Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) Proceeding International Conference on Mathematics and Learning Research
Mursidah, Ichsani
Unknown Affiliation
Computer Science & IT Education Library & Information Science Mathematics Social Sciences

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

Found 4 Documents
Search

 1 
Analisis Sentimen Pengguna pada Ulasan Game Honkai Star Rail Menggunakan Algoritma Support Vector Machine (SVM) Mursidah, Ichsani; Sanjaya, Remi; Yulianto, Bambang; Sweetania, Dhian; Sularsih, Puji
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14982

Abstract

Pesatnya perkembangan industri game digital membawa dampak pada tingginya volume ulasan pengguna di berbagai platform aplikasi. Salah satu game yang mendapat perhatian besar adalah Honkai Star Rail. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap game tersebut dengan memanfaatkan algoritma Support Vector Machine (SVM). Data yang digunakan berupa 6.193 ulasan pengguna yang diperoleh melalui proses web scraping dari platform Google Play Store. Sebelum dilakukan proses klasifikasi, data diproses melalui tahapan preprocessing yang meliputi cleansing, normalisasi, tokenizing, stopword removal, dan stemming. Kemudian dilakukan pembobotan menggunakan metode TF-IDF. Proses klasifikasi menghasilkan akurasi sebesar 80%, dengan kecenderungan sentimen pengguna lebih dominan pada kategori positif. Hasil penelitian ini dapat menjadi masukan bagi pengembang game dalam meningkatkan kualitas aplikasi berdasarkan persepsi pengguna.
Paradigma Klasifikasi Ragam Seni Lukis Berbasis Convolutional Neural Network (CNN) Dengan MobileNetV2 Dan Implementasi Pada Postman Melalui Flask Api Nurmalika, Ratu; Makmun, Makmun; Yulianto, Bambang; Mursidah, Ichsani; Sweetania, Dhian; Sularsih, Puji
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14457

Abstract

Tujuan dari penelitian ini adalah untuk membuat model klasifikasi genre seni lukis menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. MobileNetV2 dipilih karena kemampuannya untuk bekerja dengan baik meskipun digunakan pada perangkat dengan daya komputasi terbatas. Data yang digunakan dalam penelitian ini mencakup berbagai genre seni lukis yang didapatkan secara gratis melalui situs Kaggle. yang kemudian melakukan Data Preprocessing dan Augmentation. Setelah model dilatih, langkah implementasi dilakukan menggunakan framework web Flask, yang berbasis Python. Ini memungkinkan API untuk diakses melalui Postman. API ini memungkinkan pengguna mengunggah karya seni dan menerima prediksi genre sebagai tanggapan. Hasil penelitian menunjukkan bahwa model yang dikembangkan dapat mengklasifikasikan genre seni lukis dengan akurasi 82% dan kehilangan 0.4, dan bahwa Application Program Interface (API) yang dibangun dapat berfungsi dengan baik untuk menyediakan layanan prediksi. Diharapkan bahwa penerapan ini akan memberikan kontribusi yang signifikan dalam bidang analisis seni dan aplikasi teknologi dalam seni lukis, serta memberikan alat yang bermanfaat bagi kurator, seniman, dan peneliti seni.
A New Chaos Function Developed through the Composition of the MS Map and the Circle Map Mursidah, Ichsani; Suryadi, S; Madenda, Sarifuddin; Harmanto, Suryadi
Proceeding International Conference on Mathematics and Learning Research 2023: Proceeding International Conference on Mathematics and Learning Research
Publisher : Universitas Muhammadiyah Surakarta

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

Abstract

The rise of digital data theft makes researchers try to find better methods for digital data protection. Confidential digital data can be secured by encryption methods, one of which is the chaos function. We propose in this paper a new chaos function which is a composition of MS Map and Circle Map functions. This function has chaotic nature and is named the MS Circle Map. The sensitivity and randomness tests of the MS Circle map function are carried out using a bifurcation diagram, Lyapunov Exponent, and NIST. The analysis result of the bifurcation diagram shows that the MS Circle map has a good density at the value of r E (0,4). Besides that, the Lyapunov Exponent has a non-negative value at r E [0.4, 4], X0 = 0.9, r = 3.8, W = 0.5 λ = 2.1 which is the domain Xn E (0, 1) and parameter values r, E, and Ω, K are any real numbers. The results of the NIST randomness level test show that the MSC Map function all passed the randomness test of 16 NIST tests.
Klasifikasi Sentimen Google Play Store Aplikasi ChatGPT Berbahasa Indonesia Berbasis IndoBERT Mursidah, Ichsani; Sanjaya, Remi; Yulianto, Bambang; Sweetania, Dhian; Sularsih , Puji
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15751

Abstract

Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi ChatGPT berbahasa Indonesia dengan memanfaatkan metode IndoBERT. Sentimen pengguna diklasifikasikan ke dalam tiga kelas, yaitu positif, negatif, dan netral. Data yang digunakan dalam penelitian ini berjumlah 25.111 ulasan yang diperoleh dari Google Play Store. Dataset tersebut kemudian melalui tahapan pra-pemrosesan teks yang meliputi text cleaning, tokenization, penghapusan stopword, normalisasi, serta stemming. Metode IndoBERT diterapkan pada proses pelabelan sekaligus klasifikasi sentimen, sementara kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model IndoBERT mampu mencapai nilai akurasi sebesar 89%, presisi 87%, recall 89%, dan F1-score sebesar 88%. Temuan ini mengindikasikan bahwa IndoBERT memiliki performa yang baik dan efektif dalam melakukan klasifikasi sentimen pada teks berbahasa Indonesia. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan kajian analisis sentimen berbasis Bahasa Indonesia serta menjadi referensi dalam upaya peningkatan kualitas dan pengalaman pengguna pada aplikasi ChatGPT maupun aplikasi serupa.
Co-Authors Bambang Yulianto Dhian Sweetania Harmanto, Suryadi Makmun Makmun Nurmalika, Ratu Puji Sularsih Sanjaya, Remi Sarifuddin Madenda Sularsih , Puji Suryadi, S