Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal IKRA-ITH Informatika : Jurnal Komputer dan Informatika Blend Sains Jurnal Teknik
Ilal Mahdi
Universitas Jabal Ghafur
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

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

Found 2 Documents
Search

 1 
Perbandingan Performa CNN dan LSTM untuk Klasifikasi Sentimen Multibahasa pada Review Aplikasi Facebook Rajulul Anshar; Zulfa Razi; Ilal Mahdi
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 1 (2026): IKRAITH-INFORMATIKA Vol 10 No 1 Maret 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Pesatnya pertumbuhan pengguna media sosial, khususnya Facebook, menghasilkan volume ulasan aplikasi yang sangat besar dan multibahasa, sehingga menimbulkan tantangan tersendiri dalam analisis sentimen, terutama akibat fenomena code-mixing dan keragaman linguistik. Sebagian besar pendekatan analisis sentimen yang ada masih bersifat monolingual, sehingga kurang efektif dalam menangani data lintas bahasa. Oleh karena itu, penelitian ini bertujuan untuk mengevaluasi dan membandingkan performa algoritma Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) dalam melakukan klasifikasi sentimen multibahasa pada ulasan aplikasi Facebook. Penelitian ini menggunakan pendekatan kuantitatif eksperimental dengan total 9.600 ulasan aplikasi yang dikumpulkan dari Google Play Store, mencakup bahasa Indonesia, Inggris, dan Melayu, serta diklasifikasikan ke dalam tiga kelas sentimen, yaitu positif, negatif, dan netral. Representasi teks dilakukan menggunakan Language-Agnostic BERT Sentence Embedding (LaBSE) untuk menangani variasi bahasa tanpa proses penerjemahan. Model CNN dirancang untuk mengekstraksi fitur lokal melalui filter konvolusi, sedangkan model LSTM memanfaatkan mekanisme sekuensial untuk memahami konteks kalimat. Evaluasi performa dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa model CNN memberikan performa terbaik dengan akurasi pengujian sebesar 91,18% dan nilai F1-score sebesar 0,91, sementara model LSTM mencapai akurasi sebesar 79,51% dengan F1-score sebesar 0,79. Meskipun kedua model mampu menangani data multibahasa secara umum, performa klasifikasi pada ulasan berbahasa Inggris dan sentimen netral masih menjadi tantangan utama akibat kompleksitas linguistik dan penggunaan bahasa informal. Secara keseluruhan, penelitian ini menunjukkan bahwa kombinasi embedding multibahasa dan arsitektur CNN lebih efektif untuk klasifikasi sentimen multibahasa pada domain ulasan media sosial
Pengembangan Sistem Cerdas Berbasis Android dan AI untuk Prediksi Strategi Pemulihan UMKM Pascabencana di Pidie Jaya Cut Lilis Setiawati; Ilal Mahdi; Cut Yusnidar
Blend Sains Jurnal Teknik Vol. 5 No. 1 (2026): Edisi Juli
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v5i1.1862

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem cerdas berbasis Android yang mengintegrasikan Artificial Intelligence untuk mendukung proses pemulihan Usaha Mikro, Kecil, dan Menengah (UMKM) pascabencana di Kabupaten Pidie Jaya. Permasalahan utama yang dihadapi adalah belum tersedianya sistem terintegrasi yang mampu melakukan monitoring, analisis kondisi usaha, serta memberikan rekomendasi strategi pemulihan secara otomatis dan berbasis data. Selain itu, proses pengambilan keputusan masih bersifat manual dan kurang objektif, sehingga menghambat efektivitas intervensi pemerintah daerah. Penelitian ini menggunakan pendekatan Research and Development (R&D). Sistem dibangun menggunakan React Native (Expo) pada sisi mobile, ExpressJS sebagai backend, MySQL sebagai basis data, serta menerapkan Rule-Based Expert System sebagai metode Artificial Intelligence. Variabel input yang digunakan meliputi jenis usaha, omzet sebelum dan sesudah bencana, tingkat kerusakan, akses pasar, dan bantuan yang diterima. Sistem juga dilengkapi dengan fitur GIS untuk visualisasi spasial persebaran UMKM terdampak bencana. Hasil penelitian menunjukkan bahwa sistem mampu melakukan klasifikasi kondisi UMKM dengan tingkat akurasi mencapai 100% berdasarkan validasi pakar. Selain itu, hasil pengujian System Usability Scale (SUS) menunjukkan skor rata-rata 81,6 yang termasuk kategori excellent, sehingga sistem dinilai sangat layak digunakan oleh pengguna non-teknis. Sistem juga mampu menghasilkan rekomendasi strategi pemulihan yang adaptif dan sesuai dengan kondisi masing-masing UMKM.Kesimpulannya, sistem yang dikembangkan mampu menjadi intelligent decision support system yang efektif dalam mendukung pengambilan keputusan pemulihan UMKM pascabencana. Kebaruan penelitian ini terletak pada integrasi Android application, Artificial Intelligence berbasis rule-based expert system, dan GIS dalam satu platform terpadu yang berorientasi pada konteks pemulihan ekonomi pascabencana.
Co-Authors Cut Lilis Setiawati Cut Yusnidar Rajulul Anshar Zulfa Razi