Article Per Year (5 Year)
p-Index From 2020 - 2025
1.564
P-Index
This Author published in this journals
All Journal DINTEK Jurnal Teknik Informatika Jurnal Sistem Informasi Kaputama (JSIK) Jurnal Sains Komputer dan Teknologi Informasi PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Jurnal Riset Sistem dan Teknologi Informasi
Sudin, Sakina
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Mechanical Engineering

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
ANALISIS SENTIMEN MENGGUNAKAN SPEECH RECOGNITION DENGAN ALGORITMA NAIVE BAYES CLASSIFIER Tamrin, Fikram; Sudin, Sakina; Mandar, Gamaria
Jurnal Sains Komputer dan Teknologi Informasi Vol. 6 No. 1 (2023): Jurnal Sains Komputer dan Teknologi Informasi
Publisher : Institute for Research and Community Services Universitas Muhammadiyah Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33084/jsakti.v6i1.5416

Abstract

Analisis sentimen atau disebut juga opini adalah proses pemahaman, penggalian, dan analisis data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung dalam sebuah kalimat opini terhadap suatu isu oleh seseorang, yang cenderung memiliki opini negatif atau positif. Tujuan dari penelitian ini adalah mengklasifikasikan data mahasiswa dan mahasiswi di lingkungan sekitar kampus Muhammadiyah Maluku Utara menjadi 2 kategori, positif dan negatif. Pada penelitian ini, teks yang kami gunakan berbahasa Indonesia yang memuat data responden dari kalangan umum dan mahasiswa. Adapun pengembangan website layanan masyarakat untuk menampung opini dari masyarakat dan mahasiswa yang menggunakan fitur speech recognition untuk mengubah ucapan menjadi tulisan secara langsung (real-time) dalam bahasa Indonesia dengan input microphone. Opini publik yang terdapat pada website layanan publik dapat dijadikan sebagai bahan analisis apakah masyarakat dan mahasiswa memiliki sikap negatif terhadap keberadaan kampus Universitas Muhammadiyah Maluku Utara. Data yang digunakan terdiri dari 300 data yang terbagi menjadi 2 yaitu 220 untuk data latih dan 80 data untuk data uji. Klasifikasi data sentimen menggunakan text mining dengan Naïve Bayes Classifier. Sebelum klasifikasi dilakukan beberapa langkah pengolahan kata, seperti: Case Folding, Cleaning, Stopword, Tokenizing dan Stemming. Hasil dari 80 data pengujian yang diklasifikasikan adalah 43 data sentimen positif dan 7 data negatif. Dapat diartikan bahwa 80 data uji yang terklasifikasi termasuk dalam kategori sentimen positif karena data negatif lebih kecil dari data dengan sentimen positif. Dapat diartikan bahwa data uji 80 termasuk dalam kategori sentimen karena data negatif lebih kecil dari sentimen positif. Akurasi pada algoritma Naïve Bayes Classifier memiliki nilai sebesar 62,5%.
Identifikasi Mutu Roasting Biji Kopi Menggunakan Fitur Warna Dan Backpropagation Taslim, Alfarabi; Sudin, Sakina; Suratin, Muhammad Dzikrullah
Jurnal Sains Komputer dan Teknologi Informasi Vol. 6 No. 1 (2023): Jurnal Sains Komputer dan Teknologi Informasi
Publisher : Institute for Research and Community Services Universitas Muhammadiyah Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33084/jsakti.v6i1.5600

Abstract

Kopi adalah salah satu minuman yang paling digemari oleh masyarakat dunia. Identifikasi jenis kopi yang telah diroasting secara kasat mata sangat sulit untuk dibedakan bagi masyarakat pada umumnya sehingga diperlukan sebuah keahlian khusus. Oleh karena itu, penting untuk dapat mengidentifikasi level roasting pada biji kopi secara tepat dan akurat. Tujuan dari penelitian ini untuk mengembangkan metode level roasting biji kopi yaitu light, medium, dark menggunakan metode Fitur Warna dan Backpropagation. Metode ini diharapkan dapat membantu para roast dalam menentukan level roasting yang ditentukan. Data set citra biji kopi dengan level roasting light, medium, dark terdiri dari 600 data citra biji kopi yang dibagi menjadi dua yaitu untuk data latih 420 data dan 180 untuk data uji. Metode Fitur Warna digunakan untuk mengekstraksi fitur-fitur dari citra biji kopi. Metode Backpropagation digunakan untuk melatih model prediksi untuk memperkirakan level roasting pada biji kopi. Metode Fitur Warna dan Backpropagation dapat menghasilkan tingkat akurasi yang lumayan tinggi yaitu 88,66% pada tahap pengujian.
Pengabdian Masyarakat Pembuatan Video Promosi Dan Memperkenalkan Penggunaan Media Sosial Yang Baik Dan Benar (Studi Kasus: Aya Geprek Orchi Dokiri, Kota Tidore) Sudin, Sakina; Muksin, Pernadeti; Putri Utami, Ira; Wati Duila, Isna; Pora, Rizkiriyanti; Khumaira, Nurul
Jurnal Sistem Informasi Kaputama (JSIK) Vol. 8 No. 1 (2024): Volume 8, Nomor 1, Januari 2024
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jsik.v8i1.626

Abstract

Pengabdian masyarakat atau program kemitraan masyarakat (PKM) ini bertujuan untuk membantu UMKM-UMKM yang ada di Maluku Utara khususnya Kota Tidore Kepulauan, karena di balik UMKM-UMKM yang ada masih banyak UMKM salah satunya ayam geprek orchi yang belum memiliki video promosi produk dan kurangnya pemahaman terhadap penggunaan media social yang baik dan benar untuk mempromosikan produk tersebut. Oleh karena itu kami menawarkan jasa kami untuk membuat video promosi ayam geprek orchi dan memperkenalkan bagaimana menggunakan social media dengan baik dan benar untuk mempromosikan produk itu sendiri. Metode yang kami gunakan dalam proker ini adalah pengumpulan data atau informasi terkait dengan ayam geprek orchi melalui survey dan wawancara. Diskusi dengan owner dan karyawan untuk apa saja yang akan di tampilkan dalam video tersebut dan melakukan wawancara kepada karyawan apa yang menjadi kendalam terkait dengan social media.
PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) PADA KLASIFIKASI JENIS CENGKEH BERDASARKAN FITUR TEKSTUR DAUN Talib, Sadri; Sudin, Sakina; Dzikrullah Suratin, Muhammad
Jurnal Riset Sistem dan Teknologi Informasi Vol. 2 No. 1 (2024): Jurnal Riset Sistem dan Teknologi Informasi (RESTIA) Vol. 2 No. 1
Publisher : Universitas Aisyiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30787/restia.v2i1.1364

Abstract

Leaves are a very important plant component because they play an important role in differentiating plant species, including clove plants. Currently, the identification of clove species, namely Afo, Siputih, and Zanzibar, relies on manual observation of the characteristics of the fruit and flowers, which can take a long time, especially considering the long fruiting period of the clove plant. To answer this problem, the authors conducted a study to classify the three types of clove leaves based on the characteristics and texture of the Gray gray-level co-occurrence Matrix (GLCM), which includes four parameters: Contrast, Correlation, Energy, and Homogeneity. The Support Vector Machine (SVM) classification algorithm processes extracted feature values and accurately class leaves. This study achieves the highest accuracy of 56.67% on an image size of 250x250 pixels and 48.33% on an image size of 150x150 pixels using 150 training data and 60 test data. These results indicate the potential of automatic leaf classification in efficiently identifying clove plant species. Keywords : Clove, Leaf, Processing, Texture, SVM
IMPLEMENTASI SISTEM PENENTU KALORI SEHAT HARIAN MENGGUNAKAN PERSAMAAN HARRIS BENEDICT BERBASIS WEB Rian, Suttan Muhammad; Sudin, Sakina; Ibrahim, Adelina
DINTEK Vol 17 No 2 (2024): Volume 17 No.2, September 2024
Publisher : Fakultas Teknik UMMU

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

Abstract

Kalori merupakan satuan unit kandungan panas atau energi, atau jumlah energi yang didapatkan dari makanan dan minuman. Satuan ini juga merupakan jumlah energi yang dibakar tubuh melalui aktivitas sehari-hari. Setiap melakukan berbagai aktivitas sehari-hari, tiap orang pastilah memerlukan energi. Kebutuhan asupan gizi yang dibutuhkan tiap orang pun tentu berbeda-beda. Agar dapat menyelesaikan permasalahan tersebut maka penulis merancang dan membangun sebuah sistem penentu kalori sehat harian menggunakan persamaan Harris Benedict berbasis website. Metode Harris Benedict sendiri merupakan metode untuk mengetahui nilai kalori seseorang. Adapun tujuan dari penelitian ini yaitu Merancang sistem yang dapat mengimplementasikan metode Harris Benedict untuk menghitung jumlah kalori lansia agar dapat memberikan saran jenis makanan sesuai kebutuhan. Metode yang digunakan untuk perancangan sistem ini yaitu System Development Life Cycle, terdapat 7 tahap pendekatan pada metode ini diantaranya perancangan (planning), Analisa (analysis), desain (design), pengembangan, testing, implementasi pengoperasian dan pemeliharaan. Hasil dari penelitian ini yaitu menghasilkan sebuah sistem pakar penentu kalori sehat harian untuk menghitung jumlah kalori lansia agar dapat menentukan menu makanan sesuai kebutuhan lansia.
APLIKASI SYSTEM DISPLAY FLIGHT INFORMATION DISPLAY SISTEM DI BANDAR UDARA SULTAN BABULLAH TERNATE BERBASIS WEB Idrus Ar, Ijuandri; Sudin, Sakina; Muhammad, Abdul Haris
DINTEK Vol 17 No 2 (2024): Volume 17 No.2, September 2024
Publisher : Fakultas Teknik UMMU

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

Abstract

Salah satu peralatan di Bandara Udara Sultan Babullah adalah Flight Information Display System (FIDS). FIDS merupakan sebuah sarana informasi terkait jadwal penerbangan baik keberangkatan maupun kepulangan disebuah bandara udara. Oleh karena itu pada penelitian ini peneliti membuat suatu rancangan aplikasi FIDS yang dapat membantu para penumpang mengetahui jadwal keberangkatan dan kedatangan pesawat maupun keterlambatan pesawat. Metode yang digunakan dalam penelitian ini adalah mulai dari Studi lapangan, Pengumpulan data, Merancang Aplikasi FIDS secara Web, Pengujian Aplikasi FIDS dan Perbaikan Aplikasi FIDS . Kemudian Pengolahan data. Pengolahan data dengan menggunakan data Internal dan data Eksternal. Data Internal yaitu peneliti mengolah data dengan cara menjalankan aplikasi FIDS pada localhost dan hosting. Sedangkan data Eksternal yaitu peneliti menggunakan foam kuisioner yang dibagikan kepada para penumpang dengan menggunakan beberapa pertanyaan tentang tingkat kepuasan penumpang terhadap aplikasi FIDS. Dari pengolahan kedua data tersebut akhirnya aplikasi FIDS ini sudah bisa dioperasikan karena mencapai 80 % katagori baik .Dan pada pertanyaan kuisionernya, jawaban Audens atau penumpang sudah mencapai 95 % katagori baik, sehingga para penumpang sudah bisa menggunakan aplikasi FIDS.
PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) PADA KLASIFIKASI JENIS CENGKEH BERDASARKAN FITUR TEKSTUR DAUN Talib, Sadri; Sudin, Sakina; Dzikrullah Suratin, Muhammad
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 1 (2024): Prosisko Vol. 11 No. 1 Maret 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i1.7911

Abstract

Daun merupakan komponen tumbuhan yang sangat penting karena berperan penting dalam membedakan jenis tumbuhan, termasuk tumbuhan cengkeh. Saat ini identifikasi jenis tanaman cengkeh yaitu Afo, Siputih, dan Zanzibar mengandalkan pengamatan secara manual terhadap ciri-ciri buah dan bunga yang dapat memakan waktu lama, terutama mengingat masa berbuah tanaman cengkeh yang panjang. Untuk menjawab permasalahan tersebut, penulis melakukan penelitian untuk mengklasifikasikan ketiga jenis daun cengkeh berdasarkan ciri ciri dan tekstur Gray Level Co-Occurrence Matrix (GLCM) yang meliputi empat parameter yaitu Kontras, Korelasi, Energi, dan Homogenitas. Algoritma klasifikasi Support Vector Machine (SVM) digunakan untuk memproses nilai fitur yang diekstraksi dan mengklasifikasikan daun secara akurat. Penelitian ini mencapai akurasi tertinggi sebesar 56,67% pada ukuran citra 250x250 piksel dan 48,33% pada ukuran citra 150x150 piksel dengan menggunakan 150 data latih dan 60 data uji. Hasil tersebut menunjukkan potensi klasifikasi daun otomatis dalam mengidentifikasi spesies tanaman cengkeh secara efisien.
IMPLEMENTASI METODE DEEP LEARNING MOBILENET SSD DALAM MENGHITUNG JUMLAH PELANGGAN PADA TOKO BANGUNAN RAHAYU GYBSUM kahfi, gery; Sudin, Sakina; Muhammad, Abdul Haris
Jurnal Teknik Informatika (J-Tifa) Vol 7 No 2 (2024): Volume 7 No 2 September 2024
Publisher : Universitas Muhammadiyah Maluku Utara (Prodi Teknik Informatika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52046/j-tifa.v7i2.2222

Abstract

Deteksi manusia adalah proses identifikasi dan penghitungan individu dalam sebuah gambar atau video menggunakan teknik dan algoritma pengolahan citra dan pembelajaran mesin. Tujuan dari penelitian ini adalah untuk memahami tren penjualan serta pola musiman dengan memeriksa data pelanggan yang datang dan total transaksi dalam kurun waktu tujuh hari. Data pelanggan diperoleh melalui rekaman kamera video CCTV yang dipasang di toko bangunan Rahayu Gybsum, sementara total transaksi terjadi di toko tersebut. Penghitungan pelanggan menggunakan metode Deep Learning dengan kerangka deteksi objek SSD (Single Shot Detector) dan arsitektur MobileNet. Perpustakaan yang digunakan untuk menghitung jumlah pelanggan di toko meliputi OpenCV, Pandas, Numpy, Dlib, dan Imutils. Selanjutnya, jumlah pelanggan yang datang di toko akan dibandingkan dengan jumlah transaksi yang terjadi pada saat yang sama untuk menghitung tingkat konversi. Hasil dari sistem pendeteksian pelanggan ini adalah visualasiasi tren penjualan yang terjadi secara berkala. Selain itu, analisis time series juga dilakukan untuk mengidentifikasi pola data dan memprediksi tindakan yang perlu diambil di masa depan. Penelitian ini menemukan bahwa jumlah pelanggan tidak selalu sejalan dengan pola transaksi. Hasil prediksi dengan menggunakan holt-winter itu menunukkan kisaran 45-65 untuk Conversion Rate nya. Rasio konversi yang dianalisis memiliki karakteristik yang dinamis dan sulit diprediksi secara akurat dalam jangka panjang.
SISTEM REKOMENDASI TOPIK PENELITIAN BERBASIS CHATBOT WHATSAPP MENGGUNAKAN ALGORITMA COSINE SIMILARITY (STUDI KASUS PRODI TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH MALUKU UTARA ) maulur, hilman; Ibrahim, Adelina; Sudin, Sakina
Jurnal Teknik Informatika (J-Tifa) Vol 7 No 2 (2024): Volume 7 No 2 September 2024
Publisher : Universitas Muhammadiyah Maluku Utara (Prodi Teknik Informatika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52046/j-tifa.v7i2.2223

Abstract

Mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Maluku Utara sering menghadapi kesulitan dalam menentukan topik penelitian yang relevan dan sesuai dengan bidang studi mereka. Penelitian ini bertujuan untuk mengembangkan sebuah sistem rekomendasi topik penelitian berbasis chatbot pada platform WhatsApp. Sistem ini dirancang untuk membantu mahasiswa menemukan judul skripsi yang tepat dengan menggunakan algoritma Cosine Similarity, yang menganalisis kemiripan judul penelitian dari basis data yang ada. Hasil penelitian menunjukkan bahwa sistem ini mampu memberikan rekomendasi judul dengan tingkat akurasi mencapai 73%. Penelitian ini menyimpulkan bahwa sistem yang dikembangkan efektif dalam membantu mahasiswa memilih topik penelitian. Untuk pengembangan lebih lanjut, disarankan agar basis data terus diperbarui, fitur interaktif dikembangkan, dan uji coba yang lebih luas dilakukan guna meningkatkan akurasi dan pengalaman pengguna.
PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PENENTUAN PENERIMA BANTUAN LANGSUNG TUNAI (BLT) DI DESA POHEA pora, rizkiriyanti; santosa, santosa; Sudin, Sakina
Jurnal Teknik Informatika (J-Tifa) Vol 8 No 1 (2025): Volume 8 No 1 Maret 2025
Publisher : Universitas Muhammadiyah Maluku Utara (Prodi Teknik Informatika)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52046/j-tifa.v8i1.2268

Abstract

Penelitian ini bertujuan untuk menggunakan algoritma C4.5 dalam mengklasifikasikan penerima Bantuan Langsung Tunai (BLT) di Desa Pohea. Data yang dianalisis mencakup berbagai variabel seperti jenis pekerjaan, tingkat penghasilan, status pernikahan, dan informasi lainnya yang berkaitan dengan status penerimaan BLT. Algoritma C4.5 dipilih karena keunggulannya dalam mengelola data kategorikan serta kemampuannya membentuk pohon keputusan yang efektif dalam klasifikasi data. Diharapkan bahwa hasil penelitian ini dapat memberikan rekomendasi yang objektif dan tepat dalam menentukan penerima BLT, sekaligus memberikan pemahaman yang lebih mendalam tentang faktor-faktor yang mempengaruhi proses klasifikasi. Dengan demikian, penelitian ini berpotensi meningkatkan transparansi dan efisiensi dalam distribusi bantuan sosial di Desa Pohea. Untuk mengukur kinerja dari sistem ini, penelitian ini juga menggunakan aplikasi Rapidminer agar dapat menghitung hasil kinerja sistem dan memperoleh hasil yang akurat. Berdasarkan perhitungan pengujian sistem dengan menggunakan 50 dataset untuk 40 data latih dan 10 data uji menunjukkan hasil akurasi algoritma adalah 91,67%.
Co-Authors Dzikrullah Suratin, Muhammad Ibrahim, Adelina Idrus Ar, Ijuandri kahfi, gery Khumaira, Nurul Mandar, Gamaria maulur, hilman Muhammad Dzikrullah Suratin, Muhammad Dzikrullah Muhammad, Abdul Haris Muksin, Pernadeti Pora, Rizkiriyanti Putri Utami, Ira Rian, Suttan Muhammad Santosa Santosa Talib, Sadri Tamrin, Fikram Taslim, Alfarabi Wati Duila, Isna