Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Informatika Kaputama (JIK) JTIK (Jurnal Teknik Informatika Kaputama)
Al Khaidar
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
ANALISIS SENTIMEN DI INSTAGRAM TERHADAP MENTERI KEUANGAN PURBAYA YUDHI SADEWA MENGGUNAKAN METODE LOGISTIC REGRESSION Al Khaidar
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8002

Abstract

Instagram is one of the social media platforms used by the public to express opinions on government policies and public figures. This study focuses on the sentiment analysis of netizens' comments on the Minister of Finance of the Republic of Indonesia, Purbaya Yudhi Sadewa, who replaced Sri Mulyani Indrawati in September 2025. The research data consisted of 1,277 comments crawled from Instagram. The data processing stage included text preprocessing, labeling using a lexicon-based approach, and feature extraction with Term Frequency – Inverse Document Frequency (TF-IDF). Sentiment classification was performed using the Logistic Regression algorithm, while model performance evaluation used a confusion matrix, classification reports, and the ROC-AUC Curve. The test results showed an accuracy of 91.4% with a macro f1-score of 0.92. In the positive class, a precision of 0.89, a recall of 0.85, and an f1-score of 0.87 were obtained. The negative class obtained a precision of 0.88, a recall of 0.91, and an f1-score of 0.90. The neutral class performed perfectly, with precision, recall, and an f1-score of 1.00 each. The macro-average ROC-AUC value reached 0.985, indicating excellent model performance. The sentiment distribution was predominantly neutral (42.2%), followed by negative (33.2%) and positive (24.6%). This study provides an objective overview of public perception, with neutral opinions predominating, while criticism outweighed appreciation.
PERBANDINGAN METODE MACHINE LEARNING MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN ARTIFICIAL NEURAL NETWORK DALAM MEMPREDIKSI SERANGAN JANTUNG Sri Kurnia; Nurdin; Al Khaidar
Jurnal Informatika Kaputama (JIK) Vol 9 No 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v9i2.1020

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di dunia, termasuk Indonesia, dengan prevalensi yang terus meningkat setiap tahunnya. Deteksi dini menjadi sangat penting untuk mencegah risiko fatal, namun metode konvensional sering kurang akurat. Penelitian ini membandingkan dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan Artificial Neural Network (ANN), dalam memprediksi serangan jantung berdasarkan data kesehatan pasien. Evaluasi dilakukan menggunakan akurasi, validasi silang, dan Area Under Curve (AUC). Hasil menunjukkan bahwa SVM memiliki akurasi sebesar 0,80, rata-rata validasi silang 0,8120, dan AUC 0,89, sementara ANN mencatat akurasi 0,75, validasi silang 0,7127, dan AUC 0,81. Meskipun ANN unggul dalam efisiensi waktu pelatihan (1,99 detik), SVM menunjukkan performa klasifikasi yang lebih tinggi. Oleh karena itu, SVM lebih cocok untuk sistem yang mengutamakan akurasi, sedangkan ANN dapat diterapkan pada sistem dengan kebutuhan waktu cepat. Kata Kunci : Penyakit Jantung, Machine Learning, SVM, ANN, Prediksi
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE SMART UNTUK PEMILIHAN DESNITASI WISATA DI KOTA LHOKSEUMAWE Al Khaidar; Nurdin
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 9 No. 2 (2025): Volume 9, Nomor 2, Juli 2025
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v9i2.1007

Abstract

Sektor pariwisata merupakan salah satu pilar penting dalam pembangunan ekonomi daerah. Kota Lhokseumawe memiliki beragam potensi wisata, namun wisatawan sering mengalami kesulitan dalam menentukan destinasi yang sesuai dengan preferensi mereka akibat informasi yang tersebar luas namun tidak terstruktur. Untuk mengatasi permasalahan tersebut, diperlukan Sistem Pendukung Keputusan (SPK) yang dapat membantu proses pemilihan destinasi wisata secara sistematis. Penelitian ini mengimplementasikan metode Simple Multi-Attribute Rating Technique (SMART) dalam pengembangan SPK untuk pemilihan destinasi wisata di Kota Lhokseumawe. Data diperoleh melalui survei lapangan dan studi dokumentasi dari berbagai sumber daring. Sistem mengevaluasi tujuh kriteria utama: fasilitas, jarak tempuh, transportasi umum, biaya masuk, aksesibilitas jalan, lahan parkir, dan tingkat kebersihan. Masing-masing alternatif destinasi wisata diberikan skor berdasarkan bobot kriteria yang telah ditentukan. Hasil implementasi menunjukkan bahwa Mesjid Islamic Center memperoleh skor tertinggi sebesar 0,883, diikuti oleh Pantai Jagu 0,500, Taman Riyadhah 0,463, Pantai Jomblang 0,379, dan Waduk Pusong 0,025.
Co-Authors Nurdin Nurdin Sri Kurnia