Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Bulletin of Computer Science Research Journal Science Informatica and Robotics
Yaskur Bearly Fernandes
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

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

Found 2 Documents
Search

 1 
IMPLEMENTASI MIKHMON UNTUK PEMANTAUAN DAN KONTROL JARINGAN LAN PADA PROXMOX Adinda Abidah; M. Wandriansyah; Nur Agung; Yaskur Bearly Fernandes
JOCITIS-Journal Science Infomatica and Robotics Vol. 1 No. 4 (2024): JOCOTIS - Journal Science Informatica and Robotics
Publisher : JOCITIS-Journal Science Infomatica and Robotics

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

Abstract

Penelitian ini bertujuan mempelajari serta menganalisis implementasi Mikhmon untuk pemantauan dan mengontrol jaringan LAN pada Proxmox. MikroTik Hotspot Monitor, atau disingkat Mikhmon adalah aplikasi management perangkat Routerboard, seperti MikroTik, agar dapat dikontrol dari satu network yang sama atau dari koneksi internet berbeda. Meskipun Proxmox secara luas diakui atas kemampuannya dalam virtualisasi, integrasi dengan alat seperti mikhmon untuk fungsi pemantauan jaringan belum banyak dieksplorasi. Mikhmon menawarkan antarmuka yang user-friendly dan data real-time tentang jaringan, yang dapat meningkatkan kapabilitas pemantauan Proxmox. Studi ini bertujuan untuk menjembatani kesenjangan ini, dengan mengeksplorasi potensi sinergi antara Proxmox dan mikhmon dalam konteks pemantauan dan kontrol jaringan LAN. Jaringan komputer LAN atau jaringan area lokal adalah jaringan komputer yang terdiri dari beberapa komputer yang saling berhubungan dalam  area yang relatif kecil, seperti gedung, kampus, atau kantor. LAN memungkinkan komputer-komputer ini berkomunikasi secara efektif dan berbagi sumber daya. Jaringan ini biasanya digunakan oleh dunia usaha dan institusi yang membutuhkan akses  data dan informasi yang cepat dan mudah. Manfaat dari penggunaan jaringan LAN adalah meningkatkan efisiensi dan produktivitas dalam sebuah organisasi atau perusahaan. Pemanfaatan jaringan LAN dalam penelitian ini sebagai mengimplementasi Mikmon yang bisa memantau dan mengontrol jaringan LAN melalui Proxmox VE.
Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Pada Komentar Bitcoin Di Aplikasi X Yaskur Bearly Fernandes; Elin Haerani; Fadhilah Syafria; Muhammad Fikry; Lola Oktavia
Bulletin of Computer Science Research Vol. 6 No. 1 (2025): December 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v6i1.928

Abstract

Social media has become a primary medium for users to express opinions, including those related to Bitcoin, whose fluctuating value often triggers diverse public responses. The large volume of unstructured comments makes manual sentiment analysis inefficient, thereby necessitating an automated approach based on machine learning. This study aims to classify positive and negative sentiments in Bitcoin-related comments on the X platform using the Support Vector Machine (SVM) algorithm with Term Frequency–Inverse Document Frequency (TF-IDF) feature weighting. The dataset consists of 1,750 Indonesian-language comments labeled by three annotators. The data were processed through several preprocessing stages, including case folding, text cleaning, tokenization, stopword removal, and stemming. Model evaluation was conducted using four data split ratios, namely 90:10, 80:20, 70:30, and 60:40. The experimental results indicate that the 90:10 ratio achieved the best performance, with an accuracy of 72.57%, precision of 0.75, recall of 0.73, and an F1-score of 0.67. The SVM model demonstrates strong performance in identifying positive sentiments; however, it is less effective in detecting negative sentiments due to class imbalance in the dataset. As an additional experiment, testing was performed using a balanced dataset obtained through an undersampling process and several SVM kernel types for comparison. The results show that using a balanced dataset leads to more evenly distributed classification performance across sentiment classes, while the linear kernel provides the most stable performance compared to other kernels. Overall, SVM with TF-IDF weighting proves to be an effective approach for sentiment analysis of Bitcoin-related comments on social media.
Co-Authors Adinda Abidah Elin Haerani Fadhilah Syafria Lola Oktavia M. Wandriansyah Muhammad Fikry Nur Agung