Article Per Year (5 Year)
p-Index From 2021 - 2026
3.086
P-Index
This Author published in this journals
All Journal Jiko (Jurnal Informatika dan komputer) Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal ICT : Information Communication & Technology Jurnal Mantik Jurnal Teknologi Informatika dan Komputer Journal of Computer Networks, Architecture and High Performance Computing Jurnal Sains dan Teknologi Jurnal Bangkit Indonesia STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer RISTEC : Research in Information Systems and Technology
Syariful Alam
STT Wastukancana
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Veterinary

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
ANALISIS SENTIMEN REVIEW APLIKASI WETV PADA PLATFORM TWITTER MENGGUNAKAN SUPPORT VECTOR MACHINE Vina Alviani; Syariful Alam; Imay Kurniawan
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 2 No. 3 (2023): Agustus
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v2i3.2351

Abstract

Twitter salah satu media sosial, yang memiliki fungsi untuk send pesan, sering disebut dengan kicauan atau (tweet). Penggunaan twitter di Indonesia mencapai 59%, dengan peringkat ke-5 media sosial yang sering digunakan tahun 2020. Dari data tersebut, maka dapat dipastikan bahwa platform twitter menjadi media sosial yang memiliki pengaruh bagi para pengguna di Indonesia. Selain menggunakan twitter, masyarakat indonesia juga menyukai hiburan di waktu senggang mereka, dengan berkegiatan sepeti membaca, bermain, bahkan menonton bersama dengan keluarga secara streaming pada aplikasi. Semakin banyak pengguna dari WeTV maka banyak juga ulasan pada aplikasi tersebut dan dapat memberikan pengaruh untuk WeTv dalam perbaikan tehadap aplikasi, untuk mengatasi permasalahan yang ada maka dilakukannya analisis sentimen terhadap data review pada aplikasi WeTV dengan metode Support Vector Machine. Dengan data baru yang terdapat di situs Google Play Store. Berdasarkan hasil penelitian mengenai analisis sentimen pengguna aplikasi WeTv, dengan jumlah 4024 data yang sudah melewati proses cleaning, labelling, preprocess text, filtering, tokenization, transformation dan klasifikasi menggunakan algoritna Support Vector Machine, dan dilanjutkan dengan evaluasi data, dengan confusion matrix menggunakan tools Google Collab dapat disimpulkan bahwa hasil dari ulasan tweet memiliki tingkat persentase sebesar 89% pada akurasi (accuration), dan memiliki nilai 87% pada hasil precision, dan tingkat keberhasilan (recall) sebessar 83%. Dapat disimpulkan bahwa algoritma SVM memiliki kinerja yang cukup baik. Analisis sentimen pengguna twitter terhadap aplikasi WeTv menghasilkan 1624 sentimen positif dan 2400 sentimen negatif. Berdasarkan nilai tersebut dapat diketahui bahwa sentimen masyarakat mengenai aplikasi WeTv di media sosial twiiter, tergolong negatif dan pengguna masih kurang puas dengan aplikasi karena masih banyaknya iklan, aplikasi yang sering mengalami error, hingga translate yang masih belum terupdate secara otomatis.
ANALISIS SENTIMEN TERHADAP TEMPAT WISATA DARI KOMENTAR PENGUNJUNG DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Moch Saoki Syahlan; Dede Irmayanti; Syariful Alam
Simtek : jurnal sistem informasi dan teknik komputer Vol. 8 No. 2 (2023): Oktober 2023
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v8i2.281

Abstract

Analisis sentimen merupakan salah satu teknik pengolahan data yang dapat digunakan untuk menggali sentimen atau opini yang terkandung dalam ulasan dari pengunjung. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap tempat wisata dari komentar pengunjung dengan menggunakan metode Support Vector Machine, Sehingga nantinya dapat menjadi informasi bagi dinas pariwisata di Purwakarta terhadap peningkatan terhadap destinasi wisata yang ada di purwakarta salah satunya air mancur sri baduga tersebut. Metode yang digunakan yaitu Support Vector Machine dengan mengumpulkan komentar komentar di Google Maps, kemudian akan di klasifikasikan kedalam tiga kategori sentimen, yaitu Positif, Negatif dan Netral menggunakan Tools Google Colaboratory. dapat disimpulkan bahwa hasil dari tanggapan masyarakat mengenai wisata taman air mancur sri baduga purwakarta ini dengan hasil komentar positif 872, negatif 156, Dan netral 127 yang telah melewati tahap cleaning dan text preprocessing. Adapun persentase 81% pada akurasi (accuration), 94% pada nilai precision, dan tingkat keberhasilan (recall) 99%. Nilai ini menunjukan bahwa klasifikasi algoritma support vector machine dinilai cukup baik dalam pemrosesan dokumen google maps.
Perancangan UI/UX Aplikasi Media Pembelajaran Pengenalan Budaya Indonesia Untuk Siswa Sekolah Dasar Menggunakan Metode User Centered Design (UCD) Putri Apriliyanti; Dede Irmayanti; Syariful Alam
Jurnal Teknologi Informatika dan Komputer Vol 9, No 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1665

Abstract

Pembelajaran adalah proses komunikasi yang bertujuan menyampaikan tujuan pembelajaran dengan cara yang efektif. Media memiliki peran penting sebagai salah satu komponen pembelajaran. Salah satu upaya untuk meningkatkan minat belajar siswa dasar adalah penggunaan media pendidikan. Di SDN Cipinang, guru masih menggunakan alat bantu seperti buku dan pernah mencoba aplikasi sebelumnya untuk murid. Hal ini menyebabkan sistem pembelajaran menjadi monoton, membuat siswa cepat bosan, dan mengurangi tujuan untuk menciptakan siswa berkualitas. Selain itu, materi yang dijelaskan dalam buku juga tidak terlalu lengkap dan mendalam. Untuk mengatasi masalah ini, peneliti menggunakan metode User Centered Design dengan mengembangkan Prototype berbasis mobile. Pengalaman Pengguna (User Experience) dalam menciptakan atau menggunakan suatu produk dapat didefinisikan sebagai kesan dan interaksi yang dirasakan oleh individu-individu yang menggunakan produk dalam kehidupan sehari-hari. Desain pengalaman pengguna bertujuan untuk memastikan bahwa produk terlihat menarik bagi pengguna dan mampu menjalankan tugas-tugas yang relevan dengan konteks penggunaan. Pengujian dilakukan menggunakan System Usability Scale (SUS). Dalam penelitian ini, digunakan figma untuk mendesain aplikasi, yang mencakup penjelasan provinsi, tarian, makanan khas, rumah adat, pakaian, alat musik, dan gif tarian daerah. Hasil dari penelitian ini adalah prototype aplikasi mobile pembelajaran budaya Indonesia untuk sekolah dasar. Berdasarkan pengujian prototype menggunakan metode System Usability Scale, rata-rata nilai SUS yang didapatkan adalah 83,682. Dengan demikian, dapat disimpulkan bahwa aplikasi pembelajaran budaya Indonesia telah diterima dan memenuhi kriteria yang diharapkan.
Analisis Sentimen Penilaian Masyarakat Terhadap Childfree Berdasarkan Komentar di Youtube Menggunakan Algoritma Naïve Bayes Febriyanti Syofiani; Syariful Alam; M. Imam Sulistyo S
Jurnal Teknologi Informatika dan Komputer Vol 9, No 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1661

Abstract

YouTube merupakan jejaring sosial tempat pengguna dapat menonton video yang telah diunggah dan memiliki panjang durasi tertentu dalam berbagai genre. Salah satu acara YouTube yang masih menjadi trending saat ini adalah childfree.  Childfree adalah perjanjian sepasang kekasih, atau antara suami dan istri, untuk tidak memiliki anak selama pernikahan mereka. Dunia maya, yang begitu bebas dan sulit diatur, memberi kesan kepada setiap orang bahwa mereka memiliki pendapat atau pandangan mereka sendiri tentang masalah childfree, yang menghasilkan banyak opini publik, baik yang positif maupun negatif. Tujuan analisis sentimen adalah untuk menentukan respon audiens terhadap masalah Childfree, mengidentifikasi dan mengklasifikasikan polaritas suatu teks untuk menentukan apakah suatu dokumen memiliki nilai positif atau negatif menurut kategori tertentu. Teknik pembelajaran analisis sentimen adalah Naïve Bayes Classifer dan pengujian data menggunakan confusion matrix yang ada pada tools orange. Hasil dari reaksi orang terhadap childfree tergolong negatif dengan hasil persentase 97% pada akurasi (accuration), 98% pada nilai precision, dan tingkat keberhasilan (recall) 96%. Berdasarkan nilai tersebut membuktikan sentimen penilaian masyarakat terhadap childfree berdasarkan komentar di YouTube tergolong negatif. Untuk penelitian selanjutnya, lebih bagus apabila peneliti mengambil komentar YouTube dari luar negeri seperti Jepang, Tiongkok, dan negara Arab Saudi. Dierkomendasikan juga untuk menggunakan algoritma lain untuk menganalisis sentimen, seperti algoritma SVM dan algoritma K-Nearest Neighbor.
MOBA GAME REVIEW SENTIMENT ANALYSIS USING SUPPORT VECTOR MACHINE ALGORITHM Alif Fajar Panjalu; Syariful Alam; Mochammad Imam Sulistyo
JIKO (Jurnal Informatika dan Komputer) Vol 6, No 2 (2023): JIKO (Jurnal Informatika dan Komputer)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v6i2.6388

Abstract

MOBA as one of the many popular subgenres today, Mobile Legend, Arena of Valor, League of Legend and Lokapala based on the large number of downloads can be mentioned as popular MOBA games, but the rating of these four applications is below 4.0 on the Google Play platform Store, this happens because some users may think that this mobile MOBA game has several advantages, but also some disadvantages that affect ratings. This study aims to determine the results of sentiment analysis on mobile MOBA games using Google Play Store reviews. Then it is processed using Python programming to create a model with the linear kernel Support Vector Machine (SVM) algorithm to classify the dataset. From the results of the classification model test using 19,579 data, where there were 10,017 positive sentiment data and 9,562 negative sentiment data and the distribution of train data and test data was 70%: 30%, obtained an accuracy of 82.64% and then re-evaluated using the Cross Validation method using 5 times so that an accuracy of 83.38% is obtained Keywords: MOBA, Sentiment Analysis, Machine Learning, SVM, Cross Validation
Analisis Sentimen Penilaian Masyarakat Terhadap Childfree Berdasarkan Komentar di Youtube Menggunakan Algoritma Naïve Bayes Febriyanti Syofiani; Syariful Alam; M. Imam Sulistyo S
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1661

Abstract

YouTube merupakan jejaring sosial tempat pengguna dapat menonton video yang telah diunggah dan memiliki panjang durasi tertentu dalam berbagai genre. Salah satu acara YouTube yang masih menjadi trending saat ini adalah childfree.  Childfree adalah perjanjian sepasang kekasih, atau antara suami dan istri, untuk tidak memiliki anak selama pernikahan mereka. Dunia maya, yang begitu bebas dan sulit diatur, memberi kesan kepada setiap orang bahwa mereka memiliki pendapat atau pandangan mereka sendiri tentang masalah childfree, yang menghasilkan banyak opini publik, baik yang positif maupun negatif. Tujuan analisis sentimen adalah untuk menentukan respon audiens terhadap masalah Childfree, mengidentifikasi dan mengklasifikasikan polaritas suatu teks untuk menentukan apakah suatu dokumen memiliki nilai positif atau negatif menurut kategori tertentu. Teknik pembelajaran analisis sentimen adalah Naïve Bayes Classifer dan pengujian data menggunakan confusion matrix yang ada pada tools orange. Hasil dari reaksi orang terhadap childfree tergolong negatif dengan hasil persentase 97% pada akurasi (accuration), 98% pada nilai precision, dan tingkat keberhasilan (recall) 96%. Berdasarkan nilai tersebut membuktikan sentimen penilaian masyarakat terhadap childfree berdasarkan komentar di YouTube tergolong negatif. Untuk penelitian selanjutnya, lebih bagus apabila peneliti mengambil komentar YouTube dari luar negeri seperti Jepang, Tiongkok, dan negara Arab Saudi. Dierkomendasikan juga untuk menggunakan algoritma lain untuk menganalisis sentimen, seperti algoritma SVM dan algoritma K-Nearest Neighbor.
Perancangan UI/UX Aplikasi Media Pembelajaran Pengenalan Budaya Indonesia Untuk Siswa Sekolah Dasar Menggunakan Metode User Centered Design (UCD) Putri Apriliyanti; Dede Irmayanti; Syariful Alam
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1665

Abstract

Pembelajaran adalah proses komunikasi yang bertujuan menyampaikan tujuan pembelajaran dengan cara yang efektif. Media memiliki peran penting sebagai salah satu komponen pembelajaran. Salah satu upaya untuk meningkatkan minat belajar siswa dasar adalah penggunaan media pendidikan. Di SDN Cipinang, guru masih menggunakan alat bantu seperti buku dan pernah mencoba aplikasi sebelumnya untuk murid. Hal ini menyebabkan sistem pembelajaran menjadi monoton, membuat siswa cepat bosan, dan mengurangi tujuan untuk menciptakan siswa berkualitas. Selain itu, materi yang dijelaskan dalam buku juga tidak terlalu lengkap dan mendalam. Untuk mengatasi masalah ini, peneliti menggunakan metode User Centered Design dengan mengembangkan Prototype berbasis mobile. Pengalaman Pengguna (User Experience) dalam menciptakan atau menggunakan suatu produk dapat didefinisikan sebagai kesan dan interaksi yang dirasakan oleh individu-individu yang menggunakan produk dalam kehidupan sehari-hari. Desain pengalaman pengguna bertujuan untuk memastikan bahwa produk terlihat menarik bagi pengguna dan mampu menjalankan tugas-tugas yang relevan dengan konteks penggunaan. Pengujian dilakukan menggunakan System Usability Scale (SUS). Dalam penelitian ini, digunakan figma untuk mendesain aplikasi, yang mencakup penjelasan provinsi, tarian, makanan khas, rumah adat, pakaian, alat musik, dan gif tarian daerah. Hasil dari penelitian ini adalah prototype aplikasi mobile pembelajaran budaya Indonesia untuk sekolah dasar. Berdasarkan pengujian prototype menggunakan metode System Usability Scale, rata-rata nilai SUS yang didapatkan adalah 83,682. Dengan demikian, dapat disimpulkan bahwa aplikasi pembelajaran budaya Indonesia telah diterima dan memenuhi kriteria yang diharapkan.
Analisis Sentimen Pengguna Aplikasi Kitalulus pada Ulasan Google Play Store Menggunakan Metode Naïve Bayes Dwi Fristtikasari; Syariful Alam; Imay Kurniawan
Jurnal Teknologi Informatika dan Komputer Vol. 10 No. 2 (2024): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v10i2.2244

Abstract

Dalam beberapa tahun ini, masalah yang signifikan terkait dengan lowongan kerja yang sedang ramai terjadi di berbagai negara di seluruh dunia. Latar belakang utama dari fenomena ini tingginya tingkat pengangguran di beberapa wilayah, meskipun ada peningkatan ekonomi yang terjadi. Dalam era digital ini, ulasan pengguna di Google Play Store tidak hanya sekadar menyampaikan kesan individual, tetapi juga menjadi sumber informasi berharga bagi calon pengguna untuk memilih aplikasi yang sesuai dengan kebutuhan mereka.Ulasan pengguna merupakan salah satu bentuk timbal balik dari pengguna yang sepatutnya dianalisis oleh pihak pengembang agar dapat digunakan sebagai dasar pengembangan aplikasi. Analisis sentimen dapat dilakukan dengan pendekatan klasifikasi. Analisis sentimen dari ulasan pengguna dapat menjadi salah satu cara untuk mengetahui sentimen pengguna terhadap aplikasi. Penelitian ini bertujuan untuk menganalisis ulasan pada aplikasi kitalulus. Metode yang digunakan Naïve Bayes dengan Algoritma Multinomial Naïve Bayes. Dari hasil penelitian dapat disimpulkan terdapat analisis sentimen pengguna aplkasi KitaLulus ke dalam kategori positif dan negatif yang diambil melalui scraping dari bulan Oktober 2023 hingga Februari 2024 sebanyak 2.277 data ulasan dan diberi label positif dan negatif. Didapatkan prediksi klasifikasi sentimen pada data testing didapatkan hasil positif sebanyak 2094 dan sentimen negatif sebanyak 183 data ulasan, dan hasil klasifikasi dari metode naïve bayes didapat hasil accuracy 94%, precision 70%, dan tingkat keberhasilan (recall) 45%.
Implementasi Sistem Prediksi Saham IDX80 Berbasis Berita Ekonomi Berbahasa Indonesia Menggunakan LSTM dan Framework Streamlit Muhamad Hernan Fauzan; Syariful Alam; Chandra Dewi Lestari
Jurnal ICT: Information Communication & Technology Vol. 26 No. 1 (2026): JICT-IKMI, July , 2026
Publisher : LPPM STMIK IKMI Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36054/jict-ikmi.v26i1.393

Abstract

The development of the Indonesian capital market, particularly for stocks included in the IDX80 index, generates a large volume of economic news information, making manual sentiment analysis challenging for investors. This study aims to build a sentiment classification system for Indonesian-language economic news articles related to IDX80 stocks using the Long Short-Term Memory (LSTM) method. The dataset consists of 3,000 articles obtained from trusted news portals. The research follows stages from data understanding to deployment. Text preprocessing includes case folding, cleansing, stopword removal, Sastrawi-based stemming, label encoding, tokenizing, and padding. The model architecture utilizes a 128-dimensional embedding layer, 128 LSTM units, 0.5 dropout, and Softmax activation. Experimental results show that the model achieved an accuracy of 92.67% in classifying positive, neutral, and negative sentiments. The model was evaluated using precision, recall, F1-score, and a confusion matrix. Furthermore, it was successfully implemented in a Streamlit-based application featuring single-article and batch CSV predictions. This system serves as a digital tool to assist investors in making objective investment decisions amidst market uncertainty.
Implementation of the BiLSTM Model for Detecting AI-Generated Indonesian Text Rafil Moehamad Alif; Syariful Alam; Chandra Dewi Lestari
Jurnal Teknologi Informatika dan Komputer Vol. 12 No. 1 (2026): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v12i1.3551

Abstract

The rapid advancement of generative Artificial Intelligence (AI) presents challenges to academic integrity due to potential misuse like plagiarism. This study develops a text detection system specifically for the Indonesian language using a Deep Learning approach with a Bidirectional Long Short-Term Memory (Bi-LSTM) architecture. The research methodology follows the Cross-Industry Standard Process for Data Mining (CRISP-DM) framework. A dataset comprising 5,008 text rows was compiled via web scraping from journalism platforms and academic journals indexed in SINTA 4 for human-written texts, while AI-generated counterparts were engineered using ChatGPT and Google Gemini paraphrases. Text features were extracted using a Keras Tokenizer and Embedding Layer with 64 dimensions. Evaluation of the trained Bi-LSTM model on a 30% validation split demonstrated an overall accuracy of 78.24% and a Mean Absolute Error (MAE) of 0.3295. Specifically, the model achieved a 93.77% success rate in identifying human-written texts, though it logged a lower detection rate of 62.62% for academic AI text structures. The final model was successfully deployed as a web application using Streamlit.
Co-Authors Alif Fajar Panjalu Anggi Puji Astuti Annisa Anggraeny Asyfah Nabillah Chandra Dewi Lestari Chandra Dewi Lestari Dede Irmayanti Dimas Aditya Nugraha Dwi Fristtikasari Febriyanti Syofiani Fitry Nur Yani Fuad Amirullah Gilbert Imay Kurniawan Imay Kurniawan Irsan Jaelani Moch Saoki Syahlan Mochammad Imam Sulistyo Sarjowo Muhamad Hernan Fauzan Muhammad Hidayatullah Nunung Masripah Putri Apriliyanti Rafil Moehamad Alif Resmi, Mochzen Gito Salsabilla Choerunnisa Nurzanah Teguh Iman Hermanto Teguh Iman Hermanto Vina Alviani Yuni Nurtikasari