Article Per Year (5 Year)
p-Index From 2021 - 2026
1.971
P-Index
This Author published in this journals
All Journal Jurnal Infomedia Journal of Engineering and Scientific Research (JESR) Journal Of Artificial Intelligence And Software Engineering eProceeding of TIK Journal Serambi Engineering (JSE)
Salahuddin Salahuddin
Jurusan Teknologi Informasi Dan Komputer Politeknik Negeri Lhokseumawe
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Analisis dan Implementasi Sistem Penilaian Ulasan dengan Teknik Sentiment Analysis Berbasis Machine Learning untuk Peningkatan Feedback Pemilik Cafe Salahuddin, Salahuddin; Sabila, Ichsana; Amirullah, Amirullah
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.5980

Abstract

Keberadaan cafe sebagai bagian dari industri makanan dan minuman semakin penting. Dalam lingkungan bisnis cafe yang kompetitif, dengan munculnya banyak cafe baru, setiap pemilik cafe harus bersaing untuk meningkatkan kualitas agar bisnisnya tetap terus berjalan. Untuk memahami kepuasan pelanggan dan meningkatkan kualitas layanan, pemilik cafe memerlukan alat yang efektif untuk menganalisis ulasan pelanggan secara otomatis. Yaitu dengan cara membuat sistem cerdas yang mampu menganalisis apakah sebuah ulasan memiliki sentimen positif, netral, atau negatif menggunakan model machine learning. Pengujian ini menggunakan sebanyak 1200 data yang menghasilkan data positif sebanyak 665, data negative sebanyak 156 dan netral sebanyak 379. Menggunakan penerapan metode support vector machine untuk analisis sentimen ulasan, metode cross validation untuk menilai kinerja support vector machine, dan metode confusion matrix untuk evaluasi model. Berdasarkan hasil evaluasi metode support vector machine menggunakan confusion matrix diperoleh akurasi sebesar 85% dengan nilai cross validation sebesar 84%. Jadi dapat disimpulkan bahwa metode support vector machine cocok diterapkan untuk analisis sentimen ulasan pelanggan cafe.
Analisis Rencana Penambahan Jaminan Kesehatan Di Luar BPJS Kesehatan pada Aparatur Sipil Negara (ASN) Dengan Menggunakan Machine Learning Herlambang, Mega Bagus Herlambang; Shabilli, Andika Mazid Shabilli; Salahuddin, Salahuddin
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 9, No 2 (2024): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v9i2.6102

Abstract

Abstrak - Penelitian ini bertujuan untuk menganalisis kesediaan program penambahan jaminan kesehatan selain BPJS Kesehatan terhadap Aparatur Sipil Negara (ASN) dengan menggunakan bahasa pemrograman python. ASN merupakan instansi pemerintah yang bertanggung jawab terhadap pelayanan kesehatan, meliputi pelayanan kesehatan, pendidikan, dan pengobatan. Penelitian ini akan menganalisis dampak program penambahan jaminan kesehatan terhadap sistem kesehatan ASN dengan menganalisis opini ASN dan faktor-faktor yang mempengaruhi program penambahan jaminan kesehatan dengan menggunakan machine learning. Hasil model terbaik menunjukkan nilai akurasi prediksi sebesar 81,45%. Pengaruh dari setiap variabel dianalisis dan dibahas di dalam penelitian ini.https://mestia.gov.ge/
Rancang Bangun Aplikasi Machine Learning Pemilihan Varietas Bibit Jagung Unggul Menggunakan Algoritma Artificial Neural Network (ANN) Berbasis Web Fitria, Ainul; Salahuddin, Salahuddin; Rizka, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5401

Abstract

Jagung atau dalam bahasa latin Zea Mays merupakan adalah salah satu dari jenis tanaman pangan dari keluarga rumput-rumputan yang dikelompokkan dalam tanaman biji-bijian. Jagung memiliki banyak varietas. Adapun varietas yang telah dilepas oleh Menteri Pertanian hingga Oktober tahun 2022 sebanyak 361 varietas, yaitu jagung hibrida sebanyak 298 varietas, jagung komposit sebanyak 59 varietas, dan ada sebanyak 4 varietas jagung hibrida produk rekayasa genetik (PRG). Petani jagung biasanya memilih dan menentukan bibit jagung yang akan dibudidayakan berdasarkan rekomendasi pedagang bibit jagung atau dari rekan sesama petani jagung. Namun demikian sering dijumpai hasil panen jagung tidak sesuai dengan ekspektasi dan target yang diharapkan. Bahkan, tidak jarang petani jagung mengalami gagal panen yang disebabkan oleh beberapa faktor, salah satunya dikarenakan bibit jagung yang dipilih bukan merupakan varietas bibit jagung unggul. Sistem ini dirancang untuk membantu para petani jagung khususnya di daerah Aceh dalam memilih dan menentukan bibit jagung unggul untuk dibudidayakan dengan tujuan mendapatkan hasil panen yang memuaskan. Sistem ini menggunakan algoritma Artificial Neural Network untuk melakukan pemilihan. Artificial Neural Network (ANN) adalah algoritma Machine Learning dengan model komputasi yang terinspirasi dari prinsip kerja otak manusia. Artificial Neural Network digunakan dalam aplikasi ini karena dapat melakukan prediksi dengan akurat. Hasil yang diharapkan dengan adanya sistem ini petani dapat memilih varietas bibit jagung unggul untuk dibudidayakan, sehingga dapat memenuhi kebutuhan stok dalam negeri dengan memanfaatkan komputer dalam tahapan pemilihan bibit unggul. Penerapan algortima ANN Multi Layer Perceptron pada aplikasi ini menggunakan 21 data varietas jagung dengan 504 dataset yang dimasukkan mendapatkan hasil nilai tertinggi dengan persentase akurasi 90,47%. Dengan hasil tersebut, algortima Artificial Neural Network Multi Layer Perceptron dapat digunakan untuk Aplikasi Machine Learning dalam menentukan pemilihan varietas bibit jagung unggul Abstract Corn or in Latin Zea Mays is one of the types of food crops from the grass family which is grouped into grain crops. Corn has many varieties. The varieties that have been released by the Minister of Agriculture until October 2022 are 361 varieties, namely 298 varieties of hybrid corn, 59 varieties of composite corn, and there are as many as 4 varieties of genetically modified (PRG) hybrid corn. Maize farmers usually choose their maize seeds based on recommendations from maize seed traders or fellow maize farmers. However, maize yields are often not in line with expectations and targets. In fact, it is not uncommon for corn farmers to experience crop failure caused by several factors, one of which is because the corn seeds chosen are not superior corn seed varieties. This system is designed to help corn farmers, especially in the Aceh area, in choosing and determining superior corn seeds for cultivation with the aim of getting satisfactory yields. This system uses Artificial Neural Network algorithm to make the selection. Artificial Neural Network (ANN) is a Machine Learning algorithm with a computational model inspired by the working principles of the human brain. Artificial Neural Network is used in this application because it can make accurate predictions. The expected results with this system are that farmers can choose superior varieties of corn seeds to be cultivated, so that they can meet the needs of domestic stocks by utilizing computers in the stages of selecting superior seeds. The application of ANN Multi Layer Perceptron algortima in this application using 21 corn variety data with 504 datasets entered gets the highest value results with an accuracy percentage of 90.47%. With these results, the Artificial Neural Network Multi Layer Perceptron algortima can be used for Machine Learning applications in determining the selection of superior corn seed varieties.
Rancang Bangun Aplikasi Chatbot Untuk Deteksi Pecandu Pornografi Menggunakan Metode Support Vector Machine (SVM) Al Fath, Muhammad Fajar; Salahuddin, Salahuddin; Arhami, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5399

Abstract

Pornografi adalah representasi seksual dalam media yang menampilkan aktivitas seksual dan bahan yang menekankan pada unsur-unsur seksual yang dapat menyebabkan kecanduan. Salah satu faktor penyebab banyaknya pecandu pornografi di masyarakat karena kurangnya kesadaran dan pemahaman terhadap dampak negatif pornografi. Kesadaran diri akan membantu masyarakat terutama generasi muda untuk dapat meninggalkan konten pornografi dan terhindar dari dampaknya dalam jangka panjang. Penelitian ini bertujuan untuk memberikan solusi bagi para pecandu dan masyarakat untuk menghentikan kebiasaan menikmati pornografi dengan cara membuat Chatbot Porn Addict Detection (ChatPAD) menggunakan metode Support Vector Machine(SVM) melalui pendekatan psikologi PAST(Porn Addiction Screening Tool) dengan model pertanyaan Cyber Pornography Inventory Use. Chatbot memiliki fitur untuk mendeteksi tingkat kecanduan seseorang terhadap pornografi sekaligus memberikan pemahaman terhadap dampak bahaya dan cara berhenti dari adiksi pornografi. Hasil penelitian ini, chatbot berhasil memprediksi tingkat kecanduan pornografi dari para pengguna menggunakan metode SVM  dengan akurasi yang baik dan akurat. Tingkat akurasi yang didapatkan berdasarkan pengujian confusion matrix mencapai 98.3% pada label_2 dan label_3 sedangkan tingkat akurasi terendah terletak pada label_1. Hasil presisi tertinggi dimiliki oleh label_1 dengan angka 98.4% diikuti label_0 sedangkan presisi terendah adalah label_4. Hasil recal tertinggi adalah 87.8% dari label_2 sedangkan terendah adalah 7.14% dari label_1. Hasil f1-score mencatatkan label_2 memiliki hasil tertinggi dengan score 91.1%. Berdasarkan hasil pengujian tersebut maka diperlukan peningkatan performa pada label_1 karena memiliki f1-score dan recall yang rendah.  AbstractPornography is a sexual representation in the media that displays sexual activities and materials that emphasize sexual elements that can cause addiction. One of the factors causing the number of pornography addicts in society is due to a lack of awareness and understanding of the negative effects of pornography. Self-awareness will help the community, especially the younger generation, to be able to leave pornographic content and avoid its impact in the long run. This research aims to provide solutions for addicts and the community to stop the habit of enjoying pornography by creating a Porn Addict Detection Chatbot (ChatPAD) using the Support Vector Machine (SVM) method through the PAST (Porn Addiction Screening Tool) psychology approach with the Cyber Pornography Inventory Use question model. The chatbot has features to detect the level of addiction of a person to pornography as well as provide understanding of the harmful effects and how to stop pornography addiction. The results of this study, the chatbot successfully predicts the level of pornography addiction of users using the SVM method with good and accurate accuracy. The accuracy level obtained based on confusion matrix testing reaches 98.3% on label_2 and label_3 while the lowest accuracy level is located on label_1. The highest precision result is owned by label_1 with 98.4% followed by label_0 while the lowest precision is label_4. The highest recall result is 87.8% from label_2 while the lowest is 7.14% from label_1. The f1-score results recorded label_2 has the highest result with a score of 91.1%. Based on the test results, it is necessary to improve the performance of label_1 because it has a low f1-score and recall.
Co-Authors Adji Prasetyo Al Fath, Muhammad Fajar Amirullah Amirullah Amirullah Anwar Anwar Arhami, Muhammad Burhan, Rosyad Fitria, Ainul Husaini Husaini Insan, Jamalul Ismayani Ismayani Khadafi Khadafi Mahdi Mahdi, Mahdi Mega Bagus Herlambang Muhammad Reza Zulman Muhammad Rizka, Muhammad Muhammad Yanis Mulyadi Mulyadi Musta’inul Abdi Nurmala Hayati Nurmila Dewi Radhiyatammardhiyyah Ramadhan, Muammar Rizki Sabila, Ichsana Shabilli, Andika Mazid Shabilli Zulfan Zulfan