence and local stability of several equilibrium points are analyzed using linearization and the Routh–Hurwitz criterion. In addition, the global stability of the pest-free equilibrium point is established using Lyapunov’s direct method and LaSalle’s Invariance Principle. The results show that the pest-free equilibrium is globally asymptotically stable under certain threshold conditions related to the interaction and mortality parameters. Furthermore, a transcritical bifurcation is identified, which determines the transition between pest extinction and coexistence. Sensitivity analysis indicates that the rice bug parameters significantly influence the rice population, with proportional effects on the equilibrium state. Numerical simulations are performed to support the analytical results, including the dynamic behavior around the bifurcation threshold and the sensitivity of the rice population with respect to key parameters. The results highlight the importance of controlling pest interaction rates and increasing natural mortality to maintain the stability of the rice population.
Fruit Freshness Classification Based On A Custom Sequential Convolutional Neural Network Muhammad Fathan Syarif; Didi Juardi; Iqbal Maulana
International Journal of Health Engineering and Technology Vol. 5 No. 2 (2026): Vol 5. No. 2 JULY 2026
Publisher : CV. AFDIFAL MAJU BERKAH

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55227/ijhet.v5i2.962

Abstract

To date, merchants and consumers in both traditional and modern markets generally still rely on direct visual observation to determine fruit freshness, a method that is highly subjective and often inconsistent. Deep Learning (DL) offers a relevant automation solution to this problem. This study applies a custom Sequential Convolutional Neural Network (CNN) architecture to simultaneously classify the type and freshness level of apples, bananas, and oranges into six classes. Using a Research and Development (R&D) approach, the model was trained on 8,400 images from Kaggle, divided into 80% training, 10% validation, and 10% testing data. The architecture consists of five convolutional layers (32 to 512 filters), reinforced with a 0.5 dropout rate and an EarlyStopping mechanism to prevent overfitting. The model achieved a test accuracy of 98.92% with a loss value of 0.1404. The trained model was integrated into a web application named "Know Your Fruits" using the Flask framework. Black Box Testing on 30 independent images from the internet showed that the application could adaptively predict fruit freshness across various backgrounds, with a misprediction rate of 6.67% caused by early-stage decay and geometric distortion from advanced rotting.
Komparasi Algoritma Decision Tree dan Gradient Boosting untuk Prediksi Penerima Bantuan Sosial di Desa Kalijati Barat Fitri Akmaliah; Yuyun Umaidah; Iqbal Maulana
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Kemiskinan masih menjadi persoalan sosial utama di Indonesia yang menghambat pemerataan kesejahteraan masyarakat. Program Bantuan Langsung Tunai Dana Desa (BLT-DD) menjadi instrumen pemerintah dalam mengatasi kemiskinan, namun penentuan penerimanya masih dilakukan secara manual dan subjektif sehingga rawan ketidaktepatan sasaran. Penelitian ini membandingkan performa algoritma Decision Tree dan Gradient Boosting dalam memprediksi penerima bantuan sosial di Desa Kalijati Barat, Kabupaten Subang, menggunakan pendekatan Knowledge Discovery in Databases (KDD). Data yang digunakan berupa Buku Induk Penduduk (BIP) Tahun 2019 dan data penerima BLT-DD Tahun 2025. Ketidakseimbangan kelas ekstrem (rasio ±101:1) ditangani menggunakan SMOTE. Model dioptimasi dengan GridSearchCV dan Stratified K-Fold Cross Validation (k=5) pada tiga skenario pembagian data. Hasil menunjukkan kedua algoritma menghasilkan accuracy tinggi (0,91–0,98), namun berdasarkan recall dan F1-score, Decision Tree lebih unggul pada skenario 80:20 (recall=0,3333; F1-score=0,1579), sedangkan Gradient Boosting gagal mendeteksi kelas minoritas pada skenario 90:10. Analisis feature importance menunjukkan tingkat pendidikan kepala keluarga, jenis pekerjaan, dan rasio tanggungan sebagai faktor paling berpengaruh.
Analisis Sentimen Ulasan Aplikasi Threads Pada Google Play Store Menggunakan Algoritma Support Vector Machine Sabar Rendy Samuel Silalahi; Garno Garno; Iqbal Maulana
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7255

Abstract

On the Google Play Store platform, there is a review section for each app containing users' opinions and experiences when using an app. These user reviews can be used as a basis for evaluating the quality of an app’s service; however, the large number of reviews makes it difficult for developers to analyze them manually. Threads, a social media app that provides a means of communication and entertainment created by Meta, has received many reviews from its users. This study analyzes user sentiment toward the Threads app through review classification to identify positive and negative opinions. A total of 1,808 user review data for the Threads app was collected as research data, consisting of 961 positive data and 847 negative data. Sentiment labeling will be done using the AI Copilot tool. The data will go through several stages, including data selection, data cleaning, data normalization, and word weighting using the TF-IDF method before performing data mining using the Support Vector Machine (SVM) algorithm. The test results showed that the model built was able to classify sentiment with an accuracy rate of 93.03% on an 80:20 train-test data split using the rbf kernel. In the Word Cloud, positive sentiments were dominated by words related to users’ appreciation for the Threads app services, while negative sentiments were dominated by users’ complaints about the suspension system and features in the Threads app. These research results indicate that the method used is capable of identifying user opinions and can be used as a basis for evaluating improvements in app service quality.
Analisis Sentimen Masyarakat Terhadap Kenaikan Harga Bbm Pada Twitter Menggunakan Metode Gaussian, Naïve Bayes Nur Azizah Retno Puji Astuti; Iqbal Maulana; Tesa Nur Padilah
Indonesian Journal of Innovation Multidisipliner Research Vol. 4 No. 3 (2026): Juli - September
Publisher : Institute of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijim.v4i3.1941

Abstract

Bahan Bakar Minyak (BBM) merupakan salah satu dari komoditas utama masyarakat yang penting untuk kehidupan sehari-hari serta berpengaruh secara simultan terhadap banyak sektor. Adanya kenaikan harga Bahan Bakar Minyak (BBM) ini menjadi isu yang sensitif di kalangan masyarakat dan selalu memicu respon yang masif baik secara langsung ataupun pada media sosial seperti Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kenaikan harga BBM di media sosial Twitter dengan menerapkan algoritma Gaussian Naïve Bayes. Dengan menggunakan metode Knowledge Discovery in Database (KDD) yang memiliki proses data selection, data pre-processing, data transformation, data mining dan evaluation. Dataset yang diperoleh melalui crawling data sebanyak 6.979 tweets dari bulan januari sampai November 2022 dengan 3.357 tweets positif, 1.488 tweets negatif dan 1.367 tweets netral. Peneliti melakukan perbandingan data latih dan data uji dengan perbandingan 80:20 yang mendapatkan nilai accuracy 51%, precision 52%, recall 55% dan f1-score 51%. Kata kunci: Analisis Sentimen, Knowledge Discovery in Database, Kenaikan Harga BBM, Twitter, Gaussian Naïve Bayes.
ANALISIS SENTIMEN APLIKASI ANDAL BY TASPEN DENGAN PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE Widya Dini Alfina; Iqbal Maulana; Carudin Carudin
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Aplikasi Andal by Taspen merupakan layanan digital untuk mendukung proses autentikasi peserta pensiun. Ulasan pengguna pada Google Play Store dapat digunakan untuk mengetahui persepsi pengguna terhadap kualitas aplikasi, tetapi jumlah ulasan yang terus bertambah menyulitkan analisis secara manual. Penelitian ini bertujuan menganalisis sentimen pengguna menggunakan algoritma Support Vector Machine (SVM), mengevaluasi kinerja model, dan mengidentifikasi faktor penyebab rendahnya rating aplikasi. Data penelitian berupa 1.786 ulasan berbahasa Indonesia dari Google Play Store periode September 2025 hingga April 2026. Penelitian menggunakan metodologi Knowledge Discovery in Databases (KDD), dengan pelabelan InSet Lexicon, pembobotan Term Frequency-Inverse Document Frequency (TF-IDF), serta optimasi SVM menggunakan Random Search Cross-Validation. Hasil menunjukkan 967 ulasan (54,14%) bersentimen negatif dan 819 ulasan (45,86%) positif. Performa terbaik diperoleh pada pembagian data 70:30 dengan rata-rata akurasi 88,25% dan AUC 0,9600 yang termasuk kategori Excellent Classification. Kernel RBF menghasilkan accuracy 88,81%, precision 88,75%, recall 86,59%, dan F1-score 87,65%. Root Cause Analysis (RCA) mengidentifikasi lima faktor penyebab rendahnya rating, yaitu aplikasi, sistem/teknologi, proses, pengguna, serta informasi dan layanan. Hasil penelitian dapat menjadi bahan evaluasi bagi pengembang dalam meningkatkan kualitas aplikasi dan kepuasan pengguna
Co-Authors Ade Andri Hendriadi Agung Susilo Yuda Ahmad Khusaeri Alfanda Novebrian Maharadja Alvian Septiana Aries Suharso Billy Ibrahim Hasbi Billy Nugraha Budi Arif Dermawan Carudin Cepy Sukmayadi Dadang Yusup Dhea Indahsari Didi Juardi Endah Purwanti Eri Widianto Fajar Athariq Fitri Akmaliah Garno, Garno Hannie, Hannie Intan Purnamasari Jomanson Matondang Muhammad Fathan Syarif Muhammad Raffi Najmudin Fauji Nur Azizah Retno Puji Astuti Purwantoro Purwantoro Rafi Albar Kurniawan Ratna Mufidah Reni Rahmadewi Rini Mayasari Riza Ibnu Adam Sabar Rendy Samuel Silalahi Sarah Dampang Sofi Defiyanti Taufik Ridwan Tesa Nur Padilah Vita Efelina Widya Dini Alfina Yuyun Umaidah