Article Per Year (5 Year)
p-Index From 2021 - 2026
5.01
P-Index
This Author published in this journals
All Journal Jurnal TIMES Jurnal Informatika dan Teknik Elektro Terapan JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi JOURNAL OF APPLIED INFORMATICS AND COMPUTING Technomedia Journal DoubleClick : Journal of Computer and Information Technology J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informasi dan Komputer Jurnal Teknologi Terpadu Jurnal Ilmu Komputer dan Bisnis Generation Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pemberdayaan Komunitas MH Thamrin Informatics and Digital Expert (INDEX) Jurnal Ilmiah Wahana Pendidikan J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informatika dan Rekayasa Komputer
Rozikin, Chaerur
Unknown Affiliation
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
COMPARATIVE STUDY OF SPAM EMAIL CLASSFICATION DECISION TREE BETWEEN USING CART AND J48 Fauzi, Ihsan; Sukma Nurmakarim, Hilmy; Islami Pasha, Ramadhan; Rozikin, Chaerur
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13533

Abstract

Email merupakan salah satu bentuk komunikasi digital yang paling populer dan efisien di era modern. Namun, seiring dengan meningkatnya penggunaan email. Email spam merupakan pesan yang tidak diinginkan yang dikirimkan secara massal ke sejumlah besar penerima dengan tujuan mengiklankan produk atau layanan, menyebarkan malware. Spam mengganggu pengguna dan mengonsumsi sumber daya jaringan dan server. Solusi yang ditawarkan dalam mengatasi spam menggunakan decision tree. Decision tree merupakan teknik pembelajaran mesin klasifikasi data berdasarkan fitur-fitur tertentu. Dalam konteks penyaringan email spam, decision tree dapat digunakan untuk mengidentifikasi dan memisahkan email spam dari email yang valid berdasarkan analisis pola dan karakteristik isi email.Metode decision tree bekerja dengan membangun model dari data latih yang berisi contoh-contoh email yang sudah diklasifikasikan sebagai spam atau bukan spam. Model ini kemudian digunakan untuk mengklasifikasikan email baru dengan mengikuti alur keputusan yang ditentukan oleh pohon keputusan. Keunggulan utama dari metode ini adalah kemampuannya untuk menangani data yang kompleks dan memberikan hasil yang akurat dengan interpretasi yang mudah dipahami. Hasil penelitian menunjukkan bahwa metode decision tree J48 memiliki akurasi yang lebih baik yaitu 98,5% sedangkan metode CART memiliki akurasi sebesar 89%. Meskipun demikian kedua metode mampu menghasilkan prediksi yang akurat dan sesuai Ketika dimasukkan data baru kedalam modelnya.
IDENTIFIKASI ISYARAT TANGAN BISINDO DENGAN ALGORITMA CNN DAN TRANSFER LEARNING MENGGUNAKAN MOBILENETV2 Fahlevi, Raihan; Rozikin, Chaerur
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14095

Abstract

Bahasa Isyarat Indonesia (BISINDO) merupakan bentuk komunikasi visual yang digunakan oleh komunitas tuli dan tunarungu di Indonesia. Minimnya pemahaman masyarakat umum terhadap BISINDO sering kali menjadi hambatan dalam proses komunikasi, sehingga dibutuhkan teknologi yang mampu menerjemahkan isyarat tangan secara otomatis. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan huruf BISINDO berbasis citra digital menggunakan algoritma Convolutional Neural Network dan pendekatan transfer learning dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari gambar huruf A–Z BISINDO yang diperoleh melalui proses augmentasi citra. Data kemudian diproses menjadi ukuran 224x224 piksel agar sesuai dengan input model. Model dilatih menggunakan fungsi aktivasi ReLU, fungsi loss Categorical Crossentropy, dan optimizer Adam. Hasil pelatihan menunjukkan bahwa model mampu mengenali huruf BISINDO dengan akurasi validasi sebesar 95% dan akurasi pengujian sebesar 93,33%. Hasil ini membuktikan bahwa penggunaan transfer learning dengan MobileNetV2 efektif dalam membangun sistem pengenalan huruf BISINDO secara cepat dan akurat. Sistem ini diharapkan dapat menjadi solusi awal dalam menjembatani komunikasi antara pengguna BISINDO dan masyarakat umum secara lebih efisien.
Pendeteksi Bahasa Isyarat Menggunakan TensorFlow dengan Metode Convolutional Neural Network Saputra, Reza Aditya; Ryansyah, Eddy; Setiawan, Fikri Maulana; Rozikin, Chaerur
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 5 No 2 (2025): JAKAKOM Vol 5 No 2 SEPTEMBER 2025
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/jakakom.2025.5.2.2386

Abstract

Sign language recognition plays a vital role in facilitating communication for individuals with hearing impairments. This study proposes a Convolutional Neural Network (CNN) model trained to recognize patterns in sign language images with the aim of improving the accuracy and efficiency of sign language recognition systems. The model was trained in two stages with the first training session achieving a validation accuracy of around 63%, while the second training session yielded an impressive validation accuracy exceeding 92% at epoch 29. This significant improvement demonstrates the model’s ability to effectively learn and generalize complex patterns in sign language images, signaling its potential for practical applications in sign language interpretation. The high accuracy achieved by the CNN model demonstrates its suitability for use in a variety of real-world scenarios, such as assistive technology for the deaf community or automation systems requiring hand gesture recognition. Thus, the trained CNN model has the potential to be a valuable tool in improving the accessibility and efficiency of communication for individuals who rely on sign language.
OPTIMASI PROSES DATA WAREHOUSE MENGGUNAKAN PARTISI DAN INDEXING PADA POSTGRESQL UNTUK MENINGKATKAN PERFORMA QUERY Khaerunnisa, Luthfi Sifa; Al Qodr, Muhammad Ramadhan Syahrul; Putri, Juliana Widianti Dwi; Firdaus, Joyce Rosita; Rozikin, Chaerur
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8012

Abstract

Optimasi query pada data warehouse sangatlah krusial terutama dengan pertumbuhan volume dan kompleksitas analitik. Seiring dengan pertumbuhan volume data, performa query pada data warehouse seringkali mengalami degradasi yang menghambat proses analisis dan pengambilan keputusan. Penelitian ini bertujuan untuk mengoptimalkan performa data warehouse dengan menganalisis dampak dari teknik partisi dan indexing terhadap kinerja query pada PostgreSQL 17.6 menggunakan dataset “Online Retail II” yang telah dibersihkan dan dibuat star schema. Eksperimen dilakukan secara komparatif yaitu tanpa optimasi, partisi saja, indexing saja, dan partisi dengan indexing. Kinerjanya diukur menggunakan dua matriks utama yaitu waktu eksekusi dan I/O. Penelitian menunjukkan bahwa kombinasi partisi dan indexing adalah strategi paling superior, yang mampu mengurangi waktu eksekusi query hingga 55.13% sedangkan partisi efektif untuk query berbasis rentang waktu dan indexing untuk akses selektif. Perancangan data warehouse berbasis PostgreSQL sebaiknya memadukan partisi yang selaras antara pola waktu dengan indexing pada kolom filter/join.
IMPLEMENTASI ETL DAN TOPIC MODELING MENGGUNAKAN ALGORITMA LATENT DIRICHLET ALLOCATION UNTUK IDENTIFIKASI TOPIK KRIMINAL PADA BERITA ONLINE Medistarani, Ririn; Kamila, Ahista Tasya; Pradana, Bintang Ary; Sarwanti, Ruth Tika; Rozikin, Chaerur
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8041

Abstract

Peningkatan angka kriminalitas di Indonesia berdampak pada semakin masifnya pemberitaan kejahatan di media daring. Data berita yang tidak terstruktur memerlukan pendekatan sistematis agar dapat dianalisis secara efektif. Penelitian ini bertujuan untuk mengimplementasikan proses Extract, Transform, Load (ETL) dan metode topic modeling menggunakan algoritma Latent Dirichlet Allocation (LDA) untuk mengidentifikasi topik kriminal pada artikel berita online, khususnya dari portal Detik.com. Data dikumpulkan melalui teknik web scraping, kemudian diproses melalui tahapan transformasi untuk pembersihan dan standarisasi, serta dimuat ke dalam basis data agar lebih terorganisasi. Selanjutnya, dilakukan text preprocessing dan representasi teks menggunakan Bag of Words sebelum dimodelkan dengan LDA. Hasil penelitian menunjukkan bahwa dari 4.105 artikel kriminal, diperoleh 7 topik utama, yaitu pencurian dan kekerasan fisik, kejahatan seksual dan kekerasan anak, kejahatan politik dan pelanggaran HAM, kekerasan bersenjata dan separatisme, kejahatan finansial dan narkotika, pembunuhan dan penganiayaan, serta pelanggaran hukum dan penyalahgunaan wewenang. Analisis tren menunjukkan dua topik dominan sepanjang periode penelitian, yakni pencurian serta kejahatan seksual. Temuan ini menegaskan pentingnya integrasi ETL dan LDA untuk memahami pola kriminalitas secara sistematis, serta dapat menjadi dasar pengambilan kebijakan berbasis data.
IDENTIFIKASI KONTEN VISUAL BUATAN AI DENGAN RESNET DAN FINE-GRAINED FEATURE EXTRACTION Maulana, Dzikri; Azzahrah, Nur Salamah; Syach, Reiza Alithian; Syauri, Sopian; Syafi’i, Malik; Rozikin, Chaerur
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8056

Abstract

Perkembangan pesat kecerdasan buatan (AI), khususnya dalam generasi citra digital, menghasilkan gambar yang semakin realistis dan sulit dibedakan dari gambar asli. Kondisi ini berisiko menimbulkan disinformasi, manipulasi opini publik, dan penurunan kepercayaan masyarakat. Penelitian ini mengusulkan sistem deteksi gambar palsu menggunakan arsitektur ResNet-50 yang diperkuat dengan teknik ekstraksi fitur granular melalui integrasi Squeeze-and-Excitation (SE) Block. Dataset yang digunakan berasal dari Kaggle, berisi citra asli dan buatan AI, dengan tahapan pra-proses berupa resize, normalisasi, dan augmentasi. Hasil eksperimen menunjukkan bahwa model ResNet-50 yang dimodifikasi mencapai akurasi validasi 96,7% dengan penurunan loss yang konsisten, menunjukkan proses optimisasi yang stabil dan kemampuan generalisasi yang baik tanpa indikasi overfitting. Model terbukti mampu membedakan citra asli dan buatan AI secara efektif, meskipun masih terdapat tantangan pada kasus borderline ketika gambar sintetis tampil sangat realistis. Penelitian ini menegaskan bahwa ekstraksi fitur granular mampu meningkatkan sensitivitas model terhadap detail tekstur halus, sehingga dapat menjadi pendekatan handal untuk forensik digital dan verifikasi konten visual.
KLASIFIKASI PENGGUNA HASHTAG PADA APLIKASI TIKTOK MENGGUNAKAN PERBANDINGAN METODE K-NEAREST NEIGHBORS DAN NAÏVE BAYES CLASSIFIER Miftakhurahmat, Moh. Aulia; Safitri, Nur; Kusnadi, Putri Aulia; Rozikin, Chaerur
Jurnal Informatika dan Teknik Elektro Terapan Vol. 11 No. 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3150

Abstract

Penelitian ini bertujuan untuk membandingkan penggunaan algoritma machine learning yaitu, K-Nearest Neighbors (KNN) dengan algoritma Naive Bayes classifier dalam memberikan rekomendasi hashtag untuk pengguna aplikasi TikTok. Dataset yang digunakan dalam penelitian ini adalah dataset hashtag TikTok yang diambil dari sebuah website yang berdasarkan dari setiap kategori. Pada penelitian ini dilakukan pemodelan dengan menggunakan algoritma K-Nearest Neighbors (KNN) dan Naive Bayes classifier untuk memprediksi hashtag yang sesuai untuk pengguna Tiktok berdasarkan pada hashtag yang sedang populer digunakan. Kemudian dilakukan evaluasi kinerja kedua metode dengan menggunakan precision, recall, f1 score dan  accuracy. Pada penelitian ini penulis akan membandingkan performa klasifikasi model yang telah dibuat menggunakan metode K-Nearest Neighbors dan Naive Bayes Classifier, tujuan perbandingan kinerja ini adalah untuk mempelajari metode mana yang memiliki kinerja terbaik dalam hal merekomendasikan penggunaan hashtag. Hasil dari penelitian ini menunjukan bahwa perbandingan dari kedua metode dapat memberikan klasifikasi rekomendasi hastag yang baik dengan nilai f1 score dan accuracy yang cukup tinggi.
ANALISIS SENTIMEN PENGGUNA APLIKASI SHOPEE PADA SITUS GOOGLE PLAY MENGGUNAKAN NAIVE BAYES CLASSIFIER Nurian, Andriani; Ma'arif, Muhammad Samsul; Amalia, Indira Nur; Rozikin, Chaerur
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3631

Abstract

Perkembangan teknologi dalam era digital ini sangat pesat. Salah satu bidang yang mengalami perkembangan signifikan adalah industri keuangan (fintech). Banyak perusahaan fintech, termasuk Shopee, yang muncul dan menawarkan kemudahan kepada pengguna. Dalam konteks ini, Google Play Store merupakan platform yang memungkinkan pengguna memberikan ulasan terhadap produk yang mereka gunakan. Seiring dengan pertumbuhan jumlah pengguna, jumlah ulasan di Google Play Store juga meningkat. Ulasan dari pengguna dapat menjadi sumber informasi berharga bagi perusahaan untuk melakukan perbaikan dan peningkatan di masa depan. Penelitian ini berfokus pada analisis sentimen terhadap ulasan pengguna aplikasi Shopee di Google Play Store menggunakan algoritma Naïve Bayes. Data ulasan diklasifikasikan ke dalam tiga kategori, yaitu positif, negatif, dan netral. Evaluasi penelitian ini menunjukkan hasil Accuracy sebesar 87,58%, presisi sebesar 91,20%, dan recall sebesar 90,21%. Penelitian ini memberikan kontribusi dalam pemahaman sentimen pengguna terhadap aplikasi Shopee. Dengan menggunakan Naïve Bayes Classifier dan metode seleksi fitur TF-IDF, perusahaan dapat mengklasifikasikan ulasan pengguna dengan lebih efektif. Hasil penelitian ini dapat digunakan sebagai dasar untuk meningkatkan pengalaman pengguna dan kualitas layanan aplikasi Shopee.
PERANCANGAN SISTEM INFORMASI GEREJA BERBASIS WEBSITE MENGGUNAKAN FRAMEWORK LARAVEL (Studi Kasus: HKBP Sultan Mazmur Pancawati) Sinambela, Annabella Dian Dameria; Prihandani, Kamal; Rozikin, Chaerur
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4840

Abstract

Currently, many churches still use paper or booklets for worship events, which causes paper usage to be very high and inefficient. Based on observations and questionnaires with church members, many feel this method is inefficient as paper is often only used once and then discarded. The church's internal assessment also showed this method resulted in a waste of resources and lack of easy access to information. To address these issues, a dedicated website is needed for HKBP Sultan Psalm Pancawati to deliver information efficiently and effectively. This research designs and develops a web-based church information system using the SDLC method with a prototype approach, involving mutual interaction between developers and users. The steps include needs identification, rapid design, prototype building, system development and testing, and implementation. Testing is done through alpha and beta testing, where alpha testing checks internal smoothness and beta testing uses questionnaires to evaluate external acceptance. Results showed a level of feasibility with a score of 91%, reflecting positive acceptance from users and the effectiveness of the system in meeting the needs of the congregation as well as reducing reliance on paper usage.
Perancangan Sistem Layanan Grosir Warung Berbasis Website Dengan Metode Prototipe (Studi Kasus: Manjoo) Oktavirani, Yurike; Jaman, Jajam Haerul; Rozikin, Chaerur
Jurnal Ilmiah Wahana Pendidikan Vol 10 No 4 (2024): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10538586

Abstract

The manjoo warung website is an online wholesale service website that can be ordered remotely. This website is expected to provide convenience in finding wholesale shop products at competitive prices. The manjoo warung website is a grocery stall service intended for shop owners who are going to open a grocery shop business. The survey data conducted in this study, it shows that many grocery shop owners are still having trouble finding distributors for their stalls. So manjoo proposed and designed an idea to be able to overcome the problem. In this study, website design only reached the interactive prototype stage. In designing this interactive prototype using the prototype method and testing using the technology acceptance model (TAM) method. The variables used for testing using the technology acceptance model (TAM) are perceived usefulness, perceived ease of use, actual system use, behavioral intention to use, and self-efficacy. From the results of the normality test, and others, it is found that the influential variables are self-efficacy which directly influences perceived ease of use, perceived ease of use which directly influences perceived usefulness, perceived ease of use with behavioral intention of use, and behavior intention of use with actual system of use. Keywords: Prototype, User Interface, Technology Acceptance Model, Grocery Store, Website
Co-Authors Afif, Ramadhan Nur Akmaliah, Fitri Al Qodr, Muhammad Ramadhan Syahrul Ali Ridha, Azhari Alifa, Rizal Fahmi Amalia, Indira Nur Apriade Voutama Aries Suharso Arip Solehudin Armeilia, Rida Aurelly Claudia Budianto, Theresia Ayu Syaharani, Maesha Azzahrah, Nur Salamah Badriah, Siti Cantika Parhati, Yusma Eddy Ryansyah Eka Purnama, Karolina Enri, Ultach Fahlevi, Raihan Fahmi, Ikbal Fajar Estu Nugroho, Muhammad Fathurrohman, Muhammad Hafiz Fatoni, Hilman Fauzi, Ihsan Firdaus, Joyce Rosita Garno, G. Hafizh Ridwan, Muhammad Holiyanti, Ranti Ibnu Adam, Riza Islami Pasha, Ramadhan Jamaludin, Asep Jaman, Jajam Haerul Kamila, Ahista Tasya Khaerunnisa, Luthfi Sifa Khainur, Ahmad Fauzidan Yahya Kusnadi, Putri Aulia Lenteraningati, Anggun M Rayhan Rizqullah Syarif Ma'arif, Muhammad Samsul Maulana, Dzikri Maulana, Yuzril Nur Medistarani, Ririn Miftakhurahmat, Moh. Aulia Muhammad Fajar Estu Nugroho Nurian, Andriani Nurul Abada, Oki Oktavirani, Yurike Pradana, Bintang Ary Prihandani, Kamal Puteh, Teuku Nurmansyah Putra, Ikhwan Wiratama Putri Nadila Agustin, Allya Putri Yunisa, Ghaida Putri, Juliana Widianti Dwi Qolbi, Muhammad Brillian Syifa Ramadani, Daffa Tama Rika Yunita, Rika Rismawati, Imas Rivandi, Rivandi Riza Ibnu Adam, Riza Ibnu Rizka, Alifa Maha Rizkika, Putri Rizky Fawzy, Ray Safaat, Ilham Safitri, Nur Sallamah, Afifah Nur Salsabila, Alifa Sanjaya, Nurlana Saputra, Aldo Andika Saputra, Reza Aditya Sarwanti, Ruth Tika savina, savina Setiawan, Fikri Maulana Sinambela, Annabella Dian Dameria Sopiatul Ulum Sukma Nurmakarim, Hilmy Sunandar, Adi Syach, Reiza Alithian Syafi’i, Malik Syauri, Sopian Tubagus, Ayu Shafira Wati, Sukma Widianingsih Winanto, Tawang Sahro Yuares, Taufiqurrohman