Article Per Year (5 Year)
p-Index From 2020 - 2025
4.745
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Seminar Nasional Informatika (SEMNASIF) Jurnal Inspiration Jurnal Komputer Terapan SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan SINTECH (Science and Information Technology) Journal Jurnal Informatika Universitas Pamulang JURIKOM (Jurnal Riset Komputer) Saintifik : Jurnal Matematika, Sains, dan Pembelajarannya Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Dedikasi Journal of Computer and Information System (J-CIS) Jurnal Pengabdian kepada Masyarakat Indonesia (JPKMI) STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Jurnal Pengabdian Masyarakat UNIPOL J-Icon : Jurnal Komputer dan Informatika Nobel Community Services Journal In Search (Informatic, Science, Entrepreneur, Applied Art, Research, Humanism)
Farid Wajidi
Universitas Sulawesi Barat
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
Analisis Algoritma K-Nearest Neighbor dan Naive Bayes pada Kebijakan Perkuliahan Online dengan Multi Bahasa Nabila, Putri; Wajidi, Farid; Firgiawan, Wawan
Techno.Com Vol. 24 No. 2 (2025): Mei 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i2.12656

Abstract

Kemajuan teknologi informasi mendorong perubahan sistem pendidikan, termasuk kebijakan perkuliahan online sejak pandemi COVID-19. Penelitian ini menganalisis sentimen mahasiswa terhadap kebijakan tersebut menggunakan pendekatan multibahasa dengan algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes. Adapun aspek pembeda penelitian ini adalah penggunaan data dari bahasa Indonesia dan bahasa daerah Sulawesi Barat, yaitu bahasa Mandar, yang menambah kompleksitas tahap preprocessing. Data dikumpulkan melalui kuesioner yang menghasilkan 1.680 opini mahasiswa, dan setelah tahap preprocessing menghasilkan 1.679 data yang siap dianalisis. Hasil klasifikasi menunjukkan algoritma K-Nearest Neighbor terdapat 1002 kategori positif dan 677 kategori negatif. Kemudian pada algoritma Naïve Bayes terdapat 1020 kategori positif dan 659 kategori negatif. Berdasarkan hasil klasifikasi, mayoritas opini bersifat positif, mencerminkan bahwa mahasiswa menerima adanya kebijakan tersebut. Hasil evaluasi melalui confusion matrix serta K-Fold Cross Validation menunjukkan bahwa pendekatan klasifikasi Naïve Bayes mengungguli KNN dengan accuracy 74.87%, precision 74.92%, recall 74.87%, dan f1-score 74.64%. Sementara itu, KNN mencatat accuracy 72.84%, precision 72.80%, recall 72.84%, dan f1-score 72.67%. Hal tersebut mengindikasikan bahwa Naïve Bayes mempunyai kemampuan generalisasi yang lebih unggul pada konteks data teks multibahasa yang kompleks. Penelitian ini menyoroti pentingnya strategi evaluasi dan teknik preprocessing yang sesuai dalam klasifikasi sentimen multibahasa.   Kata Kunci - Analisis Sentimen, K-Nearest Neighbor, Multi Bahasa, Naïve Bayes; Perkuliahan Online.
Analisis Sentimen Ulasan Aplikasi Wondr By Bni Menggunakan Algoritma Svm Dengan Optimasi Kernel Trick Bazar, Ikbal; Wajidi, Farid; Asnan Cirua, A. Amirul
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 2 (2025): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i2.5178

Abstract

Transformasi digital dalam sektor perbankan Indonesia mendorong peluncuran aplikasi Wondr by BNI pada Juli 2024 sebagai pengganti BNI Mobile Banking. Meskipun jumlah pengguna aktifnya telah melampaui 5,3 juta hingga akhir 2024, ulasan di Google Play Store menunjukkan berbagai keluhan teknis, seperti kesulitan login, kegagalan transaksi, dan proses verifikasi yang rumit. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Wondr dengan menerapkan algoritma Support Vector Machine (SVM) dan mengoptimasi performanya menggunakan empat jenis kernel: Linear, RBF, Polynomial, dan Sigmoid. Sebanyak 2.000 ulasan dikumpulkan melalui teknik scraping dari kategori most relevant di Google Play Store. Setelah melalui proses preprocessing dan pelabelan otomatis menggunakan model Multilingual BERT, sebanyak 1.719 data yang berkategori positif dan negatif digunakan untuk proses klasifikasi. Ekstraksi fitur dilakukan dengan metode Term Frequency–Inverse Document Frequency (TF-IDF). Evaluasi performa menggunakan metrik F1-score menunjukkan bahwa kernel Sigmoid dengan parameter C = 3 dan γ = 0,5 menghasilkan performa terbaik dengan nilai Accuracy dan F1-score sebesar 0,922. Analisis frekuensi kata menunjukkan bahwa kata “gagal” dan “verifikasi” mendominasi sentimen negatif, sementara “mudah” dan “cepat” banyak muncul dalam sentimen positif. Temuan ini menunjukkan bahwa kombinasi pelabelan otomatis berbasis BERT dan klasifikasi SVM dengan optimasi kernel mampu menghasilkan model analisis sentimen yang akurat dan stabil untuk mengevaluasi layanan aplikasi perbankan digital.
Prediksi Harga Gabah Kering Panen menggunakan Metode Autoregressive Integrated Moving Average Ria, Canda; Wajidi, Farid; Nur, Nahya
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8614

Abstract

Gabah kering panen (GKP) merupakan komoditas pertanian strategis yang berperan signifikan dalam mendukung ketahanan pangan nasional. Fluktuasi harga gabah yang tidak menentu menjadi tantangan serius bagi petani dalam menentukan harga jual hasil panen. Dalam penelitian ini, harga gabah kering panen diprediksi dengan menggunakan metode   Autoregressive Integrated Moving Average (ARIMA). Data yang digunakan diambil dari data bulanan yang dikumpulkan oleh Badan Pusat Statistik (BPS) dari januari 2010 hingga desember 2024. Proses penelitian meliputi tahap pengumpulan data, pengolahan data, uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF), analisis Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), pemilihan parameter optimal (p, d, q) menggunakan pendekatan grid search, pembangunan model ARIMA, prediksi, dan mengevaluasi performa model. Hasil uji ADF menunjukkan bahwa data menjadi stasioner setelah differencing kedua. Berdasarkan hasil grid search dan nilai Akaike Information Criterion (AIC) yang paling rendah. Dengan nilai AIC, model yang paling cocok adalah ARIMA (1,2,2). Sebesar 2188,98. Evaluasi terhadap nilai Mean Absolute Percentage Error (MAPE) sebesar 8,90%, Root Mean Squared Error (RMSE) sebesar 636,97 dan Mean Squared Error (MSE) sebesar 405731,65. Dari hasil penelitian ini, dapat disimpulkan bahwa model ARIMA cukup andal dan akurat dalam memprediksi harga gabah kering panen.
Optimasi Algoritma K-Nearest Neighbors pada Prediksi Penyakit Diabetes Arfiah, Sitti; Wajidi, Farid; Nur, Nahya
JURIKOM (Jurnal Riset Komputer) Vol 12, No 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8615

Abstract

Diabetes mellitus is a chronic disease characterized by high blood sugar levels due to metabolic system disturbances, specifically related to insulin production or effectiveness. If left untreated, it can lead to serious complications. Early and accurate detection is crucial for timely medical intervention. This research aimed to improve the accuracy of a diabetes classification system using the K-Nearest Neighbors (KNN) algorithm. An initial KNN model with imbalanced data (without SMOTE) and no GridSearchCV achieved only 83% accuracy. While seemingly good, its performance for the positive class was low (precision 80%, recall 69%, F1-score 74%), indicating bias towards the negative class due to data imbalance. To address this, several steps were implemented: data preprocessing (handling missing data and feature normalization), hyperparameter optimization using GridSearchCV, and data balancing with SMOTE. After these improvements, the KNN model showed significant performance gains, with accuracy reaching 94%. Performance for the positive class greatly improved (precision 90%, recall 98%, F1-score 94%), and for the negative class (precision 98%, recall 89%, F1-score 93%). These results demonstrate that combining preprocessing, model optimization, and class balancing effectively enhances the KNN algorithm's ability to detect diabetes more accurately and robustly, proving that machine learning with proper data processing can aid in developing medical decision support systems for early diabetes diagnosis.
Pengembangan aplikasi persuratan berbasis Excel VBA untuk mengoptimalisasi layanan administrasi di Desa Batulaya Mulawarman, Ade; Wajidi, Farid; Munaja, Rahmiyatal; Utami, Andi Nur Fiqhi; Candaria, Candaria
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 9, No 4 (2025): Juli
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v9i4.32541

Abstract

Abstrak Program pengabdian masyarakat di Desa Batulaya bertujuan untuk meningkatkan efisiensi administrasi desa melalui pengembangan aplikasi berbasis Excel VBA. Aplikasi ini dirancang untuk mempermudah pembuatan dan pengelolaan surat menyurat, yang sebelumnya dilakukan secara manual. Proses manual ini sering kali memakan waktu lama dan rentan terhadap kesalahan administratif. Melalui pelatihan dan pendampingan implementasi, aparat desa diajarkan cara mengoperasikan aplikasi, memodifikasi template surat, dan mengotomatisasi tugas administratif lainnya. Evaluasi terhadap hasil implementasi menunjukkan adanya peningkatan signifikan dalam efisiensi kerja aparat desa, dengan pengurangan waktu pembuatan surat dari rata-rata 15 menit menjadi hanya 5 menit. Selain itu, aplikasi ini berhasil mengurangi kesalahan administratif yang sering terjadi pada proses manual, meningkatkan akurasi data, dan memperbaiki sistem pengarsipan. Dengan antarmuka sederhana, aplikasi ini mudah digunakan bahkan bagi pengguna dengan pengetahuan teknologi terbatas. Inovasi ini memberikan solusi teknologi yang tepat guna dan berpotensi untuk direplikasi di desa-desa lain dengan tantangan serupa. Program ini juga memberikan dampak jangka panjang berupa peningkatan kapasitas sumber daya manusia desa dalam memanfaatkan teknologi informasi untuk mendukung administrasi yang lebih modern dan efisien. Kata kunci: aplikasi excel VBA; administrasi desa; efisiensi administrasi; pelatihan teknologi informasi; pengarsipan surat  Abstract The community service program in Batulaya Village aims to improve administrative efficiency through the development of an Excel VBA-based application. This application is designed to simplify the creation and management of letters, which were previously done manually. Manual processes often took a long time and were prone to administrative errors. Through training and implementation assistance, village officials were taught how to operate the application, modify letter templates, and automate other administrative tasks. The evaluation of the implementation results showed a significant improvement in the work efficiency of village officials, reducing the time required to create a letter from an average of 15 minutes to just 5 minutes. Additionally, the application successfully reduced administrative errors, enhanced data accuracy, and improved the document archiving system. With its simple interface, the application is easy to use even for users with limited technological knowledge. This innovation provides an appropriate technological solution and has the potential to be replicated in other villages facing similar challenges. The program also delivers long-term impacts by enhancing the human resource capacity of the village in utilizing information technology to support more modern and efficient administration. Keywords: excel VBA application; village administration; administrative efficiency; information technology training; letter archiving
Implementasi Metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Pada Sistem Pendukung Keputusan Penentuan Siswa Terbaik di MTs Annur Baiturrahim Fitriani, Fitriani; Wajidi, Farid; Nur, Nahya
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.13612

Abstract

Penilaian siswa terbaik di lingkungan sekolah perlu dilakukan secara objektif dan menyeluruh, dengan mempertimbangkan aspek akademik maupun non-akademik. MTs Annur Baiturrahim merupakan salah satu sekolah yang proses penilaiannya masih dilakukan secara manual tanpa bantuan sistem khusus, sehingga dinilai kurang efisien dan berpotensi menimbulkan penilaian yang subjektif. Berdasarkan kondisi tersebut, penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis web menggunakan metode TOPSIS yang tidak hanya dapat membantu dalam menentukan siswa terbaik secara objektif dan efisien, tetapi juga memperbaiki kelemahan dari penelitian sebelumnya. Sistem ini menggunakan lima kriteria penilaian: pengetahuan, keterampilan, sikap spiritual, sikap sosial, dan kehadiran. Dalam pengembangan sistem digunakan metode prototype, sedangkan pengujian dilakukan melalui Microsoft Excel, black box testing, serta User Acceptance Testing, dengan hasil menunjukkan bahwa sistem berjalan secara optimal dengan tingkat kepuasan pengguna mencapai 90%.   Kata Kunci – Pendidikan, Sistem Pendukung Keputusan, Siswa Terbaik, TOPSIS, Web
IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ROBOT POLISI HUMANOID Sari B, Intan; Wajidi, Farid; Rasyid, Muh. Rafli
Simtek : jurnal sistem informasi dan teknik komputer Vol. 10 No. 2 (2025): Oktober 2025
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v10i2.1623

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kehadiran robot polisi humanoid melalui komentar di platform YouTube. Data diperoleh dari tiga video dengan total 1.979 komentar, kemudian diproses melalui tahapan preprocessing teks, pelabelan sentimen menggunakan metode berbasis leksikon, serta ekstraksi fitur menggunakan TF-IDF. Proses klasifikasi dilakukan dengan algoritma Support Vector Machine (SVM), dan evaluasi dilakukan melalui beberapa skenario pembagian data serta validasi silang. Hasil penelitian menunjukkan bahwa model terbaik menggunakan kernel RBF dengan parameter optimal menghasilkan akurasi 82,96%, presisi 82,61%, dan recall 82,96%. Validasi menggunakan 10-fold cross validation menunjukkan performa yang stabil dan konsisten, dengan rata-rata akurasi 82,24%. Temuan ini memperlihatkan bahwa pendekatan berbasis SVM efektif dalam mengidentifikasi sentimen publik terhadap inovasi teknologi robot kepolisian.
Klasifikasi Penyakit Pada Daun Tanaman Kubis Menggunakan Metode Support Vector Machine (SVM) Berdasarkan Warna Dan Tekstur Maulidia, Ulfa; Wajidi, Farid; Arifin, Nurhikma
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.13748

Abstract

Kubis merupakan salah satu komoditas pangan yang memiliki nilai ekonomi tinggi dan banyak dikonsumsi oleh masyarakat. Namun, hama dan penyakit lainnya adalah risiko terbesar dalam budidaya tanaman kubis. Salah satu faktor penting dalam keberhasilan produksi kubis adalah periode pertumbuhan, tetapi sering gagal karena banyak serangan hama. Penelitian ini bertujuan untuk mengklasifikasikan penyakit pada daun kubis menggunakan metode Support Vector Machine (SVM) berdasarkan fitur tekstur, yaitu Gray Level Coccurrence Matrix (GLCM) dan fitur warna Hue, Saturation, and Value (HSV) untuk memudahkan petani mengetahui jenis penyakitnya, sehingga dapat melakukan tindakan yang tepat untuk mencegah kerusakan lebih lanjut. Kumpulan data yang digunakan adalah 606 gambar daun kubis yang terbagi menjadi dua bagian, yaitu data latih dan data uji dengan rasio 80:20. Kumpulan data tersebut diklasifikasikan ke dalam lima kategori penyakit, yaitu: Bercak Cincin, Bercak Daun, Busuk Hitam, Jamur Berbulu Halus, dan Kutu Daun. Uji fitur GLCM dilakukan dengan membandingkan hasil percobaan sudut yaitu 0°, 45°, 90°, 135° dengan akurasi terbaik pada sudut 0°. Selain itu, parameter diuji pada metode SVM dengan kernel RBF, yaitu nilai C (1,5,10) dan gamma (10-1 – 10-5). Hasil akurasi terbaik menggunakan fitur GLCM dan HSV diperoleh dari nilai C = 10 dan gamma = 10-1 dengan akurasi 94,21%. Hal ini menunjukkan bahwa pengujian sudut fitur GLCM dan kernel RBF mempengaruhi hasil akurasi sehingga dalam penelitian ini penggunaan fitur GLCM dan HSV memberikan hasil yang lebih optimal. Proses klasifikasi juga memiliki waktu perhitungan yang relatif cepat, yaitu 1,90 detik. Kata kunci: Penyakit Daun Kubis, Gray Level Co-occurrence Matrix, Hue Saturation Value, Support Vector Machine, Kernel RBF
Co-Authors A. Amirul Asnan Cirua Ade Mulawarman Ahyar, Muh. Amalia Sutriana Andi Nur Fiqhi Utami, Andi Nur Fiqhi Andris Bertohir Panginan Anggit Priadmojo Arfa Arfa Arfiah, Sitti Arifin, Nurhikma Asmawati S Asnan Cirua, A. Amirul Bazar, Ikbal Candaria, Candaria Dian Megah Sari Dian Putri Erdiansyah Rahmi Firgiawan, Wawan Fitriani Fitriani Heliawaty Hamrul Iin Aisyah Khofifah Indra Irfan AP Ismaun Ismaun Ismaun J.A, Yunita Hadrianti Jumadi Mabe Parenreng Lestari, Sri Apriani Puji M. Imam Quraisy M.Rio Hidayat Maulidia, Ulfa Muh. Adrian Muhammad Hambal Muhammad Hanafiah Muhammad Nawir Mujahid Mujahid mukhdar mustafa Mukhlis, Jafar Mulawarman, Ade Munaja, Rahmiyatal Mustari Mustari Musyirifah, Musyirifah Musyrifah Nabila, Putri Nirwana, Hafsah Nur Aqida Tul Izzah Nur, Nahya Nur, Nahya Nuramsah Zulkarnaim Nurfaidah . Nurftriani Maskur Nurjannah Ibrahim Nurul Islamiati Rahmiyatal Munaja Rasyid, Muh. Rafli Reski Idrus Ria, Canda Rifky Gunawan Sari B, Intan Siti Aulia Rachmini Sugiarto Cokrowibowo Sulfayanti Virda Evi Yanti Deril Widyanti Utami A. Wildayani Wildayani Yusrialdi Yusrialdi Zahir Zainuddin