Article Per Year (5 Year)
p-Index From 2021 - 2026
2.462
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Indonesian Journal of Tropical and Infectious Disease JOIN (Jurnal Online Informatika) Fountain of Informatics Journal Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer JOIV : International Journal on Informatics Visualization Paediatrica Indonesiana Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JRST (Jurnal Riset Sains dan Teknologi) Dinamisia: Jurnal Pengabdian Kepada Masyarakat JSiI (Jurnal Sistem Informasi) JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) Jurnal Gema Ngabdi Jurnal Repositor Indian Journal of Forensic Medicine & Toxicology AL-UMRON: Jurnal Pengabdian kepada Masyarakat Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika
Basuki, Setio
Universitas Muhammadiyah Malang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Medicine & Pharmacology Public Health Social Sciences Other

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search

 1   2   3   4 
Prediksi Diagnosa Berdasarkan Data Rekam Medis Pasien Menggunakan Support Vector Regression Muhammad Nasrul Tsalatsa Putra; Agus Eko Minarno; Setio Basuki
Jurnal Repositor Vol 2 No 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.46

Abstract

Rekam medis merupakan suatu berkas dari hasil pemeriksaan kesehatan, pengobatan yang diberikan, tindakan, dan pelayanan lain yang telah diberikan kepada pasien. Penelitian ini dilandasi oleh beberapa permasalahan, diantaranya (1) kurangnya pengawasan, informasi, dan tidak meratanya pemberian layanan kesehatan, (2) terhambatnya perencanaan puskesmas dalam menangulangi kasus yang sudah ada atau yang sering terjadi karena tingginya jumlah dan keberagaman kasus/diagnosa yang ditemukan di masyarakat. Dari permasalahan tersebut dapat diterapkan sistem prediksi diagnosa dengan menerapkan metode Support Vector Regression (SVR). Model SVR yang diterapkan yaitu kernel Linear, kernel Polynomial, serta kernel Radial Basis Function. Pengujian dilakukan dengan membagi dataset ke dalam data uji dan data latih, kumudian dilakukan proses pengujian hingga 9-fold untuk masing-masing model dengan susunan data yang berbeda. Hasil pengujian menunjukkan fungsi kernel RBF memiliki kinerja terbaik dibanding dengan fungsi lainnya dimana nilai NRMSE tertinggi 0.0797 dan nilai akurasi terendah sebesar 0.4826. Hasil prediksi tersebut dapat memberikan sebuah gambaran dan trend mengenai diagnosa yang akan datang berdasarkan data rekam medis pasien.
Deteksi Topik Tentang Tokoh Publik Politik Menggunakan Latent Dirichlet Allocation (LDA) Faizun Nuril Hikmah; Setio Basuki; Yufis Azhar
Jurnal Repositor Vol 2 No 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.52

Abstract

Twitter merupakan salah satu Social Networking yang memperbolehkan pengguna untuk mengirim dan membaca sebanyak 140 karakter. Berdasarkan survey sekitar 500 juta tweet tiap harinya yang dikirim melalui twitter. Data-data tersebut dapat berupa opini-opini publik mengenai politik, tokoh publik, makanan, dan lain sebagainya. Data tersebut akan diolah dengan teknik Topic Detection untuk menghasilkan suatu topik yang sedang marak dibicarakan masyarakat tentang tokoh publik politik. Permasalahan dalam penulisan ini yaitu, bagaimana mengekstraksi suatu tweet tentang tokoh publik politik dari pengguna Twitter. Data tweet yang diambil tentang tokoh publik politik diantaranya yaitu mengenai Joko Widodo, Basuki Tjahaja Purnama (Ahok), Anies Baswedan, Sandiaga Uno, dan Habib Rizieq Shihab. Dengan adanya data atau tweet tentang tokoh publik politik dapat diolah menggunakan metode Agglomerative untuk mengcluster tiap data yang akan digunakan sebagai topik acuan, LDA (Latent Dirichlet Allocation) yang akan berfungsi sebagai pemodelan topik dari tweet-tweet yang telah tercluster, serta TF-IDF untuk mengetahui tweet mana saja yang mengandung kata-kata dalam LDA yang akan dijadikan sebagai topik acuan. Sehingga akan menghasilkan deteksi topik yang relevan berdasarkan tweet mengenai tokoh publik politik.
Klasifikasi Tweets Tindak Kejahatan Berbahasa Indonesia Menggunakan Naive Bayes Siti Maghfiroh; Setio Basuki; Yufis Azhar
Jurnal Repositor Vol 2 No 7 (2020): Juli 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i7.67

Abstract

Kasus tindak kejahatan konvensional seperti penganiayaan, penculikan, pencurian, dll masih jarang digunakan sebagai objek penelitian. Kasus kejahatan yang biasa diteliti hanya pada lingkup kejahatan cyber seperti pembajakan software, carding, penipuan online, dll. Maka dalam penelitian ini penulis mengangkat kasus kejahatan konvensional sebagai objek penelitian. Penulis mencoba mendapatkan informasi kejahatan dari media sosial, Twitter. Dari Twitter didapatkan data berupa cuitan para pengguna yang mengandung unsur kejahatan. Selanjutnya, akan dilakukan klasifikasi untuk menentukan mana di antara data tersebut yang benar-benar mengandung informasi kejahatan, dan bukan merupakan sebuah opini. Metode yang digunakan dalam pengklasifikasian data adalah algoritma Naive Bayes Classifier dengan 2 jenis dataset. Dataset pertama berisi fitur lexical atau bag of words dan dataset kedua berisi fitur sintaktik. Penulis menggunakan 2 dataset untuk membandingkan kinerja dari kedua fitur dalam proses klasifikasi data tweets. Rata-rata hasil akurasi model klasifikasi menggunakan fitur sintaktik adalah sebesar 88,1398% sedangkan pada fitur lexical atau bag of words sebesar 79,25%. Kemudian dari hasil klasifikasi, penulis mendapatkan lokasi di mana tindak kejahatan tersebut terjadi menggunakan metode Named Entity Recognition (NER). Dari proses NER tersebut, maka didapatkan hasil akurasi sebesar 65%.
Klasifikasi Kalimat Tanya Berdasarkan Taksonomi Bloom Menggunakan Support Vector Machine Zakiyah Rakhmawati; Setio Basuki; Galih Wasis Wicaksono
Jurnal Repositor Vol 2 No 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.69

Abstract

Klasifikasi adalah suatu teknik dalam melakukan kategori pada dokumen yang memiliki jumlah isi dokumen sangat banyak. Pada penelitian ini mengusulkan sebuah metode yang dapat menghasilkan klasifikasi kalimat tanya sesuai dengan level untuk ranah kognitif pada Taksonomi Bloom. Proses identifikasi soal dilakukan berdasarkan ekstraksi fitur sintaktik dan Bag-of-Words (BoW). Hasil dari ekstraksi fitur tersebut kemudian akan diklasifikasikan menggunakan algoritma klasifikasi SVM. Tugas akhir ini bertujuan untuk melakukan hasil klasifikasi kalimat tanya berdasarkan taksonomi bloom untuk ranah kognitif yang terbagi dalam 6 level yaitu, mengingat, memahami, menerapkan, menganalisis, mengevaluasi, dan membuat. Algoritma yang digunakan pada penelitian ini adalah Support Vector Machine (SVM). Algoritma tersebut dipilih karena mampu mengklasifikasikan data berdimensi tinggi yang dalam konteks tugas akhir ini adalah data berupa teks. Berdasarkan skenario pengujian yang sudah dilakukan, hasil rata-rata akurasi yang diperoleh pada proses pengklasifikasian kalimat menggunakan fitur sintaktik pada data uji sebesar 89.2%, sedangkan untuk fitur Bag-of-Words (BoW) tingkat akurasi yang diperoleh sebesar 100%. Berdasarkan hasil pengujian terhadap sistem klasifikasi yang telah dilakukan, rata-rata nilai akurasi didapatkan sangat baik, sehingga sistem dapat dikatakan atau layak untuk dikembangkan selanjutnya dengan berbagai variasi fitur atau algoritma pendukung lainnya.
Prediksi Pemakaian Kwh Listrik Menggunakan Metode Support Vector Regression (SVR) (Studi Kasus: PT. PLN (Persero) Rayon Seririt) Rima Mediana Mashita; Setio Basuki; Nur Hayatin
Jurnal Repositor Vol 2 No 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.106

Abstract

Peranan listrik sangat penting bagi kehidupan masyarakat, begitu pentingnya peranan listrik tentu saja berdampak pada kebutuhan listrik yang begitu besar, maka PT. PLN (Persero) Rayon Seririt sebagai penyedia tenaga listrik harus bisa memprediksi besarnya peggunaan listrik rumah tangga setiap harinya. Selain itu menyebabkan semakin besar pula pemakian kwh listik, apabila pemakaian kwh listrik tidak diolah dengan baik akan menimbulkan beban energi listrik yang tidak terbendung. Dengan permasalahan yang telah diuraikan, penelitian ini menerapkan algoritma Support Vector Regression dalam Prediksi Pemakain KWH Listrik untuk mengetahui besarnya pemakaian kwh listrik yang akan datang. Berdasarkan hasil pengujian yang dilakukan hasil nilai akurasi terbaik Mean Absolute Error (MAE) sebesar 133560,1, Root Mean Squared Error (RMSE) sebesar 167664,1, dan Koefisien Korelasi sebesar 84,0 pada kernel polynomial. Sehingga algoritma Support Vector Regression dan fungsi kernel Radial Basis Function (RBF) cocok digunakan dalam memprediksi pemakaian kwh listrik.
Ekstraksi Informasi Kesehatan Masyarakat Dari Tweet Berbahasa Indonesia Berbasis Klasifikasi Dengan Algoritma Naive Bayes Khoirir Rosikin; Setio Basuki; Yufis Azhar
Jurnal Repositor Vol 2 No 2 (2020): Februari 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i2.237

Abstract

Kesehatan merupakan kebutuhan utama manusia. Di Indonesia terdapat permasalahan tentang kesehatan, yaitu meningkatnya penyakit menular dan penyakit tidak menular. Untuk mengatasinya perlu dilakukan tidakan pencegahan. Salah satu usaha untuk melakukan pencegahan penyakit, adalah dengan mengetahui informasi penyakit tersebut, temasuk tentang penyebab dan akibat yang ditimbulkan, sehingga bisa melakukan pencegahan. Informasi bisa didapatkan dengan berbagai macam cara, salah satunya diambil dari media sosial, terutama twitter. Twitter digunakan karena banyaknya tweet yang dihasilkan sehingga memunculkan fenomena big data. Karena hal itulah, penelitian ini bermaksud untuk melakukan suatu metode ekstraksi informasi. Ekstraksi informasi merupakan metode penerapan data mining terutama bidang text mining yang digunakan untuk mendapatkan informasi dari kumpulan banyak data. Informasi yang dimaksud adalah penyakit, akibat, dan penyebab. Penelitian ini menggunakan pendekatan ekstraksi informasi berbasis klasifikasi dengan algoritma Naive Bayes. Penelitian ini menggunakan 7 set fitur dan sebuah model algoritma klasifikasi yaitu Naive Bayes. Dalam ekstraksi fitur terjadi imbalance dataset, sehingga dilakukan resample filtering data. Pengujian dilakukan dengan 2 metode, yaitu pengujian model dengan menggunakan 10-folds cross-validation dan pengujian klasifikasi dengan menggunakan 100 data uji. Hasil dari pengujian model mendapatkan nilai akurasi 77,27% dan pengujian klasifikasi mendapatkan nilai akurasi 74,07%.
Aplikasi Rekomendasi Rumah Makan Menggunakan Algoritma K-Nearest Neighbour Berbasis Android (Studi kasus : Kecamatan Banyuwangi) Edo Ardhiansyah; Setio Basuki; Galih Wasis Wicaksono
Jurnal Repositor Vol 2 No 2 (2020): Februari 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i2.247

Abstract

Banyak wisatawan yang silih berganti datang ke Kota Banyuwangi untuk berwisata alam, budaya, maupun kuliner. Banyak pengusaha yang mulai menggeluti bisnis rumah makan karena banyaknya wisatawan yang datang. Semakin menjamurnya bisnis rumah makan di kota Banyuwangi membuat menu makanan yang disajikan beraneka ragam. Tentunya akan membuat kebingungan untuk memilih rumah makan mana yang ingin dikunjungi. Dari permasalahan tersebut, peneliti membuat sebuah aplikasi sistem rekomendasi untuk menentukan pencarian lokasi makan berdasarkan kategori kisaran harga, makanan berkuah, digoreng, dibakar, makanan tradisional Banyuwangi, dan lain-lain. Diimplementasikan menggunakan teknologi android yang semakin memudahkan dalam mengakses aplikasi ini. Aplikasi ini dapat mempermudah pencarian lokasi, karena adanya fasilitas Google Maps API yang dapat menunjukkan titik koordinat lokasi. Dalam penelitian ini, rekomendasi untuk mencari rumah makan akan menggunakan Algoritma K-Nearest Neighbor (K-NN).
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.v2i12.444

Abstract

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.
Implementasi Deep Learning Menggunakan Arsitektur Long Short Term Memory(LSTM) Untuk Prediksi Curah Hujan Kota Malang Muhammad Rizki; Setio Basuki; Yufis Azhar
Jurnal Repositor Vol 2 No 3 (2020): Maret 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i3.470

Abstract

Tidak selamanya cuaca di Indonesia berjalan dengan normal atau sesuai dengan musimnya, cuaca sering berubah secara tiba-tiba setiap saat karena ada faktor-faktor yang mempengaruhi penurunan dan peningkatan curah hujan. perkiraan cuaca sangatlah dibutuhkan dan sangat bermanfaat olah berbagai pihak karena bisa menjadi acuan bagi berbagai kalangan untuk menjalani kegiatan mereka sehari-hari. Penelitian dilakukan menggunakan metode Deep Learning karena dari beberapa penelitian sebelumnya yang menggunakan Deep Learning dalam kasus yang berbeda mampu menghasilkan akurasi diatas 85%. Deep learning adalah jaringan yang terdiri dari beberapa layer. Layer-layer tersebut berasal dari kumpulan node-node. Arsitektur yang digunakan yaitu Long Short Term Memory(LSTM) karena pada penelitian-penelitian sebelumnya menggunakan LSTM dalam kasus yang berbeda mendapat hasil yang baik yaitu RME yang dihasilkan kecil. LSTM memiliki struktur seperti rantai dan struktur pada tiap sel terdapat 3 gate yaitu forget gate, input gate, dan output gate. Oleh karena itu, perhitungan yang dilakukan lebih kompleks ditambah lagi dengan Deep Learning diharapkan mendapat hasil yang lebih akurat. Data yang digunakan yaitu data curah hujan kota Malang yang berasal dari BMKG.
Desain dan Implementasi Sistem Akreditasi Institusi Perguruan Tinggi (AIPT) Standar 3 Berbasis KPI Mizwar Mizwar; Hariyady Hariyady; Setio Basuki
Jurnal Repositor Vol 2 No 9 (2020): September 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i9.520

Abstract

Akreditasi merupakan sebuah bentuk penilaian mutu dan kelayakan terhadap institusi perguruan tinggi yangdilakukan oleh organisasi diluar perguruan tinggi.Akreditasi merupakan salah satu indikator untuk mengukur kualitas sebuah perguruan tinggi. Salah satu cara untuk mendapatkan nilai akreditasi yangbaik yaitu diperlukan sebuah sistem dashboard untuk memonitoringdan membantu sebuah perguruan tinggi dalam menghadapi proses akreditasi. Tujuan dari penelitian ini yaitu untuk membuat sebuah sistem dashboard monitoringakreditasiperguruan tinggi standar tigaUniversitasi Muhammadiyah Malang. Pembuatan sistem dashboard monitoringakreditasi perguruan tinggi standartiga menggunakan bahasa pemrograman PHP, HTML,JavaScript,framework CodeIgniter (CI) dan MySQL sebagai database. Sistem ini dikembangkan dengan menggunakan metode Scrum. Pada sistem ini terdapat tiga level pengguna yaitu level prodi atau program studi, level fakultas, dan level universitas. Pada level prodi memiliki fitur upload berkasstandar tiga, melihat borang standar tiga dan melihat informasi akreditasistandartigayangdidapatkan pada level program studi. Pada level fakultas memiliki fitur untuk melihat borangstandar tigapada setiap program studi, dan bisa melihat informasi akreditasistandar tigayangdidapatkan pada fakultas dan juga informasi akreditasistandar 3pada setiap program studi. Pada level universitas memiliki fitur untuk melihat borang pada setiap program studi, informasi akreditasi standar tiga pada tingkat universitas fakultas dan program studi. Sistem yangdibuat akan diuji dengan menggunakan metode blackbox testingdan UAT.
Co-Authors Abdachul Charim Abdillah, Abid Famasya Agus Eko Minarno Akbi, Denar Regata Akmal Shahib, Maulana Alfira Rizky Alimuddin Hasan Al Kabir Aminudin Aminudin Amrul Faruq Aulia Arif, Wardhana Baiduri, Senja Bangkit Putrawan Charim, Abdachul Diany Yogiantoro Dini Tri Purwaningsih Dominicus Husada Dwiyanti Puspitasari, Dwiyanti Edo Ardhiansyah Effendy, Nico Ardia Faiqurrahman, Mahar Faizun Nuril Hikmah Gita Indah Marthasari Haq, Arini Hariyady Hariyady Hendra Saputra Hilman Hilman Hilwana, Lutifta Husada, Dominicius Indrabayu, Rizky Irfan, Muhammad irma fitriani Irwanto Irwanto Ismoedijanto Izzah, Tsabita Nurul Kartina, Leny Khoirir Rosikin Kusuma, Selvia Ferdiana Lina Dwi Yulianti Mahar Faiqurahman Mauridhi Hery Purnomo Mizwar Mizwar Muhammad Fadliansyah Muhammad Nasrul Tsalatsa Putra Muhammad Rizki Muhammad Yusuf Mustikasari, Rahma Ira Novita Daian Marlissa Nugraha, Muhammad Daffa Nur Hayatin Putri, Valencia Sefiana Rima Mediana Mashita Risa Etika, Risa Rizky Sulaiman Rizky, Alfira S, Vinna Rahmayanti Sari, Zamah Shafiyah, Rahajeng Febri Siti Maghfiroh Soegeng Soegiyanto Sumadi, Fauzi Dwi Setiawan Syafaah, Lailis Titin Eka Puspitawati Tsuchiya, Masatoshi Wibowo, Prasetyo Wicaksono, Galih Wasis Wisnujono Soewono Yuda Munarko Yufis Azhar Zachra, Fatimatus Zakiyah Rakhmawati Zamah Sari