Article Per Year (5 Year)
p-Index From 2021 - 2026
5.186
P-Index
This Author published in this journals
All Journal Riau Journal of Computer Science Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) INOVTEK Polbeng - Seri Informatika JURNAL TEKNOLOGI DAN OPEN SOURCE Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JOISIE (Journal Of Information Systems And Informatics Engineering) EDUMATIC: Jurnal Pendidikan Informatika Journal of Technopreneurship and Information System (JTIS) Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Zonasi: Jurnal Sistem Informasi Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JISA (Jurnal Informatika dan Sains) Journal Zetroem Jurnal Computer Science and Information Technology (CoSciTech) Jurnal J-PEMAS Jurnal Nasional Teknik Elektro dan Teknologi Informasi JAIA - Journal of Artificial Intelligence and Applications Innovative: Journal Of Social Science Research SATIN - Sains dan Teknologi Informasi The Indonesian Journal of Computer Science
Junadhi Junadhi
STMIK Amik Riau
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Public Health Other

Published : 47 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 47 Documents
Search

 1   2   3   4   5 
IMPLEMENTASI METODE SUPPORT VECTOR MACHINE PADA OPINION MINING MASYARAKAT TERKAIT CHATGPT Muhammad Muadin; Junadhi Junadhi; Rahmiati Rahmiati; Hadi Asnal
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 7 No 1 (2023)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v7i1.2911

Abstract

ChatGPT mampu memberikan manfaat kepada para dosen dan mahasiswa karena mereka langsung bisa mendapatkan informasi dengan akurat. Sebaliknya, ChatGPT juga memungkinkan para mahasiswa untuk menyontek saat ujian berlangsung dan meminta ChatGPT untuk membuatkan essai soal mata kuliah. Berbagai pendapat atau opini banyak disampaikan melalui media sosial twitter terkait kehadiran ChatGPT. Sebagian masyarakat menganggap ChatGPT sebagai ancaman. Sebagian lainnya justru memandang ChatGPT sebagai peluang. Analisis sentimen merupakan bidang penelitian yang cukup popular, karena dapat memberikan keuntungan untuk berbagai aspek. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) dan menggunakan 189919 dataset. Proses splitting data menggunakan tiga model yaitu 60:40 (60% adalah Training 40% adalah testing), 70:30 (70% adalah Training 30% adalah testing), dan 80:20 (80% adalah Training 20% adalah testing). Hasil penelitian memperoleh data uji dan data latih dengan kombinasi 60:40 menghasilkan tingkat akurasi sebesar 68%. Kemudian kombinasi data latih dan data uji 70:30 menghasilkan tingkat akurasi sebesar 69% dan dengan kombinasi 80:20 menghasilkan nilai akurasi sebesar 70%. Oleh karena itu, dapat disimpulkan bahwa opinion mining masyarakat terhadap ChatGPT menggunakan metode SVM menghasilkan akurasi yang terbaik adalah 70% dengan rasio perbandingan 80:20.
Implementation of Model View Controller Architecture in Criticism and Suggestion Applications Using the Object Oriented Analysis and Design Method Said, Shodiq Mufadhol; Junadhi
The Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i5.3229

Abstract

STMIK Amik Riau is the first computer college in Riau, founded in 1996, and has produced thousands of graduates spread throughout Indonesia. Apart from the many achievements that have been achieved by this campus, in fact, there are still many problems that students often complain about. STMIK Amik Riau itself already has an assessment system, but it is still limited to an assessment of lecturers and services in general which are filled out once in one semester. Complaints submitted also cannot be seen and confirmed by other students so there is no benchmark that becomes a benchmark whether the complaint is worth prioritizing or not. Therefore an application system is needed that aims to provide criticism and suggestions in a transparent manner to improve the quality of the STMIK Amik Riau campus. This application will later provide a filtering feature that will display complaints based on the selected criteria using the Ascending and Descending concepts. MVC is a method used in designing applications with UML as a visual language based on the Software Development Life Cycle concept with an OOAD approach. The tools used in designing this application are Android Studio using the Flutter Framework with Dart as the main language.
Product Classification Based on Categories and Customer Interests on the Shopee Marketplace Using the Naïve Bayes Method Muhammad Oase Ansharullah; Wirta Agustin; Lusiana; Junadhi; Susi Erlinda; Fransiskus Zoromi
JAIA - Journal of Artificial Intelligence and Applications Vol. 2 No. 2 (2022): JAIA - Journal of Artificial Intelligence and Applications
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/jaia.v2i2.888

Abstract

Marketplace is an electronic product marketing platform that brings together many sellers and buyers to transact with each other. The large variety of products sold on Shopee is one of the reasons this application is in great demand by all walks of life. However, the weakness of the large variety of products sold in a marketplace causes buyers who have no potential to buy these products. To overcome this problem, it is necessary to do a classification to determine which products are most in demand by customers. Product categories consist of: Clothing, Beauty Products, Daily Goods, Electronics, and Accessories. The classification method used is Naïve Bayes and the software used is WEKA. The next data collection is done by distributing questionnaires to the existing customers on social media namely, Whatsapp and Instagram, the distribution of the questionnaire is conducted through Google form. There are 90 questionnaires that will be distributed in this study. Some of the indicators asked in the questionnaire namely, do you like shopping online? And what marketplaces are commonly used. These results will be the training data. Interest categories are divided into 4 categories, namely: Very interested, Interested, Not interested, Very not interested. The results obtained in this study are clothing products (72 respondents) are products that are in great demand, daily goods products (7 respondents) are products of interest, beauty and electronic products (5 respondents) are products that are not in demand, and accessories (1 respondents ) is a product that is not very attractive to customers on the Shopee marketplace
Optimalisasi Penggunaan Microsoft Powerpoint Guna Mendukung Keahlian Siswa Magang Di Stmik Amik Riau Junadhi; Agustin; Edwar Ali; Susanti; Herwin
J-PEMAS - Jurnal Pengabdian Masyarakat Vol. 4 No. 2 (2023): Jurnal Pengabdian Masyarakat J_PEMAS
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/j-pemas.v4i2.938

Abstract

Pengabdian kepada masyarakat (PKM) ini bertujuan melatih para siswa untuk membuat media pembelajaran berbasis powerpoint. Sehingga dapat dimanfaatkan dalam proses presentasi laporan di sekolah. Metode yang digunakan adalah action research (Penelitian tindakan) yang terdiri dari 4 (empat) langkah, yaitu: analisa awal, proses persiapan, proses pelaksanaan dan penutup. Adapun mitra dari kegiatan PKM ini adalah para siswa/siswi yang melaksanakan kerja praktik di STMIK Amik Riau sebanyak 20 orang dan kegiatan pengabdian ini dilaksanakan selama 2 (dua) hari. Adapun topik materi yang diberikan kepada siswa meliputi cara mengaktifkan/membuka dan menutup aplikasi Ms. PowerPoint; membuat file baru, teknik penggunaan warna, mengubah warna background, menambahkan tabel, gambar, video, sound dan menggunakan efek dalam presentasi; serta mencetak slide, note page, dan handout. Hasil yang diperoleh dari kegiatan PKM ini yaitu sebanyak 83% dari jumlah siswa sebagai peserta telah mampu membuat media presentasi berbasis powerpoint secara tuntas. Dengan demikian bisa ditarik kesimpulan bahwa kegiatan ini dapat memberikan dampak yang baik karena peserta (siswa) telah mampu meningkatkan hardskill untuk mengoperasikan laptop atau komputer diantaranya bisa membuat media pembelajaran berbasis powerpoint. Sehingga media pembelajaran yang telah dibuat tersebut dapat digunakan dalam kegiatan keperluan di sekolah.
Workshop Desain Sistem UI/UX Untuk Membangun Ekosistem Kreatif Junadhi; Agustin; Rahmiati; Susanti; M. Jamaris
J-PEMAS - Jurnal Pengabdian Masyarakat Vol. 5 No. 1 (2024): Jurnal Pengabdian Masyarakat J_PEMAS
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/j-pemas.v5i1.1081

Abstract

Workshop Desain Sistem UI/UX Untuk Membangun Ekosistem Kreatif bertujuan memberikan pemahaman mendalam tentang desain sistem antarmuka pengguna (UI/UX) sebagai kunci dalam pengembangan ekosistem kreatif yang berkelanjutan. Kegiatan dilakukan selama dua hari dengan melibatkan dosen sebagai narasumber dan mahasiswa komunitas UI/UX desain yang berjumlah sebanyak 30 orang. Rangkaian kegiatan dimulai dari tahapan pengantar dan pemahaman dasar desain UI/UX, peserta diperkenalkan pada prinsip-prinsip penting dan tren terkini dalam desain. Studi kasus dan analisis mendalam memberikan contoh aplikasi praktis dari konsep-konsep tersebut dalam situasi dunia nyata. Sesi praktis dan hands-on memberikan peserta kesempatan untuk menerapkan pengetahuan yang telah mereka pelajari melalui proyek-proyek desain yang relevan. Workshop kelompok dan kolaborasi meningkatkan interaksi antar peserta, memfasilitasi diskusi, dan mendukung pertukaran ide. Sesi konsultasi dan feedback memastikan bahwa peserta mendapatkan panduan dan perbaikan langsung terhadap desain mereka. Pameran dan diskusi hasil karya mengakhiri workshop dengan merayakan kreativitas peserta dan memberikan kesempatan untuk mendiskusikan solusi desain. Evaluasi dan umpan balik sesudahnya membantu memperbaiki workshop untuk masa depan. Hasil akhir kegiatan workshop menunjukkan bahwa 87% peserta berhasil memperoleh kemampuan dalam merancang sistem UI/UX untuk membangun ekosistem kreatif, sedangkan 13% lainnya belum mencapai kriteria tuntas.
Implementasi Metode Design Sprint Dalam Perancangan UI/UX Aplikasi Pembelajaran Interaktif Dwiansyah, Zovanli; Rizaldinata, Wahyu; Mahesya, Abdan Fitra; Junadhi, Junadhi
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1544

Abstract

The continuously evolving world of education indirectly demands students to have a good understanding of various subjects in both school and higher education settings. Sometimes, the limited learning resources provided by educational institutions drive us to seek additional knowledge outside formal education. In the context of current educational innovation, technology has become an integral part of the learning process. The utilization of technology with new interaction patterns makes the roles of User Interface (UI) and User Experience (UX) increasingly crucial in meeting user needs. This research aims to discover ways to understand and fulfill user needs. Therefore, the author created a solution by designing an interactive UI/UX for a learning application. This research employed the design sprint method, involving five stages: understand, diverge, decide, prototype, and validate. The testing results using the System Usability Scale method yielded a score of "75.1," indicating that the application provides ease for students in accessing more comprehensive learning materials.Keywords: Education; Learning Applications; User Interface; User Experience; Design Sprint AbstrakDunia pendidikan yang terus berkembang saat ini secara tidak langsung menuntut peserta didik untuk memiliki pemahaman yang baik terhadap berbagai materi pelajaran di sekolah maupun perguruan tinggi. Terbatasnya sumber belajar yang disediakan oleh lembaga pendidikan mendorong kita untuk mencari pengetahuan tambahan di luar pendidikan formal.  Dalam konteks inovasi pendidikan saat ini, teknologi telah menjadi bagian integral dari proses pembelajaran. Pemanfaatan teknologi dengan pola interaksi yang baru membuat peran User Interface (UI) dan User Experience (UX) menjadi semakin penting dalam memenuhi kebutuhan pengguna. Penelitian ini bertujuan untuk menemukan cara-cara untuk memahami dan memenuhi kebutuhan pengguna. Karena itu, penulis menciptakan solusi dengan merancang desain UI/UX aplikasi pembelajaran yang interaktif. Penelitian ini menggunakan metode design sprint yang melibatkan lima tahap: understand, diverge, decide, prototype, dan validate. Pengujian hasil menggunakan metode System Usabilty Scale mendapatkan skor "75.1", menunjukkan bahwa aplikasi ini memberikan kemudahan bagi peserta didik dalam menemukan materi pembelajaran yang lebih komprehensif. 
Implementasi Algoritma SVM dalam Memprediksi Penyakit Stroke Alexsander; Ahmad Nazri; Rio Agus Panbudi; Junadhi
ZETROEM Vol 6 No 2 (2024): ZETROEM
Publisher : Prodi Teknik Elektro Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/ztr.v6i2.3676

Abstract

Tujuan dari penelitian ini adalah untuk membangun model prediksi stroke menggunakan algoritma Support Vector Machine (SVM) berdasarkan data medis yang tersedia, dengan tujuan untuk mengidentifikasi faktor risiko yang berpotensi terkait dengan penyakit tersebut. Stroke adalah kondisi medis yang terjadi ketika pasokan darah ke bagian otak terganggu atau berhenti, menyebabkan kerusakan pada sel-sel otak akibat kekurangan oksigen dan nutrisi. Hal ini dapat disebabkan oleh pembuluh darah yang tersumbat (stroke iskemik) atau pecahnya pembuluh darah (stroke hemoragik). Penelitian ini menerapkan SVM untuk menghasilkan model klasifikasi. Metode SVM dikenal karena kemampuannya untuk menemukan hiperplan terbaik untuk memisahkan kelas data. Evaluasi kinerja algoritma SVM dilakukan menggunakan akurasi prediksi, presisi, recall, dan F1-score. Hasil dari penelitian ini memberikan pemahaman yang lebih baik tentang efektivitas SVM dalam memprediksi penyakit stroke. Dalam penelitian ini, hasil terbaik ditemukan, yaitu dengan tingkat akurasi 95 persen setelah melakukan 15 percobaan dengan distribusi data latih dan uji 80:20. Penelitian ini menerapkan algoritma Support Vector Machine (SVM) untuk memprediksi stroke. Akurasi yang dihasilkan oleh metode Support Vector Machine (SVM) dalam membuat prediksi adalah 95% dan dikatakan sangat baik.
Sistem Pendukung Keputusan Kelayakan Sertifikasi Guru Menggunakan Metode Multi Attribute Utility Theory (MAUT) Pada SMAN 2 Mandau Harianto, Helfin; Agustin; Junadhi; Tashid
The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3169

Abstract

Pelaksanaan sertifikasi guru merupakan komitmen pemerintah untuk mengimplementasikan amanat Undang-Undang Nomor 14 tahun 2005, yakni mewujudkan guru yang berkualitas dan profesional. Hal-hal terkait dengan proses sertifikasi masih belum sepenuhnya menggunakan sistem yaitu masih dengan cara mendata guru yang layak mengikuti proses sertifikasi berdasarkan kriteria masa kerja, usia, pendidikan terakhir, tugas tambahan, prestasi mengajar, dan jumlah jam mengajar sehingga sering kali menimbulkan kesulitan ketika mengusulkan guru yang layak mengikuti proses sertifikasi dikarenakan memakan waktu yang lama saat pengurutan ranking sertifikasi. Banyak guru yang mengeluhkan proses sertifikasi yang tidak transparan, diantaranya guru yang usia muda serta masa kerja yang lebih sedikit mendapat kesempatan lebih dulu menjalani proses sertifikasi daripada guru yang sudah mempunyai pengalaman kerja yang lama dan usia tua. Sistem pendukung keputusan merupakan proses tindakan atau aksi dalam pemecahan masalah yang diyakini akan memberikan solusi terbaik untuk mencapai tujuan. Dalam Sistem Pendukung Keputusan ini digunakan metode Multi Attribute Ultility Theory (MAUT). Hasil penelitian menggunakan metode mampu memberikan rekomendasi guru yang layak mengikuti sertifikasi. Penerapan metode MAUT memberikan hasil akurasi sebesar 90%, dari hasil tersebut menunjukkan bahwa metode MAUT bisa menjadi metode alternatif untuk sistem kelayakan sertifikasi guru.
Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Terhadap Produk Skincare Jasmarizal; Junadhi; Rahmaddeni; M. Khairul Anam
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3654

Abstract

Perawatan kulit telah menjadi aspek yang signifikan dalam pola hidup modern. Kesadaran masyarakat terhadap penampilan dan kesehatan kulit semakin meningkat, mendorong permintaan terus berkembang untuk produk skincare. Konsumen sering menghadapi kesulitan dalam memilih produk yang sesuai dengan jenis kulit mereka, di mana ulasan dari pengguna lain bisa menjadi panduan berharga, namun juga berpotensi menyebabkan kebingungan jika tidak dikelola dengan baik. Mengetahui sentimen konsumen terhadap produk skincare tidak hanya membantu produsen dan pengecer memahami penerimaan produk, tetapi juga memberikan arahan bagi konsumen lain dalam pengambilan keputusan. Kemajuan dalam teknologi analisis sentimen memungkinkan penelitian yang lebih efisien dan akurat terhadap pandangan konsumen mengenai produk skincare. Analisis sentimen dapat dijalankan secara otomatis menggunakan algoritma dan model kecerdasan buatan, di mana Support Vector Machine (SVM) menjadi salah satu metode yang efektif dalam permasalahan klasifikasi. SVM memberikan wawasan mendalam mengenai sentimen yang terkandung dalam ulasan konsumen. Dataset yang digunakan mengandung komentar dan ulasan dari pengguna terkait produk skincare MS Glow, dengan total 3.006 data. Proses selanjutnya melibatkan tahap pre-processing data, yang mencakup langkah-langkah seperti Case Folding, Normalisasi Data, Tokenisasi, Filtrasi Stop Words, dan Stemming. Pada tahap pemodelan, SVM digunakan untuk mengklasifikasi sentimen atau opini pengguna terhadap produk skincare tersebut. Hasil akhir menunjukkan bahwa model dengan ketidakseimbangan kelas mengalami overfitting, di mana performa model optimal hanya pada data pelatihan dan kurang efektif pada data uji. Namun, dengan melatih model menggunakan kelas yang seimbang dan menerapkan teknik SMOTE, ditemukan hasil optimal, mencapai akurasi sebesar 99.60% dan nilai f1-score sebesar 98.55%.
Optimization of Deep Learning with FastText for Sentiment Analysis of the SIREKAP 2024 Application Handoko; Junadhi; Triyani Arita Fitri; Agustin
The Indonesian Journal of Computer Science Vol. 14 No. 2 (2025): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i2.4809

Abstract

This study analyzes public sentiment towards the SIREKAP 2024 application using deep learning. Data was collected from Google Playstore reviews and processed through cleaning, tokenization, and stemming. Word embedding was performed using FastText to capture more accurate word representations, including OOV words. The deep learning models compared were CNN, BiLSTM, and BiGRU. Performance evaluation used accuracy, precision, recall, and F1-score metrics. The results showed that the CNN model with FastText Gensim embedding achieved the highest accuracy of 95.98%, outperforming BiLSTM and BiGRU. This model was more effective in classifying positive and negative sentiments. This study provides insights for developers to improve the performance and public trust in SIREKAP 2024 and opens opportunities for further research with more complex embedding approaches and deep learning models.
Co-Authors Adhitya Karel Maulaya Agustin Agustin Agustin -, Agustin Agustin Agustin Ahmad Nazri aisyah manurung Alexsander Anam, M Khairul Aprilita, Windi Aprillian Kartino Azdar, Qowiyyu Benino Giordiola Millenio Bias Arbi Fauzan Chakra Wibawanto Devi Efriadi Dwiansyah, Zovanli Edwar Ali Efrizoni, Lusiana Erlin Fatdha, T.Sy. Eiva Fathur Rahman Fransiskus Zoromi Fransiskus Zoromi Friadi, Roby Ginting, Alex Elanta Hadi Asnal, Hadi Handoko Harianto, Helfin Hasibuan, Fadliansyah Helda Yenni, Helda Helfin Harianto Heru Satria Surya Herwin Herwin Herwin, Herwin Irfansyah Irfansyah Jabbar, Fiqri Abdul Jamaris, Muhamad Jasmarizal Laili Suryati Lusiana M. Agustian Reyza Novris M. Jamaris M. Jamaris Mahesya, Abdan Fitra Mardainis Marlim, Yulvia Nora Mi`rajul Rifqi Muhammad Muadin Muhammad Oase Ansharullah Muhammad Oase Ansharullah Muhammad Syaifullah Nanang Susanto Naufal Khairi Nelianli Yan Jaya Nova Agustina Nu'man Nu'man Rahmaddeni Rahmaddeni Rahmiati Rahmiati Ramadhani, Yurifa Rio Agus Panbudi Rivaldi Dwi Andhika Rizaldinata, Wahyu Roby Friadi Said, Shodiq Mufadhol Saputra, Eko Ikhwan Septia, Rapindra Setiawan, Hengki Shodiq Mufadhol Said Silvyana Dwi Putri SUSANTI Susanti, Susanti Susi Erlinda SUSI ERLINDA T. Sy. Eiva Fatdha Tashid Tashid Triyani Arita Fitri Wirta Agustin Yansyah Saputra Wijaya Yuda Irawan