Article Per Year (5 Year)
p-Index From 2021 - 2026
11.311
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Syntax Jurnal Informatika Jurnal Ilmu Komputer dan Agri-Informatika SITEKIN: Jurnal Sains, Teknologi dan Industri CESS (Journal of Computer Engineering, System and Science) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Informatika Jurnal CoreIT JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Progresif: Jurnal Ilmiah Komputer Zonasi: Jurnal Sistem Informasi Journal of Applied Engineering and Technological Science (JAETS) Jurnal Tekinkom (Teknik Informasi dan Komputer) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Teknik Informatika (JUTIF) Jurnal Restikom : Riset Teknik Informatika dan Komputer Information System Journal (INFOS) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal UNITEK Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Teknik Indonesia Jurnal Informatika: Jurnal Pengembangan IT Jurnal Komtika (Komputasi dan Informatika)
Fadhilah Syafria
Universitas Islam Negeri Sultan Syarif Kasim Riau
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Transportation Veterinary Other

Published : 103 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 103 Documents
Search

 7   8   9   10   11 
Klasifikasi Sentimen Bitcoin Terhadap Komentar Di Aplikasi X Menggunakan Metode Decision Tree C4.5 Indrizal, Habibi Putra; Syafria, Fadhilah; Haerani, Elin; Vitriani, Yelvi; Yusra, Yusra
Bulletin of Computer Science Research Vol. 6 No. 1 (2025): December 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v6i1.932

Abstract

Sentiment analysis is an important method for understanding user perceptions of cryptocurrency assets such as Bitcoin, whose price movements are strongly influenced by public opinion. This study aims to classify user sentiment from comments posted on the X platform into two classes, namely positive and negative, using the Decision Tree C4.5 algorithm. The dataset consists of 5,000 Indonesian-language comments collected through a web scraping process and processed through text preprocessing and TF-IDF–based feature extraction. The model was trained using a 70% training data and 30% testing data split. The evaluation results show that the C4.5 model achieved an accuracy of 78%. For the positive class, the model obtained a very high recall of 0.99 with an F1-score of 0.83, indicating strong performance in identifying positive comments. In contrast, the negative class achieved a recall of 0.51 with an F1-score of 0.67, despite having a high precision of 0.97. The disparity in performance between classes is influenced by the data distribution, which is not fully balanced, with positive comments being more dominant than negative ones, causing the model to be more sensitive to the majority class. Overall, the results indicate that the Decision Tree C4.5 algorithm is sufficiently effective for Indonesian-language Bitcoin sentiment classification, although it still has limitations in recognizing the minority class. Future research may explore the application of data imbalance handling techniques or more advanced algorithms to improve the balance of classification performance across classes.
Analisis Sentimen Masyarakat Mengenai Relokasi Penduduk Rempang pada Media Sosial X Menggunakan Metode Naïve Bayes Classifier Taufiq, Muhammad; Haerani, Elin; Syafria, Fadhilah
Jurnal Teknik Indonesia Vol. 4 No. 2 (2025): Jurnal Teknik Indonesia
Publisher : Publica Scientific Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58860/jti.v4i2.711

Abstract

Media sosial X telah menjadi salah satu sarana utama bagi masyarakat dalam menyampaikan opini terhadap isu publik, termasuk kebijakan relokasi penduduk Pulau Rempang sebagai bagian dari Proyek Strategis Nasional (PSN). Permasalahan yang muncul adalah opini publik yang bersifat tidak terstruktur, beragam, dan tersebar luas sulit untuk diklasifikasikan secara manual dan objektif. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sentimen otomatis terhadap opini masyarakat dengan pendekatan kombinasi leksikal dan pembelajaran mesin. Sebanyak 1.000 tweet relevan dikumpulkan melalui proses crawling dan disaring menggunakan kriteria tertentu. Pelabelan sentimen dilakukan secara otomatis menggunakan InSet Lexicon, sedangkan representasi fitur teks dilakukan dengan metode TF-IDF. Algoritma Naïve Bayes Classifier digunakan sebagai model klasifikasi dan dievaluasi menggunakan confusion matrix, classification report, dan 10-fold cross-validation. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan sentimen pro dan kontra secara efektif, dengan akurasi tertinggi pada data uji sebesar 81,00% (rasio 90:10), dan akurasi validasi silang tertinggi sebesar 80,03% (rasio 80:20). Precision tertinggi diperoleh pada kelas pro (hingga 93%), sedangkan recall tertinggi pada kelas kontra (hingga 89%). Pendekatan ini terbukti efisien dan akurat untuk menganalisis opini publik berbasis media sosial, serta memiliki potensi untuk diterapkan pada isu-isu sosial lainnya yang relevan.
Analisis Clustering Menggunakan Metode K-Means untuk Mengidentifikasi Pola Kepuasan Alumni: Clustering Analysis Using the K-Means Method to Identify Alumni Satisfaction Pattern Ramadhan, Muhammad Ilham; Nazir, Alwis; Irsyad, Muhammad; Sanjaya, Suwanto; Syafria, Fadhilah
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 1 (2026): MALCOM January 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i1.2401

Abstract

Tracer study berperan penting dalam mengevaluasi kualitas layanan pendidikan berdasarkan pengalaman alumni. Analisis kepuasan alumni terhadap fasilitas pembelajaran umumnya masih terbatas pada statistik deskriptif, sehingga belum mampu mengungkap pola kepuasan secara tersegmentasi pada data berskala besar. Penelitian ini bertujuan untuk mengidentifikasi pola segmentasi kepuasan alumni terhadap fasilitas pembelajaran di Universitas Islam Negeri Sultan Syarif Kasim Riau (UIN Suska Riau) sebagai indikator penting dalam evaluasi kualitas layanan pendidikan. Metode yang digunakan adalah K-Means Clustering, diimplementasikan melalui tahapan Knowledge Discovery in Database (KDD) pada 6.508 data tracer study alumni S1 lulusan 2010–2023. Proses preprocessing mencakup normalisasi data numerik menggunakan Min-Max Scaling untuk menyamakan skala enam indikator kepuasan (Perpustakaan, Teknologi Informasi, Modul Belajar, Ruang Belajar, Laboratorium, dan Variasi Mata Kuliah), sehingga meminimalkan bias dalam perhitungan jarak Euclidean. Berdasarkan Elbow Method, diperoleh jumlah klaster optimal adalah K=3, dan kualitas pengelompokan divalidasi dengan nilai Davies-Bouldin Index (DBI) sebesar 0,874, mengonfirmasi stabilitas klaster yang terbentuk. Analisis menghasilkan tiga klaster berbeda: Klaster 0 (Tingkat Kepuasan Tinggi) yang dominan, Klaster 1 (Tingkat Kepuasan Rendah), dan Klaster 2 (Tingkat Kepuasan Sangat Tinggi). Hasil ini memberikan segmentasi kepuasan yang eksplisit sebagai dasar bagi universitas untuk merumuskan strategi peningkatan fasilitas secara terarah dan berkelanjutan.
Co-Authors Abdul Aziz Abdullah, Said Noor Abdussalam Al Masykur Adrian Maulana Adzhima, Fauzan Afriyanti, Liza Agung Syaiful Rahman Agus Buono Agustina, Auliyah Ahmad Paisal Aji Pangestu Adek Akbar, Lionita Asa Alfin Hernandes Alwaliyanto Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Amalia Hanifah Artya Aminuyati Andre Suarisman Aprima, Muhammad Dzaky Ariq At-Thariq Putra Baehaqi Bib Paruhum Silalahi Boni Iqbal Che Hussin, Ab Razak Darmila Dede Fadillah Deny Ardianto Devi Julisca Sari Dina Septiawati Dodi Efendi Eka Pandu Cynthia Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Hearani Ellin Haerani Elvia Budianita Faska, Ridho Mahardika Fatma Hayati Fauzan Adzim Febi Nur Salisah Febi Yanto Felian Nabila Fitra Lestari Fitri Insani Fitri Insani Fitri Wulandari Fratiwi Rahayu Gusrifaris Yuda Alhafis Gusti, Siska Kurnia Guswanti, Widya Habibi Al Rasyid Harpizon Hafez Almirza Hafsyah Hara Novina Putri Harni, Yulia Hertati Ibnu Afdhal Ihda Syurfi Iis Afrianty Iis Afrianty Ikhsan, Tomi Ikhsanul Hamdi Indrizal, Habibi Putra Inggih Permana Irma Sanela Ismail Marzuki Ismar Puadi Isnan Mellian Ramadhan Israldi, Tino Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Jasril Jasril Jasril Jasril Karina Julita Khair, Nada Tsawaabul Lestari Handayani Lestari Handayani Lili Rahmawati Liza Afriyanti Lola Oktavia Lola Oktavia M Fikry M. Afif Rizky A. Ma'rifah, Laila Alfi Masaugi, Fathan Fanrita Maulana Junihardi Mawadda Warohma Mazdavilaya, T Kaisyarendika Mhd. Kadarman Mori Hovipah Mori Hovipah Morina Lisa Pura Muhammad Affandes Muhammad Alvin Muhammad Fahri Muhammad Fikry Muhammad Hanif Abdurrohman Muhammad Ichsanul Bukhari Muhammad Irsyad Muhammad Syafriandi, Muhammad Muhammad Taufiq Muhammad Yusril Haffandi Muhammad Yusuf Fadhillah Mulyono, Makmur Muslimin, Al’hadiid Nabyl Alfahrez Ramadhan Amril Nailatul Fadhilah Nazir, Alwis Nazruddin Safaat H Negara, Benny Sukma Neni Sari Putri Juana Nesdi Evrilyan Rozanda Nining Nur Habibah Novriyanto Novriyanto Nurainun Nurainun Okfalisa Okfalisa Permata, Rizkiya Indah Pizaini Pizaini Puspa Melani Almahmuda Putra, Fiqhri Mulianda Putri Mardatillah Putri, Widya Maulida Rahmad Abdillah Rahmad Abdillah Rahmad Kurniawan Rahmadhani, R. Raja Sultan Firsky Ramadhan, Aweldri Ramadhan, Muhammad Ilham Ramadhani, Siti Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mei Candra Riska Yuliana Roni Salambue Said Nanda Saputra Satria Bumartaduri Silfia Silfia Siti Ramadhani Siti Sri Rahayu Suswantia Andriani Suwanto Sanjaya Syaputra, Muhammad Dwiky Teddie Darmizal Vitriani, Yelvi Wulandari, Fitri Yaskur Bearly Fernandes Yusra, Yusra Yusril Hidayat Zabihullah, Fayat Zulastri, Zulastri