Article Per Year (5 Year)
p-Index From 2021 - 2026
1.817
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) JURNAL TEKNOLOGI DAN OPEN SOURCE Journal of Computer Networks, Architecture and High Performance Computing Jurnal Kolaboratif Sains Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Journal Of Informatics And Busisnes Jurnal Ilmu Komputer dan Sistem Informasi
Mhd. Furqan
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Nursing Public Health Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : CESS (Journal of Computer Engineering, System and Science)

 1 
Analisis Sentimen Terkait Kasus Korupsi Timah Pada Aplikasi X Menggunakan Algoritma Support Vector Machine Hasibuan, Suci Adina Ramadani; Mhd. Furqan
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66522

Abstract

Kasus dugaan korupsi yang melibatkan PT Timah Tbk dengan estimasi kerugian negara sebesar Rp 271 triliun telah memicu respons luas dari masyarakat, khususnya melalui media sosial X (dahulu Twitter). Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kasus tersebut menggunakan algoritma Support Vector Machine (SVM). Data diperoleh dari platform X menggunakan kata kunci tertentu, menghasilkan 107 tweet yang kemudian melalui proses pra-pemrosesan dan pelabelan otomatis dengan metode berbasis leksikon (lexicon-based). Proses klasifikasi sentimen dilakukan dengan algoritma SVM, sementara ekstraksi fitur dilakukan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 98%, dengan precision 98% dan recall 100% untuk sentimen negatif, serta precision 100% dan recall 60% untuk sentimen positif. Berdasarkan confusion matrix, sebesar 95,33% data diklasifikasikan sebagai negatif secara benar (True Negative), 2,80% sebagai positif secara benar (True Positive), dan 1,87% salah diklasifikasikan (False Negative), tanpa terdapat kesalahan klasifikasi positif palsu (False Positive). Temuan ini menunjukkan dominasi opini negatif terhadap kasus tersebut dan menegaskan efektivitas SVM dalam analisis sentimen publik. Penelitian ini diharapkan menjadi acuan dalam memahami persepsi masyarakat dan pengambilan keputusan berbasis data terhadap isu sosial-politik di Indonesia.
Algoritma K-Means Clustering untuk Mendiagnosis Bullying pada Remaja Di SMPN 1 Kecamatan Dolok Sigompulon Ritonga, Abdul Rois; Mhd. Furqan
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66539

Abstract

Bullying merupakan bentuk penyalahgunaan kekuasaan yang dapat terjadi di berbagai lingkungan, terutama di lingkungan sekolah. Tindakan ini mencakup perilaku seperti mengejek, mengancam, mengisolasi, hingga melakukan kekerasan fisik yang berdampak negatif pada kondisi psikologis korban. Di SMP N 1 Dolok Sigompulon, kasus bullying teridentifikasi dalam tiga bentuk, yaitu fisik, verbal, dan psikologis. Meskipun jumlah kasus tergolong rendah, fenomena ini tetap memerlukan perhatian serius karena dapat mengganggu kenyamanan belajar dan perkembangan sosial siswa. Untuk memahami pola dan karakteristik dari kasus bullying yang terjadi, diperlukan analisis data yang tepat. Salah satu metode yang dapat digunakan adalah K-Means Clustering, yaitu algoritma pengelompokan data yang membagi objek ke dalam beberapa klaster berdasarkan kemiripan karakteristik. Melalui metode ini, data bullying dapat diklasifikasikan menjadi beberapa kelompok, sehingga pola perilaku bullying di sekolah dapat dianalisis lebih mendalam dan menjadi dasar dalam pengambilan keputusan pencegahan. Berdasarkan hasil pengelompokan kasus bullying di SMP N 1 Dolok Sigompulon menggunakan algoritma K-Means maka di peroleh 3 cluster Dimana cluster 1 terdapat 12 data, cluster 2 terdapat 5 data, dan cluster 3 dengan 4 data sehingga dapat disimpulkan bahwa kasus bullying di SMP N 1 Dolok Sigompulon tergolong rendah dengan jenis bullying fisik, verbal, dan psikologis.
Co-Authors Adli Rahman Harun Harahap Aina Nur Nabila Alvi Nur Ilmi Br Ginting Alwi Syahputra Dimas Aqila Aptanta Fauhan Alfarizi Saragih Hasibuan, Suci Adina Ramadani Khairi, Mhd Galih Lubis , Aidil Halim M. Rifqi Arrafi Manihuruk , Selly Novia Meutia Nanda Muhammad Farhan Muhammad Irfan Gurning Nazifa Edilia, Fazila Prananda, Dimas Raka Ritonga, Abdul Rois Rusma Riansyah Siti Saniah Tiara Amanda Lestari Windi Imelda Putri