Article Per Year (5 Year)
p-Index From 2021 - 2026
4.206
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 KOMPUTA : Jurnal Ilmiah Komputer dan Informatika Journal of Electronics, Electromedical Engineering, and Medical Informatics Sains, Aplikasi, Komputasi dan Teknologi Informasi Journal of Innovation Information Technology and Application (JINITA) 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
Universitas Mulawarman
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI JAMSOSTEK MOBILE DENGAN MENGGUNAKAN NAÏVE BAYES DAN LOGISTIC REGRETION Efrata Madao, O’neal; Irsyad, Akhmad; Rivani Ibrahim, Muhammad
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6775

Abstract

Jamsostek Mobile (JMO) merupakan inovasi digital dari BPJS Ketenagakerjaan yang diluncurkan pada September 2021 untuk mempermudah pelayanan kepada pengguna. Meskipun dirancang untuk meningkatkan akses dan kualitas layanan, masih ditemukan ulasan negatif dari pengguna terkait fitur dan kinerja aplikasi. Ulasan tersebut menjadi sumber informasi penting untuk mengevaluasi persepsi pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi JMO menggunakan algoritma Naïve Bayes dan Logistic Regression. Data diambil dari Google Playstore, terdiri dari 1.500 ulasan berbahasa Indonesia yang telah diberi label secara manual sebagai positif atau negatif. Proses analisis dilakukan dengan Python melalui platform Google Colab. Evaluasi performa model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa kedua algoritma memiliki akurasi yang sama, yaitu 92,67%. Naïve Bayes unggul dalam presisi sebesar 97,58%, sedangkan Logistic Regression lebih baik dalam recall (93,30%) dan F1-score (93,82%). Meskipun keduanya menunjukkan kinerja yang baik, Logistic Regression dinilai lebih seimbang dalam mengklasifikasikan data. Pemilihan algoritma terbaik tetap disesuaikan dengan prioritas analisis, apakah mengutamakan ketepatan klasifikasi atau kelengkapan dalam mendeteksi sentimen.
Prediksi Ketersediaan Lahan Pembuangan Sampah TPA Bontang Lestari Menggunakan Algoritma Simple Linear Regression Muhammad Indra Buana; Akhmad Irsyad; Vina Zahrotun Kamila
Jurnal Sarjana Teknik Informatika Vol. 13 No. 2``` (2025): Juni
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v13i2```.31066

Abstract

Seiring bertambahnya jumlah penduduk dan aktivitas industri di Kota Bontang, volume sampah yang dihasilkan juga mengalami peningkatan signifikan. Tempat Pembuangan Akhir (TPA) Bontang Lestari sebagai satu-satunya fasilitas pengelolaan sampah di kota tersebut menghadapi tantangan keterbatasan kapasitas lahan. Penelitian ini bertujuan untuk memprediksi ketersediaan lahan pembuangan sampah di TPA Bontang Lestari dengan menggunakan algoritma Simple Linear Regression berdasarkan data pertumbuhan penduduk dan volume sampah dari tahun 2019 hingga 2023. Hasil analisis menunjukkan bahwa model regresi linear sederhana mampu menghasilkan tingkat akurasi yang tinggi dengan nilai koefisien determinasi (R²) sebesar 0,98 dan Root Mean Squared Error (RMSE) sebesar 0,0014. Prediksi volume sampah dari tahun 2024 hingga 2035 menunjukkan bahwa dengan perluasan lahan TPA menjadi 32.000 m², kapasitas maksimum sebesar 480.000 ton akan tercapai pada akhir tahun 2035. Penelitian ini memberikan dasar yang kuat untuk perencanaan pengelolaan sampah jangka panjang dan pengembangan infrastruktur TPA yang berkelanjutan di Kota Bontang.
Implementasi Algoritma Neural Collaborative Filtering Menggunakan TensorFlow Sebagai Rekomendasi Buku Pada Aplikasi Praktikum Program Studi Sistem Informasi Fariz Aisyar Dafin, Ahmad; Irsyad, Akhmad; Rivani Ibrahim, Muhammad
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 14 No 2 (2025): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v14i2.16724

Abstract

Low literacy levels among students pose a significant challenge in supporting academic activities, especially in practical courses in the Information Systems Study Program. This study aims to develop a personalized and relevant book recommendation system using the Neural Collaborative Filtering (NCF) algorithm implemented in TensorFlow and deployed through FastAPI. The dataset used is Book-Crossing, containing over one million user-book interactions. The development follows the CRISP-DM methodology, covering business understanding, data preparation, modeling, and deployment. The NCF model utilizes embedding and dense layers to learn complex user-item interactions. Evaluation shows that the model achieves MAE of 0.3133 and MSE of 0.1531 on training data. The system was successfully deployed and validated through unit testing, capable of providing the top five book recommendations based on user input. The result demonstrates the effectiveness of deep learning approaches in enhancing student literacy through adaptive and integrated recommendation systems.
Implementasi Metode Rapid Application Development (RAD) Pada Pembangunan Sistem Point of Sale (POS) Berbasis Website di Toko Branded House Sangatta Avivah, Nur; Irsyad, Akhmad; Islamiyah, Islamiyah; Setyadi, Hario Jati; Ibrahim, Muhammad Rivani
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 2 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v4i2.3481

Abstract

Komunikasi bisnis modern mendorong adopsi sistem yang saling terhubung, salah satunya adalah sistem Point of Sale (POS) berbasis web. Toko Branded House Sangatta sebagai UMKM mengalami permasalahan terkait pencatatan barang dan transaksi manual yang kurang akurat dan efisien. Penelitian ini bertujuan mengembangkan sistem POS yang dapat digunakan sebagai platform informasi bisnis bagi Toko Branded House Sangatta. Untuk mempermudah pemantauan barang dan transaksi penjualan, dibutuhkan sistem informasi yang mampu menyajikan data bisnis secara cepat dan efisien. Metode Rapid Application Development (RAD) digunakan karena fleksibilitasnya dalam menanggapi revisi atau perubahan selama proses pengembangan sistem. Pengujian sistem dilakukan dengan metode Black Box Testing untuk mengukur fungsionalitas sistem, serta User Experience Questionnaire (UEQ) untuk mengevaluasi pengalaman pengguna. Hasil penelitian menunjukkan bahwa sistem POS ini memudahkan pengguna dalam melacak barang dan memantau transaksi. Hasil pengujian Black Box menunjukkan seluruh skenario pengujian valid. Selain itu, hasil UEQ menunjukkan skor sempurna 3,000 pada skala efisiensi, stimulasi, dan kebaruan. Skala daya tarik dan ketepatan memperoleh skor mendekati sempurna, yaitu 2,833 dan 2,857. Skala kejelasan mendapatkan nilai terendah sebesar 1,250. Secara keseluruhan, sistem dinyatakan berfungsi baik, mendukung proses bisnis, serta memenuhi ekspektasi pengguna.
Facial Image-Based Autism Detection Using ConvNeXt Tiny: A Lightweight Deep Learning Approach for Early Screening Putut Pamilih Widagdo; Muhammad Bambang Firdaus; Gubtha Mahendra Putra; Akhmad Irsyad
Journal of Innovation Information Technology and Application (JINITA) Vol 7 No 2 (2025): JINITA, December 2025
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/jinita.v7i2.2848

Abstract

This study proposes a deep learning model using the ConvNeXt Tiny architecture to detect autism spectrum disorder (ASD) from facial images, addressing the need for an early, efficient, and accessible diagnostic tool. The model integrates facial image preprocessing techniques like Contrast Limited Adaptive Histogram Equalization (CLAHE) and data augmentation, with facial segmentation performed by MTCNN. The ConvNeXt Tiny model is trained using transfer learning and evaluated through metrics such as accuracy, precision, recall, and F1-score, and compared with traditional CNN models like ResNet50 and EfficientNet-B0. The results demonstrate that the proposed model outperforms ResNet50 and EfficientNet in all evaluation metrics, achieving a classification accuracy of 84%. It also demonstrates a balanced performance across both classes (autistic and non-autistic), with high precision and recall for both, leading to a high F1-score. Furthermore, the model's computational efficiency makes it suitable for web and mobile applications, enabling scalable and real-time screening for ASD in children. The study's contributions include the development of a novel, lightweight ASD classification system, a comparative analysis of ConvNeXt with other CNN models, and the creation of a prototype for early ASD detection. This approach not only provides a promising alternative to conventional diagnostic methods but also sets the groundwork for further research and practical implementation in clinical settings.
Co-Authors -, Irvan Apdila Agnestia Ahmad Choirun Najib Aini, Dinda Nur Al'Aqsa, Muhammad Ramadhan Alivia Amin, Dhestyara Alviana, Kurnia Amal, Fakhmul Amin Padmo Azam Masa Anam, M Khairul Angela, Jeroline Betsy Apdila, Irvan Arba, Muhammad Hendra Arif, Afdinal Astuti, Eka Desi Puji Avivah, Nur Balan, Nicola Fernando Bernikusti Mentik, Sulpisius Dengen, Helen Amalia Dinda Nur Aini Efrata Madao, O’neal Fariz Aisyar Dafin, Ahmad Firdaus, Muhammad Bambang Geralda, Raihan Daiva Ghiffari Assamar Qandi Ginting, Stephanie Elfriede Gubtha Mahendra Putra 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 Lumbantobing, Lisweni Mentik, Sulpisius Bernikusti Mohammad Ibnu, Praditya Muhamad Ali Muhammad Bambang Firdaus Muhammad Dwi Refansyah Muhammad Fa’iz Muhammad Hisyam Nugroho Muhammad Indra Buana Muhammad Labib Jundillah 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 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