Article Per Year (5 Year)
p-Index From 2021 - 2026
1.006
P-Index
This Author published in this journals
All Journal Telematika CESS (Journal of Computer Engineering, System and Science) SISFOTENIKA RESEARCH : Computer, Information System & Technology Management DoubleClick : Journal of Computer and Information Technology JurTI (JURNAL TEKNOLOGI INFORMASI) Informasi Interaktif Majalah Ilmiah Bahari Jogja CCIT (Creative Communication and Innovative Technology) Journal TAFAQQUH: Jurnal Hukum Ekonomi Syariah Dan Ahwal Syahsiyah Infotekmesin Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat Teknomatika: Jurnal Informatika dan Komputer Explore
Hanif Al Fatta
Universitas AMIKOM Yogyakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Mechanical Engineering Transportation

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Penerapan Arima Dan Artificial Neural Network Untuk Prediksi Penderita DBD Di Kabupaten Sragen Hendra Setiawan; Ema Utami; Hanif Al Fatta
Majalah Ilmiah Bahari Jogja Vol 18 No 2 (2020): Juli
Publisher : Sekolah Tinggi Maritim Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33489/mibj.v18i2.220

Abstract

The number of DHF patients in Sragen regency in the last few years continued to increase which was then compounded by seasonal changes. The lack of public awareness of the problem of DHF was caused by ignorance of the public on the dangers of DHF and its spread. Based on existing research, DHF distribution patterns were also influenced by environmental factors such as population movement patterns that were influenced by how well the existing transportation systems and facilities. Based on this fact, the author tries to apply several methods of forecasting the number of DHF sufferers to see whether there is a real influence between how good the transportation system is with the number of DHF sufferers and increase the level of public awareness and facilitate parties who need data on the spread of DHF sufferers in Sragen Regency in the period of required period. The models used in this study are ARIMA, Backpropagation, and Point Estimation models. The prediction process was done by dividing the forecasting process into two based on the dataset used, namely the dataset from 2013 to 2106 for complete data and the dataset from 2010 to 2016 for incomplete datasets due to missing or damaged data. The data used as a dataset were data taken from data on the number of patients in Sragen regency. The forecasting process in this study was carried out by forecasting using the ARIMA and LSTM methods on two prepared datasets.
Use of Fulltext Indexing to Improve Data Search Efficiency in MYSQL Databases Ahmad Hajar; Ema Utami; Hanif Al Fatta
SISFOTENIKA Vol 12, No 2 (2022): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/jst.v12i2.1264

Abstract

 The process of searching for data is one of the needs of the system that is needed. With the more data, the search process will take longer. There are many ways to speed up the data search process, one of which is by utilizing the Full text index feature in the MySQL database. In this study, a search query will be tested on tables that have been indexed and on tables that have not been indexed. Researchers use the like operator to search for data on tables that are not indexed. Meanwhile, in the table given the index, the researcher uses a full text search with the match against syntax. The results of this study indicate that the full text search on a table that has been given an index is faster than a table that is not indexed. When the number of data is 466,000, searching in a non-index table takes 2,638.97 milliseconds. Meanwhile, the indexed table takes 89.14 milliseconds. Then the impact of giving an index to the table is that the insert process takes longer than the table that is not indexed. In the product index table when the data is 466,000, the insert time is 6,560.69 milliseconds. While the product non index table is 420.96 milliseconds. In future research, it is expected to look for other query testing methods and find out the accuracy between like operator and match against.
Prediksi Jumlah Kunjungan Wisatawan Kabupaten Lombok Barat Menggunakan Algoritma Long Short Term Memory (LSTM) M. Imam Budi Laksamana; Ema Utami; Hanif Al Fatta
TAFAQQUH: Jurnal Hukum Ekonomi Syariah Dan Ahwal Syahsiyah Vol. 6 No. 2 (2021): Meningkatkan pemahaman dan wawasan tentang hukum Islam
Publisher : LP2M Sekolah Tinggi Ilmu Syariah Darul Falah Mataram

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

Abstract

Kabupaten Lombok Barat merupakan salah satu wilayah di Indonesia yang memiliki daya tarik tersendiri bagi wisatawan lokal maupun internasional. Salah satu sektor yang paling terdampak besar terhadap intensitas kunjungan wisata adalah hotel. Untuk meningkatkan diperlukan upaya yang tepat untuk memelihara objek wisata sehingga dapat menjadi daya tarik bagi wisatawan. Dalam upaya pemeliharaan objek wisata, Dinas Pariwisata Lombok Barat perlu melakuakan analisa dan prediksi kedatangan wisatawan lokal maupun internasional, dalam prosesnya analisa dan prediksi, pemerintah kabupaten Lombok Barat melakukan pengumpulan data kunjungan wisatawan dari setiap pintu masuk objek wisata yang dimana pada prosesnya memerlukan waktu yang cukup lama dan membutuhkan sumber daya manusia yang cukup tinggi. Untuk mengatasi permasalahan tersebut dilakukan proses prediksi menggunakan sistem komputasi dengan machine learning agar nantinya waktu yang dibutuhkan dalam analisa dan prediksi menjadi lebih singkat dan kebutuhan akan sumber daya manusia yang tinggi bisa teratasi. Metode yang akan diterapkan dalam prediksi adalah Long Short Term Memory (LSTM), atribut dan nilai yang digunkan dalam model LSTM adalah nilai input layer 1, lalu nilai epochs 100 dan batch size 1, berdasarkan hasil pengujian yang dilakukan pada penelitian ini, Long Short Term Memory (LSTM) memiliki performa yang kurang baik dalam memprediksi jumlah kunjungan wisata kabupaten Lombok Barat menggunakan data rentang waktu bulanan dari tahun 2017-2021, hal ini dibuktikan dengan hasil uji evaluasi yang dilakukan dengan mencari nilai Root Mean Square Error (RMSE), dimana hasil model prediksi akan dikatakan baik jika memiliki nilai error yang lebih kecil. dimana nilai Root Mean Square Error (RMSE) yang dihasil dalam penelitian ini cukup tinggi yaitu 10479,30.
PENGUKURAN KUALITAS SISTEM INFORMASI INVENTARIS ASET UNIVERSITAS MUHAMMADIYAH BENGKULU MENGGUNAKAN METODE MCCALL Khairullah Khairullah; Bambang Soedijono; Hanif Al Fatta
Informasi Interaktif Vol 2, No 2 (2017): Jurnal Informasi Interaktif
Publisher : Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1048.523 KB)

Abstract

Measurement of Inventory Information System Asset University of Muhammadiyah Bengkulu conducted to measure the quality of asset inventory information system application of Muhammadiyah University of Bengkulu based on user perception using McCall method. The measurement process of asset inventory information system of Muhammadiyah University of Bengkulu is done by several stages of measurement using several quality factors on the McCall method namely; correctness, reliability, efficiency, integrity and usability to know how far the quality and level of user utilization of the current asset inventory information system. The measurement process using the McCall method involves 18 respondents, where the results of this application measurement get the percentage of total quality of 68.4% and included in the good category. However, further development is needed to improve user utilization and the quality of the inventory asset information system itself better. Keywords : Pengukuran, Kualitas, McCall, Inventaris Aset
ANALISIS KEBERHASILAN PENGGUNAAN SIDALIH MENGGUNAKAN METODE UTAUT Yuliana; Arief Setyanto; Hanif Al Fatta
Jurnal Teknomatika Vol 11 No 2 (2019): TEKNOMATIKA
Publisher : Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta

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

Abstract

Penggunaan teknologi informasi sangat dibutuhkan dalam membantu mencapai tujuan organisasi. Pada sektor pemerintahan untuk mendukung kinerja operasional, salah satu upaya yaitu dikembangkannya sistem informasi terintegrasi dalam lingkup tertentu yang menghubungkan pengelolaan sistem informasi antar unit, bagian atau tempat dengan memanfaatkan akses internet. Untuk mendukung kegiatan pemerintah tersebut maka lembaga KPU mempersiapkan sebuah sistem berbasis teknologi yang digunakan yaitu Sistem Informasi Data Pemilih di KPU. Proses yang dilakukan adalah pemutakhiran data untuk membersihkan data invalid dan menghindari data pemilih ganda yang selama ini menjadi beban dalam setiap pemilu karena banyak data yang diinput. Dalam menganalisis keberhasilan penggunaan SIDALIH dengan menggunakan model UTAUT. Hasil penelitian uji analisis data menggunakan metode UTAUT, ditemukan bahwa variabel Kinerja Harapan, Upaya Usaha memiliki pengaruh terhadap Perilaku Niat dan Kondisi Fasilitasi yang mempengaruhi Perilaku Pengguna. Dalam hal ini menunjukkan bahwa dengan adanya sistem SIDALIH di KPU sangat membantu niat para pengguna dalam menjalankan tugas pemutakhiran data dalam pemilihan.
Analisis Fitur dan Convolutional Neural Network pada Pengenalan Aksen Ucapan Dwi Sari Widyowaty; Andi Sunyoto; Hanif Al Fatta
Explore Vol 11 No 2 (2021): Juli 2021
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v11i2.45

Abstract

Setiap negara memiliki ciri khas dan budaya masing-masing, salah satu ciri khas tersebut yaitu aksen ucapan, dengan mendengarkan aksen ucapan seseorang, maka dapat dikenali asal negara dari pembicara tersebut. Penelitian mengenai pengenalan aksen termasuk pada Teknologi Automatic Speech Recognition (ASR) yang sekarang ini sedang berkembang, contoh dari pemanfaatan teknologi ASR yaitu Asisten Virtual, pengembangan penelitian ini dapat menuju Asisten Virtual yang lebih cerdas karena dapat mengenali aksen dari seorang pembicara. Pada penelitian ini, penulis mencoba mengklasifikasikan aksen dari berbagai Negara (5 kelas) yaitu English, Spanish, Mandarin, French dan Arabic. Dataset yang digunakan pada Penelitian ini berjumlah 1231 rekaman suara yang terdiri dari English 627 audio, Spanish 220 audio, Mandarin 132 audio, French 80 audio, dan Arabic 172 audio, dimana seluruh pembicara mengucapkan kalimat yang sama dalam bahasa Inggris. Pada penelitian ini fitur audio yang digunakan yaitu Mel – Frequency Cepstral Coefficients (MFCC), Zero Crossing Rate (ZCR), dan Energy (pada librosa disebut RMS). Ekstraksi Fitur audio menghasilkan array dari setiap audio, hasil ekstraksi fitur audio akan menjadi masukan Metode Convolutional Neural Network (CNN) untuk mengklasifikasikan aksen tersebut. Penelitian ini menghasilkan akurasi 51.30 % pada fitur MFCC, 48.05 % pada fitur ZCR, dan 51,95 % pada fitur Energy. Fitur Energy mendapatkan akurasi yang baik, kemudian diikuti dengan fitur MFCC dan ZCR.
Co-Authors Abidarin Rosidi Ahmad Hajar Alvhinia Meinda Amitaba Andi Sunyoto Anggie Ariawan Dewa Putra Arief Setyanto Bambang Soedijono Chan Uswatun Khasanah Dwi Sari Widyowaty Ema Utami Fandli Supandi Hafidh Rezha Maulana Hendra Kurniawan HENDRA SETIAWAN Khairullah Khairullah Kusrini . Kusrini Kusrini M Suyanto M. Imam Budi Laksamana M. Nuraminudin M. Suyanto Moh Taufik H Noor Abdul Haris Nugroho Setio Wibowo Olivia Maria Inacio Tavares Purwidiantoro, Moch. Hari Rizki Mawan Tutik Maryana Wahyu Sindu Prasetya Yetman Erwadi Yulia Rahmi Yuliana Yuliana Yusuf Fadlila Rachman Zul Hisyam