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 
Klasifikasi Sinopsis Novel Menggunakan Metode Naïve Bayes Classifier Vinna Rahmayanti Setyaning Nastiti; Setio Basuki; Hilman Hilman
Jurnal Repositor Vol 1 No 2 (2019): Desember 2019
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v1i2.799

Abstract

Tidak dapat dipungkiri kemajuan teknologi berkembang dengan sangat cepat terutama di bidang komputer, saat ini dengan komputer pekerjaan yang mulanya dikerjakan oleh manusia dapat di ambil alih komputer guna membantu pekerjaan manusia itu sendiri, seperti halnya studi kasus pada penelitian ini yaitu sebuah sistem yang dapat mengklasifikasikan teks berupa sinopsis kedalam kelompok genrenya. Genre adalah gaya cerita dalam sebuah novel, terdapat banyak genre pada novel diantaranya genre romantis, komedi, misteri, horor dan lain-lain, dengan mengetahui genre novel pembaca akan dapat mengetahui gaya cerita novel tersebut. Metode yang digunakan pada penelitian ini adalah metode TF-IDF (Term Frequency Inverse Document Frequency) dan Naïve Bayes Classifier. Metode TF-IDF digunakan untuk mendapatkan bobot dari setiap kata yang terkandung dalam dokumen yang hasilnya digunakan dalam metode Naïve Bayes Classifier untuk mendapatkan hasil klasifikasi sinopsis kedalam bentuk genre. Berdasarkan evaluasi menggunakan confusion matrix dengan menggunakan 600 data latih dan 200 data uji didapatkan akurasi sebesar 80,5%.
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.v2i11.891

Abstract

Dalam kemajuan teknologi sekarang ini, pencarian sebuah informasi lebih mudah dan cepat. Namun tidak sedikit informasi yang tidak benar adanya atau biasanya disebut dengan istilah hoax. Maka dari itu, informasi harus didapatkan dari beberapa sumber untuk memastikan keakuratan dari suatu informasi. Sistem Automatic Text Summarization adalah suatu sistem yang digunakan untuk proses peringkasan dokumen yang berbasis text. Sistem ini dapat membantu menemukan inti dari sebuah dokumen berita, sehingga tidak memerlukan banyak waktu untuk membaca. Dalam penelitian ini digunakan Algoritma Graf dan Algoritma Genetika dalam pembangunan sistem. Dari hasil pengujian, didapatkan keakurasian antara ringkasan yang dihasilkan oleh sistem dengan ringkasan manual memiliki nilai Cosine similarity sebesar 71,21%. Hal tersebut dapat menunjukkan jika sistem yang dibangun dapat digunakan oleh pengguna karena hasil pengujian yang dilakukan mendapatkan nilai keakurasian yang cukup tinggi.
Seleksi Fitur Relieff Pada Klasifikasi Malware Android Menggunakan Support Vector Machine(SVM) irma fitriani; Setio Basuki; 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.v2i11.901

Abstract

Seiring berkembangnya jaman perkembangan malware android terus mengalami peningkatan setiap tahunnya.Machine Learning adalah salah satu teknik yang bisa kita gunakan dalam melakukan analisa malware android dengan 2 model pendekatan statis dan dinamis.Penulis menggunakan Support Vector Machine(SVM) untuk proses klasifikasiannya dan menggunakan kernel RBF. Fitur yang digunakan dalam penelitian ini adalah Permission dan Broadcast Receiver. Untuk menambah hasil akurasinya digunakan metode Seleksi Fitur Relieff. Dan Seleksi Fitur pembandingnya adalah Chi-Square(CHI),Correlation-based Feature Selection(CFS), dan Gain Ratio(GR). Hasil dari Seleksi Fitur Relieff akan di evaluasi dengan Seleksi Fitur pembandingnya serta juga dengan hasil klasifikasi tanpa menggunakan Seleksi Fitur. Akurasi klasifikasi Seleksi Fitur Relieff menghasilkan 33.33333%, hasil akurasi Seleksi Fitur pembanding lainnya juga memberikan hasil sama dengan Seleksi Fitur Relieff. Sedangkan hasil klasifikasi tanpa Seleksi Fitur memberikan hasil yang cukup tinggi yaitu 95%. Hasil pengujian menunjukkan bahwa Seleksi Fitur tidak cocok digunakan dengan data yang sedikit karna memberikan hasil yang jauh lebih rendah dari tanpa menggunakan Seleksi Fitur.
Algoritma Support Vector Machine (SVM) Untuk Identifikasi Komponen Abstrak Pada Jurnal Ilmiah Berbasis Teknik Klasifikasi Titin Eka Puspitawati; Setio Basuki; Vinna Rahmayanti Setyaning Nastiti
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1389

Abstract

Penelitian yang dipublikasikan dalam bentuk jurnal setiap tahunya selalu ada yang baru dan semakin banyak, untuk bias dapat suatu informasi tertentuxyang akan dibutuhkan dari sebuahmpenelitian akan sulit dan memakan waktu lama. Sepertimhalnya mencari sebuahxinformsi tertentumdengen membaca keseluruhan abstrak secarapsatu-persatu yang tidak efektif. Oleh karena itu dengan harapan adanya pembangunan sistem yang mampu menganbil informasi tertemtu dari sebuagh dokumen secara tepat dan otomatis. Penelitian ini menggunakan pendekatan pembelajaran klasifikasi. Pada penelitian ini penulis menggunakan Algoritma Support Vector Machine. Hasil dari sistem adalah untuk melakukan klasifikasi informasi permasalahan umum, permasalahan khusus, solusi yag diusulkan, hasil, pembahasan dan implikasi, keywords dan lain-lain dari abstrak sebuah jurnall ilmiah dan mengukur kinerja dari sistem ini.
Pendeteksi Plagiarisme pada Berita Selebritas Menggunakan Algoritma Winnowing dengan Metode K-Gram dan Synonym Recognition (Studi Kasus Berita Selebriti pada Website) Novita Daian Marlissa; Setio Basuki; Vinna Rahmayanti Setyaning Nastiti
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1390

Abstract

Penelitian ini berfokus untuk menurunkan tindakan plagiarisme pada berita selebriti, dimna sistem yang dibangun menggunakan platform website dengan algoritma Winnowing dengan metode K-gram dan Synonym Recognition yang menghasilkan Fingerprinting. Fingerptinting ini yang digunakan untuk menghitung tingkat kemiripan dengan menggunakan Jaccard Similarity. Sistem ini dibuat menggunakan pemograman PHP dengan framework CodeIgniter. Hasil dari sistem adalah membantu menemukan tindakan plagiarisme pada berita selebriti..
Sistem Rekomendasi Video Pada Youtube Menggunakan Metode Collaborative Filtering dan Algoritma Support vector machine (SVM) Dini Tri Purwaningsih; Setio Basuki; Vinna Rahmayanti Setyaning Nastiti
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1391

Abstract

Penelitian ini bertujuanUuntuk meningkatkanOkualitas hasil rekomendasi berbasis klasifikasi dengan menggunakan metode collaborative filtering dengan membangun sistem menggunakan pemrograman PHP dengan framework CodeIgniter. Serta pengukuran keakuratan dari sistem rekomendasi dengan menggunakan algoritma support vector machine yang menghasilkan persentase yang menunjukkan keakuratandari sistem yang telah dibentuk. Hasil dariusistem yan telah dibuat yaitu sebuah sistem rekomendasi video yang menampilkan hasil dari pencarian sebuah kueri oleh user.
Detect Malware in Portable Document Format Files (PDF) Using Support Vector Machine and Random Decision Forest Abdachul Charim; Setio Basuki; Denar Regata Akbi
JOIN (Jurnal Online Informatika) Vol 3 No 2 (2018)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v3i2.196

Abstract

Portable Document Format is a very powerful type of file to spread malware because it is needed by many people, this makes PDF malware not to be taken lightly. PDF files that have been embedded with malware can be Javascript, URL access, media that has been infected with malware, etc. With a variety of preventive measures can help to spread, for example in this study using the classification method between dangerous files or not. Two classification methods that have the highest accuracy value based on previous research are Support Vector Machine and Random Forest. There are 500 datasets consisting of 2 classes, namely malicious and not malicius and 21 malicius PDF features as material for the classification process. Based on the calculation of Confusion Matrix as a comparison of the results of the classification of the two methods, the results show that the Random Forest method has better results than Support Vector Machine even though its value is still not perfect.
PROGNOSTIC FACTORS OF SEVERE DENGUE INFECTIONS IN CHILDREN Baiduri, Senja; Husada, Dominicius; Puspitasari, Dwiyanti; Kartina, Leny; Basuki, Parwati Setiono; Ismoedijanto, Ismoedijanto
Indonesian Journal of Tropical and Infectious Disease Vol. 8 No. 1 (2020)
Publisher : Institute of Topical Disease Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/ijtid.v8i1.10721

Abstract

The  incidence of dengue fever increase annually and can increase morbidity and mortality. Dengue fever is mosquito-borne disease and caused by one of four serotype dengue viruses. Severe dengue is characterized either by plasma leakage, fluid accumulation, respiratory distress, severe bleeding, or organ impairment. Mortality and serious morbidity of dengue were caused by several factors including the late recognition of the disease and the changing of clinical signs and symptoms. Understanding the prognostic factors in severe dengue will give early warning to physician thus decreasing the morbidity and mortality, and also improving the treatment and disease management. The aim of this study was to analyze the prognostic factors of severe dengue infection in children. This study was observational cohort study in children (2 months-18 years) with dengue infection according to WHO 2009 criteria which admitted in  Soetomo and Soewandhie Hospital Surabaya. Analysis with univariate, bivariate and multivariate with IBM SPSS Statistic 17. All patients were confirmed by serologic marker (NS-1 or IgM/IgG Dengue). Clinical and laboratory examination such as complete blood count, aspartate aminotrasnferase (AST), alanine aminotrasferase (ALT), albumin, and both partial trombocite time and activated partial trombosit time (PTT and aPPT) were analyzed comparing nonsevere dengue and severe dengue patients. There were 40 subjects innonsevere and 27 subjects with severe dengue infection. On bivariate analysis, there were significant differences of nutritional status, abdominal pain, petechiae, pleural effusion, leukopenia, thrombocytopenia, hypoalbuminemia, history of transfusion, increasing AST>3x, prolonged PPT and APTT between severe and nonsevere dengue group. After multivariate analyzed, the prognostic factors of severe dengue were overweight/obesity (p=0.003, RR 94), vomiting (p=0.02, RR 13.3), hepatomegaly (p=0.01, RR=69.4), and prolonged APTT (p=0.005, RR=43.25). In conclusion, overweight/obesity, vomiting, hepatomegaly, and prolonged APTT were prognostic factors in severe dengue infection in children.Those factors should be monitored closely in order to reduce the mortality and serious morbidity.
Detection of Bias in Machine Learning Models for Predicting Deaths Caused by COVID-19 Zachra, Fatimatus; Basuki, Setio
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol. 8 No. 1 (2024)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v8i1.1081

Abstract

The COVID-19 pandemic has significantly impacted global health, resulting in numerous fatalities and presenting substantial challenges to national healthcare systems due to a sharp increase in cases. Key to managing this crisis is the rapid and accurate identification of COVID-19 infections, a task that can be enhanced with Machine Learning (ML) techniques. However, ML applications can also generate biased and potentially unfair outcomes for certain demographic groups. This paper introduces a ML model designed for detecting both COVID-19 cases and biases associated with specific patient attributes. The model employs Decision Tree and XGBoost algorithms for case detection, while bias analysis is performed using the DALEX library, which focuses on protected attributes such as age, gender, race, and ethnicity. DALEX works by creating an "explainer" object that represents the model, enabling exploration of the model's functions without requiring in-depth knowledge of its workings. This approach helps pinpoint influential attributes and uncover potential biases within the model. Model performance is assessed through accuracy metrics, with the Decision Tree algorithm achieving the highest accuracy at 99% following Bayesian hyperparameter optimization. However, high accuracy does not ensure fairness, as biases related to protected attributes may still persist.
Classification of Malaria Using Convolutional Neural Network Method on Microscopic Image of Blood Smear Minarno, Agus Eko; Izzah, Tsabita Nurul; Munarko, Yuda; Basuki, Setio
JOIV : International Journal on Informatics Visualization Vol 8, No 3 (2024)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.8.3.2154

Abstract

Malaria, a critical global health issue, can lead to severe complications and mortality if not treated promptly. The conventional diagnostic method, involving a microscopic examination of blood smears, is time-consuming and requires extensive expertise. To address these challenges, computer-assisted diagnostic methods have been explored. Among these, Convolutional Neural Networks (CNN), a deep learning technique, has shown considerable promise for image classification tasks, including the analysis of microscopic blood smear images. In this study, we employ the NIH Malaria dataset, which consists of 27,558 images, to train a CNN model. The dataset is divided into parasitized (malaria-infected) and uninfected. The CNN architecture designed for this study includes three convolutional layers and two fully connected layers. We compare the performance of this model with that of a pre-trained VGG-16 model to determine the most effective approach for malaria diagnosis. The proposed CNN model demonstrates high accuracy, achieving a value of 96.81%. Furthermore, it records a recall of 0.97, a precision of 0.97, and an F1-score of 0.97. These metrics indicate a robust performance, outperforming previous studies and highlighting the model's potential for accurate malaria diagnosis. This study underscores the potential of CNN in medical image classification and supports its implementation in clinical settings to enhance diagnostic accuracy and efficiency. The findings suggest that with further refinement and validation, such models could significantly improve the speed and reliability of malaria diagnostics, ultimately aiding in better disease management and patient outcomes.
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