Garuda - Garba Rujukan Digital

Perancangan Sistem Informasi Bimbingan Skripsi Online (SIBIMO) dengan SCRUM Framework Roji, Fikri Fahru; Shiddieq, Diqy Fakhrun; Gusdiana, Ridian; Puspita, Evi
Jurnal Algoritma Vol 20 No 2 (2023): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.20-2.1459

The development of technology and the internet has opened up opportunities for advances in information systems. In this context, the Online Thesis Guidance Information System (SIBIMO) is an efficient solution in the thesis guidance process in higher education. With the SCRUM method, SIBIMO allows students to submit thesis titles, interact with supervisors, and manage seminar and trial stages through a designed user interface. This methodology combines stages such as UI design, functionality testing, and progress evaluation. Testing each SIBIMO menu ensures the system is running as intended. SCRUM allows achieving development time targets and efficient adaptation at each iteration. This research concludes that SIBIMO, which was developed using the SCRUM method, was successful in designing an Information System that was carried out effectively and efficiently in managing the Online Tutoring Information System design process.

Perancangan UI/UX Sistem Informasi Akademik Menggunakan Pendekatan Design Thinking Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
Jurnal Ilmiah SINUS Vol 23, No 1 (2025): Vol. 23 No. 1, Januari 2025
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30646/sinus.v23i1.862

The significant shift in the utilization of technology has led most universities worldwide to adopt various digital platforms. Academic information systems represent one such technological implementation that plays a crucial role in the retention and success of academic and non-academic activities within higher education institutions. Although many institutions, including Garut University, have developed academic information systems, UI/UX remain significant issues. Suboptimal interface design can cause user frustration, reduce productivity, decrease cognitive performance, affect users' emotional responses, and even lower the technology adoption rate. This research was conducted to provide system recommendations by analyzing and designing the UI/UX of the academic information system at Garut University using the design thinking method. The recommendations are presented as prototypes developed using the Figma. The prototypes were tested with 30 respondents using the HEART Framework, presented in a goal-signal-metric format, with the highest or strongly agreed responses recorded for all variables: happiness at 58.89%, engagement at 57.78%, adoption at 76.67%, retention at 66.67%, and task success at 61.11%. These results indicate that the adoption variable obtained the highest score, suggesting that the information within the academic information system meets user needs, is easy to learn, and that the system quality is rated as good.

Penggunaan Multivariat Model Bidirectional LSTM untuk Prediksi Cuaca: Optimalisasi Waktu Tanam Padi Petani Kabupaten Garut Aswarulloh, Haris; Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
Jurnal Ilmiah SINUS Vol 23, No 1 (2025): Vol. 23 No. 1, Januari 2025
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30646/sinus.v23i1.891

The unpredictability of climate conditions poses significant challenges for agricultural activities, particularly in Garut Regency, where traditional knowledge often guides planting schedules. This study aims to optimize rice planting schedules by employing a Bidirectional Long Short-Term Memory (BiLSTM) model for multivariate time series forecasting of weather parameters. The research utilized meteorological data from BMKG, including average temperature, relative humidity, rainfall, and sunshine duration, which were preprocessed to ensure data quality and normalized for modeling. The BiLSTM model demonstrated superior performance in predicting key variables such as temperature and humidity, achieving low Mean Absolute Error (MAE) and Root Mean Squared Error (RMSE). However, higher errors were observed for rainfall and sunshine duration due to the complex nature of these variables. The study successfully identified optimal planting periods by aligning weather predictions with criteria for rice cultivation, providing a comprehensive calendar to assist farmers. These findings emphasize the potential of advanced machine learning models in mitigating climate-related agricultural risks and improving productivity. Future studies may focus on integrating additional meteorological factors to enhance prediction accuracy.

Penerapan Algoritma Naive Bayes dengan Teknik TF-IDF dan Cross Validation untuk Analisis Sentimen Terhadap Starlink: Application of the Naive Bayes Algorithm with TF-IDF and Cross Validation Techniques for Sentiment Analysis Towards Starlink Khoerunnisa, Suci; Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1852

Starlink, layanan internet satelit dari SpaceX, mulai beroperasidi Indonesia pada 2024 untuk mengatasi kesenjangan digital di wilayah terpencil. Namun, kehadirannya menimbulkan tantangan seperti harga tinggi, potensi dampak terhadap penyedia lokal, dan masalah regulasi. Penelitian ini mengkaji sentimen publik terhadap Starlink menggunakan algoritma Naïve Bayes yang dikombinasikan dengan teknik TF-IDF dan Cross Validation yang masih jarang diterapkan dalam studi serupa di Indonesia. Data yang digunakan berupa cuitan berbahasa Indonesia dari pengguna platform X selama Mei-November 2024. Hasil analisis menunjukkan bahwa model Naïve Bayes memiliki kinerja optimal dalam mendeteksi sentimen positif dibandingkan negatif maupun netral, sebagaimana diukur menggunakan confusion matrix. Temuan utama menunjukkan bahwa Naïve Bayes 49,38% cuitan bersentimen positif, 32,94% netral, dan 17,68% negatif. Sentimen positif didominasi oleh apresiasi terhadap kecepatan dan stabilitas layanan, sedangkan sentimen negatif mengkritik harga tinggi dan dampaknya terhadap penyedia lokal. Meskipun model menunjukkan performa baik pada sentimen positif, akurasi klasifikasi sentimen negatif dan netral masih perlu ditingkatkan. Hasil penelitian ini memberikan wawasan strategis bagi pengembangan bisnis Starlink serta dasar pertimbangan bagi pemerintah terkait layanan internet berbasis satelit di Indonesia.

Analisis Sentimen Publik X Terhadap Kenaikkan Ppn 12% pada Twitter Menggunakan Latient Dirichlet Allocation Nulhakim, Rizki Fajar; Shiddieq, Diqy Fakhrun
Jurnal Pendidikan Indonesia Vol. 6 No. 8 (2025): Jurnal Pendidikan Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/japendi.v6i8.8544

Rencana kenaikan tarif Pajak Pertambahan Nilai (PPN) menjadi 12% pada tahun 2025 telah menjadi salah satu isu kebijakan publik yang hangat diperbincangkan oleh masyarakat. Kebijakan ini memunculkan berbagai reaksi, baik dukungan maupun penolakan, terutama di media sosial X (sebelumnya Twitter), yang menjadi wadah dinamis bagi masyarakat dalam menyuarakan opini. Penelitian ini bertujuan untuk menganalisis persepsi publik terhadap rencana kenaikan PPN tersebut dengan menggunakan pendekatan analisis topik dan sentimen. Metode yang digunakan adalah Latent Dirichlet Allocation (LDA), yang memungkinkan identifikasi tema-tema dominan dalam percakapan daring. Data dikumpulkan secara otomatis menggunakan Twitter Harvest dengan kata kunci “PPN 12%” dalam kurun waktu Juli hingga Oktober 2024. Data mentah kemudian melalui tahapan preprocessing sebelum dilakukan pemodelan topik. Hasil analisis menunjukkan bahwa terdapat tujuh topik utama yang muncul dari percakapan publik, meliputi isu-isu seperti daya beli masyarakat, efektivitas kebijakan pemerintah, sistem perpajakan, serta dampak ekonomi. Nilai coherence score tertinggi yang diperoleh adalah sebesar 0,88, yang menunjukkan bahwa model topik yang dihasilkan memiliki kualitas yang baik. Temuan ini memperlihatkan bahwa metode LDA mampu secara efektif menggambarkan opini dan persepsi publik terhadap isu kebijakan. Hasil penelitian ini diharapkan dapat menjadi bahan pertimbangan bagi pembuat kebijakan dalam merancang strategi yang lebih responsif terhadap aspirasi dan kekhawatiran masyarakat luas. Abstract The plan to increase the Value Added Tax (VAT) rate to 12% by 2025 has become one of the public policy issues that is hotly discussed by the public. This policy has generated various reactions, both support and rejection, especially on social media X (formerly Twitter), which has become a dynamic forum for the public to voice their opinions. This study aims to analyze public perception of the VAT increase plan using a topic and sentiment analysis approach. The method used is Latent Dirichlet Allocation (LDA), which allows the identification of dominant themes in online conversations. The data was collected automatically using Twitter Harvest with the keyword "12% VAT" in the period from July to October 2024. The raw data then goes through a preprocessing stage before topic modeling is carried out. The results of the analysis show that there are seven main topics that emerge from the public conversation, including issues such as people's purchasing power, the effectiveness of government policies, the tax system, and economic impacts. The highest coherence score obtained was 0.88, which indicates that the resulting topic model is of good quality. These findings show that the LDA method is able to effectively describe public opinion and perception of policy issues. The results of this research are expected to be considered for policymakers in designing strategies that are more responsive to the aspirations and concerns of the wider community.

Analisis Sentimen Publik di Platform X Pasca Skandal Bahan Bakar Minyak Oplosan Menggunakan Algoritma Naïve Bayes: Public Sentiment Analysis on Platform X Following the Mixed Fuel Scandal Using the Naïve Bayes Algorithm Chidayat, Achmad Thaufik; Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
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.v5i4.2220

Skandal BBM oplosan yang mencuat pada awal 2025 memicu gelombang reaksi dari masyarakat yang disuarakan melalui platform X. Penelitian ini ditujukan untuk mengevaluasi sentimen publik terkait kasus tersebut dengan menggunakan algoritma Naïve Bayes sebagai metode analisis. Proses analisis dilakukan dengan teknik scraping terhadap 2.351 tweet yang relevan, dilanjutkan dengan preprocessing teks. Label sentimen ditentukan secara otomatis menggunakan metode VADER, sementara representasi fitur dilakukan dengan teknik TF-IDF untuk meningkatkan kualitas klasifikasi. Selanjutnya, data dibagi menjadi data pelatihan dan data pengujian dengan perbandingan 80:20, kemudian diklasifikasikan menggunakan algoritma Multinomial Naïve Bayes. Hasil klasifikasi menunjukkan bahwa algoritma mampu mengidentifikasi sentimen negatif dengan recall tertinggi sebesar 75%, meskipun akurasi keseluruhan hanya mencapai 57%. Temuan ini menunjukkan bahwa pendekatan ini cukup andal dalam menangkap opini kritis masyarakat, namun masih perlu pengembangan untuk mengenali sentimen positif dan netral secara akurat. Penelitian selanjutnya disarankan untuk membandingkan algoritma Naïve Bayes dengan model lain seperti SVM atau Random Forest guna meningkatkan akurasi klasifikasi.

Alat Deteksi Kebocoran Gas Menggunakan Sensor MQ-2 Berbasis Arduino Uno Purwanto, Heri; Putra, Alifudin Nuryansyah; Shiddieq, Diqy Fakhrun; Wiharko, Teguh
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 13, No 1 (2024): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v13i1.4976

Penggunaan LPG tertinggi di Indonesia saat ini digunakan oleh rumah tangga dengan presentase yang terus meningkat setiap tahunnya karena LPG merupakan bahan bakar yang mudah ditemukan dan terjangkau di kalangan rumah tangga khususnya untuk ekonomi menengah kebawah. Namun dibalik tingginya penggunaan LPG, masih banyak masyarakat yang menghiraukan risiko kebocoran gas. Penelitian ini bertujuan merancang prototype untuk mendeteksi adanya kebocoran gas, asap, atau api di dapur dengan memanfaatkan Exhaust Fan untuk membuang gas atau asap yang terdeteksi. Metodologi yang digunakan pada penelitian ini adalah ADDIE yaitu model pengembangan efektif yang menuntut kesesuaian antara pendekatan yang digunakan dengan produk yang akan dihasilkan. Alat pendeteksi dirancang dan direalisasikan menggunakan sistem kendali Mikrokontroller Arduino Uno dengan sensor MQ-2. Sensor MQ-2 dan sensor Flame Detector mendeteksi adanya kebocoran gas, asap, atau api dan mengirimkan data kepada Arduino Uno agar Buzzer, Layar LCD, dan Exhaust Fan dapat menyala diikuti display status bahaya dan kadar gas disekitaran alat. Hasil uji coba menunjukkan bahwa sensor MQ-2 dapat mendeteksi gas dalam waktu 2.9 detik untuk kadar gas 300 ppm, asap dengan kadar 200 ppm terdeteksi dalam 2.25 detik, dan sensor flame detector dapat mendeteksi api dari jarak maksimal 30cm dalam waktu 0.61 detik.

Komparasi Algoritma Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Metaverse: Comparison of Support Vector Machine and Naïve Bayes Algorithms for Sentiment Analysis of the Metaverse Novianti, Dea Nurmastin; Shiddieq, Diqy Fakhrun; Roji, Fikri Fahru; Susilawati, Wati
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1061

Metaverse telah mencuri perhatian dunia karena kemampuannya untuk menggabungkan dunia nyata dan dunia virtual. Minat terhadap metaverse semakin meningkat seiring dengan dampak pandemi COVID-19 dan proyek pembangunan Ibu Kota Nusantara (IKN), serta pertumbuhan penggunaan platform digital. Perbincangan isu metaverse semakin meroket naik setelah perusahaan Facebook merubah namanya menjadi Meta. Studi ini bertujuan untuk membandingkan akurasi tertinggi antara metode algoritma Naïve Bayes dengan SVM dalam menganalisis respons masyarakat terhadap metaverse. Studi ini menggunakan metode sentiment analisis. Penggunaan dua algoritma menjadi keterbaruan penelitian. Studi kali ini menggunakan data yang diambil dari Twitter (x) dan disimulasikan menggunakan sentiment analisis dari algoritma SVM dan algoritma Naïve Bayes. Berdasarkan penelitian, ditemukan bahwa akurasi algoritma SVM mencapai 90,32% presisi sebesar 0,90 dan recall sebesar 0,86, sedangkan algoritma Naïve Bayes mencapai 84,23% presisi sebesar 0,87 dan recall sebesar 084. Dengan adanya penelitian ini dapat memberikan wawasan terhadap tren metaverse, serta membandingkan hasil akurasi tertinggi antara dua algoritma.

Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc): Topic Modeling on Online News Media Using Latent Diriclet Allocation (Case Study Somethinc Brand) Puspita, Evi; Shiddieq, Diqy Fakhrun; Roji, Fikri Fahru
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1204

Somethinc merupakan salah satu merek kosmetik lokal di Indonesia yang aktif memanfaatkan media, seperti berita online untuk menyampaikan informasi terkini seputar merek. Dari banyaknya berita online mengenai merek Somethinc, sering kali topik dan tren yang sedang dibahas tidak menggambarkan informasi secara keseluruhan. Untuk menganalisis topik yang paling sering dibahas dalam berita online mengenai merek Somethinc, peneliti menggunakan metode topic modeling, yaitu Latent Dirichlet Allocation, yang dinilai lebih unggul dalam menghasilkan topik secara terstruktur. Penelitian ini memanfaatkan nilai coherence untuk menganalisis dan mengevaluasi jumlah topik terbaik, selanjutnya pendekatan human judgement digunakan untuk menginterpretasikan topik. Hasil analisis kemudian divisualisasikan secara interaktif menggunakan pyLDAvis, untuk mengetahui persebaran kata dari setiap topik. Berdasarkan hasil penelitian, jumlah topik terbaik terdapat pada topik 6 dengan nilai coherence sebesar 0.404. Keenam topik tersebut diinterpretasikan berdasarkan pendekatan human judgement, menghasilkan topik-topik meliputi produk skincare untuk kulit berjerawat, penghargaan brand kecantikan terbaik, kolaborasi produk, produk perawatan kulit dan kecantikan, kampanye pemasaran produk, dan brand lokal dengan produk perawatan kecantikan. Dapat disimpulkan bahwa jumlah topik 6 menghasilkan topik-topik yang relevan mengenai merek Somethinc.

Analisis Penerimaan Aplikasi Flip Menggunakan Model Unified of Acceptance and Use of Technology 3: The analysis of Flip application acceptance using the Unified Theory of Acceptance and Use of Technology 3 model Kristi, Nalis; Shiddieq, Diqy Fakhrun; Nurhayati, Dwi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1316

Penelitian ini bertujuan untuk mengukur tingkat penerimaan aplikasi Flip oleh UMKM di Kabupaten Garut menggunakan model UTAUT 3. Metode kuantitatif eksplanatori cross-sectional digunakan dengan pengumpulan data primer melalui kuesioner berdasarkan skala likert 1 sampai 5, serta data sekunder didapatkan dari jurnal, artikel, dan informasi terkait topik penelitian, selanjutnya data di analisis menggunakan SmartPLS 3.0. Penelitian ini merupakan lanjutan dari penelitian terdahulu mengenai Analisis Tingkat Penerimaan Penerapan aplikasi Flip menggunakan metode UTAUT 2, dalam penelitian tersebut tidak mempertimbangkan variabel personal innovativeness, personal innovativeness di anggap penting dalam mengukur sejauh mana seseorang cenderung menerima dan mengadopsi inovasi baru. Hasil menunjukkan terdapat empat hipotesis di terima, yakni behavioral intention terhadap use behaviour, habit terhadap use behaviour, personal innovativeness terhadap behavioral intention, dan price value terhadap behavioral intention. Sementara itu, delapan hipotesis ditolak, yakni effort expectancy terhadap behavioral intention, facilitating conditions terhadap behavioral intention, facilitating conditions terhadap use behaviour, habit terhadap behavioral intention, hedonic motivation terhadap behavioral intention, performance expectancy terhadap behavioral intention, personal innovativeness terhadap use behaviour, dan social influence terhadap behavioral intention.

Title

Found 12 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 12 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 12 Documents
Search