Iqbal Iqbal
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Iqbal Iqbal has a total of 7 co-authors. Here are the top co-authors by number of shared publications:
- Didit Suprihanto
Universitas Mulawarman
1 shared publication - Ipung Permadi
Department of Informatics, Universitas Jenderal Soedirman, Central Java, Indonesia
1 shared publication - Lasmedi Afuan
Universitas Jenderal Soedirman
1 shared publication - Nurul Hidayat
Universitas Jenderal Soedirman
1 shared publication - Panky Bintang Pradana Yosua
Universitas Jenderal Soedirman
1 shared publication - Reyno Alfarez Marchelian
Universitas Jenderal Soedirman
1 shared publication
Latest Publications
- Open Access
- 1 October 2025
- Published by Institute of Advanced Engineering and Science in Bulletin of Electrical Engineering and Informatics
- Vol. 14 (5) , 3692-3703
Comparative performance analysis of LSTM, GRU, and bidirectional neural networks for political ideology classification
Political ideology classification is crucial for understanding social polarization, monitoring democratic processes, and identifying bias on online platforms. This study compares the performance of long short-term memory (LSTM), gated recurrent unit (GRU), and bidirectional GRU (Bi-GRU) neural network models in classifying liberal and conservative political ideologies from social media text data. The Bi-GRU achieved the best results with 88.75% accuracy and 89.16% F1-score, highlighting its strength in contextual analysis. These findings suggest their applicability in areas such as election monitoring and the analysis of political discourse. This study contributes to the field of political text classification by offering a comparative analysis of deep learning architectures. The dataset utilized covers a wide range of issues, including social, political, economic, religious, and racial topics, demonstrating its comprehensive nature. Visualizations using WordCloud and uniform manifold approximation and projection (UMAP) reveal distinct ideological patterns, validating the dataset’s quality for training models. The findings underscore the importance of utilizing advanced bidirectional architectures for nuanced tasks, such as ideology classification, where contextual understanding is crucial. These insights open avenues for future research, such as the application of Bi-GRU in analyzing multilingual political ideologies or real-time sentiment tracking during election campaigns.
- 1 October 2025
- Published by Institute of Advanced Engineering and Science in Bulletin of Electrical Engineering and Informatics
- Vol. 14 (5) , 3692-3703
Open AccessComparative performance analysis of LSTM, GRU, and bidirectional neural networks for political ideology classification
Political ideology classification is crucial for understanding social polarization, monitoring democratic processes, and identifying bias on online platforms. This study compares the performance of long short-term memory (LSTM), gated recurrent unit (GRU), and bidirectional GRU (Bi-GRU) neural network models in classifying liberal and conservative political ideologies from social media text data. The Bi-GRU achieved the best results with 88.75% accuracy and 89.16% F1-score, highlighting its strength in contextual analysis. These findings suggest their applicability in areas such as election monitoring and the analysis of political discourse. This study contributes to the field of political text classification by offering a comparative analysis of deep learning architectures. The dataset utilized covers a wide range of issues, including social, political, economic, religious, and racial topics, demonstrating its comprehensive nature. Visualizations using WordCloud and uniform manifold approximation and projection (UMAP) reveal distinct ideological patterns, validating the dataset’s quality for training models. The findings underscore the importance of utilizing advanced bidirectional architectures for nuanced tasks, such as ideology classification, where contextual understanding is crucial. These insights open avenues for future research, such as the application of Bi-GRU in analyzing multilingual political ideologies or real-time sentiment tracking during election campaigns.
- Open Access
- 10 December 2022
- Published by Universitas Almuslim in Jurnal TIKA
- Vol. 7 (3) , 235-242
Sistem Pakar Diagnosa Gejala Awal Penyakit Stroke Dengan Menggunakan Metode Fuzzy
Pengaruh perkembangan ilmu komputer telah menjamah berbagai bidang, contohnya saja pada bidang kedokteran, militer dan lain-lain. Mengingat semakin pesatnya perkembangan teknologi yang semakin maju khususnya dibidang komputer, maka banyak orang yang memanfaatkan komputer sebagai alat bantu. Tidak ketinggalan juga termasuk dalam bidang kedokteran, komputer telah masuk di dalamnya sebagai alat bantu untuk mengerjakan suatu pekerjaan ataupun melakukan identifikasi suatu penyakit tertentu yang memudahkan pekerjaan manusia. Untuk menentukan jenis penyakit dan cara penanggulangannya serta menggunakan metode Waterfall untuk pengembangan sistemnya. Sistem pakar ini juga akan menggunakan konsep Certainty Factor. Aplikasi ini dibuat dengan menggunakan bahasa pemrograman PHP dan database MySQL sebagai tempat penyimpanan data-data yang dibutuhkan dalam pembuatan aplikasi. Adobe Dreamweaver untuk desain Web. Penelitian ini menghasilkan aplikasi sistem pakar diagnosa penyakit strok berbasis web sehingga dapat membantu user untuk memperoleh informasi yang diinginkan. Penyusunan sistem pakar ini berupa user dan admin. Melalui sistem ini, user dapat mengidentifikasi penyakit berdasarkan gejala-gejala yang menyerangnya. Sistem juga mempunyai kemampuan untuk menambah, memperbaharui, serta menghapus ciri dan gejala pada beserta hasil konsultasi yang dilakukan oleh admin
- 10 December 2022
- Published by Universitas Almuslim in Jurnal TIKA
- Vol. 7 (3) , 235-242
Open AccessSistem Pakar Diagnosa Gejala Awal Penyakit Stroke Dengan Menggunakan Metode Fuzzy
Pengaruh perkembangan ilmu komputer telah menjamah berbagai bidang, contohnya saja pada bidang kedokteran, militer dan lain-lain. Mengingat semakin pesatnya perkembangan teknologi yang semakin maju khususnya dibidang komputer, maka banyak orang yang memanfaatkan komputer sebagai alat bantu. Tidak ketinggalan juga termasuk dalam bidang kedokteran, komputer telah masuk di dalamnya sebagai alat bantu untuk mengerjakan suatu pekerjaan ataupun melakukan identifikasi suatu penyakit tertentu yang memudahkan pekerjaan manusia. Untuk menentukan jenis penyakit dan cara penanggulangannya serta menggunakan metode Waterfall untuk pengembangan sistemnya. Sistem pakar ini juga akan menggunakan konsep Certainty Factor. Aplikasi ini dibuat dengan menggunakan bahasa pemrograman PHP dan database MySQL sebagai tempat penyimpanan data-data yang dibutuhkan dalam pembuatan aplikasi. Adobe Dreamweaver untuk desain Web. Penelitian ini menghasilkan aplikasi sistem pakar diagnosa penyakit strok berbasis web sehingga dapat membantu user untuk memperoleh informasi yang diinginkan. Penyusunan sistem pakar ini berupa user dan admin. Melalui sistem ini, user dapat mengidentifikasi penyakit berdasarkan gejala-gejala yang menyerangnya. Sistem juga mempunyai kemampuan untuk menambah, memperbaharui, serta menghapus ciri dan gejala pada beserta hasil konsultasi yang dilakukan oleh admin