Article Per Year (5 Year)
p-Index From 2020 - 2025
3.295
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian UntukMu NegeRI JURNAL MEDIA INFORMATIKA BUDIDARMA JURTEKSI INTEK: Informatika dan Teknologi Informasi JATI (Jurnal Mahasiswa Teknik Informatika) Indonesian Journal of Electrical Engineering and Computer Science Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal PkM (Pengabdian kepada Masyarakat) Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Pengabdian Kepada Masyarakat Ekonomi, Pendidikan, dan Sosial Humaniora
Hayami, Regiolina
Universitas Muhammadiyah Riau
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
RANCANG BANGUN APLIKASI KATALOG ONLINE DAN SISTEM PEMESANAN PRODUK Regiolina Hayami; Riki Harianto; Mitra Unik
JURNAL FASILKOM Vol 9 No 2 (2019): Jurnal Ilmu Komputer
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (782.448 KB) | DOI: 10.37859/jf.v9i2.1419

Abstract

Pada penjualan handphone Sahabatkoe Ponsel menggunakan katalog cetak dalam pemberian informasi produk kepada konsumen. Katalog cetak yang digunakan sangat terbatas dan produk yang ada dikatalog tidak selalu valid sehingga informasi yang ditampilkan katalog sering tidak update. Dengan terbatasnya karyawan dan katalog maka konsumen tidak terlayani dengan maksimal dikarenakan promo yang selalu berubah dan produk yang selalu terbaru. Selain itu berkembangnya fenomena belanja online juga menjadi tantangan berat dalam proses bisnis. Tujuan dalam penelitian ini adalah untuk merancang suatu sistem komputer yang menjadi media informasi berbasis online yang lengkap, sebagai media promosi yang efektif, serta adanya fitur pemesanan produk yang proses pemesanannya menggunakan Barcode sebagai bukti pemesanan barang. Barcode yang digunakan hanya berlaku selama 2 jam sejak pemesanan, kemudian konsumen membayar pesanannya langsung ke toko. Dari hasil penelitian bahwa sistem ini bisa menampilkan informasi dengan lengkap, realtime, mudah digunakan dan diakses sehingga konsumen mendapatkan apa yang dicari, dan Sahabatkoe Ponsel bisa mempercepat proses transaksi, menyampaikan promosi dengan tepat, dan memberikan pelayanan yang maksimal kepada pelanggannya serta sangat bisa meningkatkan kuantiti penjualan.
Klasifikasi multilabel komentar toxic pada sosial media twitter menggunakan convolutional neural network(CNN) Regiolina Hayami; Sofhia Mohnica; Soni
Computer Science and Information Technology Vol 4 No 1 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i1.4365

Abstract

Meningkatnya jumlah pengguna dari media sosial berarti jumlah konten akan meningkat. Apalagi pengguna media sosial yang membuat kontennya menarik cenderung ingin ditanggapi atau mendapat pengakuan dari pengguna lain, baik itu berupa suka maupun komentar. Tak jarang komentar berisi berisi kata-kata ancaman, cabul, penghinaan atau kebencian terhadap identitas atau disebut juga dengan komentar beracun. Meskipun ada peraturan yang mengatur semua aktivitas di media sosial, namun tetap saja tidak bekerja secara efektif karena ketidakmungkinan mengklasifikasikan komentar secara manual. Tujuan dari penelitian ini adalah membangun sebuah model klasifikiasi multilabel yang dapat mengklasifikasikan ke dalam kategori nya menggunakan algoritma Convolutional Neural Network serta Word2Vec yang digunakan sebagai pembobotan kata. Pada penelitian ini menghasilkan model klasifikasi dengan Nilai performa dari pengujian model mesin pembelajaran CNN dengan menggunakan optimizer adam menghasilkan akurasi sebesar 99%, presisi 100%, recall 99% dan F1-Score 99%.
Implementasi Algoritma Decision Tree dan Support Vector Machine untuk Klasifikasi Penyakit Kanker Paru: Implementation of Decision Tree Algorithm and Support Vector Machine for Lung Cancer Classification Dhini Septhya; Kharisma Rahayu; Salsabila Rabbani; Vindi Fitria; Rahmaddeni Rahmaddeni; Yuda Irawan; Regiolina Hayami
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 3 No. 1 (2023): MALCOM April 2023
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v3i1.591

Abstract

Kanker paru merupakan satu dari banyaknya penyebab kematian di dunia dengan persentase 11.6%, dengan tingkat kematian hingga 18,4%. Kanker paru merupakan salah satu penyakit yang mematikan karena kanker ini sulit dideteksi sebelum berubah menjadi penyakit yang serius dan saat ini belum ada metode skrining yang efektif untuk deteksi dini kanker paru. Pada penelitian ini dilakukan teknik klasifikasi yang merupakan suatu metode pengelompokkan data yang memiliki karakter yang sama ke dalam beberapa kelompok. Teknik klasifikasi yang diteliti membandingkan 2 algoritma yaitu, algoritma Decision Tree dan Support Vector Machine (SVM) untuk mengetahui algoritma yang memberikan hasil terbaik. Dalam penelitian ini akan dilakukan seleksi fitur menggunakan forward selection yang bertujuan untuk menaikkan nilai akurasi. Berdasarkan penelitian yang telah dilakukan dapatkan hasil dari algoritma SVM menggunakan feature selection mempunyai nilai akurasi yang lebih unggul yaitu 62,3% menggunakan splitting data 80:20.
Peningkatan Omzet Penjualan Melalui Diversifikasi Produk dan Toko Online pada UMKM Al Baik Food Saat Pandemi Covid-19 Finanta Okmayura; Vitriani; Pratama Benny Herlandy; Regiolina Hayami; Risnal Diansyah
ABDIMAS EKODIKSOSIORA: Jurnal Pengabdian Kepada Masyarakat Ekonomi, Pendidikan, dan Sosial Humaniora (e-ISSN: 2809-3917) Vol 2 No 1 (2022): Juni 2022
Publisher : Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (164.618 KB) | DOI: 10.37859/abdimasekodiksosiora.v2i1.3522

Abstract

Tujuan dari kegiatan pengabdian ini adalah untuk membantu UMKM Al Baik Food dalam meningkatkan omset penjualan melalui diversifikasi produk dan promosi. Al Baik Food sendiri merupakan UMKM yang menjual berbagai macam cemilan asinan khas Pekanbaru. Pemilik Usaha Al Baik Food ini mengatakan dalam mengembangkan usahanya ini masih bersifat konvensional karena penjualannya hanya melalui whatsapp saja. Selain itu, kemasan produk cemilan yang dihasilkan Al Baik Food masih bersifat sederhana. Sementara itu selama pandemi covid 19 omset penjualan pun mengalami penurunan. Oleh karena itu diperlukan strategi promosi dan pemasaran produk yang menarik untuk untuk meningkatkan strategi penjualan UMKM ini. Promosi nantinya akan dilakukan melalui media sosial dan juga toko online yang berbasis android. Kemudian UMKM Al Baik Food ini akan dilakukan pembinaan, pemberdayaan dan pendampingan melalui pemberian pelatihan pembuatan toko online berbasis android. Selain itu, diiversifikasi produk juga perlu dilakukan dengan memberikan pelatihan pembuatan kemasan yang menarik konsumen.
Sentimen Analisis Masyarakt terhadap Kasus Penembakan Brigadir J Menggunakan Algoritma Naïve Bayes Classifier Febby Apri Wenando; Regiolina Hayami; Soni Soni; Ananda Fitria; Deyola Shifana
Computer Science and Information Technology Vol 4 No 2 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i2.5686

Abstract

Analisis sentimen merupakan riset komputasional dari opini, sentimen dan emosi yang di ekspresikan secara tekstual dengan menggunakan metode pengelompokkan sehingga menghasilkan penilaian bernilai positif atau negatif. Proses analisis ini umumnya dimulai dengan pengumpulan data yang kemudian di olah melalui pendekatan machine learning. Salah satu teknik pengumpulan data tersebut yaitu menggunakan internet dan beragam platform media sosial lainnya. Salah satu jenis platform media sosial yang sangat berkembang saat ini adalah Twitter. Media sosial Twitter mempermudah masyarakat untuk bebas berpendapat melalui cuitan atau biasa disebut dengan tweets. Netizen dapat dengan bebas menyampaikan opini pribadinya untuk topik apapun, termasuk persepsi terhadap kasus kriminal yang terjadi di Indonesia. Salah satu kasus terbaru yang tengah menjadi topik perbincangan hangat saat ini adalah kasus pembunuhan Brigadir Joshua dengan tersangka yaitu seorang Irjen Polri yaitu Ferdy Sambo. Sehingga di dalam penelitian ini opini masyarakat yang terdapat pada platform Twitter tersebut dapat dimanfaatkan sebagai bahan analisis sentimen untuk mengetahui pendapat publik terhadap kasus Ferdy Sambo. Data yang digunakan terdiri dari 234 data tweet dengan persentase opini positive sebesar 51,50% dan negative sebesar 48,50% yang kemudian diklasifikasikan dengan Algoritma Naive Bayes Classifier dengan hasil yang didapat nilai f1-score sebesar 75%.
Pembudidayaan Jamur Merang Menggunakan Media Janjangan Kosong Kelapa Sawit di Desa Bukit Lingkar Handayani, Fitri; Mukhtar, Harun; Prastiwi, Adila Pramudiah; Suryanti, Anggi Aprilia; Fitriani, Aisyah; Chan, Ridzky; Rahmawilda, Rahmawilda; Munanda, Rizka; Aldi, M Tri; Fatma, Yulia; Hayami, Regiolina; Putra, Eka; Taufiq, Reny Medikawati; Firdaus, Rahmad
Jurnal PkM (Pengabdian kepada Masyarakat) Vol 7, No 4 (2024): Jurnal PkM: Pengabdian kepada Masyarakat
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/jurnalpkm.v7i4.23516

Abstract

Janjangan kosong kelapa  (jangkos) sawit adalah limbah padat yang dihasilkan dalam jumlah besar oleh pabrik kelapa sawit, mencapai 6 juta ton per tahun. Sebagian besar dari limbah ini terdiri dari tandan kosong, serat, dan cangkang biji kelapa sawit. Namun, jangkos memiliki potensi untuk dimanfaatkan sebagai media pertumbuhan jamur merang dan pupuk organik. Jamur merang adalah produk pangan bernilai tinggi dengan kandungan protein tinggi yang dapat dihasilkan dari media tumbuh seperti jangkos kelapa sawit. Program ini bertujuan untuk meningkatkan pengetahuan dan keterampilan masyarakat dalam mengolah jamur merang dari jangkos kelapa sawit. Sehingga dapat dihasilkan produk yang dapat dikonsumsi masyarakat. Proses budidaya jamur merang memerlukan pengetahuan tentang pengaturan suhu, kelembaban, dan manajemen yang tepat. Hasil penerapan program ini yaitu peningkatan ekonomi masyarakat, peningkatan pengetahuan dan keterampilan, serta peningkatan kreativitas dalam mengelola sumber daya lokal.
KLASIFIKASI TEKS BERITA BERBAHASA INDONESIA MENGGUNAKAN MACHINE LEARNING DAN DEEP LEARNING: STUDI LITERATUR Alfando, Alfando; Hayami, Regiolina
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 1 (2023): JATI Vol. 7 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i1.6486

Abstract

Berita merupakan suatu opini aktual yang menarik dan akurat serta dianggap penting bagi sejumlah besar pembaca, pendengar, maupun penonton. Sebuah dokumen berita seringkali mengacu pada lebih dari satu kategori, sehingga perlu menggunakan metode Klasifikasi yang tidak hanya cepat tetapi juga dapat mengelompokkan teks berita menjadi beberapa kategori. Data yang digunakan sudah terlabel dengan kategori-kategori yang relevan. Data yang digunakan berasal dari berbagai sumber berita dalam bahasa Indonesia. Data tersebut kemudian diproses untuk menghasilkan fitur-fitur yang dapat merepresentasikan teks berita secara numerik, seperti penghitungan kata-kata yang muncul pada teks. Beberapa algoritma Machine Learning dan Deep Learning yang digunakan dalam penelitian ini adalah K-Nearest Neighbor (KNN), Multinominal Naive Bayes, Long Short-Term Memory, Multi Layer Perceptron, dan Support Vector Machine (SVM) dan lainnya. Kinerja dari setiap algoritma dievaluasi menggunakan beberapa metrik evaluasi, seperti accuracy, precision, recall, hamming loss dan F1 score. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) memberikan kinerja yang terbaik diantara algoritma Machine Learning lainnya dengan nilai accuracy sebesar 94,24%. Sedangkan pada algoritma Deep Learning, Long Short-Term Memory mendapatkan nilai accuracy sebesar 95%. Klasifikasi multi-label pada teks berita bahasa Indonesia dengan menggunakan Machine Learning dan Deep Learning memiliki potensi untuk diterapkan pada berbagai aplikasi seperti klasifikasi otomatis pada platform berita online atau monitoring isu-isu terkini yang berkaitan dengan topik tertentu
Feature selection technique on convolutional neural network – multilabel classification task Hayami, Regiolina; Yusoff, Nooraini; Daud, Kauthar Mohd; Mukhtar, Harun; Al Amien, Januar
Indonesian Journal of Electrical Engineering and Computer Science Vol 35, No 3: September 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v35.i3.pp2001-2009

Abstract

Automated text-based recommendation, an artificial intelligence development, finds application in document analysis like job resumes. The classification of job resumes poses challenges due to the ambiguity in categorizing multiple potential jobs in a single application file, termed multi-label classification, deep learning, particularly convolutional neural networks (CNN), offers flexibility in enhancing feature representations. Despite its robust learning capabilities, the black-box design of deep learning lacks interpretability and demands a substantial number of parameters, requiring significant computational resources. The primary challenge in multilabel learning is the ambiguity of labels not fully explained by traditional equivalence relations. To address this, the research employs feature selection techniques, specifically the Chi-square method. The goal is to reduce features in deep learning models while considering label relevance in multi-label text classification, easing computational workload while preserving model performance. Experimental tests, both with and without the Chi-square feature selection technique on the dataset, underscore its substantial impact on the classification model's ability. The conclusion emphasizes the influence of the Chi-square feature selection technique on performance and computational time. In summary, the research underscores the importance of balancing computational efficiency and model interpretability, especially in complex multi-label classification tasks like job applications.
Co-Authors Aditya Quantano Surbakti Agung Jefrianto Anggrawan Al Amien, Januar Aldi, M Tri Alfando, Alfando Almer Kharisma Aminuyati Ananda Fitria Arif Budiman Armen Salim Ayodya Putri Chan, Ridzky Daud, Kauthar Mohd Denin Nur Ichsan Deyola Shifana Dhini Septhya Eka Putra Elvina Rahmadani Evans Fuad Falda Dimantara Fatma, Yulia Febby Apri Wenando Finanta Okmayura Fitri Handayani Fitriani, Aisyah Hafid, Afdhil Harun Mukhtar Hasanuddin Hasanuddin Herlandy, Pratama Benny Irfan Oktaviandi Irzi Gunawan Januar Al Amien Januar Al Amien Ken Rio Agizki Kharisma Rahayu Muhammad Hamadi Munanda, Rizka Okta Tri Antoni Prastiwi, Adila Pramudiah Rahmad Firdaus Rahmaddeni Rahmaddeni Rahmawilda, Rahmawilda Riki Harianto Risnal Diansyah, Risnal Royan Choiro Yahya Salsabila Rabbani Sandy Eka Nuggroho Sofhia Mohnica Soni Suryanti, Anggi Aprilia Taufiq, Reny Medikawati Unik, Mitra Vindi Fitria Vitriani Yoze Rizki Yuda Irawan Yulia Fatma Yulia Fatma Yusoff, Nooraini