Article Per Year (5 Year)
p-Index From 2020 - 2025
4.051
P-Index
This Author published in this journals
All Journal International Journal of Informatics and Communication Technology (IJ-ICT) Jurnal Sarjana Teknik Informatika Register: Jurnal Ilmiah Teknologi Sistem Informasi Fountain of Informatics Journal SemanTIK : Teknik Informasi JURNAL REKAYASA TEKNOLOGI INFORMASI Journal of Electronics, Electromedical Engineering, and Medical Informatics Sains, Aplikasi, Komputasi dan Teknologi Informasi Djtechno: Jurnal Teknologi Informasi JITSI : Jurnal Ilmiah Teknologi Sistem Informasi Adopsi Teknologi dan Sistem Informasi Pengabdian Kepada Masyarakat Bidang Teknologi dan Sistem Informasi Kreatif Teknologi dan SIstem Informasi
Irsyad, Akhmad
Unknown Affiliation
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
COMMUNITY DETECTION IN TWITTER BASED ON TWEETS SIMILARITIES IN INDONESIAN USING COSINE SIMILARITY AND LOUVAIN ALGORITHMS Irsyad, Akhmad; Rakhmawati, Nur Aini
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 6, No 1 (2020): January-June (Articles In progress 4/7)
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v6i1.1595

Abstract

Twitter is now considered as one of the fastest and most popular communication media and is often used to track current events or news. Many tweets tend to contain semantically identical information. When following an activity or news, sometimes in tweeting people do it in groups. Therefore, it is necessary to have a useful technique for grouping users based on the tweets similarities. In this study, cosine similarity method is used to examine the similarity of tweets between accounts, and a graph-based approach is proposed to detect communities. Graphs are first depicted from similarities between tweets and next community detection techniques are applied in graphs to group accounts that have similar tweets. The reason for using these two methods is that compared to other methods, the accuracy of cosine similarity is higher while Louvain can result a better modularity. From this research, it was concluded that cosine similarity and Louvain algorithm could be used in community detection on social media.
Community detection in twitter based on tweets similarities in indonesian using cosine similarity and louvain algorithms Irsyad, Akhmad; Rakhmawati, Nur Aini
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 6, No 1 (2020): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v6i1.1595

Abstract

Twitter is now considered as one of the fastest and most popular communication media and is often used to track current events or news. Many tweets tend to contain semantically identical information. When following an activity or news, sometimes in tweeting people do it in groups. Therefore, it is necessary to have a useful technique for grouping users based on the tweets similarities. In this study, cosine similarity method is used to examine the similarity of tweets between accounts, and a graph-based approach is proposed to detect communities. Graphs are first depicted from similarities between tweets and next community detection techniques are applied in graphs to group accounts that have similar tweets. The reason for using these two methods is that compared to other methods, the accuracy of cosine similarity is higher while Louvain can result a better modularity. From this research, it was concluded that cosine similarity and Louvain algorithm could be used in community detection on social media.
Perbandingan Metode Lexicon-based dan SVM untuk Analisis Sentimen Berbasis Ontologi pada Kampanye Pilpres Indonesia Tahun 2019 di Twitter Ahmad Choirun Najib; Akhmad Irsyad; Ghiffari Assamar Qandi; Nur Aini Rakhmawati
Fountain of Informatics Journal Vol 4, No 2 (2019): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v4i2.3573

Abstract

AbstrakPenggunaan media sosial semakin hari semakin meningkat. Salah satu media sosial yang popular saat ini adalah Twitter. Menjelang pemilihan Presiden Republik Indonesia semakin banyak tweet yang membahas tentang kegiatan tersebut. Hal ini menyebabkan topik kampanye pemilu memiliki peluang yang baik untuk dilakukan proses analisis sentimen. Saat ini, mayoritas analisis sentimen di Indonesia dilakukan hanya menilai sentimen dari kalimat tanpa mengetahui apa entitas yang ada dalam kalimat. Tujuan penelitian ini yaitu melakukan analisis sentimen dengan pendekatan berbasis ontologi. Ontologi digunakan dalam menyaring data yang akan digunakan. Ontologi dalam penelitian ini adalah ekonomi dengan atribut finansial, lapangan kerja, dan kesejahteraan. Proses analisis sentimen dilakukan dengan metode Lexicon-based dan Support Vector Machine (SVM). Proses akuisisi data diperoleh sejumlah 700.000 tweet. Koleksi tersebut diseleksi berdasarkan ontologi ekonomi menghasilkan 16.998 tweet dan dilakukan pelabelan manual sebanyak 1.600. Kemudian dilakukan pengolahan data hingga diperoleh dataset final sejumlah 1.050 tweet. Berdasarkan hasil penelitian yang dilakukan akurasi yang diperoleh berdasarkan metode Lexicon-based adalah 39% dan metode SVM sebesar 83%. Dari penelitian ini diketahui bahwa SVM mempunyai performa yang lebih baik dibandingkan dengan Lexicon-based. Hasil Lexicon-based menunjukkan bahwa sentimen pada mayoritas atribut berupa netral. Sedangkan hasil SVM menunjukkan bahwa sentimen pada mayoritas atribut (finansial dan kesejahteraan) berupa positif, sisanya (lapangan kerja) berupa netral. Selanjutnya, proses ekstraksi dan pembuatan ontologi Bahasa Indonesia secara semi-otomatis pada dataset perlu untuk dikembangkan pada penelitian berikutnya untuk menyempurnakan ontologi.Kata kunci: Analisis Sentimen, Twitter, Ontology, SVM, Lexicon Abstract[Comparison of the Lexicon-based and SVM Method for Ontology-Based Analysis of the 2019 Presidential Election Campaign on Twitter] The use of social media is increasing. One of the most popular social media is Twitter. Towards the election of the President of the Republic of Indonesia, election topic tweets discussed almost every day. Hence, it is suitable for the sentiment analysis process. Nowadays, the sentiment analysis is only evaluating the sentence without knowing what the entity is in the sentence. To overcome this drawback, we propose a sentiment analysis based on ontology. Ontology is used to filter the data to be used. The ontology used in this study is economics with attributes, i.e., financial employment, and welfare. The sentiment analysis process is carried out using the Lexicon and Support Vector Machine (SVM) based methods. The process of acquiring data obtained 700,000 tweets. The collection was selected based on economic ontology to produce 16,998 tweets, and 1,600 manual labels were labelled. Then, the number of the final dataset is 1,050 tweets. The results show that the accuracy of the Lexicon-based method is 39%, and the SVM method is 83%. The SVM has better performance than Lexicon-based. Lexicon-based results show that the sentiment on the majority attributes is neutral. While the SVM results show that the sentiment on the majority attributes (financial and welfare) is positive, the rest (employment) is neutral. A semi-automatic ontology extraction and development for Bahasa Indonesia is necessary for the future works to make a comprehensive ontology and provide better results. Keywords: Sentiment Analysis, Twitter, Ontology, SVM, Lexicon
IMPLEMENTASI SISTEM NAVIGASI DENGAN METODE PROPORTIONAL INTEGRAL DERIVATIVE (PID) PADA ROBOT WALL FOLLOWER Akhmad Irsyad; Isnawaty Isnawaty; Rizal Adi Saputra
semanTIK Vol 3, No 2 (2017): semanTIK
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (183.634 KB) | DOI: 10.55679/semantik.v3i2.3135

Abstract

Pada umumnya sistem kendali robot wall follower menggunakan kontroler PID (Proportional Integral Derivative). Hasil output dari penggunaan sistem kontrol jenis ini terkadang dapat membuat pergerakan robot menjadi tidak stabil dan kaku jika diberikan nilai acuan (konstanta) yang tidak seseuai. Itu disebabkan karena apabila diberi nilai konstanta uang tidak sesuai, maka respon dari robot jika ada gangguan (Disturbance) dapat menyebabkan nilai overshoot yang tinggi. Agar dapat mengatasi permasalahan ini, di perlukan suatu persamaan Osilasi untuk mengatur seluruh nilai konstantan PID, Persamaan Osilasi disini berfungsi untuk membantu menentukan nilai konstanta PID untuk memperkecil overshoot. Dari metode ini didapatkan hasil yaitu pergerakan robot semakin stabil dengan overshoot yang kecil.Kata kunci—Wall follower, Proportional Integral Derivative, Arduino
Analisis Metode Search Engine Optimization (SEO) Pada Website Konterku.com Menggunakan Ahrefs Putra, Gubtha Mahendra; Ikram, Adli Dzil; Wardhana, Reza; Prafanto, Anton; Rosmasari, Rosmasari; Irsyad, Akhmad
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 1 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i1.14614

Abstract

Revolusi industri 4.0 mengubah secara besar-besaran dalam berbagai bidang industri yang di dukung oleh perpaduan teknologi informasi yang semakin canggih dan dapat mengurangi sekat-sekat antara dunia fisik, digital dan biologi. Banyak pelaku bisnis Indonesia maupun dunia yang beralih kepada teknologi website untuk pemasaran dan promosi produknya. Website dinilai sangat efektif sebagai media untuk berbisnis. Hal ini dikarenakan biaya yang lebih murah untuk pemasaran, pemuatan informasi yang lebih jelas dan lebih banyak, serta jangkauannya yang dapat merambah hingga keseluruh dunia. Masalah yang muncul kemudian adalah, perebutan posisi teratas dalam hasil pencarian website pada Search Engine. Hal ini dikarenakan tidak semua website dapat memperoleh posisi teratas pada hasil pencarian karena banyaknya website yang ada. Hal ini kemudian berdampak pada jumlah pengunjung website apabila situs web tersebut tidak di dalam posisi yang baik atau sulit untuk ditemukan.
Klasifikasi Tumor Otak dengan Resnet berdasarkan MRI Irsyad, Akhmad; Islamiyah, Islamiyah; Setyadi, Hario Jati; Amal, Fakhmul
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 5, No 2 (2023): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v5i2.14363

Abstract

Tumor otak dapat dikategorikan sebagai kanker (ganas) atau non-kanker (jinak), dan pertumbuhannya dapat menimbulkan risiko kesehatan yang signifikan. Deteksi dini tumor otak sangat penting untuk penanganan yang efektif. Meskipun pencitraan resonansi magnetik (MRI) adalah metode yang efektif untuk mengidentifikasi tumor otak, terdapat tantangan dalam analisis hasil yang memerlukan tenaga medis terlatih. Oleh karena itu, penelitian ini mengembangkan metode otomatis menggunakan deep learning, khususnya arsitektur ResNet-50, untuk klasifikasi citra MRI. Dataset yang digunakan terdiri dari 7.023 gambar dengan empat kelas tumor: glioma, meningioma, normal, dan pituitary. Hasil evaluasi menunjukkan bahwa model ResNet-50 mencapai akurasi 71,55% dan F1-Measure 0,6919, lebih baik dibandingkan dengan model base CNN yang memiliki akurasi 71,34% dan F1-Measure 0,6714. Penelitian ini diharapkan dapat meningkatkan akurasi dan efisiensi deteksi otomatis tumor otak, serta memberikan kontribusi dalam manajemen klinis.
Rancang Bangun Sistem Informasi Website Pergudangan Toko Mitra Mandiri Mebel Samarinda Berbasis Framework Laravel Dan Vue.Js Dengan Metode Waterfall Zamani, Harrys Qomarul; Widagdo, Putut Pamilih; Irsyad, Akhmad
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 5, No 1 (2023): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v5i1.13517

Abstract

Toko Mitra Mandiri Mebel adalah sebuah toko furnitur di Samarinda yang menjual berbagai macam furnitur. Pendataan data furnitur masih dilakukan secara manual menggunakan buku yang menimbulkan kurangnya kinerja karyawan dan kontrol dari stok furnitur yang ada. Peningkatan kinerja karyawan dan kontrol stok furnitur dapat menggunakan sistem berbasis website agar pendataan dapat dilakukan dimana saja secara online. Tujuan dari penelitian ini adalah merancang website sistem informasi pergudangan menggunakan framework Laravel dan framework Vue.Js. Perancangan ini dibuat menggunakan metode waterfall, yaitu metode pengembangan perangkat lunak yang memiliki tahapan beralur yang berjalan secara urut. Pengumpulan data dilakukan dengan cara wawancara pemilik toko dan observasi kegiatan toko secara langsung. Hasil dari penelitian ini adalah berhasil merancang website sistem informasi pergudangan menggunakan framework Laravel dan framework Vue.Js. pada toko Mitra Mandiri Mebel Samarinda yang berguna untuk mempermudah dan meningkatkan kinerja karyawan toko Mitra Mandiri Mebel dalam pendataan stok furnitur.
Penerapan Metode Finite State Machine Pada Mobile Game Side Scrolling “Utan Adventure” Firdaus, Muhammad Bambang; Arba, Muhammad Hendra; Tejawati, Andi; Taruk, Medi; Irsyad, Akhmad; Anam, M Khairul
SemanTIK : Teknik Informasi Vol 10, No 1 (2024):
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v10i1.47474

Abstract

Game ialah satu dari sekian sarana untuk menghilangkan kebosanan, dengan kemajuan teknologi smartphone saat ini, banyak game dengan platform mobile berkembang cepat. Android didukung oleh terjangkaunya smartphone android dipasaran sehingga lebih mudah diakses oleh anak-anak, remaja dan orang tua. Pengembangan game side-scrolling “Utan Adventure” ini untuk membangun game yang dapat mengasah otak dan kreativitas pemain serta untuk mempromosikan budaya lokal di Kalimantan. Game side-scrolling “Utan Adventure” ini adalah game dengan genre action adventure lebih tepatnya dengan subgenre side-scrolling dirancang menggunakan unity game engine dan menggunakan metode Finite State Machine yang diterapkan pada Player, Enemy dan mekanisme level. Finite State Machine ialah suatu metode untuk perancangan sistem kontrol yang memperlihatkan prinsip kerja sistem dengan fokus pada tiga hal penting : state (keadaan), event (kejadian), dan action (aksi). Berdasarkan hasil pengujian penelitian ini terdapat pengujian gameplay, pengujian artificial intelligence, pengujian kontrol pemain, dan pengujian mekanisme level. Hasil akhir dari game ini adalah game side-scrolling berbasis platform android, dengan fitur tambahan berupa toko, upgrade, leaderboard, dan Non-Playable Character (NPC) yang dapat patroli, mencari, dan menyerang pemain di setiap level. Kata kunci; Mobile Game, Finite State Machine, Non-Playable Character
Analisis Sentimen SEA Games 2023 di Twitter Metode dengan Machine Learning Irsyad, Akhmad; Geralda, Raihan Daiva; Wardhana, Reza
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 2 No. 2 (2023): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v2i2.1138

Abstract

Sentiment analysis is a method used to analyze and identify the polarity (positive, negative, or neutral) of text or data related to a user's thoughts, opinions, or emotions. This method is widely used in various fields, including sentiment analysis on social media data. One very popular social media platform is Twitter. One of the biggest sporting events in Asia is the SEA Games, which are held every two years. SEA Games, many Indonesians expressed their opinions, support and emotions regarding the 2023 SEA Games on Twitter. Using supervised learning methods can provide valuable insight into how Indonesian society responds and reacts to this important sporting event. The results of this analysis can help related parties, including organizers and sponsors of the 2023 SEA Games, in understanding public sentiment, evaluating performance, and making better decisions in order to organize a successful sporting event. The results of the trials carried out by the SVM method had the best performance with an F-1 score of 61.53%.
Analisis Sentimen Twitter Menggunakan Machine Learning untuk Identifikasi Konten Negatif Kartika Sari, Amalia; Akhmad Irsyad; Dinda Nur Aini; Islamiyah; Stephanie Elfriede Ginting
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 3 No. 1 (2024): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v3i1.1373

Abstract

Konten Negatif adalah informasi dan dokumen elektronik yang mengandung konten yang tidak sopan, perjudian, penghinaan, pencemaran nama baik, pemerasan, pengancaman, serta penyebaran berita bohong dan menyesatkan yang dapat merugikan pengguna. Selain itu, konten negatif juga mencakup hal-hal yang memicu kebencian atau permusuhan berdasarkan suku, agama, ras, dan golongan (Alita & Isnain, 2020). Twitter adalah Wadah media sosial yang memungkinkan mengirim dan membaca pesan yang digunakan oleh individu, organisasi dan perusahaan untuk berbagi informasi, mengomentari peristiwa terkini, dan berinteraksi dengan pengguna lain. Proses analisis mencakup pembersihan data, eksplorasi data, dan penerapan model pembelajaran mesin seperti TF-IDF, Logistics Regression Model, dan Naive Bayes Classfier untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa model pembelajaran mesin dapat mengklasifikasikan sentimen tweet dengan sangat akurat, memberikan wawasan penting tentang opini publik di platform Twitter. Kinerja terbaik dengan skor F-1 68,4% dihasilkan dari uji coba Logistic Regression.
Co-Authors -, Irvan Apdila Ahmad Choirun Najib Aini, Dinda Nur Al'Aqsa, Muhammad Ramadhan Alivia Amin, Dhestyara Amal, Fakhmul Amin Padmo Azam Masa Anam, M Khairul Angela, Jeroline Betsy Apdila, Irvan Arba, Muhammad Hendra Arif, Afdinal Astuti, Eka Desi Puji Balan, Nicola Fernando Bernikusti Mentik, Sulpisius Dengen, Helen Amalia Dinda Nur Aini Efrata Madao, O’neal Firdaus, Muhammad Bambang Geralda, Raihan Daiva Ghiffari Assamar Qandi Ginting, Stephanie Elfriede Handoko, Heldi Harianto, Biko Hario, Jati Setiyadi Ibrahim, Muhammad Rivani Ikram, Adli Dzil Imelda Putri Islamiyah Islamiyah Islamiyah, Islamiyah Isnawaty Isnawaty Karinda, Siti Solikah Yosi Kartika Sari, Amalia Listiana Dewi Milasari Mentik, Sulpisius Bernikusti Mohammad Ibnu, Praditya Muhamad Ali Muhammad Dwi Refansyah Muhammad Fa’iz Muhammad Hisyam Nugroho Muhammad Indra Buana Muhammad Labib Jundillah Muhammad Rivani Ibrahim Muhammad Rizky Setiawan Najla Nayla Putri Nazwa Tri Ananda Nifansa, Albygael Rifal Nur Aini Rakhmawati Nurwahyu, Ferryza Pardosi, Josia Giribosar Praditya, Mohammad Ibnu Prafanto, Anton Prasetyo, Afrila Zahra Putra, Gubtha Mahendra Putri, Juventia Adelia Putut Pamilih Widagdo Putut Pamilih Widagdo, Putut Pamilih Rapiq, Rayhan Abdilah Refansyah, Muhammad Dwi Riswanti, Nita Riyandi, Selamat Rizal Adi Saputra Rizky, Avinka Rosmasari Rosmasari, Rosmasari Ruswantomo, Ruswantomo Sandrina Aulia Saragi, Bertha Joy Rodo Sari, Amalia Kartika Sativa, Alisya Nisrina Setyadi, Hario Jati Sholawati, Anisa Sidabutar, Erni Veronica Sogen, Valentina Febrizah Peni Stephanie Elfriede Ginting Surachkaryadi, Angelina Syaputra, Karlen Tarigan, Phascalis Chevin Taruk, Medi Tejawati, Andi Vina Zahrotun Kamila Waksito, Alan Zulfikar Wardhana, Reza Zamani, Harrys Qomarul