Article Per Year (5 Year)
p-Index From 2021 - 2026
2.18
P-Index
This Author published in this journals
All Journal Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Malcom: Indonesian Journal of Machine Learning and Computer Science Riwayat: Educational Journal of History and Humanities Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Jurnal Teknologi dan Informatika
Usman Arfan
STMIK Pesat Nabire
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Implementasi Machine Learning untuk Analisis Sentimen Opini Publik Mengenai Pembukaan Kebun Kelapa Sawit di Papua: Machine Learning-Based Sentiment Analysis of Public Opinion on Palm Oil Plantation Expansion in Papua Pusvita, Ester Ayuk; Ranggup, Deni Stefanus Paboy; Arfan, Usman
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2279

Abstract

Ekspansi perkebunan kelapa sawit di Papua menimbulkan beragam respons publik di media sosial, khususnya pada platform X (Twitter). Penelitian ini bertujuan untuk menganalisis sentimen dan emosi publik terhadap isu tersebut menggunakan pendekatan machine learning melalui aplikasi Orange Data Mining. Sebanyak 1.355 tweet dikumpulkan menggunakan Twitter API v2 dan Google Colab yang terintegrasi dengan pustaka snscrape guna mengatasi batasan pengambilan data. Analisis dilakukan dengan model Multilingual Sentiment untuk klasifikasi polaritas (positif, negatif, netral) dan model Ekman Emotion untuk identifikasi enam emosi dasar. Hasil menunjukkan bahwa sentimen netral mendominasi (39,78%), diikuti negatif (32,16%) dan positif (28,05%). Namun, sentimen netral tidak selalu bersifat informatif, melainkan dapat muncul akibat ambiguitas linguistik atau keterbatasan model dalam memahami konteks lokal bahasa Indonesia. Emosi Joy (sukacita) merupakan emosi paling dominan, tetapi juga muncul dalam kategori sentimen negatif, yang mengindikasikan adanya ekspresi sarkasme dan ironi terhadap isu sawit. Hal ini mencerminkan keterbatasan model otomatis dalam mendeteksi makna tersirat dan gaya bahasa satir. Penelitian ini menyimpulkan bahwa meskipun model Multilingual Sentiment efektif untuk mendeteksi pola umum opini publik, pendekatan ini memerlukan penyesuaian kontekstual agar lebih sensitif terhadap nuansa budaya dan semantik bahasa Indonesia
Analisis dan Pengembangan Sistem Monitoring Stok, Penjualan Serta Pembelian BBM (Bahan Bakar Minyak) : (Studi Kasus pada SPBU 85.988.02 Wadio) Gunawan Prayitno; Novita Paraga; Usman Arfan
Jurnal Teknologi dan Informatika Vol. 1 No. 2 (2024): Februari : Jurnal Teknologi dan Informatika
Publisher : STMIK Pesat Nabire

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70539/jti.v1i2.17

Abstract

The oil fuel stock monitoring system (BBM) is becoming crucial to the management of valuable energy assets. The aim of the author is to conduct an effective system analysis and development to monitor BBM stocks. The research uses prototyping methods, which include the following steps: identification of initial needs, initial prototype making, evaluation and feedback, improvement and development, final implementation, and final evaluation. An easy-to-understand user interface design and an efficient database structure are important components of system design. Web-based software development is part of the system implementation. The testing process is carried out to ensure the performance, reliability, and security of the system. The system is regularlyined to remain functional and relevant. It is expected that the results of this practice will make a significant contribution in improving the efficiency and accuracy of monitoring BBM stocks. Moreover, these results will provide the basis for similar system development in the future.
Infografis Prakiraan Cuaca di Provinsi Papua Tengah dengan Menggunakan QGIS & Adobe Photoshop Usman Arfan; Donny Irwanto; Kristia Yuliawan
Jurnal Teknologi dan Informatika Vol. 1 No. 2 (2024): Februari : Jurnal Teknologi dan Informatika
Publisher : STMIK Pesat Nabire

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70539/jti.v1i2.18

Abstract

Central Papua Province is a new autonomous region province located in the Papua region. consists of 8 districts with the dominant topography of high rainfall for most of the year. As a result, the region in Central Papua often experiences hydrometeorological disasters, including floods, landslides, fallen trees, collapsed roofs. This study aims to map weather forecast infographics in Central Papua Province with QGIS and Adobe Photoshop Using the utilization model in the QGIS application which is overlaid with shapefile data from the BMKG signature of Central Papua Province. As well as shapefile data from the geospatial Indonesia website, namely the latest village and administrative boundaries 2022/2023 for the expansion of 38 provinces on a scale of 10K BIG. Then On the photoshop application helps infographic image editing. In making a map of Central Papua province with additional administrative boundaries of protected areas, tourist sites and latitude and longitude. As well as BMKG signature polygon alerts from signature.bmkg.go.id/ site. Once overlayed, it produces any area affected.
A Evaluasi Distribusi Guru-Siswa dan Ketersediaan Sekolah untuk Mendukung Pembangunan Pendidikan Menggunakan K-Means Clustering: An Evaluation of Teacher–Student Distribution and School Availability in Supporting Educational Development Using the K-Means Clustering Algorithm Arfan, Usman; Pekei, Yulianus
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketimpangan distribusi guru dan ketersediaan Sekolah Menengah Atas (SMA) Negeri di Indonesia menjadi tantangan serius dalam mewujudkan pemerataan pendidikan. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi distribusi jumlah guru, siswa, dan sekolah SMA Negeri dengan menerapkan algoritma K-Means Clustering. Data bersumber dari Badan Pusat Statistik (BPS) tahun 2023–2024 yang mencakup seluruh provinsi di Indonesia. Melalui pendekatan data mining menggunakan Orange, dilakukan proses pra-pemrosesan data, normalisasi, pemodelan klaster, serta visualisasi hasil. Hasil penelitian menunjukkan terbentuknya tiga klaster wilayah: Klaster 1 yang mencakup 20 provinsi dengan distribusi guru dan sekolah yang relatif ideal, Klaster 2 yang terdiri dari 6 provinsi di kawasan timur seperti Papua dan Maluku dengan tantangan tinggi akibat keterbatasan infrastruktur pendidikan, serta Klaster 3 yang berisi 8 provinsi dengan kondisi distribusi sedang. Penelitian ini mengungkap bahwa kebijakan nasional seperti rasio ideal 20:1 dalam pemberian tunjangan profesi guru belum adaptif terhadap kondisi geografis dan demografis lokal. Hasil klasterisasi ini memberikan dasar visual dan analitik yang kuat bagi pemerintah pusat dan daerah dalam merumuskan kebijakan pemerataan pendidikan yang lebih adil dan kontekstual, khususnya di jenjang menengah atas.
Analisis Sentimen Masyarakat Papua Terhadap Program Makan Gizi Gratis di Indonesia: Sentiment Analysis of Papuan Public Perceptions Toward the Free Nutritional Meal Program in Indonesia Arfan, Usman; Badii, Evradus
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengeksplorasi persepsi masyarakat Papua terhadap Program Makan Gizi Gratis yang dilaksanakan oleh Pemerintah Indonesia dengan menggunakan pendekatan analisis sentimen berbasis text mining. Data dikumpulkan dari platform media sosial X (Twitter) pada periode 24–28 Februari 2025. Sebanyak 712 tweet dianalisis menggunakan perangkat lunak Orange untuk mengklasifikasikan sentimen publik ke dalam tiga kategori, yaitu positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa persepsi masyarakat cenderung positif, dengan 70,08% tweet menunjukkan dukungan terhadap program, 21,63% bersifat netral, dan 8,29% mengandung sentimen negatif. Pemetaan emosi berdasarkan model Ekman mengungkap dominasi emosi Surprise (Kejutan) dan Joy (Sukacita), yang mencerminkan antusiasme dan harapan terhadap kebijakan tersebut. Emosi negatif seperti Anger (Marah) dan Sadness (Kesedihan) muncul dalam proporsi yang sangat rendah, menunjukkan tingkat penerimaan yang cukup baik di kalangan pengguna media sosial. Temuan ini mengindikasikan bahwa masyarakat secara umum menilai Program Makan Gizi Gratis sebagai kebijakan positif, meskipun masih terdapat kekhawatiran mengenai efektivitas implementasinya. Penelitian ini menegaskan pentingnya pemanfaatan media sosial sebagai instrumen pemantauan persepsi publik secara real-time, serta merekomendasikan integrasi analisis sentimen dalam evaluasi kebijakan sosial berbasis data
Co-Authors Alfian Nuwa Basinung Badii, Evradus Donny Irwanto Ester Ayuk Pusvita Fauzia Fajriyati Gunawan Prayitno Gunawan Prayitno Kristia Yuliawan Lely Worisio Margaretha Y. Douw Muhammad Thoyyib Ramadhan Murib, Yance Novita Paraga Paraga, Novita Pekei, Yulianus Ranggup, Deni Stefanus Paboy Samanui, Isak Boas Yulianus Pekei