Article Per Year (5 Year)
p-Index From 2021 - 2026
2.619
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Journal of Information Technology and Computer Science (JOINTECS) Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Indonesian Journal of Artificial Intelligence and Data Mining Fair Value: Jurnal Ilmiah Akuntansi dan Keuangan JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JISKa (Jurnal Informatika Sunan Kalijaga) Journal of Information Systems and Informatics JATI (Jurnal Mahasiswa Teknik Informatika) International Journal of Advances in Data and Information Systems Transaction on Informatics and Data Science
Totok Chamidy
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
SISTEM PENDUKUNG PEMBELAJARAN TENSES UNTUK TINGKAT DASAR BERBASIS SISTEM PAKAR MENGGUNAKAN METODE FORWARD CHAINING Chamidy, Totok; Agasta, Hadziq
MATICS MATICS (Vol. 4 No. 4
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (349.031 KB) | DOI: 10.18860/mat.v0i0.1568

Abstract

Sistem pendukung pembelajaran tenses adalah suatu sistem pembelajaran terkomputerisasi yang dirancang untuk membantu seseorang dalam mendalami tenses. Tenses merupakan materi dasar dalam grammar yang digunakan untuk menunjukkan waktu kejadian memiliki struktur kata pembentuk kalimat yang berbeda-beda pada tiap penunjuk kejadiannya. Dari struktur kata pembentuk kalimat itulah sistem dapat membedakan tenses bentuk apa kalimat tersebut. Untuk membedakannya, sistem menggunakan metode forward chaining. Metode forward chaining adalah metode yang digunakan untuk mencari kesimpulan dari fakta-fakta yang terkumpul. Sistem kerja aplikasi ini adalah dengan memecah susunan kalimat menjadi kata kemudian dari kata tersebut oleh sistem akan dicari fakta-fakta dari kata tersebut. Fakta-fakta tersebut adalah jabatan berupa subjek, objek, verb dan lain sebagainya. Dari fakta-fakta tersebut, pada tahap akhir sistem akan mencari kecocokan antara fakta-fakta pembentuk kalimat dengan rumus pembentuk tenses. Dari hasil penelitian dengan memasukkan kalimat-kalimat yang memiliki struktur yang berbeda, aplikasi ini mampu mengenali bentuk tenses pada kalimat-kalimat tersebut. Hal ini mengacu pada hasil pengujian yang didapatkan persentase sebesar 96% dari 100 kalimat masukan.Kata Kunci : sistem pakar, forward chaining, tenses
Metode Mel Frequency Cepstral Coeffisients (MFCC) Pada klasifikasi Hidden Markov Model (HMM) Untuk Kata Arabic pada Penutur Indonesia Chamidy, Totok
MATICS Vol 8, No 1 (2016): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (257.811 KB) | DOI: 10.18860/mat.v8i1.3482

Abstract

Abstract— Speech recognition is a system to transform the spoken word into text. Human voice signals have a very high of variability. Speech signals in the different pronunciation text, also resulting in distinctive speech patterns. This, furthermore, happens if the text is spoken by a speaker who is not the mother tongue of the speakers. For example, text Arabic words spoken by Indonesian speaker. In this study, Mel Frequency cepstral Coeffisients (MFCC) feature extraction techniques explored for voice recognition of the Arabic words for Indonesian speakers with data training using Arabian native speakers. Furthermore, features that have been extracted, classified using Hidden Markov Model (HMM). HMM is one of the sound modeling where the voice signal is analyzed and searched the maximum probability value that can be recognized, from the modeling results will be obtained parameters are then used in the word recognition process. Recognized word is a word that has the maximum suitability. The system produces an accuracy by an average of 83.1% for test data sampling frequency of 8,000 Hz, 82.3% for test data sampling frequency of 22050 Hz, 82.2% for test data sampling frequency of 44100 Hz.
Bidirectional GRU dengan Attention Mechanism pada Analisis Sentimen PLN Mobile Moh. Ainur Rohman; - Suhartono; Totok Chamidy
Techno.Com Vol 22, No 2 (2023): Mei 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i2.7876

Abstract

PLN Mobile adalah aplikasi ponsel customer self-service yang terintegrasi dengan Aplikasi Pengaduan dan Keluhan Pelanggan (APKT) dan Aplikasi Pelayanan Pelanggan Terpusat (AP2T). Mulai awal tahun 2021 sampai sekarang PLN menggencarkan sosialisasi PLN Mobile pada masyarakat sehingga jumlah ulasan PLN Mobile pada google playstore meningkat drastis. Untuk mengetahui kepuasan pelanggan tidak bisa hanya dengan melihat dan menganalisis dari kolom ulasan PLN Mobile di google playstore, hal ini dikarenakan data ulasan berbentuk tidak terstruktur. Untuk mengatasi masalah ini dibutuhkan teknik khusus yaitu analisis sentimen. Penelitian ini bertujuan untuk mengusulkan arsitektur analisis sentimen untuk mengatasi ketidakmampuan algoritma deep learning seperti LSTM dan GRU dalam menangkap informasi penting. Arsitektur yang diusulkan yaitu mengkombinasikan Bidirectional GRU (BiGRU) dengan attention mechanism menggunakan word2vec sebagai word embedding. Attention mechanism digunakan untuk menangkap kata yang penting sehingga arsitektur tersebut dapat memahami informasi yang penting. Kemudian, arsitektur yang diusulkan dilakukan perbandingan dengan metode CNN, CNN-GRU, CNN-LSTM, CNN-BiGRU, CNN-BiLSTM dengan menggunakan data ulasan PLN Mobile. Hasil eksperimen menunjukkan bahwa arsitektur analisis sentimen yang diusulkan memiliki akurasi dan f1-score yang lebih tinggi.
Klasifikasi Ulasan Fasilitas Publik Menggunakan Metode Naïve Bayes dengan Seleksi Fitur Chi-Square Adhitya Prayoga Permana; Totok Chamidy; Cahyo Crysdian
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 8 No. 2 (2023): Mei 2023
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/jiska.2023.8.2.112-124

Abstract

Government builds public facilities to support the needs of the community. The use of these public facilities needs to be re-evaluated, and one way to do it is through community response. Google Maps is one platform that receives the most responses from the community about location. Google Maps Reviews allow us to see how the public reacts to a location. Naïve Bayes method is used for classification in this study because it is one of the simple methods in machine learning that can be easily applied to several experiments conducted by the author. In the classification process, reviews produce many features that will be calculated based on their class. More features generated, more features processed too in the system. Chi-Square feature selection will be used to reduce features that have low dependence on the system. In this study, performance values will be calculated based on the experimental use of feature ratios of 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90%, and 100%. The results show that the use of 10% Chi-Square features produces the best performance, with an accuracy rate of 86.94%, precision of 80.42%, recall of 80.42%, and f-measure of 80.42%.
Sistem Pengukuran Kualitas Media pada Larva BSF (Black Soldier Fly) Berbasis Internet of Things Menggunakan Metode Naive Bayes Mohammad Faisal Fajar Fadilah; Ajib Hanani; Totok Chamidy
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 8 No. 2 (2023): Mei 2023
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/jiska.2023.8.2.125-139

Abstract

Piles of waste increase in line with population growth and consumption patterns. The concept of bioconversion using black soldier fly larvae can solve the problem of organic waste management. From these problems, an application of Internet of Things technology is needed. The system implemented aims to allow the system to find out how much accuracy, precision, and recall are in making decisions on media quality values using the Naive Bayes method. The main feature of this Naive Bayes Classifier is the very strong assumption of the independence of each condition or event. From the research results, the system has been successfully built according to the research design, as well as the goals that have been fulfilled in completing the development of the smart maggot. Several sensors used in this study were tested so that sensor performance could be determined by finding the average error value. Three parameters are measured; namely, the temperature obtained an average error of 1.6%, air humidity obtained an average error of 2.03%, and soil moisture obtained an average error of 2.7%. By measuring using Python, the Confusion Matrix is obtained so that the test results from the calculation of the Naive Bayes method can find the data in the form of accuracy, precision, and recall. Accuracy percentage results obtained 92%, precision percentage average results obtained 93%, and recall percentage average results obtained 92%. The conclusion shows the results of the system's accuracy obtained have worked well.
Optimization of the Random Forest Method Using Principal Component Analysis to Predict House Prices: A Case Study of House Prices in Malang City Emha Ahdan Fahmi Elmuna; Totok Chamidy; Fresy Nugroho
International Journal of Advances in Data and Information Systems Vol. 4 No. 2 (2023): October 2023 - International Journal of Advances in Data and Information System
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25008/ijadis.v4i2.1290

Abstract

Investment is an interesting thing, especially property investment. The developer must also be careful in determining the price of the property. It should be noted that every year, both short-term and long-term, property prices increase and rarely go down. In determining the price, it is often also based on the features of the house such as the concept, location, bedrooms, etc. To predict house prices based on their features, the random forest has a good performance for predicting house prices. However, the random forest method has the disadvantage that if you use too many variables, the training process will take longer and feature selection tends to select features that are not informative. One way to reduce features without removing other features is to use Principal Component Analysis. In this research, the method used is Principal Component Analysis (PCA) and Random Forest. From the results of model training, it can be concluded that the use of model evaluation results using PCA has a smaller error rate and more consistent values, with an average of 0.018. While the results of the evaluation without PCA and using only Random Forest have a higher error value with an average of 0.03125. The training time using the PCA model has a faster time, with an average of 7918 milliseconds, while those using only random forest without PCA have an average time of 8975 milliseconds.
Penerapan Long Short-Term Memory untuk Klasifikasi Multi-Label Terjemahan Al-Qur’an dalam Bahasa Indonesia Ismail Akbar; Muhammad Faisal; Totok Chamidy
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 1 (2024)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i1.5291

Abstract

Mempelajari Al-Qur'an adalah salah satu ibadah yang sangat dianjurkan dalam Islam, dan memahami cara mengklasifikasikan ayat-ayatnya sangat penting. Pengelompokan ayat-ayat ini mempermudah pencarian dan mempelajari ayat-ayat terkait, karena setiap ayat dapat termasuk dalam satu atau lebih kategori yang berbeda. Penelitian ini bertujuan untuk mengembangkan model klasifikasi multi-label untuk teks terjemahan Al-Qur’an dalam bahasa Indonesia menggunakan Bi-Directional Long Short-Term Memory (Bi-LSTM) dan teknik word embedding Word2Vec dengan arsitektur Continuous Bag of Words (CBOW). Data yang digunakan berasal dari terjemahan resmi Kementerian Agama Republik Indonesia, khususnya dari Surah An-Nisa', Surah Al-Maidah, dan Surah Al-An'am, dengan total 461 ayat. Proses klasifikasi mempertimbangkan empat kategori utama: Tauhid, Ibadah, Akhlaq, dan Sejarah (Tarikh). Model diuji dengan berbagai skenario pembagian data dan dievaluasi menggunakan metrik akurasi, precision, recall, dan Hamming Loss. Hasil menunjukkan bahwa model Bi-LSTM dengan Word2Vec mencapai akurasi 70,21%, precision 64,31%, recall 61,13%, dan Hamming Loss 36,52%. Meskipun menunjukkan peningkatan signifikan, model ini masih menghadapi tantangan dalam mencapai akurasi yang lebih tinggi karena kompleksitas bahasa Al-Qur’an. Penelitian ini menyarankan penggunaan data yang lebih representatif, teknik embedding lain, dan arsitektur model yang lebih canggih untuk perbaikan lebih lanjut. Model ini diharapkan dapat mempermudah pembelajaran dan pemahaman Al-Qur’an secara lebih akurat dan efisien.
K-MEANS CLUSTERING DALAM PENGELOMPOKAN RELEVANSI PEKERJAAN S1 INFORMATIKA (STUDI KASUS JURUSAN TEKNIK INFORMATKA UMM MALANG) Hariyanto, Dikky Cahyo; Harini, Sri; Chamidy, Totok
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 2 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i2.5507

Abstract

Perguruan tinggi merupakan salah satu tingkatan dalam menuntut ilmu diharapkan untuk menciptakan lulusan yang mampu dan berkompeten sesuai dengan bidang ilmu yang diambil. Banyaknya jumlah lulusan dari perguruan tinggi dengan jumlah lapangan pekerjaan yang aa menyebabkan banyaknya lulusan bekerja tidak sesuai dengan jurunnya, sehingga perlu adanya evaluasi akan tingkat keberhasilan capaian pembelajaran lulusan yang ada di perguruan tinggi. Tujuan dari penelitian ini adalah untuk menganalisa data relevansi pekerjaan para lulusan S1 Teknik Informatika dengan apa yang mereka pelajari sesuai dengan capaian pembelajaran yang ada di program studi Teknik Informatika Universitas Muhammadiyah Malang menggunakan K-Means clustering. Menggunakan data hasil kuisioner pengukuran capaian pembelajaran para lulusan dan pengukuran kesesuaian perkerjaan sebanyak 137 responden yang telah diuji validitas, reabilitas dan multikolinieritas, hasil penelitian ini menunjukkan dta dibentuk menjadi tiga cluster dengan analisa bahwa 29.92% lulusan Teknik Informatika UMM mampu memenuhi capaian pembelajaran lulusan dan mendapatkan pekerjaan yang relevan denga apa yang mereka pelajari, 49.63% lulusan lainnya juga mendapat pekerjaan yang relevan dengan jurusannya walaupun kurang menguasai keterampilan khusus yang diukur pada capaian pembelajara lulusan, dan 20.45% lulusan lainnya mendapatkan pekerjaan yang kurang relevan dengan bidang teknik Informatika.
Pengujian akurasi model regresi logistik multinomial untuk memprediksi keberhasilan mahasiswa di perguruan tinggi menggunakan r Baskoro, Sentot Eko; Suhartono, Suhartono; Chamidy, Totok; Zaman, Syahiduz
Fair Value: Jurnal Ilmiah Akuntansi dan Keuangan Vol. 5 No. 3 (2022): Fair Value: Jurnal Ilmiah Akuntansi dan Keuangan
Publisher : Departement Of Accounting, Indonesian Cooperative Institute, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32670/fairvalue.v5i3.2472

Abstract

Higher education institute should have maintained its student’s success in their academic field. Therefore, higher education institute should make a model to predict its success as early as possible. To have such model, the impacting factors should be determined, which factor are in the forms of continuous dan categorized data. This research is aimed to build logistic regression model based on compounded data from continuous and categorized data, which then test the model accuracy to predict the student’s success in such institute. Research data is using 68 student’s data. There are 6 research steps, first, data preparation and collection, second, data analysis, third, building the logistic multinomial regression model, fourth, data testing and validation, fifth, measure the model accuracy, and the sixth step is drawing the conclusion based on the analysis output. The result of prediction analysis dan accuracy test using logistic multinomial regression is the best model with significant factors that influence the study time are gender, department and selection track, while prediction accuracy model for each study time response variable is 96.4%.
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEPUASAN SISWA MTS SURYA BUANA MENGGUNAKAN METODE REGRESI LOGISTIK Saleh, Moh; Chamidy, Totok; Suhartono
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9696

Abstract

Sebagai sebuah lembaga pendidikan, sekolah memiliki tanggung jawab yang besar dalam memberikan pelayanan yang berkualitas kepada siswa-siswinya. Hal ini penting agar sekolah dapat bersaing efektif dengan berbagai sekolah lain yang terus bermunculan. Dengan kemajuan teknologi saat ini, evaluasi tingkat kepuasan belajar siswa dapat dijalankan melalui metode data mining, salah satunya menggunakan pendekatan Regresi Logistik. Metode ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi kepuasan siswa. Regresi Logistik bekerja dengan cara menghitung probabilitas kelas dari sebuah data. Berdasarkan hasil penelitian, dapat dibuat kesimpulan bahwan kepuasan siswa di MTs Surya Buana Malang bisa diprediksi dan dievaluasi dengan menggunakan teknik data mining yang memanfaatkan algoritma regresi logistik. Hal ini bertujuan untuk memprediksi tingkat kepuasan siswa dengan memanfaatkan algoritma regresi logistik. Hasil analisis memberikan gambaran tentang faktor-faktor yang perlu diperhatikan oleh pihak sekolah dalam meningkatkan tingkat kepuasan siswa, terutama dalam hal peningkatan lingkungan sekolah dengan p-value 0.03, serta fasilitas dan infrastruktur yang memiliki p-value yang sangat rendah yakni 0.00. Selain itu Algoritma regresi logistik dapat memiliki akurasi yang sangat baik yakni 87.69% yang tergolong puas dengan menggunakan confusion matrix
Co-Authors A Basid, Puspa Miladin Nuraida Safitri AA Sudharmawan, AA Adhitya Prayoga Permana Agung Teguh Wibowo Almais Ajib Hanani Akbar, Ismail Alviola, Nuril Afni Anisa Anisa Baehaqi Baskoro, Sentot Eko Brawijaya, Fanny Cahyo Crysdian Emha Ahdan Fahmi Elmuna Fresy Nugroho Hadziq Agasta, Hadziq Hariyanto, Dikky Cahyo Ismail Akbar Moh. Ainur Rohman Mohammad Faisal Fajar Fadilah Muhammad Faisal Muhammad Faisal Muhammad Khozin Ririen Kusumawati Saleh, Moh setyowati, Kurnia Dwi Sri Harini Suarti, Isa Suhartono Suhartono Suhartono Syahiduz Zaman Syauqi, A’la Syukur, Mohamad Arif Abdul Wardana, M. Dafa Zainal Abidin