Article Per Year (5 Year)
p-Index From 2019 - 2024
0.751
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Jurnal Manajemen Informatika dan Sistem Informasi Computer Science (CO-SCIENCE) Jurnal Penelitian dan Pengabdian Masyarakat Jotika
Muhammad Iqbal
Universitas Bina Sarana Informatika
Computer Science & IT Electrical & Electronics Engineering Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
OPTIMASI HYPERPARAMETER MULTILAYER PERCEPTRON UNTUK PREDIKSI DAYA BELI MOBIL Muhammad Iqbal; Hendri Mahmud Nawawi; M Rangga Ramadhan Saelan; Muhammad Sony Maulana; Yudhistira; Ali Mustopa
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 6 No. 1 (2023): MISI Januari 2023
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v6i1.739

Abstract

Dalam memutuskan untuk membeli mobil biasanya beberapa faktor dijadikan pertimbangan untuk menentukan keputusan akhir. Maka dari itu sejumlah faktor pendukung seperti harga, type, merk, dan lain sebagainya penting untuk diperhatikan.  Pada penelitian ini optimasi model algoritma multilayer perceptron digunakan untuk memodelkan prediksi daya beli mobil konsumen dari dataset publik yang bersumber dari kaggle untuk menemukan model paling optimal terhadap keputusan membeli mobil.  Multilayer perceptron sering diterapkan untuk meneliti data yang kompleks karena mampu mengnalisa data dengan baik.  Prediksi niat beli tidak hanya dapat mengurangi biaya dealer mobil, tetapi juga mempengaruhi strategi pemasaran dealer mobil dalam jangka panjang. Pengujian menggunakan model Multilayer Perceptron (MLP) dengan konfigurasi default dan hypertuning parameter dilakukan dengan membandingkan dua parameter optimasi yang berbeda yaitu parameter Adam dan RMSprop.  Hasilnya didapatkan evaluasi optimal dari konfigurasi default pada parameter optimasi Adam dengan maksimum learning rate 0.01 dengan akurasi  89.50% dan 87,50% untuk optimasi RMSprop sedangkan pengujian dengan konfigurasi hyperparameter tuning dengan dua parameter optimasi yang sama Adam dan RMSprop dengan nilai maksimum learning rate 0,001 didapatkan akurasi sebesar 92.00% untuk parameter RMSprop dan 91,5% pada parameter Adam.
CERDAS DAN BIJAK MENGGUNAKAN MEDIA SOSIAL TERHADAP KEAMANAN INFORMASI DI ERA DIGITAL PADA KELOMPOK WANITA TANI MELATI Muhammad Iqbal; Ali Mustopa; Wahyu Nugraha; Umi Khultsum; Rabiatus Sa’adah
Jurnal Penelitian dan Pengabdian Masyarakat Jotika Vol. 2 No. 2 (2023): Februari
Publisher : Jotika English and Education Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (191.555 KB) | DOI: 10.56445/jppmj.v2i2.67

Abstract

Media sosial mengajak siapa saja yang tertarik untuk berpartisipasi dengan secara terbuka memberikan tanggapan, memposting komentar, dan berbagi informasi secara cepat dan tanpa batasan waktu. Potensi Media sosial bisa menghubungkan banyak orang dengan mudah dan gratis dalam satu waktu mendorong komunikasi dilakukan secara virtual dalam jaringan internet. Tidak dapat dipungkiri bahwa media sosial bisa diakses oleh siapapun, hampir semua orang memiliki paling tidak satu akun sosial media sebagai media untuk berkomunikasi secara online. Pengguna sosial media ini tidak hanya dari kalangan anak remaja tetapi anak usia SD sampai orang tua sudah banyak yang familiar dengan sosial media, pengguna sosial media mencapai angka 62% dari total populasi penduduk Indonesia menggunakan smartphone untuk menggunakan akun sosial media. Perkembangan yang pesat dan pemanfaatnya yang tergolong besar ternyata dapat menimbulkan dampak positif dan dampak negatif. Di era ini kebebasan dalam mengakses website apapun media sosial jenis apapun tentunya harus dibarengi dengan sikap hati-hati dan mawas diri sehingga jangan sampai apa yang dipost di media sosial menjadi boomerang kepada diri sendiri, dampak negatif dari sosial media adalah munculnya bentuk kejahatan baru dalam bentuk virtual dan perbuatan melawan hukum yang dilakukan tidak secara langsung yang kemudian muncul istilah cybercrime. Pentingnya perhatian dalam bersosial media menjadi topik yang menarik untuk dibahas dan disosialisasikan sebagai kontrol dan pengetahuan tentang UU ITE yang dapat berimbas kepada siapa saja yang tidak berhati-hati dan bijak dalam bersosial media.
Pendekatan Algoritma Klasifikasi Machine Learning untuk Deteksi Penyakit Demensia Muhammad Iqbal; Hendri Mahmud Nawawi; Muhammad Rezki; Abdul Hamid; Sri Rahayu
Computer Science (CO-SCIENCE) Vol. 3 No. 2 (2023): Juli 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/coscience.v3i2.1987

Abstract

Early detection of dementia through the use of machine learning classification algorithms is important for providing appropriate interventions to patients. In this context, this study aims to compare the performance of several machine learning classification algorithms in detecting dementia using the attribute selection method. In the early stages, patient data including medical history, cognitive test results, and other attributes were collected as input, an attribute selection algorithm was used to select the most informative attribute subset in detecting dementia. The subset of attributes used as input for training machine learning classification models, several classification algorithms such as Extra Trees (ET), Linear Discriminant Analysis (LDA), Random Forest (RF) and Ridge. In this study, accuracy is used as the main metric to compare algorithm performance. The evaluation results show that the Random Forest (RF) algorithm produces the best performance with an accuracy of 91.56%. The Extra Trees (ET) algorithm has an almost comparable accuracy of 91.44%, while Ridge and Linear Discriminant Analysis (LDA) have an accuracy of 90.44% respectively. In the context of dementia detection, the performance of the Random Forest algorithm with the attribute selection method proved to be the best with an accuracy of 91.56%. These results indicate that the developed model is capable of recognizing complex patterns and relationships between features that are relevant to dementia status. The use of the attribute selection method also contributes to increasing the accuracy and efficiency of the classification algorithm.
Application of the Deep Neural Networks Model in Analyzing ChatGPT Application Sentiment Ahmad Fauzi; Indra Chaidir; Muhammad Iqbal; Ginabila Ginabila
Sistemasi: Jurnal Sistem Informasi Vol 13, No 1 (2024): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v13i1.3432

Abstract

AI has been able to intelligently mimic human behavior and has been applied in various contexts, including healthcare for more efficient patient care. One of the prominent trends in AI is advanced language models such as ChatGPT developed by OpenAI. The effectiveness of ChatGPT in finding and fixing bugs in computer code is a subject of debate, depending on the task, training data, and system design. The popularity of social media platforms, particularly Twitter, as a data source for text analysis has increased interest in sentiment analysis. This study explores sentiment towards the ChatGPT application using a dataset of 50,000 tweets. Sentiment analysis is performed using a deep neural network (DNNs) approach to achieve optimal accuracy. Deep learning models are known to have high predictivity and efficient training time. Through this experiment, we aim to gain insight into how the public views ChatGPT in three sentiment categories: positive, negative, and neutral. DNN (Deep Neural Network) is proposed because of its good performance and can shorten the amount of training time. The results with the model used in this study, namely CNN and LSTM both achieve an accuracy value of more than 90%: Where CNN obtains an accuracy value of 91.12% and LSTM obtains an accuracy of 90.84%.
Co-Authors Abdul Hamid Ahmad Fauzi Ali Mustopa, Ali Ginabila Ginabila Hendri Mahmud Nawawi Indra Chaidir M Rangga Ramadhan Saelan Muhammad Rezki Muhammad Sony Maulana Rabiatus Sa’adah Sri Rahayu Umi Khultsum Wahyu Nugraha Yudhistira