Article Per Year (5 Year)
p-Index From 2021 - 2026
8.303
P-Index
This Author published in this journals
All Journal Computatio : Journal of Computer Science and Information Systems JIKO (Jurnal Informatika dan Komputer) JUTIK : Jurnal Teknologi Informasi dan Komputer JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Jurnal Teknik Informatika UNIKA Santo Thomas JUTIM (Jurnal Teknik Informatika Musirawas) Kurawal - Jurnal Teknologi, Informasi dan Industri Progresif: Jurnal Ilmiah Komputer Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Teknomatika (Jurnal Teknologi dan Informatika) Syntax: Journal of Software Engineering, Computer Science and Information Technology JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer Jurnal Ilmu Komputer dan Informatika Bulletin of Information Technology (BIT) Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication Jurnal Teknologi Sistem Informasi Jurnal Nasional Teknik Elektro dan Teknologi Informasi Arcitech: Journal of Computer Science and Artificial Intelligence DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Insand Comtech : Information Science and Computer Technology Journal Buletin Ilmiah Informatika Teknologi JOINTECOMS (Journal of Information Technology and Computer Science) MDP Student Conference Journal of Embedded Systems, Security and Intelligent Systems Software Development Digital Business Intelligence and Computer Engineering Journal Information & Computer (JICOM) Jurnal Software Engineering and Computational Intelligence Computing Insight: Journal of Computer Science Applied Information Technology and Computer Science (AICOMS) JISCOMP (Journal of Information System and Computer) Journal of Informatics and Computer Engineering Research INOVTEK Polbeng - Seri Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Hafiz Irsyad
Universitas Multi Data Palembang
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Other

Published : 86 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 86 Documents
Search

 2   3   4   5   6 
Klasifikasi Sentimen Ulasan Hotel The Alts Palembang dengan Metode Naive Bayes dan Smote Dwifa_Sophian, Muhammad Agus; Hidayat, Muhammad Syahrizal; Irsyad, Hafiz; Rahman, Abdul
Insand Comtech : Information Science and Computer Technology Journal Vol 10, No 1 (2025): Insand Comtech
Publisher : Universitas Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53712/jic.v10i1.2662

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pelanggan Hotel The Alts Palembangmenggunakan algoritma Naive Bayes dan metode Synthetic Minority Over-sampling Technique (SMOTE).Data diperoleh dari ulasan Google Maps, kemudian diproses melalui tahap pembersihan dan prapemrosesanteks. Label sentimen ditentukan secara manual berdasarkan konteks isi komentar. SMOTE diterapkan untukmenyeimbangkan distribusi data, diikuti dengan pelatihan model menggunakan beberapa skenario pembagiandata latih dan uji. Hasil terbaik diperoleh pada skenario pembagian 80:20, dengan akurasi 92,16%, precision65%, recall 72%, dan AUC 0,8611%. Hasil penelitian menunjukkan bahwa kombinasi Naive Bayes danSMOTE efektif digunakan untuk klasifikasi sentimen ulasan teks hotel serta dapat mendukung pengambilankeputusan berbasis persepsi pelanggan.Kata kunci : analisis sentimen; Naive Bayes; SMOTE; ulasan hotel; klasifikasi
Rekomendasi Lagu Berdasarkan Jenis Mood Menggunakan TF-IDF dan Cosine Similarity Virginia, Callista; Christy, Christy; Irsyad, Hafiz
Insand Comtech : Information Science and Computer Technology Journal Vol 10, No 1 (2025): Insand Comtech
Publisher : Universitas Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53712/jic.v10i1.2647

Abstract

Sistem rekomendasi lagu saat ini semakin berkembang seiring dengan meningkatnya kebutuhan pengguna akan konten yang sesuai dengan suasana hati (mood). Penelitian ini bertujuan untuk membangun sistem rekomendasi lagu berdasarkan jenis mood pengguna dengan memanfaatkan teknik pengolahan teks, yaitu Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Metodologi yang digunakan melibatkan tahap preprocessing teks lirik lagu, ekstraksi fitur menggunakan TF-IDF, serta penghitungan tingkat kemiripan antara input deskripsi mood dari pengguna dan koleksi lirik lagu menggunakan CosineSimilarity. Dataset yang digunakan berupa kumpulan lirik lagu yang telah dikategorikan ke dalam beberapa label mood, seperti sadness, joy, anger, dan love. Hasil penelitian menunjukkan bahwa sistem dapat merekomendasikan lagu yang relevan dengan deskripsi mood pengguna secara cukup akurat, dengan tingkat akurasi mencapai 90%, nilai precision mencapai  91,8%, nilai recall mencapai 90% dan nilai F1-Score mencapai 86,9% berdasarkan evaluasi yang telah dilakukan. Simpulan dari penelitian ini menyatakan bahwa kombinasi TF-IDF dan Cosine Similarity efektif untuk membangun sistem rekomendasi lagu berbasis teks yang sederhana namun fungsional.
Penerapan Metode Design Thinking dalam Perancangan UI/UX Aplikasi Deteksi Mata Pengemudi Renaldo, Florence; Irsyad, Hafiz; Hartati, Ery
MDP Student Conference Vol 4 No 1 (2025): The 4th MDP Student Conference 2025
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/mdp-sc.v4i1.11316

Abstract

The high rate of accidents experienced by car drivers or other vehicle operators is often caused by drowsy eyes. Therefore, this research was conducted to design a UI/UX for a driver eye detection system using the Design Thinking method, which consists of five stages: empathy, definition, ideation, prototype, and testing. These stages ensure that the application can be optimally used by users. This application is also expected to help users reduce the risk of accidents caused by drowsiness on the road.
PELATIHAN PENGGUNAAN WORDPRESS UNTUK MEDIA INFORMASI KPCDI PALEMBANG Al Rivan, Muhammad Ezar; Irsyad, Hafiz; Meiriyama, Meiriyama; Yohannes, Yohannes; Devella, Siska; Wijaya, Novan; Rachmat, Nur
FORDICATE Vol 4 No 2 (2025): April 2025
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v4i2.11572

Abstract

Penguasaan teknologi informasi menjadi kebutuhan penting bagi organisasi berbasis komunitas dalam menyebarluaskan informasi secara cepat dan terstruktur. Komunitas Pasien Cuci Darah Indonesia (KPCDI) Palembang membutuhkan sarana digital yang dapat menunjang komunikasi dan edukasi antaranggota. Kegiatan pengabdian ini bertujuan untuk memberikan pelatihan penggunaan WordPress sebagai media informasi komunitas. Pelatihan dilaksanakan di Rumah Sakit RK Charitas Palembang dengan metode ceramah, demonstrasi, dan praktik langsung. Materi pelatihan mencakup pengelolaan konten situs, pengunggahan media, dan pengaturan tampilan dasar website. Peserta dibimbing secara bertahap agar mampu memahami penggunaan platform meskipun berasal dari latar belakang non-teknis. Hasil kegiatan menunjukkan bahwa peserta antusias dan mampu mengikuti alur pelatihan dengan baik. Kegiatan ini diharapkan dapat memperkuat kapasitas digital KPCDI Palembang dalam pengelolaan media informasi secara mandiri dan berkelanjutan
Implementasi TF-IDF, Cosine Similarity, dan Logistic Regression Pada Rekomendasi Buku Berdasarkan Mood Pembaca Dengan Data Oversampling Wong, Jeovanni; Sanu, Intan; Irsyad, Hafiz
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 6, No 1: JUNI 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v6i1.6499

Abstract

Pembaca seringkali kesulitan dalam memilih buku yang sesuai dengan mood atau suasana hati mereka. Sistem rekomendasi buku yang dapat menyesuaikan dengan mood diharapkan dapat meningkatkan kepuasan pembaca. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi buku berdasarkan mood pembaca menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), Cosine Similarity, dan Logistic Regression. Penelitian ini menggunakan dataset buku yang diambil dari situs Kaggle yang berjumlah 6.810 data dan dibersihkan melalui tahap pre-processing untuk menghilangkan data yang tidak lengkap. Sistem ini menggunakan TF-IDF untuk mengubah deskripsi buku menjadi representasi numerik, serta Cosine Similarity untuk menghitung kesamaan antar buku berdasarkan deskripsi dan mood pengguna. Hasil penelitian menunjukkan bahwa sistem dapat memberikan rekomendasi buku yang relevan, dengan tingkat akurasi yang mencapai 92%, dengan nilai precision sebesar 93%, recall sebesar 89%, dan F1-score sebesar 91%. Evaluasi dilakukan dengan menggunakan confusion matrix, yang menunjukkan hasil yang cukup memuaskan dengan precision, recall, dan F1-score yang baik. Penelitian ini menunjukan potensi dalam penggunaan teknologi dalam meningkatkan pengalaman membaca dengan menyediakan rekomendasi yang sesuai dengan kondisi emosional pembaca.
Implementasi Preprocessing dan Synonym Expansion untuk Sistem Temu Kembali Berita Bahasa Indonesia Adrian Suparto; Michael Joy Clement; Abdul Rahman; Hafiz Irsyad
Jurnal Software Engineering and Computational Intelligence Vol 3 No 01 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i01.5405

Abstract

In Indonesian information retrieval systems, vocabulary differences between user queries and target documents are often a major obstacle in obtaining relevant search results. This research examines the effectiveness of applying synonym-based query expansion techniques to improve search relevance in IR systems. The system is designed using TF-IDF weighting and Cosine Similarity technique to calculate the closeness between query and document. A total of 10 queries were tested against a collection of news documents, with a manual approach in expanding keywords based on synonyms referred from KBBI. The evaluation was conducted using Precision@20 as the main metric. The results showed that the precision increased significantly from an average of 0.51 without query expansion to 0.725 after synonyms were added to the query. This shows that query meaning expansion can improve search accuracy in the context of a rich natural language such as Indonesian. This research indicates that the integration of semantic-based expansion techniques has great potential in optimizing the performance of IR systems. In the future, automated approaches such as semantic embedding or digital synonym mapping can be an alternative for more extensive and efficient development.  
Analisis Topik Dominan Dalam Paper Ilmu Komputer Menggunakan TF-IDF Dan K-Means Laksana, Jovansa Putra; Shela, Shela; Irsyad, Hafiz; Rahman, Abdul
Buletin Ilmiah Informatika Teknologi Vol. 3 No. 3: Mei 2025
Publisher : AMIK STIEKOM SUMATERA UTARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58369/biit.v3i3.122

Abstract

The rapid growth of scientific publications in the field of computer science has created a need to understand the distribution and trends of emerging research topics. This study aims to identify and analyze dominant topics in computer science literature using a text mining approach based on Term Frequency–Inverse Document Frequency (TF-IDF) vectorization and the K-Means clustering algorithm. A total of 1,222 publication titles from Semantic Scholar (2020–2025) were processed through language normalization, text preprocessing, TF-IDF feature extraction, optimal cluster determination, and cluster quality evaluation using Silhouette Score and Davies-Bouldin Index (DBI). The results reveal that topics such as cybersecurity, artificial intelligence, and machine learning are the most prevalent. While some clusters show good internal cohesion, the overall evaluation yielded a Silhouette Score of 0.0585 and a DBI of 4.387, indicating overlapping topics and limited cluster separation. These findings suggest that although the TF-IDF and K-Means approach can highlight general topic trends, it has limitations in capturing semantic context. Future research is encouraged to explore more contextual representation and clustering techniques to improve topic analysis quality.
Penerapan Smart, Edas, Dan Cosine Similarity Dalam Rekomendasi Lowongan Pekerjaan Di Era Digital levid, Jonathan Felix; WIjaya, Daniel; Irsyad, Hafiz; Rahman, Abdul
Buletin Ilmiah Informatika Teknologi Vol. 3 No. 3: Mei 2025
Publisher : AMIK STIEKOM SUMATERA UTARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58369/biit.v3i3.128

Abstract

The rapid advancement of digital technology has increased the need for intelligent systems to filter job vacancies that match user profiles. This study aims to develop a job recommendation system based on a combination of Cosine Similarity, SMART, and EDAS methods. Job data were obtained from the JobStreet website and processed through text preprocessing stages such as tokenization, stopword removal, and stemming. Job descriptions and job seeker profiles were converted into numerical vectors using the TF-IDF method. Cosine Similarity was used to measure content similarity, SMART to evaluate suitability based on weighted criteria such as education and experience, and EDAS to assess alternatives relative to the average solution. System evaluation was conducted using precision, recall, F1-score, and mean Average Precision (mAP) metrics. Results show that Cosine Similarity alone had the lowest performance (F1-score 41.9%, mAP 42.3%), improved with the addition of SMART (F1-score 51.1%, mAP 50.9%), and achieved the best results with the integration of Cosine Similarity and EDAS (F1-score 66.5%, mAP 65.8%). Therefore, the integration of text similarity and multi-criteria decision-making methods effectively enhances the accuracy and relevance of job vacancy recommendations.
Klasifikasi Opini Masyarakat Terhadap Pertanian di Indonesia dengan Naive Bayes pada Twitter Irsyad, Hafiz; Pribadi, M Rizky
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 4 No 1: Tahun 2019
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (650.213 KB) | DOI: 10.17605/jti.v4i1.515

Abstract

Pertanian di Indonesia dalam beberapa tahun terakhir menjadi sebuah perbincangan yang sangat penting. Sektor pertanian Indonesia mengalami pertumbuhan yang sangat signifikan sampai mencapai di angka 2.56% pada tahun 2017. Dengan angka yang disebutkan tadi membuat pemerintah Indonesia mengeluarkan target yang sangat tinggi. Target tersebut adalah menjadikan Indonesia sebagai lumbung pangan dunia pada tahun 2045. Agar tercapainya target tersebut perlu adanya perluasan bisnis, salah satunya adalah melalui media sosial. Dalam perluasan bisnis dengan media sosial membuat masyarakat banyak mengeluarkan pendapat, pernyataan, maupun tanggapan tentang target yang telah ditetapkan oleh pemerintah. Prediksi dalam mencapai hasil dari target pemerintah dapat dilakukan dengan menganalisa opini masyarakat atau biasanya disebut dengan sentimen analisa yang dapat dicurahkan dalam teks yang dituliskan oleh penggiat sosial media. Metode penelitian yang digunakan oleh peneliti terdiri dari beberapa tahap, yaitu: pengambilan data pada twitter dengan memanfaatkan fasilitas API Twitter, membuat metode analisis sentimen (pre-processing, case folding, tokenizing dan stop removal) menggunakan tools orange dan metode analisis menggunakan metode Naïve Bayes. Data yang digunakan adalah sebanyak 391 dengan masing-masing kaegori. Metode Naive Bayes pada penelitian ini menghasilkan akurasi dengan rata-rata 0.523% pada seluruh kategori, untuk Precision menghasilkan rata-rata 0,865% diseluruh kategori dan untuk Recall sendiri mendapatkan persentase 0,701 % dari keseluruhan kategori opini masyarakat di twitter. Dengan tingkat akurasi tersebut dapat disimpulkan metode Naïve Bayes berjalan sesuai dengan harapan.
Klasifikasi Opini Masyarakat Terhadap Pertanian di Indonesia dengan Naive Bayes pada Twitter Irsyad, Hafiz; Pribadi, M Rizky
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 4 No 1: Tahun 2019
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (650.213 KB) | DOI: 10.17605/jti.v4i1.515

Abstract

Pertanian di Indonesia dalam beberapa tahun terakhir menjadi sebuah perbincangan yang sangat penting. Sektor pertanian Indonesia mengalami pertumbuhan yang sangat signifikan sampai mencapai di angka 2.56% pada tahun 2017. Dengan angka yang disebutkan tadi membuat pemerintah Indonesia mengeluarkan target yang sangat tinggi. Target tersebut adalah menjadikan Indonesia sebagai lumbung pangan dunia pada tahun 2045. Agar tercapainya target tersebut perlu adanya perluasan bisnis, salah satunya adalah melalui media sosial. Dalam perluasan bisnis dengan media sosial membuat masyarakat banyak mengeluarkan pendapat, pernyataan, maupun tanggapan tentang target yang telah ditetapkan oleh pemerintah. Prediksi dalam mencapai hasil dari target pemerintah dapat dilakukan dengan menganalisa opini masyarakat atau biasanya disebut dengan sentimen analisa yang dapat dicurahkan dalam teks yang dituliskan oleh penggiat sosial media. Metode penelitian yang digunakan oleh peneliti terdiri dari beberapa tahap, yaitu: pengambilan data pada twitter dengan memanfaatkan fasilitas API Twitter, membuat metode analisis sentimen (pre-processing, case folding, tokenizing dan stop removal) menggunakan tools orange dan metode analisis menggunakan metode Naïve Bayes. Data yang digunakan adalah sebanyak 391 dengan masing-masing kaegori. Metode Naive Bayes pada penelitian ini menghasilkan akurasi dengan rata-rata 0.523% pada seluruh kategori, untuk Precision menghasilkan rata-rata 0,865% diseluruh kategori dan untuk Recall sendiri mendapatkan persentase 0,701 % dari keseluruhan kategori opini masyarakat di twitter. Dengan tingkat akurasi tersebut dapat disimpulkan metode Naïve Bayes berjalan sesuai dengan harapan.
Co-Authors Abdul Rahman Abdul Rahman Adi Saputra Adikara Alif Nurrahman Adrian Suparto Agnes Anastasia Putri Ahmad Rizky Akhsani Taqwiym Akhsani Taqwiym Akhsani Taqwiym Akhsani Taqwiym Andreas Andreas Angel Kelly Antony, Felix Arta Tri Narta Arta Tri Narta Aurelia, Reni Busdin, Rusdie Candra candra Chandra Wijaya Chandra, Kelvin William Chandra, Yeremia Agung Christian Bautista Christofer Evan Setiawan Christy, Christy Cindy Meilani Clement, Michael Joy Daniel Wijaya Dedy Hermanto Derry Alamsyah Devella, Siska dewa Dicko David K Dina Lestari Putri Dina Mariana Dwifa_Sophian, Muhammad Agus Earlando Moza Edward Pratama Eka Puji Widiyanto Fareza, Ivan Farisi, Ahmad Farisi, Ahmad Fariz Prasetya Ferdi Jiranda Sinaga Ferdilian, M Lazuardi Fernando Sugianto Putra Franko, Billy Fujianto Graciela, Michelle Hansen, Hansen Hartati, Ery Hartono, Jeremy Allegrato Hendra Nata Niko P Hidayat, Muhammad Syahrizal Hidayat, WIlliam Immanuel Bunawan Ivander Destian Luis Jeason Lie Jendraja Husein Kotan Jennifer Jocelyn Jennifer Velensia Santoti Jeremy Allegrato Hartono Jolyn Lucretia jonathan stanly Jonathan Wijaya Juliana Nasution Kamilah, Nyimas Nisrinaa Kevin kevin Kevin Kevin Kristian Fernando Kurniawan, Calvin Laksana, Jovansa Putra Leonardo Leonardo Lestari, Yehezekiel Gian levid, Jonathan Felix Lin, Jimmi Meiriyama, Meiriyama Michael Gunawan Michael Joy Clement Michael Wijaya michael Wijaya Molavi Arman Muhamad Rizvi Roshan Muhammad Bemby Putra Mansyah Muhammad Ezar Al Rivan Muhammad Ishaq Maulana Muhammad Rizky Pribadi Muhammad Tri Setianto Muhdhor, Umar Narta, Arta Tri Nicholas Edison Novan Wijaya Nur Aisyah Wahyuni Ong, Jesen Patrisius Satria Hendrawan Pribadi, M Rizky Ramanda Md Rayvin Suhartoyo Renaldo, Florence Reynald Dwika Prameswara Rikky, Rikky Rizki Ambarwati RR. Ella Evrita Hestiandari Russel Wijaya Safeti Intan Pratiwi Samuel Effendi pratama Sanu, Intan Saputra, M Reynaldi Setiawan, Christofer Evan Shela, Shela Silvi Mutia Steven Liem Tanuwijaya, William Taqwiym, Akhsani Taqwiym, Akhsani Taqwiym, Akhsani Tinaliah, Tinaliah Triana Elizabeth, Triana Valen Julyo Armando Davincy Lin Verrino Adityya Virginia, Callista Wati, Retiana Krisna Wati, Risha Ambar Wijang Widhiarso Wijaya, Christian Richie William Tanuwijaya Willyanto, Aldo Wilyanto, Nicholas Wong, Jeovanni Yeremia Agung Chandra Yohannes, Yohannes Yunarto Yunarto, Yunarto