Articles
Penerapan Frequency, Recency, Monetery Model dan Algoritma K-Mena Pada Sistem Pengelompokan Pelanggan (Studi Kasus: PT. Ditra Manunggal Jaya)
Hussin Agung Wijaya;
Wildan Suharso;
Yufis Azhar
Jurnal Repositor Vol. 2 No. 11 (2020): November 2020
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v2i11.30968
PT. Ditra Manunggal Jaya yang bergerak dalam bisni Sembilan kebutuhan pokok. Dalam proses bisnisnya PT Ditra Manunggal Jaya masih mengbungkan proses manual dengan transaksi dari pelanggan dari seluruh Indonesia, dengan permasalahan tersebut sangat tidak bisa perusahaan untuk memanajemen pelanggan. Sehingga dibutuhkan suatu sistem yang secara otomatis dapat memanjemen pelanggan. Frequency, recency and monetary model adalah suatu model yang sering diterapkan sebagai pemberian nilai ataupun bobot untuk pelanggan dari proses transaksi. Pemberian bobot yang di berikan akan dianalisa dan dikelompokkan oleh k-mean. Dari hasil analisa k mean diuji menggunakan purity dengan nilai total sebesar 0,441 . dengan pengujian dapadari fitur pada sistem disimpulkan bahwa sistem dapat dikatakan telah berjalan dengan baik, sehingga dapat membantu staff penjualan PT Ditra Manunggal Jaya dalam memberikan pelayanan yang bai bagi para pelanggannya.
Implementasi Algoritma Graf dan Algoritma Genetika pada Peringkasan Single Document
Lina Dwi Yulianti;
Setio Basuki;
Yufis Azhar
Jurnal Repositor Vol. 2 No. 11 (2020): November 2020
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v2i11.30970
In today's technological advancements, finding information is easier and faster. But not a little information that is not true or commonly referred to as hoaxes. Therefore, information must be obtained from several sources to ensure the accuracy of the information. Automatic Text Summarization System is a system used for text based document summarization. This system can help find the core of a news document, so it does not require much time to read. Researchers use Graph Algorithms and Genetic Algorithms in system development. From the test results obtained by the accuracy of the system produced by the system with manual numbers have a cosine similarity value of 71.21%. This can prove that the system built can be used by users because the results of tests carried out get high accuracy values.
Klasterisasi Citre Liburan Secara Otomatis Berbasis Segmentasi Area Menggunakan Metode K-Means
Linggar Bagas Saputro;
Yufis Azhar;
Agus Eko Minarno
Jurnal Repositor Vol. 2 No. 11 (2020): November 2020
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v2i11.30975
Mengabadikan momen liburan merupakan hal yang biasa dilakukan wisatawan atau wisatawan domestik. Pada kamera digital citra tersimpan dalam bentuk file yang disimpan pada memori. Dalam memori citra yang tersimpan tidak tertata dengan rapi. Banyak dan beragamnya lokasi atau momen yang diabadikan menyulitkan dalam pengelompokan citra. Dalam hal ini diperlukannya pengelompokan citra liburan untuk mempermudal dalam pengelompokkan citra berdasarkan lokasi. Dataset yang digunakan merupakan dataset citra liburan berjumlah 5000 data dari 49 lokasi wisata. Algoritma yang digunakan dalam penelitian ini adalah K-means. Kmeans merupakan salah satu teknik clustering yang terkenal mudah dan mampu mengklaster data besar dengan cepat. Pada penelitian ini citra disegmentasi menjadi 5 area, segmentasi digunakan pada pengujian untuk membandingkan dengan citra tanpa menggunakan segmentasi, untuk melihat keakuratan yang diperoleh pada penelitian. Penelitian ini dilakukan untuk membuktikan model yang diusulkan mampu mengklaster citra liburan dengan baik. Hal ini dapat dibuktikan bahwa dalam 4 kali pengujian 3 diantaranya model segmentasi 5 lebih unggul dibandingkan model tanpa segmentasi.
Prediksi Harga Saham Menggunakan Sentimen Pilkada DKI Jakarta 2017 Dengan Algoritma Support Vector Machine
Muhammad Fadliansyah;
Setio Basuki;
Yufis Azhar
Jurnal Repositor Vol. 2 No. 12 (2020): Desember 2020
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v2i12.30991
Twitter merupakan salah satu sosial media yang paling banyak dipakai di Indonesia, tidak hanya sebagai sarana berbagi informasi terkait hal – hal pribadi tetapi juga bisa berupa opini terhadap suatu topik. Tidak hanya sebagai pusat infromasi, twitter juga bisa digunakan sebagai pusat data berupa teks. Pilkada DKI Jakarta 2017 merupakan salah satu topik yang menarik untuk di bahas. Tidak hanya sebagai penentu kepemimpinan Jakarta untuk 5 tahun kedepan, tetapi karena pengaruh yang dimilikinya terhadap beberapa sektor di Indoensia. Tweet yang membahas topik Pilkada DKI Jakarta 2017 bisa diolah untuk mendapatkan informasi yang berguna, misalnya sentimen yang terjadi selama peristiwa politik ini terjadi. Sentimen yang didapat bisa digunakan dalam prediksi harga saham selama masa Pilkada. Untuk bisa mendapatkan sentimen dari data teks dari twitter, sentiment anaylsis digunakan untuk mengekstrak informasi dari tweet yang sudah dikumpulkan. Untuk melakukan sentiment analysis, algoritma support vector machine dipakai untuk mengklasifikasikan tweet kedalam target kelas. Hasil dari klasifikasi sentimen digunakan sebagai salah satu pembobot dalam regresi linier untuk memprediksi harga saham. Hasil dari pengujian menunjukkan bahwa penggunaan sentimen Pilkada DKI Jakarta 2017 untuk memprediksi harga saham cukup baik. Dimana nilai RMSE yang didapat oleh masing-masing saham bervariasi karena saham-saham yang dipilih berasal dari sektor yang berbeda. BBRI 58.974, SRTG 101.188, WIKA 52.042, ADHI 93.420 dan APLN 17.342.
Deteksi Botnet Pada Passive DNS Dengan Menggunakan Metode K Nearest Neighbor
Vinna Utami Putri;
Eko Budi Cahyono;
Yufis Azhar
Jurnal Repositor Vol. 2 No. 12 (2020): Desember 2020
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v2i12.30992
Teknologi internet di masa kini berkembang dengan pesat berbanding lurus dengan penggunanya yang juga semakin banyak. Salah satu kejahatan software yang berbahaya adalah robot network (Botnet). Botnet adalah sebuah zombie dalam jaringan dari jutaan perangkat yang tersambung ke internet, yang mana bot diinfeksi dengan malware yang khusus agar bisa dikendalikan oleh cybercriminal dari jarak jauh untuk memberikan serangan seperti mengirim email, mencuri informasi pribadi, dan meluncurkan serangan DDoS. Pada penelitian ini penulis mengelompokan dan mengklasifikasikan dataset yang botnets dan normal pada passive DNS yang terdapat pada dataset CTU-13 dengan metode k Nearest Neighbor dan juga pengujian dengan mengunakan confusion matrix dengan nilai precision, recall dan accuracy dari k-nearest neighbor dari standart bahasa pemograman python dengan library sciketlearn disetiap kelas prediksi dan hasil yang dicapai cukup tinggi dengan nilai dari uniform dengan nilai 76% untuk precission 86% dan recal-nya 93,9% untuk accuracy. Uniform ternormalisasi dengan nilai 76% untuk precission 88% dan recal-nya 83% untuk accuracy. Hasil Distance didapatkan nilai 100% untuk precission 85% dan recal-nya 92% untuk accuracy. Hasil Distance ternormalisasi 100% untuk precission 87% dan recal-nya 93% untuk accuracy.
Rekomendasi Grup Pada Website Alumni Teknik Informatika Universitas Muhammadiyah Malang
Hermansyah Adi Saputra;
Galih Wasis Wicaksono;
Yufis Azhar
Jurnal Repositor Vol. 2 No. 12 (2020): Desember 2020
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v2i12.30994
Belakangan ini hampir seluruh universitas yang ada di indonesia memiliki sistem informasi alumninya sendiri-sendiri. Sistem informasi alumni mampu memberikan informasi tentang kondisi alumninya setelah menyelesaikan masa perkuliahannya. Alumni merupakan aktor yang berperan penting dalam pendidikan. Saat ini jurusan Informatika Fakultas Teknik Universitas Muhammadiyah Malang telah memiliki website alumni. Permasalahannya belum adanya sistem yang memberikan alumni rekomendasi grup pada sistem, sehingga para alumni mampu saling bertukar informasi didalamnya. Dengan adanya data alumni dan juga di dukung dengan adanya tracer study, dapat di bentuk suatu rekomendasi grup dari data tracer study. K-medoid adalah metode pengelompokan data ke dalam sejumlah cluster tanpa adanya struktur hirarki antara satu dengan yang lainnya. Algoritma k-medoid memiliki nilai coefficient yang lebih tinggi di bandingkan dengan k-means dalam penelitian ini. Yang mana k-medoid mendapatkan nilai rata-rata Silhouette Score 0.7325888099 dalam pengujian dengan jumlah cluster 5 dan perulangan sebanyak 10 kali. Jika dibandingkan dengan k-means yang hanya memiliki nilai rata-rata Silhouette Score 0.6872873866.
Perbandingan Metode Klasifikasi Berita Hoaks Berbahasa Indonesia Berbasis Pembelajaran Mesin
Yuda Munarko;
Muhammad Athaillah;
Yufis Azhar
Jurnal Repositor Vol. 2 No. 5 (2020): Mei 2020
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v2i5.31000
Klasifiaksi berita hoaks merupakan salah satu aplikasi kategorisasi teks. Berita hoaks harus diklasifikasikan karena berita hoaks dapat mempengaruhi tindakan dan pola pikir pembaca. Dalam proses klasifikasi pada penelitian ini menggunakan beberapa tahapan yaitu praproses, ekstraksi fitur, seleksi fitur dan klasifikasi. Penelitian ini bertujuan membandingkan dua algoritma yaitu algoritma Naïve Bayes dan Multinomial Naïve Bayes, manakah dari kedua algoritma tersebut yang lebih efektif dalam mengklasifikasikan berita hoaks. Data yang digunakan dalam penelitian ini berasal dari www.trunbackhoax.id untuk data berita hoaks sebanyak 100 artikel dan data berita non-hoaks berasal dari kompas.com, detik.com berjumlah 100 artikel. Data latih berjumlah 140 artikel dan data uji berjumlah 60 artikel. Hasil perbandingan algoritma Naïve Bayes memiliki nilai F1-score sebesar 0,93 dan nilai F1-score Multinomial Naïve Bayes sebesar 0,92.
Sistem Pakar Diagnosa Penyakit THT Menggunakan Metode Dempster Shafer
Doni Yulianti;
Yufis Azhar;
Nur Hayatin
Jurnal Repositor Vol. 3 No. 1 (2021): Januari 2021
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i1.31011
Berbagai penyakit pada manusia dapat menimbulkan masalah serius jika tidak cepat ditangani, seperti halnya penyakit THT (Telinga, Hidung, dan Tenggorokan). Penderita penyakit THT di Indonesia cukup tinggi, karena masyarakat sering menganggap remeh penyakit THT dan kurangnya informasi mengenai penyakit tersebut. Perlu adanya sistem yang memberikan informasi mengenai gejala pada penyakit THT dan jenis penyakit apa saja yang diderita, serta solusi apa yang tepat untuk menangani penyakit THT. Subjek dalam penelitian ini adalah sistem pakar untuk mendiagnosa penyakit THT. Pada penelitian ini menggunakan dua metode, yaitu metode ketidakpastian menggunakan Dempster Shafer dan metode penelusuran yaitu Forward Chaining. Langkah pengembangan diawali dari pengumpulan data, lalu pembuatan Rule Based, mengimplementasikan metode, dan melakukan pengujian akurasi pakar. Hasil penelitan ini adalah sistem pakar mendiagnosa penyakit THT sebanyak 7 jenis penyakit dengan gejala sebanyak 24 jenis. Penelitian ini juga menggunakan metode Dempster Shafer untuk mendapatkan nilai kepastian berupa persentase nilai kepastian pada hasil diagnosa penyakitnya. Berdasarkan hasil pengujian pakar, dapat disimpulkan bahwa sistem pakar memiliki tingkat kesamaan dengan pakar sebesar 85% yang berarti bahwa sistem pakar ini layak untuk digunakan.
Optimisasi Algoritma K-Means Menggunakan Artificial Bee Colony pada Content-Based Image Retrieval
Yudhono Witanto;
Agus Eko Minarno;
Yufis Azhar
Jurnal Repositor Vol. 3 No. 1 (2021): Januari 2021
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i1.31015
Content-based Image Retrieval (CBIR) merupakan implementasi dari teknik computer vision pada kasus image retrieval yang merupakan kasus pencarian gambar digital pada database yang sangat besar. Pada penelitian ini diperkenalkan metode clustering baru untuk sistem CBIR, metode yang digunakan merupakan kombinasi antara algoritma Artificial Bee Colony (ABC) dengan K-Means. Tiga fitur digunakan untuk mengekstraksi fitur – fitur yang dimiliki gambar, yaitu: RGB Color Feature, Edge Feature, dan Grey Level Co-occurrence Matrix (GLCM). Ketiga fitur tersebut tergabung dalam algoritma Multi Texton Co-occurrence Descriptor (MTCD). K-means merupakan algoritma pengelompokkan yang banyak digunakan pada kasus clustering suatu data, K-means banyak digunakan karena implementasinya yang sangat mudah. Meskipun demikian, algoritma ini memiliki kelemahan, salah satunya yakni dalam penentuan titik awal centroid. Artificial Bee Colony (ABC) merupakan algoritma optimasi yang cara kerjanya mengadopsi dari cara koloni lebah dalam mencari makanan. Metode ABC diketahui dapat memecahkan permasalahan local optimum, yang pada umumnya terjadi pada penggunaan K-means karena kelemahannya dalam menentukan centroid. Metode yang akan digunakan pada penelitian ini merupakan kombinasi dari algoritma ABC dengan K-means untuk mengelompokkan fitur – fitur yang telah diekstraksi yang diimplementasikan pada dataset Corel-10.000 dan Batik. Kombinasi dari kedua algoritma ini dapat menjadi solusi dalam permasalahan pengelompokkan data atau clustering di ranah data science. Penelitian ini bertujuan untuk mengetahui seberapa efektif dan efisien penggunaan kombinasi algoritma ABC dan K-means dalam clustering pada fitur dataset Corel-10.000 dan Batik.
Klasifikasi Jenis Batik Menggunakan Algoritma Convolutional Neural Network
Yesicha Amilia Putri;
Yufis Azhar;
Agus Eko Minarno
Jurnal Repositor Vol. 3 No. 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22219/repositor.v3i2.31050
Beragamnya motif batik di Indonesia menyulitkan dalam pengenalan pola citra batik. Dalam hal ini diperlukannya klasifikasi citra batik untuk mengidentifikasi karakteristik citra. Dataset yang digunakan merupakan dataset batik berjumlah 300 data dengan 50 jenis batik dan setiap kategori terdapat 6 data. Algoritma yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). CNN merupakan salah satu teknik Deep Learning yang memiliki hasil paling signifikan didalam pengenalan citra. Model VGG16 digunakan pada pengujian untuk membandingkan akurasi yang diperoleh dan waktu yang dibutuhkan. Penelitian ini dilakukan untuk membuktikan model yang diusulkan mampu mengklasifikasi citra batik dengan baik. Hal ini dapat dibuktikan bahwa akurasi yang didapatkan menggunakan CNN sebesar 98% dan membutuhkan waktu lebih cepat dibandingkan model VGG16.