Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science JSI (Jurnal sistem Informasi) Universitas Suryadarma Jurnal Sains dan Teknologi ISTP
Al Din, Sayyid Jamal
Unknown Affiliation
Computer Science & IT

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

Found 4 Documents
Search

 1 
ANALISA SENTIMEN DATA ULASAN PADA GOOGLE PLAY DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE Betesda, Betesda; Purwanto, Hari; Nuryadi, Hepi; Sinaga, Dimpo; Al Din, Sayyid Jamal; Al Afghani, Dhian Yusuf
Jurnal Sains dan Teknologi ISTP Vol. 22 No. 01 (2024): DESEMBER
Publisher : LPPM ISTP

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59637/jsti.v22i01.423

Abstract

Reviews on the Google Play website are an application's user ratings, which contain users' ratings and comments. Review data describes user sentiment towards the application according to the ratings and comments are given. In practice, there is often a discrepancy between the rating and the comments given, resulting in a biased sentiment, so it is necessary to analyze the review to find out the sentiment contained therein. The Naïve Bayes method and the Support Vector Machine can be one of the methods that are often used to carry out sentiment analysis, because they have a good level of accuracy in the sentiment analysis process. In collecting data from the Google Play site using the Web Scraping technique with the google- play-scraper package from Python. Reviews that are successfully scraped then go through the preprocessing stage so that the data set is more structured. In the next stage, the data set is labeled based on the rating, and given a weight using TF-IDF. After classifying using the Naïve Bayes and Support Vector Machine methods, then evaluating using the confusion matrix, and validating using K-Fold Cross Validation. Research results using the Naïve Bayes method and Support Vector Machine for sentiment analysis on the Google Play website, the Naïve Bayes method produces 87.82% accuracy, 58.90% precision, 60.08% recall, while the Support Vector Machine method produces 90% accuracy .01% , precision 61.89%, recall 60.18%.
Analisis Dan Rancang Bangun Virtual Tour Berbasis Website Sebagai Media Informasi Wilayah Institut Teknologi Budi Utomo Nurrohman, Aji; Al Din, Sayyid Jamal; Setiabudi, Rachmat; Lola, Lola; Wibisono, Sigit
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 2 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v8i2.14825

Abstract

Institut Teknologi Budi Utomo adalah lembaga pendidikan yang banyak diminati oleh calon mahasiswa. Lembaga ini didirikan pada tahun 1980 dan telah menjadi salah satu yang terkenal di kalangan masyarakat. Mahasiswa dari berbagai daerah dan profesi banyak mencari informasi wilayah kampus melalui berbagai media yang ada, baik berupa media cetak maupun media digital yang hadir sebagai sumber informasi yang up-to-date bagi calon mahasiswa. Belum adanya informasi wilayah berbasis web di lingkungan kampus Institut Teknologi Budi Utomo menjadi tujuan utama dari penelitian ini, yaitu untuk menciptakan sebuah platform interaktif yang memungkinkan pengguna untuk melakukan tur virtual secara digital melalui berbagai fasilitas, bangunan, dan area penting yang ada di lingkungan kampus ITBU. Metode pengembangan yang digunakan dalam penelitian ini mencakup analisis kebutuhan pengguna, pemetaan area kampus, perancangan antarmuka pengguna yang intuitif, pengembangan konten visual, dan implementasi teknologi web untuk membangun platform Virtual Tour tersebut. Hasil dari skripsi ini adalah sebuah website yang memungkinkan pengguna untuk menjelajahi secara virtual berbagai lokasi penting di dalam kampus ITBU. Pengguna dapat melihat detail bangunan, fasilitas, dan informasi terkait lainnya secara interaktif melalui penggunaan gambar, teks, dan media lainnya yang terintegrasi dalam platform. Diharapkan bahwa platform Virtual Tour ini dapat menjadi sumber informasi yang berguna bagi mahasiswa, calon mahasiswa, pengunjung, dan pihak terkait lainnya untuk mengenal lebih dalam tentang fasilitas yang tersedia dan lingkungan kampus ITBU secara menyeluruh melalui pengalaman tur digital yang mendetail dan informatif.
Perancangan Agen AI Lokal Mandiri Berbasis LLM Melalui Orkestrasi N8N Untuk Memori Percakapan Pada RAG Riza, Faizal; Al Din, Sayyid Jamal; Al Afghani, Dhian Yusuf; Setiabudi, Rachmat; Wibisono, Wibisono
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 3 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v8i3.15839

Abstract

Pemanfaatan model bahasa besar (Large Language Model atau LLM) melalui layanan awan kerap menimbulkan beban biaya dan risiko privasi data. Penelitian ini mengembangkan agen AI lokal berbasis LLM yang terintegrasi dengan N8N, PostgreSQL pgVector, dan Ollama untuk menjawab tantangan tersebut. Sistem yang dirancang bertujuan menciptakan agen AI mandiri yang dapat beroperasi sepenuhnya secara lokal tanpa ketergantungan pada API eksternal. Proses pengembangan melibatkan integrasi orkestrator N8N untuk alur kerja percakapan, penyimpanan memori berbasis vektor melalui pgVector, dan inferensi LLM lokal menggunakan Ollama. Pengujian menggunakan model Mistral:7B menunjukkan bahwa agen mampu menyimpan memori percakapan secara persisten dan melakukan information retrieval yang relevan dengan konteks. Konfigurasi optimal dicapai pada parameter sampling temperature 0,5, top-P 0,9, dan max token 500. Seluruh skenario black-box testing berjalan sesuai rencana. Hasil menunjukkan bahwa prototipe agen AI ini dapat dijalankan secara lokal dengan baik, menjaga privasi data dan tidak bergantung pada penyedia layanan eksternal. Rancangan ini sangat sesuai diterapkan pada organisasi dengan sumber daya terbatas, kebutuhan privasi tinggi, dan skala pengguna kecil hingga menengah.
SISTEM INFORMASI GEOGRAFIS UNTUK MONITORING KOORDINAT LAYANAN PELANGGAN DENGAN MENGGUNAKAN TEKNOLOGI OPENSTREETMAP Khaerudin, Muhammad; Hendharsetiawan, Andy Achmad; Setiadi, Dedi; Sugiharto, Agus; Sumitra, Tata; Febrianto, Dannie; Al Din, Sayyid Jamal
JSI (Jurnal sistem Informasi) Universitas Suryadarma Vol 11 No 2 (2024): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Universitas Dirgantara Marsekal Suryadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v11i2.1242

Abstract

The washing business is currently growing at a very rapid rate, and to stay up with this expansion, the sector needs a solution that can improve data processing performance. Consumer and business data can be processed digitally, enabling systematization and organization in cases where the data can be physically represented and has precise location information. Customer coordinate mapping is one of the most recent advancements in customer service. There are many challenges when mapping the locations of consumers, particularly in a competitive company setting when clients are spread throughout several towns and subdistricts. Aside from regional issues and a labor shortage, another challenge is finding data sources. A customer service system is being developed using the OpenStreetMap (OSM) API, the HTML website framework, MySQL with Myadmin PHP capabilities, and OpenStreetMap API. OpenStreetMap (OSM) is a mapping platform that enables precise mapping. This is made possible by satellite imagery, which is available in almost all Indonesian residential areas. Furthermore, the digitization process is accelerated by OSM's task manager function, which divides the mapping region into smaller mapping blocks to enable multiple OSM contributors to map the same area simultaneously in multiple Indonesian districts and cities.
Co-Authors Agus Sugiharto Al Afghani, Dhian Yusuf Betesda Betesda Dedi Setiadi Dimpo Sinaga Febrianto, Dannie Hari Purwanto Hendharsetiawan, Andy Achmad Lola, Lola Muhammad Khaerudin Nurrohman, Aji Nuryadi, Hepi Riza, Faizal Setiabudi, Rachmat Sigit Wibisono Tata Sumitra Wibisono Wibisono