Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Brilliance: Research of Artificial Intelligence Biner : Jurnal Ilmiah Informatika dan Komputer Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Rizi, Muhammad Alfa
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Mathematics Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
KLASIFIKASI KOMENTAR TERHADAP KRIMINAL SAAT MALAM HARI PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN NAÏVE BAYES Bee, Vanness; Rizi, Muhammad Alfa; Rachmat, Nur
Biner : Jurnal Ilmiah Informatika dan Komputer Vol 3 No 2 (2024): Juli
Publisher : Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/biner.v3i2.7311

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan komentar mengenai kejahatan kriminal pada malam hari dari media sosial di Youtube dengan menggunakan metode Naïve Bayes. Data komentar dikumpulkan dari video yang telah membahas kejadian kejahatan kriminal pada malam hari, secara khusus yaitu perampokan dengan kata lain adalah begal. Pada Proses Pemrosesan data meliputi normalisasi teks, tokenisasi, pemfilteran, dan stemming untuk mempersiapkan data sebelum dianalisis oleh peneliti. Setelah prapemrosesan, metode Naïve Bayes diterapkan untuk melatih dan menguji pada model klasifikasi. Hasil penelitian telah menunjukkan bahwa metode ini mampu mengklasifikasikan komentar dengan tingkat akurasi sebesar 0.703. Visualisasi data menunjukkan bahwa sentimen positif lebih dominan daripada sentimen negatif dalam komentar yang telah dianalisis. Hasil pada Laporan klasifikasi menunjukkan bahwa precision, recall, dan f1-score masing-masing sebesar 0.64, 0.65, dan 0.64 untuk sentimen negatif, serta 0.75, 0.74, dan 0.75 untuk sentimen positif. Akurasi keseluruhan model adalah 0.70, dengan macro average dan weighted average untuk precision, recall, dan f1-score masing-masing sebesar 0.70. Pada Penelitian ini memberikan pandangan mengenai tanggapan dari masyarkat terhadap kejahatan kriminal pada malam hari serta dapat digunakan untuk mengembangkan strategi yang lebih efektif sehingga untuk mengurangi kejadian perampokan dan kejahatan lainnya.
Sistem Pendukung Keputusan Penentuan Pemberian Bonus Berdasarkan Kinerja Pegawai dengan Menggunakan Metode Simple Additive Weighting di PT Mustika Citra Rasa Rizi, Muhammad Alfa; Izzatillah, Millati; Kusmanto, Tria Hadi
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) Vol 9, No 1 (2025): SEMNAS RISTEK 2025
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/semnasristek.v9i1.7624

Abstract

Tujuan dari penelitian adalah untuk mengembangkan sistem pendukung keputusan penentuan pemberian bonus berdasarkan kinerja pegawai yang sudah ada supaya mempermudah pendataan dan proses pemberian bonus kepada pegawai. Metodologi penelitian yang digunakan dalam sistem pengolahan data adalah metode studi pustaka yaitu pengumpulan data yang dilakukan dengan mengambil data-data dari berbagai buku diperpustakaan, jurnal serta buku-buku lainnya yang dapat dijadikan landasan untuk menganalisa masalah yang dapat dibahas dalam penelitian, serta metode studi lapangan yaitu dengan melakukan pengamatan secara langsung seperti wawancara dan observasi. Algoritma dalam penyelesaian masalah yang digunakan adalah Simple Additive Weighting. Hasil dari penelitian ini adalah adanya suatu perangkat aplikasi yang dibuat dengan bahasa pemrograman Java dan penyimpanan data menggunakan database dari MySQL sehingga proses pendataan dan penentuan pemberian bonus berdasarkan kinerja pegawai pada PT Mustika Citra Rasa menjadi lebih efektif, efisien dan praktis.
KLASIFIKASI KOMENTAR TERHADAP KRIMINAL SAAT MALAM HARI PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN NAÏVE BAYES Bee, Vanness; Rizi, Muhammad Alfa; Rachmat, Nur
Biner : Jurnal Ilmiah Informatika dan Komputer Vol 3 No 2 (2024): Juli
Publisher : Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Sains Al-Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/biner.v3i2.7311

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan komentar mengenai kejahatan kriminal pada malam hari dari media sosial di Youtube dengan menggunakan metode Naïve Bayes. Data komentar dikumpulkan dari video yang telah membahas kejadian kejahatan kriminal pada malam hari, secara khusus yaitu perampokan dengan kata lain adalah begal. Pada Proses Pemrosesan data meliputi normalisasi teks, tokenisasi, pemfilteran, dan stemming untuk mempersiapkan data sebelum dianalisis oleh peneliti. Setelah prapemrosesan, metode Naïve Bayes diterapkan untuk melatih dan menguji pada model klasifikasi. Hasil penelitian telah menunjukkan bahwa metode ini mampu mengklasifikasikan komentar dengan tingkat akurasi sebesar 0.703. Visualisasi data menunjukkan bahwa sentimen positif lebih dominan daripada sentimen negatif dalam komentar yang telah dianalisis. Hasil pada Laporan klasifikasi menunjukkan bahwa precision, recall, dan f1-score masing-masing sebesar 0.64, 0.65, dan 0.64 untuk sentimen negatif, serta 0.75, 0.74, dan 0.75 untuk sentimen positif. Akurasi keseluruhan model adalah 0.70, dengan macro average dan weighted average untuk precision, recall, dan f1-score masing-masing sebesar 0.70. Pada Penelitian ini memberikan pandangan mengenai tanggapan dari masyarkat terhadap kejahatan kriminal pada malam hari serta dapat digunakan untuk mengembangkan strategi yang lebih efektif sehingga untuk mengurangi kejadian perampokan dan kejahatan lainnya.
Indonesian-Language Spam Email Classification Using Support Vector Machine Rizi, Muhammad Alfa; Rachmat, Nur
Brilliance: Research of Artificial Intelligence Vol. 6 No. 1 (2026): Brilliance: Research of Artificial Intelligence, Article Research May 2026
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v6i1.7578

Abstract

Spam email remains a significant problem in digital communication, particularly for Indonesian-language emails, due to linguistic complexity, informal writing styles, and similarities between spam and legitimate (ham) messages. These factors often reduce the effectiveness of traditional spam filtering techniques. This study evaluates the performance of the Support Vector Machine (SVM) algorithm for classifying Indonesian spam emails using a combination of Term Frequency–Inverse Document Frequency (TF-IDF) and N-gram features. The proposed approach applies a text preprocessing pipeline, including case folding, text cleaning, tokenization, stopword removal, and stemming, to reduce noise and improve feature representation. Text data are transformed into numerical vectors using TF-IDF with unigram and bigram configurations to capture individual terms and contextual phrase patterns commonly found in spam emails. A linear kernel SVM is used as the classification model, and its performance is evaluated using K-Fold Cross-Validation to ensure robustness and reduce evaluation bias. The model is assessed using accuracy, precision, recall, and F1-score metrics. Experiments are conducted on the Indonesian Email Spam Dataset, consisting of 2,636 emails, with 1,368 spam messages and 1,268 non-spam (ham) messages. Experimental results show that the proposed model achieved an average accuracy of 98.71%, precision of 98.34%, recall of 99.20%, and F1-score of 98.76 across 10-fold cross-validation. This study contributes to the development of an efficient and lightweight spam detection model for Indonesian-language emails and provides empirical evidence that SVM combined with TF-IDF and N-gram features remains a reliable alternative to more complex deep learning approaches for medium-sized text datasets.
Co-Authors Bee, Vanness KUSMANTO, TRIA HADI Millati Izzatillah Nur Rachmat Nur Rachmat