Article Per Year (5 Year)
p-Index From 2021 - 2026
7.825
P-Index
This Author published in this journals
All Journal JUSIFO : Jurnal Sistem Informasi 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 IJIES (International Journal of Innovation in Enterprise System) 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 Proceeding of Community Service and Engagement
Faqih Hamami
Department Of Information System, Telkom University
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 : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 60 Documents
Search

 2   3   4   5   6 
Automatic Question Generator Menggunakan Metode Template-Based Mardika, Jody; Pratiwi, Oktariani Nurul; Hamami, Faqih
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
Implementasi Metode Asosiasi Untuk Analisis Penempatan Produk Retail Ambarita, Ruth Sesilya; Witarsyah, Deden; Hamami, Faqih
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

Analisis Penempatan Produk Retail dengan Metode Asosiasi pada Swalayan Anugrah Puspitasari, Aprilia Mega; Witarsyah, Deden; Hamami, Faqih
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.
Analisis Sentimen Review Pengguna Website IMDB Menggunakan Klasifikasi Naïve Bayes Kardila, Yuni; Pratiwi, Oktariani Nurul; Hamami, Faqih
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
Deteksi Anomali Lalu Lintas Jaringan Internal Inbound Dan Outbound Menggunakan Algoritma Long Short-Term Memory Salsabila Riswanti, Khairunnisa; Hamami, Faqih; Fabrianti Kusumasari, Tien
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
PREDIKSI CUACA PADA DATA TIME SERIES MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK (BPNN) Azzam Imaduddin, Muhammad; Hamami, Faqih; Yanu Fa'Rifah, Riska
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
Prediksi Network Capacity Planning PT XYZ Menggunakan Algoritma Recurrent Neural Network (RNN) Hafizh, Muhammad; Hamami, Faqih; Fabrianti Kusumasari, Tien
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
Comparison of Apache SparkSQL and Oracle Performance: Case Study of Data Cleansing Process Hidayati, Ilma Nur; Kusumasari, Tien Fabrianti; Hamami, Faqih
JOIV : International Journal on Informatics Visualization Vol 6, No 1-2 (2022): Data Visualization, Modeling, and Representation
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.1-2.928

Abstract

A dataset with good quality is a valuable asset for a company. The data can be processed into information to help companies improve decision-making. However, the data increased more and more over time to decrease data quality. Thus, good data management is important to keep data quality meeting company standards. One of the efforts that can be done is conducting data cleansing to clean data from errors, inaccuracies, duplication, format discrepancies, etc. Apache Spark is an engine that can analyze large amounts of data. Oracle Database is a database management system used to manage databases. Both have their own reliability and can be used to analyze SQL-shaped data. This study compared Spark and Oracle performance based on query processing time. Both were tested on queries used to perform data cleansing of millions of rows of the dataset. The research focuses on finding out Spark and Oracle's performance through quantitative analysis. The results of this study showed that there were differences in query processing times on both tools. Apache Spark is rated better because it has a relatively faster query processing time than Oracle Database. It can be concluded that Oracle is more reliable in storing complex data models than in analyzing large data. For future research, it is suggested to add other comparison aspects such as memory and CPU usage. The researchers can also consider using query optimization techniques to enrich query experiments.
Artificial Intelligence for Precision Livestock Farming: A Systematic Review of Applications, Models, and Evaluation Metrics Widyatasya Agustika Nurtrisha; Luthfi Ramadani; Riska Yanu Fa’rifah; Faqih Hamami; Nur Ichsan Utama
JUSIFO : Jurnal Sistem Informasi Vol 11 No 2 (2025): December
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Islam Negeri Raden Fatah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19109/jusifo.v11i2.31179

Abstract

The increasing demand for animal-based food products has intensified the need for efficient, data-driven livestock management practices. Artificial Intelligence (AI) has emerged as a key enabling technology within Precision Livestock Farming (PLF), supporting automated monitoring, prediction, and decision-making processes. This study presents a Systematic Literature Review (SLR) of AI applications in livestock farming, focusing on application domains, AI models, and evaluation metrics. Following the PRISMA 2020 guidelines, relevant studies published between 2013 and 2024 were systematically identified, screened, and assessed across major scholarly databases, resulting in 20 eligible articles for qualitative synthesis. The findings indicate that AI is primarily applied to animal identification, body weight estimation, disease detection, behavior analysis, and feed management. Deep learning models, particularly Convolutional Neural Networks, dominate image-based tasks, while traditional machine learning approaches remain effective for structured sensor and tabular data. Common evaluation metrics include accuracy, precision, recall, R², and Mean Absolute Error. Despite promising results, the review reveals substantial heterogeneity in datasets, evaluation protocols, and livestock sector coverage, which limits cross-study comparability. This review highlights methodological trends, identifies key research gaps, and provides insights to guide future AI-driven PLF research and implementation.
Exploring the Affordances of AI-Enabled Livestock Monitoring Systems in Rural Agricultural Communities Luthfi Ramadani; Widyatasya Agustika Nurtrisha; Faqih Hamami; Nur Ichsan Utama; Riska Yanu Fa’rifah
JUSIFO : Jurnal Sistem Informasi Vol 11 No 2 (2025): December
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Islam Negeri Raden Fatah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19109/jusifo.v11i2.31181

Abstract

Productivity and sustainability remain persistent challenges in livestock farming across developing countries, particularly in rural contexts where digital transformation progresses unevenly. Advances in artificial intelligence (AI) offer opportunities to support livestock management; however, empirical understanding of how such technologies are perceived and utilized in rural settings remains limited. This study examines the perceived affordances of an AI-enabled livestock monitoring system in a rural community in Central Java, Indonesia. Guided by the Technology–Organization–Environment (TOE) framework, a qualitative case study approach was employed using semi-structured interviews with livestock farmers and local government officials. The findings indicate that the realization of AI-related affordances is shaped by technological conditions, including system capabilities, infrastructure limitations, and user readiness. Organizational factors—such as innovation awareness, government–community relationships, and the continuity of support programs—also influence affordance realization. Environmental conditions, particularly training adequacy, public trust, and rural geographic characteristics, further affect technology use. Overall, the study highlights that AI affordances in rural livestock systems are socio-technical and context-dependent, emphasizing the importance of context-sensitive design and implementation strategies to support sustainable livestock management.
Co-Authors Agus Maolana Hidayat Ahmad, Mokhtarrudin Al amudi, Farhan Hasan Aldi Akbar Ambarita, Ruth Sesilya Anis Farihan Mat Raffei Anis Farihan Mat Raffei Arrahmani, Farras Hilmy Aziz, Abdurrahman Azzam Imaduddin, Muhammad Budi Rustandi Kartawinata Dahlan, Iqbal Ahmad Deandra, Valen Deden Witarsyah Dimas Raihan Zein Dina Meliana Saragi Dita Pramesti Edi Nuryatno 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 Hanif Azhar Helmayanti, Sheva Aditya Herdian, Hafiizh Hidayati, Ilma Nur I Gede Pasek Suta Wijaya Iqbal Santosa Irfan Darmawan Ismail, Mohd Arfian Jauhari, M.Habib Joel Rayapoh Damanik Kardila, Yuni Kurniawan, Muhammad Rayhan Kuswandi, Brillian Adhiyaksa Lubis, Rizki Aulia Akbar Luthfi Ramadani Mangsor, Miza Mardika, Jody Mat Raffei, Anis Farihan Maulana, Fakhri Hassan Muhammad Bryan Gutomo Putra Muhammad Fahmi Hidayat Muhammad Fauzan Nasrullah Muhammad Fauzan Nasrullah Muhammad Hafizh Muhammad Iqbal Murahartawaty Murahartawaty Nasrullah, Muhammad Fauzan Nicolaus Advendea Prakoso Indaryono Nicolaus Advendea Prakoso Indaryono Novanza, Alvin Renaldy Nur Ichsan Utama Nuraliza, Hilda Nurul Hidayati Oktariani Nurul Pratiwi Orvalamarva Pratiwi, Oktaria Nurul Puruhita, Maretha Fitrie Puspitasari, Aprilia Mega Putri Chichilia Nababan Rachmadita Andreswari Rahmah, Najma Syarifa Rahmat Fauzi Ramdani, Dwi Fickri Insan Ramli, Muhammad Ayyub Razali, Raja Razana Raja Rd. Rohmat Saedudin Riska Yanu Fa’rifah Salsabila Riswanti, Khairunnisa 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 Widyatasya Agustika Nurtrisha Yudo Husodo, Ario Yulizar, Iqbal Zahid, Azham