Sitti Rahmah Jabir

Full Author List

Purnawansyah; Ali, Zahrizhal; Darwis, Herdianti; Ilmawan, Lutfi Budi; Jabir, Sitti Rahmah; Manga, Abdul Rachman, Department of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Code Large Language Models (Code LLMs) such as Code LLaMa and StarCoder have exhibited outstanding proficiency in tasks required for specific tasks like code generation. Several conducted research to similar task by utilizing fine-tuning techniques from state-of-the-art base models for more specific related task. However, due to the cost limitations and limited computing resources, performing fine-tuning from large language models is excessively high. In this study, we utilized Low-Rank Adaptation (LoRA) for base large language models such as LLaMA-2 and Phi-1.5, which uses trainable rank decomposition matrices. Furthermore, we injected Quantized LoRA (QLoRA) to help reduce memory usage while training the model and analyzed the contribution to GPU usage. Notably, our findings reveal that employing these techniques for fine-tuning on small datasets yields cost-effective and viable alternatives for language-related tasks, showcasing competitive performance compared to state-of-the-art models like CodeLLaMa 7B substantiated by lower train loss achieved in our experiments.

Related SDGs Targets

Full Author List

Jabir, Sitti Rahmah; Azis, Huzain; Widyawati, Dewi; Tenripada Andi Ulfa, Universitas Muslim Indonesia

Abstract

GRDS menghadapi kelangkaan dana, ketika diperlukan untuk merawat para korban Gaja. Gaja adalah topan bernama kelima dari musim siklon Samudra Hindia Utara 2018 yang mempengaruhi sebagian besar tempat di Tamil Nadu, India selama bulan November 2018. Tujuan dari penelitian ini adalah untuk menggunakan riwayat donasi untuk menganalisis apakah donator akan menyumbang atau tidak menggunakan regresi logistik. Data Tamil Nadu diberikan untuk menerapkan model yang dibangun untuk memprediksi donator yang paling mungkin menjadi korban topan Gaja. Pada tahap pengumpulkan data seringkali terjadi hambatan, salah satu hambatannya yaitu fenomena missing data atau data hilang. Akibat dari adanya missing data adalah pendugaan parameter menjadi tidak efisien. Ukuran data yang berkurang dapat mengakibatkan kesulitan dalam menganalisis, sehingga hasil yang didapatkan menjadi tidak valid dan tujuan dari penelitian tidak tercapai. Data yang hilang akan diisi menggunakan metode single imputation. Data yang telah diimputasi menggunakan beberapa metode akan membantu dalam melakukan prediksi. Dimana algoritma yang digunakan untuk melakukan prediksi ialah logistic regression. Beberapa data dihilangkan setelah melihat multikolinearitas. Dalam tahap pemodelan, data dibagi menjadi 2 yaitu 70% untuk data pelatihan dan 30% untuk data tes. Dimana hasil perhitungan akurasi dari model ialah 0,6129 yang menunjukkan bahwa model tidak melakukan prediksi dengan baik menggunakan metode tersebut

Related SDGs Targets

Full Author List

Azis, Huzain; Jabir, Sitti Rahmah, Universitas Muslim Indonesia

Abstract

This study focuses on the analysis of the aroma quality of tofu preserved with formalin, with the goal of developing a predictive model based on its chemical composition. Utilizing a dataset that includes various chemical components such as Hydrogen, LPG, CO, Alcohol, Propane, Methane, Smoke, and temperature, this research applies a Decision Tree model. The model is validated using 5-fold cross-validation, resulting in an accuracy of 36.79%, precision of 50.82%, recall of 36.79%, and an F1-Score of 27.58%. These results indicate the model's limitations in consistent prediction, suggesting potential improvements through other methods or the addition of variables. This study provides new insights into the relationship between chemical composition and aroma quality of formalin tofu, and opens new avenues for further research in this field.

Related SDGs Targets

Full Author List

Jabir, Sitti Rahmah; Tenripada, A Ulfah; Asis, Muhammad Arfah; Widyawati, Dewi; Faradibah, Amaliah; Universitas Muslim Indonesia, Indonesia

Abstract

Autism Spectrum Disorder (ASD) adalah sekelompok kondisi perkembangan saraf. Orang dengan autisme memiliki masalah dengan interaksi sosial. Mereka tidak dapat mengembangkan hubungan dengan orang lain sesuai dengan tingkat perkembangan mereka. Jumlah anak-anak dengan autisme telah tumbuh terus menerus selama beberapa tahun. Mendiagnosis ASD diperlukan pendekatan yang komprehensif, sistematis, dan terstruktur. Untuk mendiagnosis ASD, peneliti memanfaatkan penambangan data untuk menganalisis data terapi perilaku. Data yang didapatkan tidak sepenuhnya data yang bersih, dimana terdapat beberapa data yang hilang. Untuk menangani data yang hilang, pendekatan data pre-processing yang akan digunakan untuk membantu menganalisis dan memperhitungkan nilai yang hilang. Data yang tidak sesuai format akan ditransformasikan terlebih dahulu sebelum divisualisasikan. Sebagian besar kuesioner telah diisi oleh orang tua. Berdasarkan dataset, anak-anak dengan ASD didominasi oleh laki-laki. Dirujuk dari etnis, orang kulit putih-Eropa adalah etnis terbanyak yang terdeteksi memiliki jumlah anak tertinggi dengan ASD. Di dalam etnis, ada berbagai negara. Inggris adalah jumlah terbesar orang yang menderita autisme. Berdasarkan hasil tersebut, bidang kesehatan harus lebih fokus memberikan pengobatan untuk orang kulit putih-Eropa terutama di Inggris. Para peneliti kesehatan harus menghasilkan wawasan yang dapat mengembangkan autisme untuk deteksi dan skrining. Berdasarkan hasil, hal tersebut dapat membantu lebih lanjut yang dapat mengurangi persentase autisme di seluruh dunia. peneliti kesehatan harus menghasilkan wawasan yang dapat mengembangkan autisme untuk deteksi dan skrining.

Related SDGs Targets

Full Author List

Gaffar, Andi Widya Mufila; Halis, Andi Muhammad; Purnawansyah; Jabir, Sitti Rahmah, Universitas Muslim Indonesia

Abstract

Stunting adalah salah satu bentuk gizi yang kurang yang ditandai dengan tinggi badan berdasarkan umur dan diukur dengan standar deviasi referensi WHO yang dapat dilihat pada Indikator TB/U (tinggi badan dengan usia). Salah satu kabupaten dengan jumlah penduduk stunting terbanyak di provinsi Sulawesi Selatan adalah Kabupaten Enrekang. Metode yang digunakan pada penelitian ini yaitu klasifikasi stunting menggunakan algoritma Support Vector Machine (SVM) dengan kernel polynomial yang bertujuan untuk mengelompokkan data anak balita di bawah 60 bulan apakah mengalami stunting atau tidak (normal). Klasifikasi Stunting pada balita memiliki signifikansi penting karena menjadi landasan untuk merancang program pencegahan Stunting. Untuk menilai performa dan cara kerja model Support Vector Machine pada data anak balita di Kabupaten Enrekang, digunakan metode pengujian cross validation. Selain itu, hasil prediksi model dibandingkan dengan fakta aktual menggunakan confusion matrix. Pada pengujian dengan 10 K-Fold Cross Validation menggunakan Support Vector Machine menunjukkan hasil dengan nilai tertinggi berada pada fold ke-4 dengan tingkat accuracy 99.13% precision 99.13% recall 99.13% f1-score 99.13%. sedangkan nilai terendah berada pada fold ke-0 dengan tingkat accuracy 95.63% precision 95.74% recall 95.63% f1-score 95.51%. Untuk rata-rata dari pengujian fold menunjukkan hasil accuracy 96.98% precision 96.99% recall 96.98% f1-score 96.94%. Sedangkan untuk hasil dari Confusion Matrix dengan nilai accuracy sebanyak 98% secara total.

Related SDGs Targets

Full Author List

Jabir, Sitti Rahmah; Azis, Huzain; Mansyur, St. Hajrah, Universitas Muslim Indonesia

Abstract

One of the key indicators of the growth of a college is the number of students that are enrolled in the institution on an annual basis. Student enrollment is a crucial element in the growth of a college, particularly in the case of private institutions. When examining students' aspirations for higher education, several studies use data mining techniques to forecast the interests of students who will pursue college. Researchers adopt various ways to extract valuable information from data. Prior research has shown that the decision tree technique outperforms alternative methods. The random forest, in addition to the decision tree, is often used for predicting data mining tasks. Given the above background information, the author will conduct a study titled "Comparative Analysis of Decision Tree and Random Forest Algorithms in Predicting College Interests." According to the study findings, the decision tree outperforms the random forest in terms of outcomes. The accuracy of the decision tree model is 0.81, whereas the accuracy of the Random Forest model is 0.74. All in all, the Decision Tree approach will be used as the ultimate outcome for the implementation of Business Analytics.

Related SDGs Targets

Full Author List

Azis, Huzain; Jabir, Sitti Rahmah, Universitas Muslim Indonesia

Abstract

Salah satu penerapan bidang teknologi yang berkembang ialah multimedia. Dalam multimedia terdapat Animasi 3 dimensi (3D), yang mana merupakan proses pembuatan pergerakan gambar dalam lingkaran 3 dimensi. Pada animasi 3D, sebuah perangkat lunak menciptakan real virtual dalam 3 dimensi dan perubahan (Gerakan) dihitung 3 aksis (x, y dan z). berdasarkan hasil tersebut, didapatkan sebuah objek yang dapat terlihat dari sisi tampak muka, samping, belakang, atas, dan bawah. Dimana orang dapat menjelajahi objek tersebut dari sudut pandang manapun. Tim Program Kemitraan Program Kemitraan Masyarakat (PKM) Pemula UMI memalukan riset pada desa Marinding, yang ditemukan belum terdapat penerapan aset 3D pada rumah Tongkonan yang ada di Desa Marinding). Dimana budaya pada desa tersebut yang masih sangat kental yang menjadikan sebagai objek budaya yang patut untuk dilestarikan. Aset 3D yang dapat diterapkan pada rumah Tongkonan nantinya dapat membantu masyarakat khususnya desa Marinding dalam memperlihatkan objek rumah Tongkonan mereka. Berdasarkan permasalahan yang telah dipaparkan sebelumnya, PKM Pemula UMI ingin memberikan solusi pelestarian budaya dengan berpatisipasi dalam melestarikan kebudayaan Tana Toraja dalam hal implementasi 3D aset pada salah satu objek budaya yang ada disana yaitu rumah Tongkonan. Desa yang akan dipilih untuk dilakukan pengabdian yaitu pada Desa Marinding. Implementasi Aset 3D yang nantinya akan dibuat diharapkan dapat membatu masyarakat dalam melestarikan budaya menerapkan aset 3D pada rumah Tongkonan.Hasil yang diperoleh dari kegiatan pengabdian yaitu mitra kantor desa Tamangapa dapat memanfaatkan aset 3D dalam pelestarian budaya, mitra Kantor Desa Tamangapa dapat membantu wisatawan dalam mengenalkan objek budaya mereka khusunya rumah Tongkonan, wisatawan dapat dengan mudah mempelajari terkait rumah tongkonan yang ada di Kab. Tana Toraja dan perangkat desa dapat memperlihatkan dengan mudah objek wisata yang dimiki dalam bentuk 3D. Sebagai penunjang dalam kegiatan tersebut, staf yang mengikuti kegiatan pelatihan diberikan modul implementasi aet 3D rumah Tongkonan pada Desa Marinding. Luaran akhir berupa publikasi di media masssa (inipasti.com) dan artikel yang akan di publikasipadan pada jurnal ILKOMAS (Ilmu Komputer Untuk Masyarakat (ILKOMAS)

Related SDGs Targets

Full Author List

Widyawati, Dewi; Sugiarti; Jabir, Sitti Rahmah, Universitas Muslim Indonesia

Abstract

AR menjadi sarana inovatif untuk memfasilitasi pengguna dalam mendesain dan menyesuaikan tata letak furnitur ruang secara virtual sebelum implementasi fisik. Penelitian ini fokus pada pengembangan sistem simulasi furnitur ruang berbasis Augmented Reality (AR) menggunakan metode Marker-Based Tracking dengan menerapkan metodologi penelitian Multimedia Development Life Cycle (MDLC) sebagai kerangka kerja untuk memandu proses pengembangan yang terstruktur, mulai dari perencanaan hingga implementasi. Langkah-langkah penelitian melibatkan identifikasi kebutuhan pengguna, perancangan konsep AR, pengembangan prototipe, implementasi, dan evaluasi. Metode marker-based tracking digunakan untuk meningkatkan akurasi penempatan objek virtual dalam lingkungan fisik. Kontribusi diharapkan dapat meningkatkan kualitas pengalaman pengguna dalam desain interior, memungkinkan mereka untuk berinteraksi dengan furnitur ruang secara lebih dinamis dan efektif

Related SDGs Targets

Full Author List

Asis, Muhammad Arfah; Jabir, Sitti Rahmah; Tenripada, Andi Ulfah, Program Studi Teknik Informatika, Fakultas Ilmu Komputer,Universitas Muslim Indonesia

Abstract

Visibility merupakan indikator webometrics dengan bobot terbesar dalam pemeringkatan. Ini menunjukkan pentingnya pengelolaan struktur dan konten website Universitas. Dilihat dari nilai website baik atau terpercaya yang malakukan backlink pada Universitas Muslim Indonesia (UMI), website Fakultas Kedokteran UMI memperoleh nilai yang terbaik walaupun memiliki nilai kinerja website terendah berdasarkan GTMetrix. Dalam rangka pengabdian ini, kami mengadakan serangkaian kegiatan sosialisasi dan workshop guna meningkatkan pemahaman tentang webometrics serta metode untuk meningkatkan performa website. Hasil evaluasi menunjukkan peningkatan signifikan dalam pengetahuan setelah sosialisasi, dengan tingkat peningkatan yang baik dari 36% menjadi 80%. Workshop dilakukan untuk memperbaiki konten, struktur website, dan penerapan Search Engine Optimization (SEO) serta backlink. Evaluasi akhir menunjukkan bahwa mitra telah memahami konsep penilaian webometrics dan mampu meningkatkan pemeringkatan website melalui pengelolaan yang lebih baik. Diharapkan, penggunaan modul dan pelatihan konten ini dapat membantu meningkatkan kualitas website Fakultas Kedokteran UMI.

Related SDGs Targets

Full Author List

Bangsawan, Muhammad Hari; Salim, Yulita; Jabir, Sitti Rahmah, Program Studi Teknik Informatika, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Beberapa penelitian telah melakukan prediksi ketinggian gelombang laut menggunakan metode backpropagation, namun belum ada penelitian yang melakukannya di Selat Makassar. Oleh karena itu, penelitian ini bertujuan untuk menerapkan metode jaringan syaraf tiruan (JST) Backpropagation dalam memprediksi ketinggian gelombang laut di Selat Makassar. JST Backpropagation dipilih karena kemampuannya dalam menangani masalah prediksi dengan akurasi yang tinggi. Data yang digunakan dalam penelitian ini diperoleh dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) Maritim Paotere Makassar, mencakup data harian tinggi gelombang, kecepatan angin, dan arah angin dari tahun 2019 hingga 2022. Data pelatihan mencakup periode 1 Januari 2020 hingga 30 Juni 2022, sedangkan data pengujian mencakup periode 1 Juli 2022 hingga 31 Desember 2022. Proses pelatihan menggunakan learning rate 0,1, 21 neuron pada lapisan input, 5 neuron pada lapisan tersembunyi, 7 neuron pada lapisan output, nilai batas error 0,01, beta 0,5, dan maxepoch 10.000. Hasil pengujian menunjukkan rata-rata MSE sebesar 0,1612 dan MAPE sebesar 28,27994%, menegaskan kemampuan model dalam memprediksi ketinggian gelombang laut dengan tingkat kesalahan yang dapat diterima.

Related SDGs Targets

Full Author List

Troy, Muh Indra Endriartono Saputra; Jabir, Sitti Rahmah; Anraeni, Siska, Informatics Engineering, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Lung cancer is one of the deadliest diseases in the world with a mortality rate of 25% of all cancer-related deaths in 2021. Lung cancer is a lung disease caused by genetic changes in respiratory epithelial cells, resulting in uncontrolled cell proliferation. In an effort to improve diagnosis and treatment, this study proposes an approach for multiclass performance evaluation using K-Nearest Neighbors (KNN) and Support Vector Machine (SVM) algorithms based on 2024 data. in this study KNN is implemented conventionally while SVM applies 2 kernel processes, namely Linear and Polynominal. The data used is 1000 rows and uses 24 variables with a ratio of 70% training data and 30% testing data, the data in this study includes important information such as medical history, diagnostic test results, and clinical characteristics of patients. this study aims to determine which algorithm has the best performance by looking at the final results based on accuracy in identifying lung cancer data. Based on the research and discussion of SVM and KNN performance evaluation, the SVM algorithm produces an accuracy of 98.28%, surpassing the accuracy of the KNN algorithm of 97.25%. Therefore, the results show that the SVM algorithm is superior to the KNN algorithm. The KNN and SVM methods were implemented for multi-class classification of lung cancer, allowing identification of various subtypes of lung cancer with optimal accuracy.

Related SDGs Targets

Full Author List

Syam, Netty, Program Studi Agroteknologi, Fakultas Pertanian, Universitas Muslim Indonesia; Nurliani, Program Studi Agribisnis, Fakultas Pertanian, Universitas Muslim Indonesia; Jabir,Sitti Rahmah, Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Muslim Indonesia; Hidrawati, Program Studi Agroteknologi, Fakultas Pertanian, Universitas Muslim Indonesia

Abstract

Pesantren Darul Mukhlisin milik Universitas Muslim Indonesia (UMI) yang ada di Desa Mitra Binaan Desa Padanglampe memiliki lahan yang sebahagian digunakan untuk tanaman lada sejak tahun 2015. Populasi lada sekitar 800 pohon dan sudah beberapa kali dipanen. Pengembangan lada oleh masyarakat di sekitar pesantren terkendala oleh adanya musim kering yang panjang di Desa Padanglampe yang berlangsung selama ≥ 6 bulan. Upaya pengembangan lada dilakukan dengan Program Pemberdayaan kelompok wanita untuk membangun daya, mendorong motivasi, membangkitkan kesadaran akan potensi yang dimilikinya dan berusaha untuk mengembangkannya. Metode yang digunakan berupa metode pelatihan partisipatif, yaitu melibatkan sebanyak mungkin peran serta mitra dalam kegiatan ceramah, diskusi, dan praktek pendampingan teknologi dan cipta karya. Teknologi yang diberikan pada mitra berupa Pembibitan lada perdu dan metode penanaman bibit ke planterbag di pekarangan. Pelaksanaan kegiatan Pelatihan dan pendampingan sudah dilaksanakan melalui transfer teknologi pada Aspek produksi Mitra sangat antusias dan berpartisipasi sangat aktif dalam semua kegiatan pelatihan dan pendampingan.

Related SDGs Targets

Full Author List

Jabir, Sitti Rahmah; Purnawansyah; Darwis Herdianti; Lahuddin Harlinda; Faradibah, Amaliah; Gaffar, Andi Widya Mufila, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Nowadays, Indonesia's tourism sector faced challenges in light of the global recession threat. These challenges encompassed high airline ticket prices and inflation, which in turn influenced consumer spending patterns. To tackle these difficulties, the Ministry of Tourism had taken steps to allow foreign investments in the potential tourism object to invest. The involvement of foreign investors had contributed to substantial growth and advancement within Indonesia's tourism industry, thereby presenting numerous opportunities for prospective investors. Indonesia has set a target of attracting more than 7 million foreign tourists by the year 2023, which has increased double from previous year. Based on the literature, the researcher's objective is to analyze the potential of public tourism sites, categorizing them as viable prospects for potential investors. The data had been obtained from Kaggle which the target variable was the rating from 1 to 5. The initial classification attempt, which utilized these five categories, proved unsatisfactory, prompting the application of unsupervised learning techniques to reduce the number of target variable categories. Through the utilization of k-means clustering, the final classification resulted in two overarching categories: “good” and “bad” ratings. Subsequent analysis revealed that Naïve Bayes emerged as the most effective algorithm for this classification task, albeit with no significant difference in results when compared to support vector machines. In conclusion, future research endeavors might consider exploring alternative unsupervised learning methods or conducting more comprehensive feature selection processes before implementing the classification.

Related SDGs Targets

Full Author List

Widyawati, Dewi; Tenripada, A. Ulfah; Jabir, Sitti Rahmah; Faradibah, Amaliah, Universitas Muslim Indonesia

Abstract

Pengelolaan buku administrasi desa memegang peranan penting bagi jalannya suatu organisasi, yaitu sebagai sumber informasi dan sebagai pusat ingatan organisasi sebagai dasar pengambilan keputusan. Masalah yang muncul pada Lembang Marinding Kecamatan Mengkendek Kab. Tana Toraja yaitu masih mengelola data administasi desa secara manual, sehingga muncul masalah jika berkas administrasi dibutuhkan tidak ditemukan atau hilang. Selain itu belum tersedianya fasilitas atau media yang mengatur data administrasi secara digital, sehingga pelayanan kepada masyarakat belum maksimal. Staf lembang juga belum mahir dalam menerapkan teknologi informasi dalam manajemen administrasi. Hasil yang diperoleh dari kegiatan pengabdian yaitu dapat meningkatkan pemahaman dan kemampuan serta keterampilan perangkat desa Lembang Marinding dalam mengelola administrasi persuratan secara digital sehingga kegiatan administrasi menjadi lebih baik. Selain itu pelayanan kepada masyarakat lebih baik sehingga membuat kinerja staf Lembang Marinding juga meningkat. Sebagai penunjang dalam kegiatan tersebut, staf yang mengikuti kegiatan pelatihan diberikan modul sebagai panduan penggunaan sistem. Pada kegiatan ini menghasilkan sebuah sistem informasi berupa buku administrasi berbasis web yang akan dikelola langsung oleh staf lembang. Luaran akhir berupa publikasi di media massa dan artikel yang akan dipublikasikan pada Jurnal Ilkomas

Related SDGs Targets

Full Author List

Lahuddin, Harlinda; Muliawan, Muh. Raihan Alif; Darwis; Herdianti; Jabir, Sitti Rahmah; Adawiyah, Rabiatul, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia; Takemoto, Kazuhiro, Department of Bioscience and Bioinformatics, Kyushu Institute of Technology Fukuoka, Japan

Abstract

Cryptocurrency markets exhibit significant volatility and nonlinearity, creating difficulties for precise price prediction. This study assesses and contrasts six deep learning models LSTM, CNN, Transformer, TCN, CNN-LSTM, and TCN-LSTM for forecasting the closing prices of four popular cryptocurrencies: Bitcoin (BTC), Ethereum (ETH), Binance Coin (BNB), and Litecoin (LTC). Each model utilizes historical OHLCV data of 5 years, processed through a uniform preprocessing pipeline that encompasses normalization, sliding window segmentation, and an 80: 20 train-test division. Experimental findings indicate that the hybrid TCN-LSTM model exceeds the performance of all other models based on evaluation metrics including MAE, RMSE, MAPE, and \boldsymbol{R}^{2}, showing its capacity to grasp both short- and long-term time patterns. This study additionally highlights the effectiveness of parallel hybrid architectures, particularly the TCN-LSTM model. These findings contribute to the expanding body of research on deep learning applications in financial forecasting and offer practical guidance for developing robust cryptocurrency prediction models.

Related SDGs Targets

Full Author List

Nugroho, Afifah Khairunnisa; Hayati, Lilis Nur; Jabir, Sitti Rahmah, Universitas Muslim Indonesia, Indonesia

Abstract

Analisis sentimen terhadap Identitas Kependudukan Digital (IKD) menjadi penting untuk memahami persepsi masyarakat terkait upaya digitalisasi layanan publik di Indonesia. IKD diharapkan dapat meningkatkan efisiensi layanan, namun implementasinya menghadapi tantangan, seperti proses aktivasi offline dan kekhawatiran mengenai keamanan data. Penelitian ini bertujuan untuk membandingkan performa dua algoritma, Naïve Bayes dan Random Forest, dalam menganalisis sentimen dan mengklasifikasikan ulasan pengguna IKD. Proses penelitian dimulai dengan pengumpulan data ulasan dari Google Play Store, dilanjutkan dengan tahap pre-processing, pelabelan berbasis lexicon, pembagian data menjadi data latih dan uji, serta pembobotan TF-IDF. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa yang lebih unggul dibandingkan Naïve Bayes, dengan akurasi tertinggi 93%, sementara Naïve Bayes mencapai 89%. Random Forest juga menunjukkan performa lebih stabil dengan Precision 0,91, Recall 0,84, dan F1-Score 0,87 untuk kelas positif. Di sisi lain, Naïve Bayes mencatat Precision 0,78, Recall 0,80, dan F1-Score 0,79. Untuk kelas negatif, Random Forest lebih efektif dengan Precision 0,94, Recall 0,97, dan F1-Score 0,96, sedangkan Naïve Bayes memiliki Precision 0,93, Recall 0,92, dan F1-Score 0,93. Penelitian ini menyarankan bahwa performa kedua model dapat lebih ditingkatkan dengan eksplorasi metode pelabelan dan penggunaan algoritma ensemble. Selain itu, variasi pada tahap pre-processing, seperti penggunaan n-gram, dapat membantu meningkatkan akurasi analisis sentimen. Kontribusi penelitian ini adalah memberikan evaluasi komparatif terhadap algoritma populer dalam konteks analisis sentimen terhadap IKD, yang belum banyak diteliti sebelumnya. Hasil ini dapat menjadi acuan praktis dalam memilih algoritma klasifikasi untuk analisis opini publik terhadap layanan digital pemerintah.

Related SDGs Targets

Full Author List

Sugianto, M. Taufiq; Herman; Jabir, Sitti Rahmah, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Perkembangan industri game di Indonesia yang semakin pesat telah meningkatkan kebutuhan akan layanan top-up game yang cepat, aman, dan mudah digunakan. Namun, sebagian besar layanan yang tersedia masih dijalankan secara non-formal melalui media sosial, sehingga berpotensi menimbulkan kendala pada kemudahan penggunaan, keamanan transaksi, dan personalisasi layanan. Penelitian ini bertujuan untuk merancang antarmuka pengguna (User Interface) dan pengalaman pengguna (User Experience) aplikasi top-up game berbasis mobile bernama ChillnFun dengan menggunakan metode Design Thinking yang meliputi lima tahapan: Empathize, Define, Ideate, Prototype, dan Test. Data diperoleh melalui kuesioner yang dibagikan kepada pemain game aktif sebagai target pengguna, kemudian dianalisis untuk mengidentifikasi permasalahan utama. Hasilnya, ditemukan dua masalah utama, yaitu proses transaksi yang rumit dan tampilan antarmuka yang kurang menarik. Solusi yang dihasilkan mencakup penyederhanaan alur transaksi, navigasi yang intuitif, desain UI modern, dan penataan elemen visual yang rapi. Prototipe aplikasi dikembangkan menggunakan Figma dan diuji melalui usability testing menggunakan platform Maze serta evaluasi System Usability Scale (SUS). Hasil pengujian menunjukkan skor rata-rata 93 pada Maze dan skor rata-rata 82 pada SUS, yang termasuk kategori Excellent. Temuan ini menunjukkan bahwa prototipe ChillnFun dapat diterima dengan baik oleh pengguna dan mampu meningkatkan efisiensi, kenyamanan, serta kepuasan dalam proses top-up game

Related SDGs Targets

Full Author List

Husain, Alfiansyah Anugrah; Indra Dolly; Jabir Sitti Rahmah, Universitas Muslim Indonesia;

Abstract

Platform X menjadi ruang utama bagi masyarakat dalam mengekspresikan opini terhadap tokoh publik, termasuk Kang Dedi Mulyadi. Penelitian ini bertujuan menganalisis sentimen publik sekaligus menjawab keterbatasan studi sebelumnya yang umumnya berfokus pada isu politik nasional atau hanya menggunakan satu algoritma klasifikasi, sehingga perbandingan kinerja model pada konteks figur politik daerah masih terbatas. Data penelitian terdiri dari 7.190 tweet yang dikumpulkan melalui crawling selama Februari–September 2025. Data diproses melalui tahapan pre-processing, kemudian dilabeli otomatis menggunakan InSet Lexicon ke dalam sentimen positif dan negatif. Ekstraksi fitur dilakukan dengan TF-IDF menggunakan konfigurasi n-gram (1,2), dengan pembagian data 80:20 untuk pelatihan dan pengujian. Hasil pengujian menunjukkan bahwa SVM Linear memberikan performa terbaik dengan akurasi 0,8982, presisi 0,8991, recall 0,8970, dan F1-score 0,8977. Sementara itu, Naïve Bayes menghasilkan akurasi 0,8287, presisi 0,8297, recall 0,8268, dan F1-score 0,8276. Temuan ini menunjukkan bahwa SVM lebih efektif dibandingkan Naïve Bayes dalam mengklasifikasikan sentimen publik pada data media sosial X, serta memberikan kontribusi empiris pada kajian analisis sentimen tokoh politik berbasis media sosial

Related SDGs Targets

Full Author List

Musdalifah, Musdalifah; Indra, Dolly; Jabir, Sitti Rahmah, Faculty Of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Pemanfaatan sistem informasi di tingkat pemerintahan desa menjadi krusial untuk memenuhi ekspektasi publik terhadap pelayanan yang responsif dan transparan. Penelitian ini bertujuan untuk mengevaluasi efektivitas website resmi Desa Lamundre (https://lamundre.kolakadesa.id/) dalam menunjang efisiensi operasional aparatur desa serta kualitas layanan bagi masyarakat. Metode evaluasi yang digunakan adalah kerangka kerja PIECES yang meninjau enam dimensi utama: performance, information, economy, control, efficiency, dan service. Data dikumpulkan melalui observasi, wawancara, dan penyebaran kuesioner kepada 10 aparatur desa serta 30 responden masyarakat dengan teknik analisis statistik deskriptif menggunakan skala Likert. Hasil penelitian menunjukkan bahwa secara keseluruhan sistem informasi Desa Lamundre berada pada kategori "Puas". Dimensi control mendapatkan penilaian tertinggi (skor 3,66), sedangkan dimensi efficiency memerlukan perhatian lebih untuk peningkatan performa sistem di masa mendatang. Evaluasi ini diharapkan menjadi acuan bagi Pemerintah Desa Lamundre dalam mengoptimalkan sistem informasi desa.

Related SDGs Targets