Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Rizal, Miftahul
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Strategi Pembelajaran Bimbel Terhadap Siswa Yang Belum Fasih Membaca Di MIS Nurul Hikmah Desa Basarang Kalimantan Tengah Sofia Sulistyo, Nuraridha; Hamliani, Maya; Atfin Prameswari, Mashitoh; Adawiyah, Siti Nurramadhaniatul; Rizal, Miftahul; Mustika Ilmiani, Aulia
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 5 No. 1 (2024): Jurnal Pengabdian kepada Masyarakat Nusantara (JPkMN)
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jpkmn.v5i1.2595

Abstract

Kemampuan membaca permulaan ditujukan kepada kemampuan membaca tingkat awal, yaitu kemampuan “melek huruf”. Model eja didasarkan atas teori asosiasi yang memberikan pengertian bahwa suatu unsur, unsur huruf tidak akan memiliki makna apa-apa kalau tidak bergabung dengan unsur atau huruf lain, sehingga membentuk suatu kata, kalimat yang bermakna. Penelitian ini menggunakan penelitian kualitatif dan dengan jenis deskriptif. Penelitian kualitatif ialah penelitian yang memberikan suatu hasil berupa data deskriptif yang bersumber dari filsafat atau narasumber, atau perilaku yang sedang diamati, sehingga terbentuknya kesimpulan secara umum melalui beberapa sumber, berupa kata-kata tertulis ataupun lisan. Penelitian kualitatif memberikan suatu hasil data deskriptif berbentuk bahasa tertulis atau lisan orang. Siswa yang kurang fasih dalam membaca dibagi menjadi beberapa kelompok, yaitu Level 1 mengenal abjad, Level 2 mengenal huruf vokal, level 3 dan 4 kefasihan membaca. Hal tersebut dilakukan agar pengajar bisa melihat langsung bagaimana kemampuan siswa yang sebenarnya dan lebih di perhatikan perkembangannya, sehingga pembelajaran akan menjadi efektif karena pembelajaran yang dilakukan akan berbeda dan tidak akan saling mengganggu. Keberhasilan proses belajar mengajar dan tercapainya tujuan pembelajaran sangat bergantung pada efektifitas strategi belajar seorang siswa.
Analisis Sentimen Media Sosial X Terhadap Kebijakan Presiden Republik Indonesia Prabowo Subianto Najiyah, Ina; Rizal, Miftahul
JURNAL FASILKOM Vol. 15 No. 3 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i3.10385

Abstract

This study aims to identify and measure the tendency of public sentiment towards the implementation of the policies of the President of the Republic of Indonesia, Prabowo Subianto. The methodology used is text mining-based sentiment analysis, utilizing a data corpus taken from the social media platform X. This study adopts the SEMMA (Sample, Explore, Modify, Model, Assess) workflow as a procedural framework. Data retrieval is carried out automatically using crawling techniques. Next, the data goes through a comprehensive text pre-processing stage, including cleaning, case folding, normalization, convert negation, tokenizing, stopword removal, stemming. Sentiment polarity is determined automatically through a lexicon-based approach, implemented with the VADER (Valence Aware Dictionary for Sentiment Reasoning) algorithm. The modeling phase uses two machine learning classification algorithms, namely Naïve Bayes and Support Vector Machine (SVM). Performance testing is carried out on three different training and testing data distribution schemes (90:10, 80:20, and 70:30). The evaluation findings show that the Naïve Bayes algorithm achieved the highest accuracy rate of 81.25% at a ratio of 80:20. Meanwhile, SVM consistently recorded superior accuracy, reaching a maximum value of 92.60% at a ratio of 90:10. Based on a comprehensive assessment of performance metrics (accuracy, precision, recall, and f1-score), the Support Vector Machine (SVM) algorithm was proven to provide significantly superior performance compared to Naïve Bayes in this sentiment classification task
Co-Authors Adawiyah, Siti Nurramadhaniatul Atfin Prameswari, Mashitoh Hamliani, Maya Ina Najiyah Mustika Ilmiani, Aulia Sofia Sulistyo, Nuraridha