Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) Jejak digital: Jurnal Ilmiah Multidisiplin
R.A. Fattah Adriansyah
Universitas Mikroskil
Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisa Perangkat Jaringan Komputer Kampus R.A. Fattah Adriansyah; Ade Sarah Huzaifah; Annisa Fadhillah Pulungan
Jurnal Minfo Polgan Vol. 12 No. 2 (2023): Artikel Penelitian 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v12i2.13267

Abstract

Jaringan komputer memainkan peran penting di seluruh dunia. Dimana standar protokol jaringan komputer terdiri dari tujuh lapisan yang digunakan sebagai arsitektur komunikasi, yang masing-masing berperan dalam komunikasi jaringan komputer. Switch adalah perangkat layer 2 dalam jaringan komputer yang menghubungkan device di broadcast domain yang sama, namun untuk device di broadcast domain yang berbeda tidak dapat berkomunikasi satu sama lain tanpa menggunakan perangkat layer 3 seperti router. Router merutekan paket dari pengirim ke penerima menggunakan alamat IP yang diarahkan sesuai dengan tabel routing yang ada. Sedangkan si tabel routing ditentukan oleh protokol routing yang digunakan. Ada beberapa protokol routing yang tersedia, dimana masing-masing memiliki kelebihan dan kekurangannya. Dan untuk mendukung kebutuhan yang unik setiap organisasi, maka organisasi tersebut perlu desain jaringan yang unik pula. Begitu pula dengan protokol routing yang digunakan juga harus disesuaikan. Pada penelitian ini dilakukan percobaan untuk mengatasi broadcast yang biasa terjadi pada jaringan kampus dan mengurangi kemungkinan terjadinya broadcast storm dengan cara memisahkan broadcast domain menggunakan router. Eksperimen ini juga membandingkan protokol routing RIP dan OSPF yang diterapkan di jaringan tersebut untuk mencari tahu protokol routing mana yang cocok untuk topologi jaringan kampus yang umum digunakan. Hasil percobaan menunjukkan bahwa jaringan komputer kampus dengan menggunakan router dapat mengidentifikasi dan memantau masalah yang terjadi, membagi broadcast collision, dan juga melakukan pemilihan rute/jalur. Hal ini memudahkan dalam mengatasi masalah dan memaksimalkan kinerja jaringan komputer kampus. Jaringan komputer kampus yang menggunakan router dan mengkonfigurasi protokol routing OSPF memberikan kinerja yang lebih baik dibandingkan dengan protokol routing RIP yang dikonfigurasi.
Evaluasi Komparatif Lintas Platform Analisis Sentimen Berbasis Aspek dengan LDA dan Algoritma Klasifikasi Ade Sarah Huzaifah; R.A. Fattah Adriansyah
Jejak digital: Jurnal Ilmiah Multidisiplin Vol. 2 No. 4 (2026): JUNI-JULI
Publisher : INDO PUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63822/hb46z150

Abstract

Aspect-based sentiment analysis is becoming increasingly important for understanding user opinions across various digital platforms; however, differences in text characteristics such as length, formality, and writing style often affect algorithm performance. This study aims to evaluate the effectiveness of a hybrid model that integrates Latent Dirichlet Allocation (LDA) with three classification algorithms Multinomial Naïve Bayes, XGBoost, and AdaBoost across three different platforms: Twitter, Google Play, and Female Daily. The evaluation was conducted using the Precision, Recall, F1-Score, and Accuracy metrics, with F1-Score serving as the primary indicator due to the imbalanced data distribution across aspects. The results show that Multinomial Naïve Bayes is more suitable for short and emotional texts on Twitter, XGBoost excels at technical reviews on Google Play, while AdaBoost is quite adaptive to narrative reviews on Female Daily. Key findings confirm that XGBoost is the most stable algorithm with the highest average F1-Score, while Multinomial Naïve Bayes remains competitive for informal text. This study contributes to the development of aspect-based sentiment analysis methodologies by providing practical guidelines for algorithm selection based on platform characteristics, and opens avenues for further research through dataset expansion, microtext normalization, and the application of deep learning to improve generalization
Co-Authors Ade Sarah Huzaifah Annisa Fadhillah Pulungan