Article Per Year (5 Year)
p-Index From 2020 - 2025
6.538
P-Index
This Author published in this journals
All Journal JOIN (Jurnal Online Informatika) Jurnal Mirai Management JOIV : International Journal on Informatics Visualization JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Syntax Literate: Jurnal Ilmiah Indonesia Jurnal Teknoinfo JSiI (Jurnal Sistem Informasi) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknologi Informasi dan Pendidikan Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Indonesia : Manajemen Informatika dan Komunikasi JURNAL REKAYASA INFORMASI SWADHARMA (JRIS) Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering Jurnal INFOTEL Journal of Community Service and Society Empowerment Jurnal Indonesia : Manajemen Informatika dan Komunikasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) The Indonesian Journal of Computer Science SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan
Faqih Hamami
Telkom University, Bandung
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Nursing Public Health Social Sciences Other

Published : 49 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Analisis Sentimen Review Pengguna Website IMDB Menggunakan Klasifikasi Naïve Bayes Yuni Kardila; Oktariani Nurul Pratiwi; Faqih Hamami
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Website IMDB (Internet Movie Database) merupakan suatu web yang digunakan untuk menyediakan atau melihat berbagai informasi tentang jutaan film yang telah tayang, yang digunakan untuk melihat review, rating, pemeran dan kru dari film tersebut. Para pengguna baru biasanya suka melihat review pengguna lainnya sebelum menentukan film apa yang akan mereka tonton, namun semakin banyak dan semakin besar review yang diberikan akan semakin besar dampak penilaian tersebut terhadap keputusan para pengguna baru, sehingga apabila para pengguna baru tidak dapat mengartikan makna dari review yang diberikan, untuk mengatasi hal tersebut dilakukanlah analisis sentimen. Penelitian yang dilakukan kali ini bertujuan untuk menganalisa analisis sentimen terhadap movie review yang diberikan oleh pengguna website IMDB, dengan menggunakan algoritma Naïve Bayes Multinomial. Penelitian ini juga menggunakan text preprocessing, dan TF-IDF untuk meningkatkan nilai akurasi dari model tersebut. Hasil evaluasi menggunakan confusion matrix menunjukan nilai accuracy 88.93%, nilai precision 89.07%, nilai recall sebesar 89.14% dan nilai F1-Score 89.11%, dengan perbandingan data training dan testing 70:30. Hasil klasfikasi yang dilakukan menghasilkan data 7533 berlabel positif dan 7249 berlabel negatif, nilai tersebut menunjukan sebagian besar para pengguna IMDB berkomentar positif terhadap film yang mereka tonton.Kata kunci-Naïve Bayes, IMDb, sentiment analysis, text preprocessing
Analisis Penempatan Produk Retail dengan Metode Asosiasi pada Swalayan Anugrah Aprilia Mega Puspitasari; Deden Witarsyah; Faqih Hamami
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak- Perkembangan bisnis di era digital ini sangat pesat dan persaingan antar perusahaan juga semakin ketat dengan mengola strategi pemasaran yang berbeda - beda pula. Salah satu bisnis yang sering kali kita jumpai dimanapun kita tinggal yaitu bisnis ritel. Bisnis ritel merupakan bisnis yang melibatkan penjualan sebuah barang atau produk kepada konsumen dalam bentuk ecer atau satuan pada suatu toko, supermarket, swalayan, dsb. Dalam meningkatkan ketertarikan konsumen terhadap suatu produk diperlukan display toko yang tertata rapi sesuai dengan pola peminatan dan keterkaitan antar item. Algoritma Apriori tepat digunakan dalam penelitian ini berguna untuk menemukan suatu kombinasi pada produk yang muncul secara bersamaan pada setiap transaksi dengan menentukan nilai minimum support sebesar 15% dan confidence sebesar 40% dapat menghasilkan association rule berupa 1 itemset dengan nilai lift lebih dari satu, dengan kemudian agar dapat membentuk pola penempatan item tersebut pada swalayan Anugrah.Kata kunci-Algoritma apriori, ritel, asosiasi, transaksi, Rapid Miner.
Automatic Question Generator Menggunakan Metode Template-Based Jody Mardika; Oktariani Nurul Pratiwi; Faqih Hamami
eProceedings of Engineering Vol 10, No 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Pada penelitian ini akan membahas tentang pengembangan generator soal otomatis untuk materi biologi pada jenjang SMA. Dalam pengembangan generator soal, tentunya telah banyak sekali contoh situs generator soal yang dapat ditemui di internet, akan tetapi hampir keseluruhan generator soal yang dapat ditemui di internet, mengharuskan pengguna untuk menggunakan bahasa inggris dan situs hanya bisa menghasilkan pertanyaan berupa pertanyaan singkat atau factoid, sehingga penelitian ini bertujuan untuk melakukan pengembangan generator soal berbahasa Indonesia dengan tipe pertanyaan non-factoid menggunakan pendekatan template-based. Selain menggunakan pendekatan Template-Based, penelitian ini akan menggunakan algoritma Naïve Bayes untuk proses klasifikasi kalimat dengan bantuan GridsearchCV dan pipeline dari TF-IDF Transformers, String-Match untuk proses eliminasi kalimat, dan Chunking Labelling untuk proses tagging kata. Model generator soal yang dikembangkan pada penelitian ini memiliki rata-rata tingkat akurasi sebesar 90% dengan tingkat persentase jumlah pertanyaan yang layak digunakan sekitar 60%, sehingga model generator yang dikembangkan sudah cukup layak digunakan, akan tetapi memerlukan penelitian lebih lanjut agar model generator soal yang dihasilkan dapat memiliki performa yang lebih baik.Kata kunci— automatic question generator, naïve bayes classifier, chunking labelling, template-based, GridsearchCV, biologi, Soal SMA
Prediksi Network Capacity Planning PT XYZ Menggunakan Algoritma Recurrent Neural Network (RNN) Muhammad Hafizh; Faqih Hamami; Tien Fabrianti Kusumasari
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak PT XYZ merupakan perusahaan yang menyediakan jaringan internet. Selain itu mereka juga menggunakan jaringan internet untuk penggunaan sehari-hari. Jaringan yang digunakan pasti memiliki kapasitas. Ketika penggunaan jaringan internet mendekati kapasitasnya maka akan terjadi penurunan kecepatan, oleh karena itu dibutuhkan sesuatu yang dapat memprediksi serta memantau penggunaan jaringan internet. Untuk memprediksi penggunaan jaringan internet, penerapan deep learning dapat digunakan dalam kasus ini. Salah satu algoritma yang digunakan dalam penelitian ini adalah Recurrent Neural Network (RNN). Dilakukan pengujian terhadap beberapa parameter seperti hidden layer, jumlah neuron pada hidden layer, jumlah epoch, dan jumlah batch size. Setelah melakukan pengujian dan evaluasi terhadap model dan parameter yang digunakan, didapatkan hasil untuk algoritma RNN dengan nilai error pada setiap id adalah 0.918812 untuk nilai R Squared dan 0.002233 untuk nilai MSE. Dari hasil pengujian model tersebut dilakukan peramalan untuk 60 hari kedepan dan terdapat satu id yang penggunaan jaringan internet hampir mencapai kapasitasnya yaitu id 23 pada tanggal 8 September 2022 diprediksi akan mencapai 7.5E+12 bit.Kata Kunci: Recurrent Neural Network, Network Capacity Planning, parameter, prediksi
Deteksi Anomali Lalu Lintas Jaringan Internal Inbound Dan Outbound Menggunakan Algoritma Long Short-Term Memory Khairunnisa Salsabila Riswanti; Faqih Hamami; Tien Fabrianti Kusumasari
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Saat ini penggunaan internet sudah menjadi kebutuhan dalam kegiatan sehari-hari. Berdasarkan laporan DataReportal, pengguna internet di Indonesia pada Januari 2022 ada sebanyak 73,7%. Data tersebut menunjukan bahwa seiring berkembangnya era digital, pengguna internet juga akan terus bertambah. Setiap aktivitas penggunaan internet akan terekam dalam suatu lalu lintas jaringan inbound dan outbound. Pada lalu lintas jaringan inbound dan outbound, akan menampilkan tren data normal. Namun dapat juga muncul data yang diluar tren yang disebut sebagai data anomali. Lalu lintas jaringan anomali tersebut dapat terjadi karena adanya peningkatan yang signifikan dalam volume data lalu lintas jaringan. Anomali pada data lalu lintas jaringan inbound dan outbound juga terjadi pada data lalu lintas jaringan PT XYZ yang merupakan perusahaan yang berfokus pada bidang jasa layanan TIK dan jaringan telekomunikasi di Indonesia. Untuk mencegah terjadinya data anomali, dapat menggunakan IDS melalui deteksi anomali dengan algoritma yang dapat memproses data sekuen dan data skala besar. Algoritma yang digunakan dalam penelitian ini adalah LSTM. Penelitian ini menggunakan metodologi CRISPDM sebagai sistematika penyelesaian masalah. Terdapat beberapa tahapan yang diterapkan yaitu business understanding, data understanding, data preparation, modelling, dan evaluasi. Pengujian model dan evaluasi model dilakukan berdasarkan parameter yang ditentukan menghasilkan model yang dapat mendeteksi anomali.Kata Kunci — deteksi anomali, deep learning, lstm
Implementasi Metode Asosiasi Untuk Analisis Penempatan Produk Retail Ruth Sesilya Ambarita; Deden Witarsyah; Faqih Hamami
eProceedings of Engineering Vol 10, No 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

PREDIKSI CUACA PADA DATA TIME SERIES MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK (BPNN) Muhammad Azzam Imaduddin; Faqih Hamami; Riska Yanu Fa'Rifah
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Perubahan cuaca yang ekstrim dapat menimbulkan bencana. Kerugian akibat bencana alam ini dapat kita minimalisir apabila ada persiapan yang matang dalam menghadapi kemungkinan terjadinya bencana alam. Dan persiapan yang matang dalam menghadapi bencana alam tentunya didasarkan pada pengetahuan tentang prediksi kapan dan dimana bencana alam tersebut akan terjadi. Perubahan cuaca ini dapat diprediksi berdasarkan data cuaca di masa lampau. Data pada penelitian kali ini bersumber dari database Badan Meteorologi, Klimatologi dan Geofisika(BMKG). Kemudian dilakukan preprocessing, berupa cleansing dan penyesuaian data. Backpropagation neural network (BPNN) merupakan algoritma yang dipakai penulis dalam melakukan forecasting terkait perubahan kondisi cuaca. Backpropagation neural network (BPNN) pada penelitian ini dibangun dengan menggunakan library keras dan Tensorflow. Bahasa pemrograman yang digunakan pada penelitian kali ini adalah python dan dengan menggunakan tools jupyter notebook. Model yang digunakan adalah menggunakan 1 input layer, 6 hidden layer dan 1 output layer. Sedangkan untuk epochs yang digunakan berjumlah 10000. Dan model evaluasi dengan Mean Squared Error (MSE) Hasil dari penelitian ini berbentuk grafik per parameter cuaca di wilayah Bandung pada tahun 2021.Kata kunci— backpropagation neural network, cuaca, time series, machine learning
Implementasi Data Mining Untuk Product Bundling Pada Coffee Shop Aziz, Abdurrahman; Hamami, Faqih; Yulizar, Iqbal
eProceedings of Engineering Vol. 12 No. 1 (2025): Februari 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Di era sekarang dalam menjalankan bisniscoffee shop sudah terbantu dengan layanan pengantaranmakanan dan minuman, seperti Gojek dan Grab. Dalammenjalankan bisnis coffee shop perlu merancang strategi agarpenjualan produk meningkat. Strategi pemasaran yang umumdilakukan yaitu menggunakan product bundle. Productbundle dilakukan dengan menjual dua produk atau lebihdalam 1 paket, biasanya disertai dengan potongan harga.Dalam penelitian ini, penulis melakukan data mining padadata penjualan milik Authen Café & Space untukmenghasilkan product bundle. Penelitian ini menggabungkanclustering dan association rules mining dalam menghasilkanproduct bundle. Hasil dari proses clustering diperoleh clusterefektif sebanyak tiga cluster. Setiap cluster kemudiandilakukan association rules mining. Association rules miningmenggunakan algoritma fp-growth dengan lift ratio minimalbernilai 1 pada dataset cluster pertama menghasilkan 6 rules,dataset cluster kedua menghasilkan 4 rules dan dataset clusterterakhir menghasilkan 8 rules. Berdasarkan hasil associationrules mining maka saran product bundle yang dapatditerapkan dengan mengambil nilai confidence dan lifttertinggi pada hasil association rules mining setiap cluster. Kata kunci — Product bundle, Clustering, Associationrules, K-means, Fp-growth
Klasifikasi Multi-Label Pada Soal Berdasarkan Kategori Topik Menggunakan Metode Support Vector Machine Novanza, Alvin Renaldy; Pratiwi , Oktariani Nurul; Hamami , Faqih
eProceedings of Engineering Vol. 12 No. 1 (2025): Februari 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Pendidikan, sebagai bagian penting dalamkehidupan manusia, senantiasa mengalami perkembanganseiring dengan adanya kemajuan ilmu pengetahuan danteknologi (IPTEK). Salah satu inovasi penting dalam pendidikanadalah e-learning, yang memungkinkan siswa belajar tanpaterikat ruang kelas. Namun, dengan semakin banyaknya soalkuis yang beragam topiknya, terutama dalam mata pelajaranIPA yang mencakup berbagai konsep ilmiah, pengelolaan soalsecara manual menjadi tidak efisien. Oleh karena itu,diperlukan sistem klasifikasi yang dapat mengorganisasi danmengelompokkan soal secara otomatis dan efisien, sehingga bisameningkatkan pemahaman siswa, khususnya pada matapelajaran IPA. Penelitian ini memiliki tujuan untukmengimplementasikan algoritma Support Vector Machinedalam proses klasifikasi soal multi-label pada mata pelajaranIPA tingkat SMP. Proses klasifikasi mencakup pembersihandata, case folding, tokenisasi, stopword removal, stemming, danpembobotan atau ekstraksi fitur teks menggunakan TF-IDF.Pemodelan menggunakan pendekatan problem transformationdengan metode label powerset untuk mengubah soal denganmulti-label menjadi bentuk multi-class sehingga bisa dilakukanklasifikasi biner oleh SVM. Evaluasi model dilakukanmenggunakan confusion matrix untuk menganalisis performaklasifikasi dan K-Fold Cross Validation untuk memastikankeakuratan dan generalisasi model. Hasil penelitianmenunjukkan bahwa SVM dapat diterapkan untuk klasifikasisoal multi-label dengan akurasi 67%, serta presisi, recall, danF1-score masing-masing sebesar 75%. Analisis confusion matrixmengungkapkan bahwa model memiliki beberapa kesalahanklasifikasi, mengindikasikan ruang untuk perbaikan lebihlanjut. Meskipun demikian, model SVM menunjukkan potensiyang baik. Penelitian ini juga mengidentifikasi beberapa areauntuk perbaikan, termasuk peningkatan kualitas data danpemilihan parameter model yang lebih optimal. Oleh karena itu,metode SVM layak dipertimbangkan dalam sistem pendidikanuntuk pengembangan bank soal dan sistem evaluasi berbasisteknologi, meskipun diperlukan perbaikan lebih lanjut pada model dan data. Kata kunci— bank soal, confusion matrix e-learning, klasifikasi multi-label, K-Fold Cross Validation, Support VectorMachine.
Klasifikasi Kualitas Udara Pada Provinsi Dki Jakarta Menggunakan Alogritma Random Forest Al amudi, Farhan Hasan; Hamami , Faqih; Almaarif, Ahmad
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Udara merupakan salah satu unsur penting bagi lingkungan dan menjadi lebutuhan utama untuk menopang kehidupan makhluk hidup. Proses metabolisme pada makhluk hidup tidak mungkin berlangsung tanpa oksigen yang diambil dari udara. Selain oksigen, udara juga mengandung zat lain seoerti karbon monoksida, kabron diaksida, formaldehhida, jamur, virus, dan sebagainya. Zat-zat tersebut masih dapat dinetralisir selama berada dalam batas aman, namu ketika melebihi ambang batas, proses netralisasi akan terganggu. Peningkatan kandungan zat-zat tersebut di udara umumnya diakibatkan oleh aktivitas manusia. Di tahun 2019 indonesia mencapai titik pencemaran udara terburuk yang sudah mencapai titik merah yang menandakan tidak sehat nya udara yang ada pada DKI Jakarta. Salah satu cara untuk memantau informasi mengenai kualitas udara adalah dengan menggunakan metode klasifikasi. Pada penelitian ini klasifikasi dilakukan menggunakan dataset ISPU pencemaran udara Provinsi DKI Jakarta dari tahun 2019 sampai tahun 2022. Klasifikasi yang tepat dapat sangat membantu pemerintah dalam merumuskan kebijakan. Kebijakan ini bertujuan untuk mengendalikan polusi agar sesuai dengan standar kualitas udara yang bermanfaat bagi kelangsungan hidup makhluk hidup. Dalam penelitian ini, model klasifikasi yang digunakan adalah random forest, dengan lima atribut yaitu PM10, SO2,NO, O3, dan CO2, serta kategori sebagai target label. Kata kunci— Udara, DKI Jakarta, ISPU, Klasifikasi, Random Forest
Co-Authors Agus Maolana Hidayat Ahmad, Mokhtarrudin Al amudi, Farhan Hasan Aldi Akbar Anis Farihan Mat Raffei Anis Farihan Mat Raffei Aprilia Mega Puspitasari Arrahmani, Farras Hilmy Aziz, Abdurrahman Brillian Adhiyaksa Kuswandi Budi Rustandi Kartawinata Dahlan, Iqbal Ahmad Deandra, Valen Deden Witarsyah Dimas Raihan Zein Dina Meliana Saragi Edi Nuryatno Fa'rifah, Riska Yanu Fadhil Hidayat Faishal Mufied Al Anshary Febrianti, Ferda Ayu Dwi Putri Ferda Ayu Dwi Putri Febrianti Ferda Ernawan Fetty Fitriyanti Lubis Firzania, Heidea Yulia Fitri Bimantoro Hadwirianto, Muhammad Raihan Helmayanti, Sheva Aditya I Gede Pasek Suta Wijaya Ilma Nur Hidayati Iqbal Ahmad Dahlan Iqbal Santosa Irfan Darmawan Ismail, Mohd Arfian Jauhari, M.Habib Jody Mardika Joel Rayapoh Damanik Khairunnisa Salsabila Riswanti Kurniawan, Muhammad Rayhan Lubis, Rizki Aulia Akbar Mangsor, Miza Mat Raffei, Anis Farihan Muhammad Azzam Imaduddin Muhammad Bryan Gutomo Putra Muhammad Fahmi Hidayat Muhammad Fauzan Nasrullah Muhammad Hafizh Murahartawaty Murahartawaty Nasrullah, Muhammad Fauzan Nicolaus Advendea Prakoso Indaryono Novanza, Alvin Renaldy Nuraliza, Hilda Nurul Hidayati Oktariani Nurul Pratiwi Orvalamarva Pratiwi, Oktaria Nurul Puruhita, Maretha Fitrie Rachmadita Andreswari Rahmah, Najma Syarifa Rahmat Fauzi Ramdani, Dwi Fickri Insan Razali, Raja Razana Raja Rd. Rohmat Saedudin Ruth Sesilya Ambarita Satya Nugraha, Gibran Sheva Aditya Helmayanti Silmy Sephia Nurashila Sinung Suakanto Suhono Harso Supangkat Sujak, Aznul Fazrin bin Abu Syfani Alya Fauziyyah Tatang Mulyana Tien Fabrianti Kusumasari Vina Fadillah Widyadhari, Dinda Putri Yudo Husodo, Ario Yulizar, Iqbal Yuni Kardila Zahid, Azham