Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal Science Informatica and Robotics Jurnal Informatika Dan Tekonologi Komputer
Arraihan Tahta Ainullah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering Other

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

Found 2 Documents
Search

 1 
PENGEMBANGAN SISTEM MANAJEMEN PENGGUNA MENGGUNAKAN MIKROTIK API DAN ALGORITMA RSA CIPHER Arraihan Tahta Ainullah; Reza Aulia Rahman; M.Rafi Pasha; Rometdo Muzawi
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

Seiring meningkatnya kebutuhan akan pengelolaan jaringan yang efisien dan terotomatisasi, sistem manajemen pengguna menjadi salah satu komponen penting dalam pengaturan akses internet yang aman dan terkontrol. Penelitian ini bertujuan untuk mengembangkan sistem manajemen pengguna berbasis Mikrotik API guna mempermudah proses konfigurasi jaringan, seperti pembuatan akun pengguna, pengaturan bandwidth, serta pemantauan aktivitas jaringan secara real-time. Sistem dikembangkan menggunakan bahasa pemrograman Python, yang memiliki dukungan kuat terhadap pengolahan data dan integrasi API eksternal. Salah satu keunggulan Python adalah kemampuannya dalam membangun aplikasi ringan tanpa harus bergantung pada sistem manajemen basis data relasional seperti MySQL. Oleh karena itu, sistem ini dirancang tanpa menggunakan database MySQL, melainkan memanfaatkan struktur penyimpanan data alternatif yang lebih fleksibel dan ringan seperti file JSON atau penyimpanan berbasis memori. Metodologi pengembangan menggunakan model Waterfall, meliputi tahap analisis, desain, implementasi, pengujian, dan pemeliharaan. Hasil implementasi menunjukkan bahwa sistem dapat menjalankan fungsinya secara efisien, mulai dari pendaftaran pengguna hingga pengaturan batas kecepatan dan waktu akses. Selain itu, antarmuka pengguna dirancang secara minimalis agar mudah digunakan oleh administrator jaringan. Sistem ini memberikan peningkatan efisiensi operasional dan dapat menjadi solusi ideal untuk jaringan skala kecil hingga menengah, seperti di lingkungan pendidikan, perkantoran, atau bisnis layanan internet.
Penerapan Algoritma Support Vector Machine dan XGBoost Dalam Mengklasifikasikan Sentimen Opini Publik Terhadap Aplikasi Uber Rizky Rizaldi; M Ridho; Arraihan Tahta Ainullah; Lusiana Efrizoni; Rahmaddeni Rahmaddeni; M Fahrel Dea Putra
Jurnal Informatika Dan Tekonologi Komputer (JITEK) Vol. 5 No. 1 (2025): Maret : Jurnal Informatika dan Tekonologi Komputer
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jitek.v5i1.5735

Abstract

The development of application-based transportation services such as Uber has driven an increase in the number of public opinions distributed through various digital platforms. Sentiment analysis of this public opinion is important to understand user perceptions of Uber services. This study applies the Support Vector Machine (SVM) and Extreme Gradient Boosting (XGBoost) algorithms to classify public opinion sentiment, by optimizing data imbalance using the Synthetic Minority Oversampling Technique (SMOTE). The data used comes from Uber reviews on public platforms, which are grouped into positive, negative, and neutral sentiments. The experimental results show that the SVM algorithm has superior performance with an accuracy of 94%, while XGBoost experienced an increase in accuracy of up to 93% after applying SMOTE. This study provides insight into the effectiveness of machine learning algorithms in sentiment analysis and its implementation in the development strategy of application-based transportation services. Abstrak: Perkembangan layanan transportasi berbasis aplikasi seperti Uber telah mendorong peningkatan jumlah opini publik yang disalurkan melalui berbagai platform digital. Analisis sentimen terhadap opini publik ini menjadi penting untuk memahami persepsi pengguna terhadap layanan Uber. Penelitian ini menerapkan algoritma Mesin Vektor Pendukung (SVM) dan Peningkatan Gradien Ekstrem (XGBoost) untuk mengklasifikasikan sentimen opini publik, dengan mengoptimalkan ketidakseimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE). Data yang digunakan berasal dari ulasan Uber di platform publik, yang dikategorikan ke dalam sentimen positif, negatif, dan netral. Hasil eksperimen menunjukkan bahwa algoritma SVM memiliki performa lebih unggul dengan akurasi mencapai 94%, sementara XGBoost mengalami peningkatan akurasi hingga 93% setelah penerapan SMOTE. Penelitian ini memberikan wawasan mengenai efektivitas algoritma pembelajaran mesin dalam analisis sentimen serta implikasinya terhadap strategi pengembangan layanan transportasi berbasis aplikasi.  
Co-Authors Lusiana Efrizoni M Fahrel Dea Putra M Ridho M.Rafi Pasha Rahmaddeni Rahmaddeni Reza Aulia Rahman Rizky Rizaldi Rometdo Muzawi, Rometdo