Article Per Year (5 Year)
p-Index From 2020 - 2025
7.288
P-Index
This Author published in this journals
All Journal Computatio : Journal of Computer Science and Information Systems 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 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) Brilliance: Research of Artificial Intelligence 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 Agrivet: Jurnal Ilmu-ilmu Pertanian dan Peternakan 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 Software Development Digital Business Intelligence and Computer Engineering Journal Information & Computer (JICOM) Jurnal Software Engineering and Computational Intelligence Applied Information Technology and Computer Science (AICOMS) JISCOMP (Journal of Information System and Computer) Journal of Informatics and Computer Engineering Research JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Hafiz Irsyad
Universitas Multi Data Palembang
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Other

Published : 64 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 64 Documents
Search

 3   4   5   6   7 
Pemanfaatan kulit pisang kepok sebagai ekoenzim untuk pertumbuhan dan produksi selada (Lactuca sativa L) di lahan organosol Irsyad, Hafiz; Ibnusina, Fedri; Silfia
Agrivet : Jurnal Ilmu-Ilmu Pertanian dan Peternakan (Journal of Agricultural Sciences and Veteriner) Vol. 13 No. 1 (2025): Juni
Publisher : Fakultas Pertanian Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/agrivet.v13i1.14248

Abstract

Lettuce (Lactuca Sativa L) is a horticultural commodity that is in great demand because of its high nutritional content. However, increasing lettuce plant production is often constrained by suboptimal soil conditions, such as organosol soil. One alternative that can be used to increase lettuce growth and production is to use ecoenzymes from kepok banana peels. This study aims to examine the effect of kepok banana peel ecoenzymes on lettuce plant growth and production in organosol soil. This study used the Randomized Block Design (RAD) method with three treatments of ecoenzyme administration at doses of 25 ml/liter, 30 ml/liter, and 35 ml/liter of water, and 9 replications. The results showed that administration of kepok banana peel ecoenzymes at a dose of 25 ml/liter gave the best results in increasing the number of leaves, leaf width, leaf length, crown weight, and root weight of lettuce plants. Although it did not have a significant effect on fresh weight and root length, kepok banana peel ecoenzymes can be an effective alternative to increase lettuce plant growth. Based on these findings, the use of kepok banana peel ecoenzyme at the right dose can increase lettuce cultivation yields in organosol soil, as an alternative to environmentally friendly organic fertilizers.
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.
Implementation Of Word Embedding In Book Recommendations Based On Descriptions Putra Darmansius, Albertus Dwi Andhika; Irsyad, Hafiz
Brilliance: Research of Artificial Intelligence Vol. 5 No. 1 (2025): Brilliance: Research of Artificial Intelligence, Article Research May 2025
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v5i1.6456

Abstract

The rapid development of digital libraries and online bookstores has increased the need for intelligent book recommendation systems that can understand user preferences and provide relevant suggestions. However, many existing systems rely on simple keyword matching or collaborative filtering, which often fail to capture the semantic meaning of complex user descriptions. This study aims to develop and evaluate a content-based book recommendation system that combines Word2Vec word embedding models with Knowledge-Based Filtering to improve the relevance of recommendations based on user-provided descriptions. The proposed system utilizes two Word2Vec architectures, Continuous Bag of Words (CBOW) and Skip-gram, to learn semantic relationships between words in book descriptions and user inputs, while Knowledge-Based Filtering incorporates explicit attributes such as publication year, genre, author, and book length to refine the results. The system was tested using a descriptive query: “a good fiction story telling a boy school at great magic school, published on 1995-1999”. The evaluation, measured by Precision@K and Recall@K at K = 5, 10, and 20, shows that CBOW outperformed Skip-gram, achieving a perfect Precision@5 of 1.00 and balanced precision and recall at higher K values, while Skip-gram exhibited more variability at small K. These results indicate that CBOW is more effective in providing stable and highly relevant recommendations at the top of the list. This research confirms that combining semantic embedding and knowledge-based approaches enhances the accuracy and flexibility of recommendation systems. Further studies can explore diverse datasets and user interfaces to broaden practical applications in digital library and e-commerce platforms.
OPTIMASI RANGKING DOKUMEN DENGAN MODIFIKASI TF-IDF BERBASIS WAKTU PUBLIKASI DAN COSINE SIMILARITY Kamilah, Nyimas Nisrinaa; Aurelia, Reni; Irsyad, Hafiz; Rahman, Abdul
JUKOMPSI (Jurnal Komputer dan Sistem Informasi) Vol 3 No 2 (2025): Juni
Publisher : Teknik Komputer Fakultas Teknik Universitas Islam Kadiri (UNISKA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jiscomp.v3i2.7172

Abstract

Information Retrieval (IR) tradisional belum mempertimbangkan waktu publikasi dalam menentukan relevansi dokumen. Penelitian ini bertujuan untuk meningkatkan relevansi hasil pencarian dengan memodifikasi metode TF-IDF berbasis waktu publikasi. Metode ini menggabungkan bobot TF-IDF dengan Cosine Similarity untuk mengukur kesamaan antara kueri dan dokumen. Dalam penelitian ini, dataset dievaluasi menggunakan metode yang diusulkan, dengan pengukuran melalui metrix precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa pendekatan ini mencapai precision 0.87, recall 1.00, dan F1-Score 0.93. Berdasarkan hasil evaluasi, penambahan aspek temporal pada metode ini terbukti mampu meningkatkan akurasi IR dalam konteks pencarian informasi terkini
Relevansi Berita terhadap Kasus Korupsi Dana Iklan Bank BJB Menggunakan TF-IDF dan Cosine Similarity Rizki Ambarwati; Cindy Meilani; Hafiz Irsyad
Journal of Information Technology and Computer Science Vol. 5 No. 2 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i2.21053

Abstract

Kasus korupsi dana iklan Bank BJB menjadi perhatian publik karena menyangkut penyalahgunaan dana yang melibatkan institusi keuangan milik pemerintah daerah. Banyaknya pemberitaan dari berbagai media membuat informasi yang tersebar sulit untuk disaring berdasarkan relevansinya terhadap inti kasus. Penelitian ini bertujuan untuk menganalisis dan mengukur relevansi berita-berita yang beredar terhadap kasus korupsi dana iklan Bank BJB dengan memanfaatkan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity. Data yang digunakan berupa kumpulan artikel berita daring dari berbagai sumber media yang membahas topik terkait. Tahapan penelitian dimulai dengan preprocessing teks, seperti pembersihan data, tokenisasi, stopword removal, dan stemming. Dokumen yang memiliki tingkat kemiripan tinggi dianggap relevan terhadap berita acuan utama kasus korupsi ini. Hasil pengujian TF-IDF dan Cosine Similarity menunjukan tingkat accuracy sebesar 71%, precision sebesar 100%, recall 71 % dan hasil F1 score 83 % sehingga dengan metode tersebut dapat mengelompokkan berita secara efektif berdasarkan tingkat relevansinya.
IMPLEMENTASI TF-IDF DAN KNN PADA REKOMENDASI JURNAL OTOMATIS Jonathan Wijaya; Fernando Sugianto Putra; Hafiz Irsyad; Abdul Rahman
Journal of Informatics and Computer Engineering Research Vol. 2 No. 1 (2025)
Publisher : Politeknik Negeri Ujung Pandang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31963/jicer.v2i1.5565

Abstract

In the rapidly evolving digital era, finding relevant journals has become a challengefor students, researchers, and academics. The easy access to journal publications hasled to an increase in the number of available journals. Therefore, there is a need fora recommendation system based on related journals automatically using the TF-IDFand K-Nearest Neighbor (KNN) approaches with cosine distance. The goal is toenhance the efficiency and accuracy of journal searches. The first step is to process the text taken from the titles and abstracts of the journals into numerical vectors using TF-IDF to determine the importance of words in each document. Then, KNN is used to find the journals that are most similar to the specified journal based on the distance between TF-IDF vectors. Precision@3 is used to evaluate the results of the top three recommendations. The evaluation results show highly relevant recommendations, with a Precision@3 value of 1. This system has successfully improved the efficiency and accuracy of automatic journal searches for relevant content
Opini Publik Terhadap Kebijakan Tarif Impor Donald Trump Menggunakan Logistic Regression dan SMOTE Dewa; Fujianto; Hafiz Irsyad
Journal Information & Computer Vol. 3 No. 2 (2025): Journal Information & Computer
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jicomisc.v3i2.49347

Abstract

Penelitian ini bertujuan untuk mengamati bagaimana opini publik bereaksi pada biaya masuk barang Donald Trump, yang ramai dibicarakan di dunia maya, terutama pada platform YouTube. Karena banyaknya pendapat yang muncul pada platform tersebut, penting sekali memakai cara yang cocok agar lebih paham akan opini yang disampaikan. Kami memakai metode logistic Regression  yang digabung dengan metode SMOTE untuk penelitian ini, guna dalam menganalisis opini yang ada pada komentar yang tersebar luas pada platform Youtube. Kami membagi sentimen komentar jadi dua kelompok yaitu , positif atau negatif. Setelah dilakukan dari banyak tahapan analisis data, mulai dari membersihkan texs hingga menghapus karakter yang bukan termasuk teks menggunakan pre-processing dan ekstraksi fitur, Hasil yang telah dibangun dengan Logistic Regression, kemudian dataset akan diseimbangkan dengan SMOTE mendapatkan hasil precision pada sentimen negatif sebesar 95% dan sentimen positif sebesar 02%, recall pada sentimen negatif 74% dan sentimen positif 11%, F1-Score pada sentimen negatif 83% dan sentimen positif 03%, serta jumlah sample pada kelas sentimen negatif 210 dan kelas sentimen positif  9. dengan hasil penelitian ini Logistic Regression dan SMOTE dapat diterapkan.
Co-Authors Abdul Rahman Adrian Suparto Ahmad Farisi Akhsani Taqwiym Akhsani Taqwiym Akhsani Taqwiym Akhsani Taqwiym Andreas Andreas Antony, Felix Arta Tri Narta Arta Tri Narta Aurelia, Reni Billy Franko Busdin, Rusdie Candra candra Chandra Wijaya Chandra, Kelvin William Christy, Christy Cindy Meilani Daniel Wijaya Derry Alamsyah Devella, Siska dewa Dicko David K Dina Mariana Dwifa_Sophian, Muhammad Agus Edward Pratama Eka Puji Widiyanto Fareza, Ivan Farisi, Ahmad Farisi, Ahmad Fariz Prasetya Ferdi Jiranda Sinaga Fernando Sugianto Putra Fujianto Graciela, Michelle Hansen, Hansen Hartati, Ery Hendra Nata Niko P Hidayat, Muhammad Syahrizal Ibnusina, Fedri Ivander Destian Luis Jeason Lie Jocelyn, Jennifer jonathan stanly Jonathan Wijaya Juliana Nasution Kamilah, Nyimas Nisrinaa Kelly, Angel Kevin kevin Kevin Kevin Kotan, Jendraja Husein Kurniawan, Calvin Laksana, Jovansa Putra Leonardo Leonardo Lestari, Yehezekiel Gian levid, Jonathan Felix Lin, Jimmi M Ezar Al Rivan Meiriyama, Meiriyama Michael Joy Clement Molavi Arman Muhammad Bemby Putra Mansyah Muhammad Rizky Pribadi Mutia, Silvi Narta, Arta Tri Nicholas Wilyanto Novan Wijaya Novan Wijaya Novan Wijaya Novan Wijaya Pribadi, M Rizky Putra Darmansius, Albertus Dwi Andhika Renaldo, Florence Reynald Dwika Prameswara Rikky, Rikky Rizki Ambarwati RR. Ella Evrita Hestiandari Russel Wijaya Santoti, Jennifer Velensia Sanu, Intan Saputra, M Reynaldi Shela, Shela Silfia Taqwiym, Akhsani Taqwiym, Akhsani Taqwiym, Akhsani Tinaliah, Tinaliah Triana Elizabeth, Triana Verrino Adityya Virginia, Callista Wati, Retiana Krisna Wati, Risha Ambar Wijang Widhiarso Wijaya, Christian Richie Willyanto, Aldo Wiwik Handayani Wong, Jeovanni Yohannes Yohannes Yunarto Yunarto, Yunarto