Garuda - Garba Rujukan Digital

Analisis dan Pemetaan Amil Zakat Berdasarkan Data Di Kecamatan Rappocini Pada Lazismu Makassar Rachman, Fahrim Irhamna Rachman; Wahyuni , Titin; Setiawan, Tommy Reynaldy; Anas, Lukman
Jurnal INSYPRO (Information System and Processing) Vol 8 No 2 (2023)
Publisher : Prodi Sistem Informasi UIN Alauddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/insypro.v8i2.41231

Predicting timely graduation brings numerous benefits not only to students but also to the university LAZISMU is a national-level zakat institution dedicated to community empowerment through the productive use of zakat funds, waqf infaq and other charitable funds from individuals, institutions, companies and other agencies. Founded by PP. Muhammadiyah in 2002 was subsequently confirmed by the Minister of Religion of the Republic of Indonesia as a national amil zakat institution through Decree No. 457/21 November 2002. With the enactment of Law on Zakat number 23 of 2011, Government regulation number 14 of 2014, and Decree of the Minister of Religion of the Republic of Indonesia number 333 of 2015. LAZISMU as a national amil zakat institution has been reconfirmed through the Decree of the Minister of Religion of the Republic Indonesia number 730 of 2016. This study attempts to explain the distribution strategy by mapping Zakat funds to Mustahik and how the decision-making analysis process is actually carried out by the amil zakat institution Lazismu Makassar. The success of zakat management is judged by the productivity and welfare of mustahik. So it is very important to present this study so that it can provide examples, lessons, and solutions to the problem of how to distribute zakat and become a role model. This study also looks at the comparison of mustahik and muzakki in each region so that the number of amil in that region can be determined. This research is qualitative in nature and relies on extracting non-participant observational data from each process. Keywords: Flow of System, K-Means, Input, Validitas, Output.

Implementasi Perbaikan Ejaan Pada Web Semantik Ruang Baca Fakultas Teknik Dengan Menggunakan Algoritma Jaro-Winkler Distance Rachman, Fahrim Irhamna; Alam, Nur; Wahyuni, Titin; Anas, Lukman
Bianglala Informatika Vol 12, No 1 (2024): Bianglala Informatika 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/bi.v12i1.17727

Penelitian ini bertujuan untuk menerapkan algoritma jaro-winkler distance pada sistem pencarian judul skripsi Ruang Baca Fakultas Teknik agar dapat mempermudah pengguna saat memasukkan kata yang tidak lengkap. Algoritma jaro-winkler distance merupakan algoritma yang digunakan untuk mengukur tingkat kesamaan dua string atau kata sehingga algoritma ini adalah pilihan yang tepat untuk pencarian kata pada judul skripsi yang tidak lengkap. Hasil penelitian menunjukkan kecepatan pencarian dengan memasukkan kata judul skripsi yang tidak lengkap membutuhkan waktu proses rata-rata 9926.75 ms per kata ini termasuk dengan proses jaro-winler distance yaitu perbaikan ejaan dan proses mencari sinonim dari kata tidak lengkap yang dimasukkan. Sehingga penerapan algoritma jaro-winkler distance dapat menyelesaikan masalah kesalahan ejaan kata pada pencarian judul skripsi.Kata Kunci : perbaikan ejaan; web semantik; algoritma jaro-winkler distance; jaro-distance; jaro-winkler

PENGGUNAAN WORD EMBEDDING WORD2VEC DALAM PENGEMBANGAN MODEL CNN STUDY KASUS ANALISIS SENTIMEN TEMPAT WISATA MAKASSAR Wahyuni, Titin; Anas, Lukman; Arvianda
Jurnal INSYPRO (Information System and Processing) Vol 9 No 2 (2024)
Publisher : Prodi Sistem Informasi UIN Alauddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/insypro.v9i2.51327

This research aims to evaluate the effect of applying the Word Embedding Word2Vec technique on the accuracy of the Convolutional Neural Network (CNN) model in sentiment analysis of tourist attraction reviews in Makassar. Sentiment analysis is the process of identifying and classifying emotions or opinions contained in text, whether positive, negative, or neutral. The research dataset consists of 4500 tourist attraction reviews taken from Google Maps. The data was then processed using the Word2Vec technique to generate vector representations of the words in the reviews. These vectors were used as input to the CNN model for sentiment classification. The study employed three data splitting scenarios, namely 90:10, 80:20, and 70:30, for training and testing the model. The results showed that the application of Word2Vec in the CNN model improved sentiment prediction accuracy. The CNN model with Word2Vec achieved an accuracy of 79%, while the CNN model without Word2Vec only reached an accuracy of 74%. This indicates that the use of Word2Vec can enhance the performance of the model in classifying sentiment in tourist attraction reviews.

IMPLEMENTASI IOT PADA LAMPU JALAN BERBASIS PANEL SURYA DI WILAYAH UNIVERSITAS MUHAMMADIYAH MAKASSAR MUNIARDI, MUNIARDI; RIDWANG, RIDWANG; RAHMANIAH, RAHMANIAH; ANAS, LUKMAN; SYAHYADI, ASEP INDRA
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 6 No 2 (2021): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v6i2.25432

Energi listrik merupakan salah satu kebutuhan pokok yang sangat penting dalam kehidupan manusia saat ini terutama di kampus – kampus besar seperti Universitas Muhammadiyah Makassar. Salah satu sumber pengeluaran terbesar Universitas setiap bulan berada di sektor energi yaitu penggunaan listrik. Untuk mengurangi pengeluaran dari energi listrik maka pihak Universitas melakukan penghematan dari penggunaan lampu dan Air Conditioner yang tidak penting. Untuk mengatasi masalah tersebut adalah penerapan sumber energi cahaya matahari sebagai sumber energi untuk lampu jalan dan alat elektronik yang lain sehingga tidak membenani pada pembiayaan Universitas setiap bulan. Penggunaan Solar Cell dapat menghasilkan energi listrik dalam jumlah yang tidak terbatas langsung diambil dari matahari dan tidak memerlukan bahan bakar serta bersifat ramah lingkungan. Output penelitia berupa lampu jalan panel surya. Kata Kunci : Energi Listrik, Solar Cell, Lampu Jalan, Universitas Muhammadiyah

Analisis Sentimen Menggunakan Algoritma Naive Bayes Studi Kasus pada Ulasan Produk E-Commerce Amazon Rahman, Erik; Namora, Namora; Anas, Lukman
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 3 (2025): Juni 2025
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i3.3637

Analisis sentimen adalah proses mengidentifikasi dan mengklasifikasikan opini dalam teks menjadi kategori tertentu seperti positif, negatif, atau netral. Penelitian ini bertujuan untuk menganalisis sentimen ulasan produk pada platform e-commerce menggunakan algoritma Naive Bayes. Dataset ulasan produk diambil dari Kaggle, terdiri dari ribuan ulasan dengan label sentimen. Metodologi mencakup tahap preprocessing teks, ekstraksi fitur menggunakan teknik TF-IDF, dan penerapan algoritma Naive Bayes untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan akurasi sebesar 94%, membuktikan kemampuannya dalam analisis sentimen dengan dataset teks pendek

Pembuatan Aplikasi Media Pembelajaran Berbasis Game Based Learning pada Mata Pelajaran Matematika Kelas 7 SMPN 8 Kolaka Utara Wahyuni, Titin; Aswad, Muh. Akhwan Adam; Anas, Lukman
Ainet : Jurnal Informatika Vol. 5 No. 1 (2023): Maret (2023)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v5i1.12191

Tujuan penelitian ini adalah untuk membuat Aplikasi Media Pembelajaran yang berbasis Game dan Animasi sehingga memudahkan siswa SMPN 8 Kolaka Utara dalam memahami materi Matematika kelas 7 Semester 1. Masalah umum yang sering dihadapi adalah masih banyaknya siswa yang belum memiliki pilihan untuk mencapai hasil belajar yang maksimal. Hal ini dipengaruhi oleh ketidakpedulian dan tidak adanya ketertarikan dari siswa untuk mengikuti pembelajaran yang sedang berlangsung. Demikian pula materi yang disampaikan tidak dapat dipertahankan seperti yang diharapkan karena media yang digunakan guru kurang menarik. Merujuk pada permasalahan ini maka dapat ditemukan solusi alternative dengan mengoptimalkan pembelajaran dengan menggunakan penggunaan Game Based Learning. Dalam Penelitian ini menggunakan metode penelitian ADDIE dengan 5 tahap pengembangan yaitu (1) Analisis (2) perencanaan (3) Pengembangan Produk (4) Penerapan (5) Evaluasi, dengan teknik pengumpulan data menggunakan angket (kuisioner), teknik analisis data yang digunakan yaitu statistik deskriptif kualitatif. Hasil penelitian ini adalah sebuah aplikasi media pembelajaran matematika melalui Game Based Learning pada materi kelas 7 semester 1 dengan 4 materi sebagai learning exercise bagi siswa untuk siswa SMPN 8 Kolaka Utara. Kelayakan media dinyatakan valid oleh guru materi, dan mendapat respon “sangat menarik” dari siswa dengan nilai 4 pada aspek ketertarikan, mendapat nilai 3 pada aspek materi, dan 4 pada aspek bahasa oleh uji coba 19 siswa, aplikasi ini memperoleh respon sangat menarik.

SENTIMENT ANALYSIS USING NAIVE BAYES ALGORITHM CASE STUDY ON AMAZON E-COMMERCE PRODUCT REVIEWS Rahman, Erik; Namora, Namora; Anas, Lukman
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 3 (2025): Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i3.3637

Analisis sentimen adalah proses mengidentifikasi dan mengklasifikasikan opini dalam teks menjadi kategori tertentu seperti positif, negatif, atau netral. Penelitian ini bertujuan untuk menganalisis sentimen ulasan produk pada platform e-commerce menggunakan algoritma Naive Bayes. Dataset ulasan produk diambil dari Kaggle, terdiri dari ribuan ulasan dengan label sentimen. Metodologi mencakup tahap preprocessing teks, ekstraksi fitur menggunakan teknik TF-IDF, dan penerapan algoritma Naive Bayes untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan akurasi sebesar 94%, membuktikan kemampuannya dalam analisis sentimen dengan dataset teks pendek

IMPLEMENTASI K-MEANS DAN ANALISIS SENTIMEN KRITIK SARAN BERBASIS NLP PADA DATA MONEV BBPSDMP KOMINFO MAKASSAR Akbar, Syahril; Faisal, Muhammad; Bakti, Rizki Yusliana; Syafaat, Muhammad; Syamsuri, Andi Makbul; AM Hayat, Muhyiddin; Anas, Lukman
PROGRESS Vol 17 No 2 (2025): September
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v17i2.465

Manual analysis of large-scale and unstructured textual feedback data is often inefficient and subjective, thereby hindering data-driven decision-making. This study aims to design and implement an integrated analytical workflow to automatically filter, cluster, and classify feedback data consisting of criticisms and suggestions. The research employs a hybrid approach that begins with TF-IDF-based data filtering, followed by dimensionality reduction using Latent Semantic Analysis (LSA), and topic clustering through K-Means clustering optimized with the Silhouette Score. The resulting cluster labels are then used as training data to build a Multinomial Naive Bayes classification model. The results show that this workflow successfully identified two main thematic clusters, namely "Criticism and Expectations" and "Suggestions and Compliments", and the classification model achieved an overall accuracy of 91%. Although class imbalance affected the recall of the minority class (47%), the model demonstrated high precision (95%) for that class. It is concluded that this hybrid approach effectively transforms raw data into structured insights, and utilizing clustering results as training data is an efficient strategy for automating feedback categorization, providing a reliable tool for institutional analysis.

Prediksi Tingkat Kelulusan Menggunakan K-Means Pada Program Studi Informatika Unismuh Makassar Irhamna Rachman, Fahrim; Mujadilah, Siti; Wahyuni, Titin; Anas, Lukman
JURNAL FASILKOM Vol. 13 No. 3 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v13i3.6061

Predicting timely graduation brings numerous benefits not only to students but also to the university itself. Creating a graduation prediction model assists students and academic advisors in fostering a positive environment that encourages on-time graduation by developing a predictive model for graduation rates using the K-means data mining method in the Informatics study program at Universitas Muhammadiyah Makassar. This method is used to cluster students based on attributes such as total credits taken, semester Grade Point Average (GPA), and overall Cumulative Grade Point Average (CGPA). The clustering aims to identify patterns and characteristics of student graduation. Data from several semesters is collected and preprocessed, including data normalization and transformation. The research steps involve data preprocessing, cluster labeling, distance calculation to cluster centers, and result analysis. The analysis shows that the K-means method can generate student clusters with varying graduation rate patterns. The formed clusters can be interpreted as groups of students with potential for timely graduation or groups needing more attention to achieve on-time graduation. Empirical validation is performed by comparing K-means prediction results with actual graduation data. Accuracy measurement involves calculating the percentage of similarity between predictions and actual data. Empirical validation results demonstrate the accuracy level, which can serve as a benchmark for assessing the performance of this prediction model. This study aims to provide deeper insights into factors influencing student graduation and potentially support decision-making at the academic level. Keywords: Graduation Prediction, Data Mining, K-Means, Analysis, Clustering, Empirical Validation.

Penguatan Kelembagaan Dan Pemasaran Produksi Bumdes Mandiri Desa Pitusunggu Kec. Ma’rang Kab. Pangkep Saleh, Syafiuddin; Muhsin, Arief; Anas, Lukman; Putra, Dian Pramana; Basir, Basri
Jurnal IPMAS Vol. 2 No. 1 (2022): April 2022
Publisher : Pustaka Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54065/ipmas.2.1.2022.106

Tujuan yang menjadi sasaran dari program pengabdian ini kepada mitra yang meliputi; (1) Pengambangan jejaring pemasaran secara online hasil diversifikasi olahan Rumput Laut dan Ikan Bandeng dengan media sosial; (2) Peningkatan varian diversifikasi dan modernisasi pengemasan produk olahan rumput laut dan ikan bandeng; (3) Pembuatan poster produk dan video profil olahan rumput laut dan ikan bandeng; serta (4) Penjualan dan promosi hasil olahan rumput laut dan ikan bandeng dengan sistem E-Commerce. Hasil kegiatan program pengabdian masyarakat ini menunjukkan adanya keterampilan yang signifikan terhadap mitra. Yang pertama, mitra mengalami kemajuan pengetahuan dalam menggunakan fungsi media sosial secara luas dimana sebelumnya hanya untuk komunikasi. Mereka telah mampu menggunakan IG, whatsapp, twitter, linkedin, dan youtube untuk promosi hasil olahan rumput laut. Yang kedua, melalui program ini anggota bumdes diberikan edukasi berupa pengembangan diversifikasi olahan rumput laut berupa Brownies disertai pengemasan yang modern dan menarik. Yang ketiga, proses produksi olahan rumput laut dan ikan bandeng direkam dan dibuat video yang menarik termasuk pembuatan poster dan label produksi. Yang keempat, dikembangkan aplikasi e-comdes Pitusunggu untuk lapak online bumdes. Melalui e-comdes ini, mitra dapat dapat menjual hasil produksinya secara online termasuk promosi ke masyarakat secara umum. E-ComDes Pitusunggu melalui laman https://ecomdes.id dapat diakses dimana saja dan masyarakat umum dapat melakukan registrasi untuk ikut serta menjajakan dagangannya pada sistem tersebut.

Title

Found 11 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 11 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 11 Documents
Search