Article Per Year (5 Year)
p-Index From 2021 - 2026
1.182
P-Index
This Author published in this journals
All Journal Applied Information System and Management Antivirus : Jurnal Ilmiah Teknik Informatika Jurnal Sistem Informasi dan Sistem Komputer Telcomatics
M. Syamsuddin Wisnubroto
Institut Teknologi Sumatera
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Redesigning UI/UX of A Mobile Application Using Task Centered System Design Approach Mugi Praseptiawan; Meida Cahyo Untoro; Feri Fahrianto; Pungki Resti Prabandari; M. Syamsuddin Wisnubroto
Applied Information System and Management (AISM) Vol 6, No 1 (2023): Applied Information System and Management (AISM)
Publisher : Depart. of Information Systems, FST, UIN Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/aism.v6i1.24665

Abstract

Digital transformation requires a software system development method to identify and analyze user needs. In this research, software system development uses the Task Centered System Design framework with several stages, including identification, needs analysis, design, and evaluation. The identification stage is carried out by conducting interviews with stakeholders, and then the results of the interviews are analyzed and approved by stakeholders. This study aims to obtain user needs to build an application interface by applying the steps of the Task Centered System Design method and usability evaluation and calculating the weight of the feasibility value by testing the Heuristics method and System Usability Scale on the solution application design. The evaluation phase aims to determine the value of the usability problem in the design that has been designed. The evaluation phase uses the Usability Heuristic method by involving experts in the field of software development and the System Usability Scale method involving end users. After conducting research from the identification to the evaluation stage, the average severity rating of the Heuristic Usability test component scored less than 1 (one) in the second iteration, and the System Usability Scale results scored 70.3 for admin and 73.75 for the customer application. This result is in grade C with an adjective rating of Good.  
Implementasi K-Means Mengelompokkan Kabupaten/Kota Berdasarkan Faktor Sosial-Ekonomi untuk Prioritas Alokasi Bantuan Sumatera Selatan 2023 Asa Do'a Uyi; Siti Nur Aarifah; Dwi Ratna Anggraeni; M. Syamsuddin Wisnubroto; Fajri Farid
Telcomatics Vol. 11 No. 1 (2026)
Publisher : Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/telcomatics.v11i1.11546

Abstract

Pembangunan manusia merupakan salah satu indikator utama keberhasilan pembangunan suatu daerah yang menjadi dasar perencanaan pembangunan berkelanjutan. Penelitian ini bertujuan mengelompokkan kabupaten/kota di Provinsi Sumatera Selatan berdasarkan indikator sosial-ekonomi yang membentuk Indeks Pembangunan Manusia (IPM) dengan menerapkan algoritma K-Means Clustering. Data yang digunakan berasal dari Badan Pusat Statistik (BPS) tahun 2023. Kualitas hasil klasterisasi dievaluasi melalui Davies-Bouldin Index dan Silhouette Score untuk menilai tingkat pemisahan antar klaster dan konsistensi data. Hasil analisis menunjukkan terbentuknya tiga kelompok wilayah rendah, sedang, dan tinggi dengan distribusi masing-masing 3, 13, dan 1 daerah. Temuan ini mengindikasikan masih adanya ketimpangan kualitas pembangunan manusia di Sumatera Selatan, terutama pada aspek pendidikan dan pengeluaran riil per kapita. Nilai Davies-Bouldin Index sebesar 0,9698 dan Silhouette Score sebesar 0,3313 menunjukkan bahwa hasil pengelompokan cukup baik dan dapat digunakan sebagai acuan dalam penentuan prioritas alokasi bantuan. Dengan demikian, penerapan algoritma K-Means dapat membantu pemerintah daerah dalam memetakan kondisi pembangunan manusia secara objektif dan mendukung pengambilan kebijakan yang lebih tepat sasaran.
Public Sentiment Analysis Toward the Ministry of Finance 2025 Using Recurrent Neural Network Methods Based on Data from Sosial Media X Muhammad Regi Abdi Putra Amanta; M. Syamsuddin Wisnubroto; Fajri Farid; Aditya Rahman; Sofyan Fauzi Dzaki Arif
Telcomatics Vol. 11 No. 1 (2026)
Publisher : Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/telcomatics.v11i1.11645

Abstract

The Ministry of Finance plays a strategic role in maintaining national economic stability through fiscal policy management, taxation, public debt administration, and state budget control. In today’s digital era, social media platforms such as X have become important channels for the public to express opinions about government policies. This study analyzes public perceptions of the Ministry of Finance’s performance using machine-learning-based sentiment analysis and identifies the most effective classification model. Data were collected from public posts on X and processed using text mining and Natural Language Processing (NLP). Three Recurrent Neural Network (RNN) models were tested: Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), and an improved variant, LSTM_G. The findings show that negative sentiment dominates at 43.0%, followed by neutral at 33.9% and positive at 23.1%. Among the models, LSTM_G achieved the highest accuracy of 78.98%, indicating strong capability in capturing sequential patterns in dynamic, unstructured social media text. These results reflect substantial public concerns regarding fiscal policies and demonstrate the usefulness of sentiment analysis as a data-driven tool for decision-making and for strengthening public communication strategies to enhance the Ministry’s digital reputation.
Perbandingan Model ARIMA dan SARIMA untuk Peramalan Harga Emas Harian Ahmad Sahidin Akbar; Anwar Muslim; Fadhil Fitra Wijaya; Fajri Farid; M. Syamsuddin Wisnubroto
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 2 (2026): Vol 11 No 2 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i2.1216

Abstract

Volatilitas harga emas mencapai 68,75% pada periode 2022–2025, mengakibatkan kerugian investor akibat ketidakakuratan model konvensional yang mengabaikan pola musiman jangka pendek. Penelitian ini mengidentifikasi kesenjangan literatur: belum ada studi yang mengeksplorasi pola musiman sub-bulanan (<30 hari) pada data harian, meskipun siklus perdagangan memiliki periodesitas 20–23 hari kerja. Kami mengembangkan model SARIMA (0,1,1) (1,1,1) yang mengintegrasikan pola musiman 23 hari menggunakan metodologi Box-Jenkins pada 963 observasi periode Januari 2022–Oktober 2025. Hasil menunjukkan SARIMA meningkatkan akurasi prediksi sebesar 36,41% (MAPE 10,16% vs 15,98%) dan secara signifikan mereduksi indikasi overfitting, yang ditandai dengan penyempitan disparitas error antara data latih dan uji dibandingkan ARIMA. Model ini dapat mengurangi kerugian prediksi hingga USD 58.200 per siklus perdagangan untuk portofolio USD 1 juta, memberikan keunggulan kompetitif bagi trader institusional. Sistem ini direkomendasikan sebagai alat bantu keputusan operasional dengan pembaruan parameter setiap 3–6 bulan.
Perbandingan Metode Naive Bayes Yang Dioptimalkan Dengan Algoritma Genetika Untuk Prioritas Pasien Azizah Kusumah Putri; Meira Listyaningrum; Salwa Farhanatussaidah; Fajri Farid; M. Syamsuddin Wisnubroto
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 2 (2026): Vol 11 No 2 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i2.1230

Abstract

Penentuan prioritas pasien di Instalasi Gawat Darurat (IGD) merupakan proses krusial yang rentan terhadap keterbatasan sumber daya dan subjektivitas pengambilan keputusan. Penelitian ini bertujuan membandingkan kinerja model Naïve Bayes dengan Naïve Bayes yang dioptimasi menggunakan Algoritma Genetika (NB+GA) dalam klasifikasi prioritas pasien (Red, Orange, Yellow, Green). Dataset yang digunakan berasal dari Kaggle Patient Priority Classification dengan 17 fitur demografis dan klinis, dibagi menjadi 80% data latih dan 20% data uji. Hasil evaluasi menunjukkan adanya ketidakseimbangan data, terutama pada kelas “Yellow”. Model Naïve Bayes menghasilkan akurasi 64% dengan Precision 0,44, Recall 0,69, dan F1-Score 0,44. Setelah optimasi, Algoritma Genetika menyeleksi 8 fitur paling relevan dan meningkatkan performa model NB+GA dengan akurasi 96%, Precision 0,87, Recall 0,80, dan F1-Score 0,81. Hasil ini membuktikan bahwa Algoritma Genetika efektif meningkatkan kinerja Naïve Bayes dan berpotensi sebagai sistem pendukung keputusan triase yang objektif di IGD.
Product Quality Classification Based on Machine Learning in the Quality Control System of the Laser Metal Deposition Process Elok Fiola; Rahma Neliyana; Try Yani Rizki Nur Rohmah; M. Syamsuddin Wisnubroto; Fajri Farid
Telcomatics Vol. 10 No. 2 (2025)
Publisher : Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/telcomatics.v10i2.11432

Abstract

Industry 4.0 revolutionizes modern manufacturing by enabling the active integration of smart sensors and machine learning to optimize product quality control systems. This research focuses on classifying product quality in the Laser Metal Deposition (LMD) process by applying three machine learning algorithms, namely Decision Tree (DT), Random Forest (RF), and Support Vector Machine (SVM). The dataset consists of four numerical sensor variables, including Optical Sensor, Laser Power, Pressure, and Temperature, with Defect Label as the binary target variable. The Synthetic Minority Oversampling Technique (SMOTE) is used to balance the class distribution. Correlation analysis reveals weak linear relationships among all variables, suggesting the presence of complex non-linear interactions. The Random Forest model produces the best performance with accuracy of 0.88, recall of 0.79, and AUC of 0.80, outperforming Decision Tree and SVM. These findings indicate that ensemble-based methods effectively capture complex patterns within sensor data and offer reliable predictions for quality control in metal manufacturing industries, particularly within Laser Metal Deposition processes.
SENTIMENT ANALYSIS OF THE DISSOLVE THE DPR HASHTAG ON X.COM USING THE SUPPORT VECTOR MACHINE (SVM) ALGORITHM Virdio Samuel Saragih Saragih; Farrel Julio Akbar; Sahid Maulana; M. Syamsuddin Wisnubroto; Fajri Farid
Antivirus : Jurnal Ilmiah Teknik Informatika Vol 20 No 1 (2026): Mei 2026
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/znctvk95

Abstract

Isu terkait besaran gaji anggota Dewan Perwakilan Rakyat (DPR) kembali menjadi sorotan publik karena dianggap tidak sebanding dengan kinerja yang ditunjukkan. Ketegangan ini mencapai puncaknya saat aksi demonstrasi nasional pada 25–28 Agustus 2025, yang diikuti dengan meningkatnya percakapan mengenai tagar #BubarkanDPR di platform X. Lonjakan opini publik tersebut menunjukkan perlunya pemetaan sentimen yang akurat untuk memahami persepsi digital masyarakat terhadap isu politik yang berkembang. Penelitian ini mengembangkan model klasifikasi sentimen publik menggunakan algoritma Support Vector Machine (SVM), dengan penerapan Random Oversampling untuk mengatasi ketidakseimbangan kelas pada dataset. Total 555 tweet diperoleh melalui proses web scraping, kemudian diproses melalui tahapan Natural Language Processing (NLP) dan diberi label secara otomatis menggunakan Large Language Model (LLM). SVM dipilih karena kinerjanya yang konsisten pada data teks berdimensi tinggi dan lebih stabil dibandingkan model klasik seperti Naive Bayes maupun Decision Tree. Hasil eksperimen menunjukkan bahwa model SVM dengan Random Oversampling mencapai akurasi 92%, recall 89%, dan precision 86%, yang mengindikasikan kemampuan model dalam mengenali pola sentimen secara efektif meskipun dataset relatif terbatas. Temuan ini memberikan gambaran empiris mengenai respons masyarakat terhadap isu sosial-politik yang sensitif, serta membuka peluang pemanfaatan analitik sentimen sebagai dasar pengambilan keputusan berbasis data dalam merespons dinamika opini publik.
Co-Authors Aditya Rahman Ahmad Sahidin Akbar Anwar Muslim Asa Do&#039;a Uyi Azizah Kusumah Putri Dwi Ratna Anggraeni Elok Fiola Fadhil Fitra Wijaya Fajri Farid Farrel Julio Akbar Feri Fahrianto Irawati, Febri Dwi Meira Listyaningrum Muhammad Regi Abdi Putra Amanta Praseptiawan, Mugi Pungki Resti Prabandari Rahma Neliyana S. Marsudi Sahid Maulana Salwa Farhanatussaidah Siti Nur Aarifah Sofyan Fauzi Dzaki Arif Try Yani Rizki Nur Rohmah Untoro, Meida Cahyo Virdio Samuel Saragih Saragih