Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Saturnus: Jurnal Teknologi dan Sistem Informasi
Farid Thalib
Unknown Affiliation
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Implementasi Algoritma Naïve Bayes Classifier Dan Confusion Matrix Dalam Analisis Sentimen Terhadap Pelayanan Transportasi Umum Selama Pandemi Covid-19 Pada Media Sosial Twitter Riskania Riskania; Farid Thalib
Jurnal Teknologi Vol 8, No 1 (2020): Jurnal Teknologi
Publisher : Universitas Jayabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31479/jtek.v1i8.66

Abstract

Pandemi COVID-19 memberikan dampak diberbagai aspek. Salah satu yang terkena dampak adalah transportasi umum. Transportasi umum mengalami penurunan jumlah penumpang yang signifikan, seperti Transjakarta sebesar 34,52%, MRT  94,11%  dan KRL 78,69%. Penurunan ini disebabkan oleh kebijakan yang dikeluarkan untuk mendukung upaya pemerintah dalam pencegahan penyebaran virus Covid-19, seperti memangkas jam operasional, mengurangi perjalanan yang akan dijadwalkan sampai pembatasan penumpang setiap gerbong. Kebijakan ini memicu opini penumpang mengenai pelayanan yang diberikan. Opini tersebut dapat dituangkan melalui berbagai media salah satunya Twitter. Opini penumpang yang tertuang didalam twitter mengenai pelayanan transportasi umum dapat bersifat positif atau pun negatif. Opini penumpang dapat digunakan sebagai data dalam melakukan analisis sentimen, data ini dapat diperoleh dengan menggunakan teknik crawling. Analisis sentimen dilakukan untuk mengetahui kecenderungan opini penumpang mengenai pelayanan transportasi umum selama pandemi Covid-19. Data yang didapatkan sebanyak 650 data yang diberikan label positif dan negatif. Data dibagi menjadi data latih sebanyak 60 % atau 390 data, dan data uji 40% atau 260 data. Data ini dapat digunakan untuk proses pembuatan model mechine learning menggunakan Metode algoritma Naïve Bayes Classifier. Hasil pembentukan model mechine learning ini memiliki tingkat akurasi sebesar 83,8%  yang dihasilkan dari pengujian data uji dengan menggunakan confusion matrix.
Implementasi Algoritma Convolutional Neural Network Pada Algoritma K-Means Untuk Kategorisasi Data Teks Rakha Paleva Kawiswara; Farid Thalib
Jurnal Teknologi Vol 7, No 2 (2020): Jurnal Teknologi
Publisher : Universitas Jayabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1224.746 KB) | DOI: 10.31479/jtek.v7i2.48

Abstract

Internet merupakan keberlanjutan dari pesatnya perkembangan teknologi komputer. Dalam kenyataannya pengguna internet menghasilkan banyak data, khususnya data berupa teks seperti posting pada social media dan artikel-artikel. Untuk itu, diperlukan kategorisasi data untuk mengelompokkan data teks yang memiliki kategori tertentu. Bag of Words merupakan algoritma yang dapat merepresentasikan kalimat menjadi vektor. Namun Bag of Words seringkali menghasilkan dimensi data atau jumlah fitur yang sangat tinggi, sehingga memerlukan daya komputasi yang sangat tinggi. Pendekatan untuk mengatasi masalah tersebut adalah pembuatan model yang dapat merepresentasikan kalimat menjadi vektor. Model yang menggunakan algoritma Convolutional Neural Network (ConvNet) dapat dipakai untuk mempelajari kalimat dalam data teks untuk merepresentasikan kalimat dalam bentuk vektor. Pelatihan dan pengujian model menggunakan empat data teks yaitu SMS Spam, Komentar Bully, Amazon Alexa Reviews, dan Large Movie Reviews. Hasil vektor kalimat menggunakan ConvNet lebih efisien dalam waktu latih dan waktu uji dibanding dengan representasi menggunakan Bag of Words. Hasil pengujian vektor kalimat ConvNet dengan pengukuran Fowlkes-Mallow Index untuk data teks SMS Spam adalah 0.738, untuk data teks komentar Bully adalah 0.735, untuk data teks Amazon Alexa Reviews adalah 0.908 dan untuk data teks Large Movie Reviews adalah 0.680.
Penerapan Sistem Keamanan Jaringan dengan DNS Adguard ada Linux Debian dan Kontrol Akses Internet Berdasarkan Waktu Implementasi Pada Mikrotik Routerboard Mohammad Alhaadi Nor Pratama; Farid Thalib
Saturnus : Jurnal Teknologi dan Sistem Informasi Vol. 2 No. 4 (2024): Oktober : Saturnus : Jurnal Teknologi dan Sistem Informasi
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/saturnus.v2i4.346

Abstract

This research aims to develop a network security system with AdGuard DNS on Debian Linux and control time-based internet access using the Microtik Routerboard. The main challenges are rising network security threats and the need for efficient internet access management in a variety of environments, including families,, education, and offices. The aim of this study is to improve network security and efficiency by blocking harmful content and advertisements, ining user privacy, and regulating internet access at a specific time. Technologies used include DNS AdGuard on Debian Linux to strengthen protection against network security threats and RouterOS Microtik devices to manage internet access based on time. These technologies include content filtering features, network traffic distribution (load balancing), and the ability to block unwanted sites to enhance network performance. Research results show that the combination of AdGuard DNS and Microtik Routerboard is an effective solution to enhance network security and efficiency. The system is capable of blocking harmful content and advertising, improving user privacy, and adjusting internet access as needed, thus creating a more secure, controlled, and optimal network.
Co-Authors Mohammad Alhaadi Nor Pratama Rakha Paleva Kawiswara Riskania Riskania