Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Informatik : Jurnal Ilmu Komputer Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jambura Journal of Informatics Attadrib: Jurnal Pendidikan Guru Madrasah Ibtidaiyah
Rasyid, Muh. Rafli
Unknown Affiliation
Religion Humanities Computer Science & IT Electrical & Electronics Engineering Engineering Other

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

Found 4 Documents
Search

 1 
IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN ROBOT POLISI HUMANOID Sari B, Intan; Wajidi, Farid; Rasyid, Muh. Rafli
Simtek : jurnal sistem informasi dan teknik komputer Vol. 10 No. 2 (2025): Oktober 2025
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v10i2.1623

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kehadiran robot polisi humanoid melalui komentar di platform YouTube. Data diperoleh dari tiga video dengan total 1.979 komentar, kemudian diproses melalui tahapan preprocessing teks, pelabelan sentimen menggunakan metode berbasis leksikon, serta ekstraksi fitur menggunakan TF-IDF. Proses klasifikasi dilakukan dengan algoritma Support Vector Machine (SVM), dan evaluasi dilakukan melalui beberapa skenario pembagian data serta validasi silang. Hasil penelitian menunjukkan bahwa model terbaik menggunakan kernel RBF dengan parameter optimal menghasilkan akurasi 82,96%, presisi 82,61%, dan recall 82,96%. Validasi menggunakan 10-fold cross validation menunjukkan performa yang stabil dan konsisten, dengan rata-rata akurasi 82,24%. Temuan ini memperlihatkan bahwa pendekatan berbasis SVM efektif dalam mengidentifikasi sentimen publik terhadap inovasi teknologi robot kepolisian.
Preferensi Siswa Terhadap Gamifikasi dalam Pembelajaran di Sekolah Dasar : Students' Preferences Toward Gamification in Elementary School Learning Ilham S, Muhammad; Rasyid, Muh. Rafli; Amaliah, Resky; Indriani, Putri
Attadrib: Jurnal Pendidikan Guru Madrasah Ibtidaiyah Vol. 8 No. 2 (2025): Islamic Primary Education based on Islamic values
Publisher : Institut Agama Islam Daruttaqwa Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54069/attadrib.v8i2.991

Abstract

The quality of education at the elementary school level, particularly in Majene Regency, Sulawesi Barat, continues to face various challenges. These include low student motivation, difficulty in understanding learning materials, and limited use of technology in the learning process. These conditions result in suboptimal learning experiences, which ultimately affect the achievement of basic competencies such as literacy, numeracy, and character development, as reflected in the 2022 National Assessment results. In response to these challenges, innovative learning approaches such as gamification have emerged as relevant alternatives, aligning with the development of the digital era and the characteristics of today’s learners. This study aims to analyze students’ preferences toward gamification in elementary school learning. A descriptive quantitative approach was employed, using a closed-ended questionnaire with a Likert scale consisting of ten statements. The respondents were 87.35 fifth-grade students from three elementary schools that had integrated game elements into their teaching and learning processes. The results showed that 94.25% of students enjoyed game-based learning, 81.60% felt more motivated when learning through games, and 93.10% stated that they understood the material better when it was delivered through game-based media. Additionally, 95.40% of students expressed the need for educational games that align with their subjects. These findings indicate a strong preference for gamified learning, suggesting that gamification significantly enhances both motivation and comprehension, thereby providing an optimal learning experience for elementary students. Therefore, gamification deserves to be systematically developed within the context of more adaptive, innovative, and contextually relevant technology-based education.
Evaluasi Algoritma KNN dan Naive Bayes untuk Analisis Sentimen Kebijakan Program Makan Bergizi Gratis Sakina, Nur; Wajidi, Farid; Rasyid, Muh. Rafli
Jambura Journal of Informatics VOL 7, N0 2: OKTOBER 2025 (IN PRESS)
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v1i2.34418

Abstract

Social media has become a primary platform for the public to express opinions on government policies, including Indonesia’s Free Nutritious Meal (MBG) program. This study analyzes public sentiment toward MBG by comparing the K-Nearest Neighbor (KNN) and Naive Bayes algorithms. A total of 9,723 tweets were collected, and after removing the neutral category, 6,322 tweets remained (3,955 positive and 2,367 negative), indicating a dominance of positive opinions. The experimental results show that KNN performed best at k=9 with a 70:30 split, achieving an accuracy of 72.27% and an F1-score of 65.92%, with an average cross-validation accuracy of 73.30%. Naive Bayes with parameter α=0.5 consistently outperformed KNN, achieving an average accuracy of 79.61% and an F1-score of 77.33%, along with better precision–recall balance. The main contribution of this research is providing empirical evidence that Naive Bayes is more effective than KNN for sentiment analysis of Indonesian-language text with a large dataset, as well as offering a methodological framework applicable to the evaluation of other public policies.Media sosial menjadi ruang utama masyarakat untuk mengekspresikan opini terhadap kebijakan publik, termasuk Program Makan Bergizi Gratis (MBG) di Indonesia. Penelitian ini menganalisis sentimen publik terhadap MBG dengan membandingkan algoritma K-Nearest Neighbor (KNN) dan Naive Bayes. Data diperoleh dari 9.723 tweet, kemudian setelah penghapusan kategori netral tersisa 6.322 tweet (3.955 positif dan 2.367 negatif), yang menunjukkan dominasi opini positif. Hasil eksperimen menunjukkan bahwa KNN terbaik pada k=9 dengan rasio 70:30 menghasilkan akurasi 72,27% dan F1-score 65,92%, dengan akurasi rata-rata cross-validation 73,30%. Naive Bayes dengan parameter α=0,5 unggul dengan akurasi rata-rata 79,61% dan F1-score 77,33%, serta keseimbangan presisi dan recall yang lebih baik. Kontribusi penelitian ini adalah memberikan bukti empiris bahwa Naive Bayes lebih efektif dibandingkan KNN dalam analisis sentimen teks berbahasa Indonesia dengan dataset besar, serta menawarkan kerangka metodologis yang dapat diterapkan untuk evaluasi kebijakan publik lainnya.
Deteksi Gerakan Bahasa Isyarat Menggunakan Euclidean Distance Insani, Chairi Nur; Arifin, Nurhikma; Rasyid, Muh. Rafli
Informatik : Jurnal Ilmu Komputer Vol 19 No 1 (2023): April 2023
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v19i1.5658

Abstract

Orang yang memiliki keterbatasan pendengaran/wicara akan sulit berkomunikasi secara lisan dengan orang normal. Cara berkomunikasinya dapat menggunakan tulisan yang lambat dan tidak efisien atau dengan bahasa isyarat. Bahasa isyarat menjadi satu-satunya metode yang efisien digunakan bagi orang dengan keterbatasan pendengaran/wicara. Sedangkan kebanyakan masyarakat normal tidak dapat menggunakan bahasa isyarat. Sehingga sistem untuk mendeteksi bahasa isyarat menjadi sebuah kebutuhan untuk membantu masyarakat dengan keterbatatasan komunikasi secara lisan. Penelitian ini bertujuan untuk mendeteksi bahasa isyarat kedalam teks sesuai dengan makna yang sebenarnya. Pengambilan data dilakukan menggunakan Leap Motion dengan 15 data gerakan isyarat tangan yang memiliki gerakan dasar dan kemiripan dalam gerakannya. Data yang digunakan dalam penelitian ini berupa isyarat abjad A, B, W, M, N, J, Z dan isyarat kata dia, pakai, saya, kakak, adik bingung, kecewa, hai. Metode yang digunakan pada penelitian ini adalah euclidean distance untuk mencari jarak minimum dari nilai support vector yang terdeteksi sama. Inputan pada proses uji adalah huruf W yang dilakukan secara realtime memiliki kemiripan gerakan isyarat dengan huruf B dan kata kecewa nilai Euclidean distance yaitu 0.5475649269013902 maka inputan tersebut dapat terdeteksi sesuai dengan makna yang sebenarnya. Hasil akurasi rata-rata yang didaparkan dari keseluruhan tahap pengujian 15 data gerakan sebesar 88,7%.
Co-Authors Amaliah, Resky Arifin, Nurhikma Farid Wajidi Indriani, Putri Insani, Chairi Nur Muhammad Ilham S Sakina, Nur Sari B, Intan