Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Infotech Journal
Fajar Maula Hidayat
Universitas Yayasan Pendidikan Imam Bonjol Majalengka
Computer Science & IT

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

Found 3 Documents
Search

 1 
ANALISIS SENTIMEN PUBLIK TERHADAP PENJUALAN IPHONE 16 DAN KEBIJAKAN TKDN DI INDONESIA Fajar Maula Hidayat; Hafidz Sanjaya
INFOTECH journal Vol. 11 No. 1 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i1.13159

Abstract

Kebijakan Tingkat Komponen Dalam Negeri (TKDN) terhadap produk Apple di Indonesia telah memicu berbagai opini di media sosial, terutama di platform X. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kebijakan tersebut menggunakan metode machine learning. Data dikumpulkan melakukan teknik crawling, kemudian diproses dengan tahapan preprocessing untuk meningkatkan kualitas teks. Algoritma Random Forest diterapkan untuk mengklasifikasi opini menjadi kategori negatif, netral, dan positif. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai akurasi 91%, presisi 91%, recall 91% dan f1-score 89%. Temuan ini memberikan wawasan bagi pelaku industri dan pembuat kebijakan dalam memahami persepsi masyarakat terkait kebijakan TKDN terhadap produk Apple, sehingga dapat menjadi pertimbangan dalam perumusan kebijakan selanjutnya.
MODEL PREDIKSI JUMLAH CALON SANTRI BARU DI PONDOK PESANTREN AT-TADZKIR MAJA MENGGUNAKAN PROPHET Hafidz Sanjaya; Dwi Purnomo; Fajar Maula Hidayat; Heri Wiranto
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.16831

Abstract

Penelitian ini bertujuan untuk memodelkan dan memprediksi jumlah calon santri baru di Pondok Pesantren At-Tadzkir Maja dengan memanfaatkan algoritma Prophet berbasis data harian periode tahun 2022–2025. Dataset yang digunakan berasal dari sistem penerimaan santri baru dan menunjukkan pola fluktuatif yang signifikan, dengan rentang nilai yang bervariasi antara hari dengan jumlah pendaftar rendah hingga hari-hari dengan lonjakan pendaftaran yang tinggi. Setelah dilakukan proses pra-pemrosesan yang mencakup normalisasi tanggal, agregasi harian, serta penyiapan struktur data yang sesuai untuk Prophet, model kemudian dilatih untuk mempelajari komponen tren, musiman mingguan, dan musiman tahunan. Hasil pemodelan menunjukkan adanya tren penurunan jumlah pendaftar dari tahun ke tahun, serta pola musiman yang kuat terutama pada awal pekan dan periode tertentu dalam satu tahun. Evaluasi menggunakan MAE sebesar 1,52 dan RMSE sebesar 2,06 menunjukkan bahwa model mampu merepresentasikan pola historis dengan tingkat kesalahan yang relatif rendah, meskipun tantangan masih muncul pada prediksi lonjakan harian yang bersifat sporadis. Secara keseluruhan, model Prophet terbukti efektif untuk memberikan gambaran prediktif yang dapat dimanfaatkan sebagai dasar perencanaan dan pengambilan keputusan strategis di lingkungan pesantren.
PEMODELAN TOPIK BERITA NASIONAL INDONESIA MENGGUNAKAN LATENT DIRICHLET ALLOCATION Fajar Maula Hidayat; Cahyadi; Hafidz Sanjaya; Dwi Purnomo; Heri Wiranto
INFOTECH journal Vol. 12 No. 1 (2026)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v12i1.16926

Abstract

Penelitian ini membahas penerapan metode Latent Dirichlet Allocation (LDA) untuk pemodelan topik berita terkini di Indonesia. Data dikumpulkan melalui RSS feed dari beberapa portal berita nasional seperti Detik, Kompas, Tribunnews, Liputan6, Tempo, CNN Indonesia, dan Antara News. Proses penelitian meliputi tahapan pengambilan data, pembersihan dan preprocessing teks, eksplorasi awal frekuensi kata, penyusunan representasi korpus, pemodelan topik LDA, visualisasi interaktif dengan pyLDAvis, serta evaluasi model menggunakan metrik coherence score. Hasil analisis menunjukkan model LDA dengan lima topik memberikan distribusi kata kunci yang relevan dengan isu-isu utama seperti bencana, politik, demonstrasi, korupsi, dan kriminal. Nilai coherence score sebesar 0,3591 mengindikasikan tingkat koherensi cukup baik, meskipun terdapat ruang optimasi melalui penyesuaian parameter. Visualisasi interaktif menunjukkan keterpisahan topik yang memadai, dengan tumpang tindih yang relatif kecil. Temuan ini memperlihatkan bahwa LDA efektif untuk mengidentifikasi topik dominan dalam berita nasional, sehingga dapat dimanfaatkan untuk analisis tren isu publik, pengelompokan konten media, serta mendukung pengambilan keputusan berbasis data.
Co-Authors Cahyadi Dwi Purnomo Hafidz Sanjaya Heri Wiranto