Article Per Year (5 Year)
p-Index From 2021 - 2026
2.693
P-Index
This Author published in this journals
All Journal Indonesian Journal on Software Engineering (IJSE) Jurnal Teknik Komputer AMIK BSI Jurnal Pilar Nusa Mandiri Jusikom : Jurnal Sistem Komputer Musirawas JISKa (Jurnal Informatika Sunan Kalijaga) ICIT (Innovative Creative and Information Technology) Journal Jurnal Infortech Computer Science (CO-SCIENCE) INSANtek – Jurnal Inovasi dan Sains Teknik Elektro Conten : Computer and Network Technology Paradigma Jurnal Insan Inspiration: Jurnal Teknologi Informasi dan Komunikasi Jurnal Infortech
Tommi Alfian Armawan Sandi
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Library & Information Science

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Pengembangan Aplikasi Check Font Dengan Algoritma Distribusi Font Pada Dokumen PDF Menggunakan Python Mugi Raharjo; Firmansyah; Rian Septian Anwar; Tommi Alfian Armawan Sandi
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11413

Abstract

Penggunaan font yang konsisten pada dokumen akademik, seperti skripsi, tesis, dan laporan penelitian, merupakan salah satu persyaratan penting dalam standar penulisan ilmiah. Namun, proses pengecekan font secara manual masih memerlukan waktu yang lama dan berpotensi menimbulkan kesalahan. Penelitian ini bertujuan untuk mengimplementasikan algoritma analisis distribusi font pada pembuatan aplikasi deteksi font otomatis berbasis Python dan Streamlit. Metode yang digunakan mencakup ekstraksi teks dan informasi font dari dokumen PDF, normalisasi nama font untuk menyatukan variasi tipografi tertentu seperti Times New Roman regular, bold, italic), perhitungan distribusi font menggunakan analisis frekuensi, serta visualisasi hasil dalam bentuk grafik batang. Aplikasi ini juga dilengkapi dengan fitur anotasi otomatis berupa highlight pada teks yang tidak sesuai dengan font standar yang ditentukan. Implementasi dilakukan dengan memanfaatkan pustaka PyMuPDF (fitz) untuk pemrosesan PDF, Matplotlib untuk visualisasi, serta Streamlit sebagai antarmuka berbasis web. Hasil pengujian menunjukkan bahwa aplikasi dapat mendeteksi font dengan akurasi tinggi, menyajikan ringkasan distribusi font dalam bentuk persentase, serta memberikan anotasi pada teks yang tidak sesuai secara otomatis. Dengan demikian, aplikasi ini dapat membantu mempercepat proses validasi dokumen akademik dan mengurangi risiko kesalahan format penulisan.
Perbandingan Algoritma Dengan Particle Swarm Optimization Untuk Analisis Sentimen Pada Peraturan PSBB di Indonesia Raharjo, Mugi; Putra, Jordy Lasmana; Sandi, Tommi Alfian Armawan; Napiah, Musriatun
Paradigma - Jurnal Komputer dan Informatika Vol. 24 No. 1 (2022): Periode Maret 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/paradigma.v24i1.968

Abstract

The pandemic has given rise to new rules and terms in society. Various countries have their own regulations, including Indonesia with the name PSBB for that, the author tries to conduct research related to the PSBB condition in Indonesia with the intent and purpose of knowing people's sentiments towards it, the authors carry out this modeling positively and negatively. model in a tweet on Twitter. We capture information through Twitter media which then we process the data so that it is ready to be tested on the algorithm used. In data collection and processing, we use a fast miner application. In this study, Naive Bayes,KNN,and SVM were used. We also did a model comparison with Particle Swarm Optimization. model 1 tested three algorithms using a 0.7-0.8 ratio validation and 10-fold cross-validation, In Model 2 the author used a selection feature, namely Particle swarm Optimization where PSO was used as optimization. From the second model, the accuracy is 88.00%. for SVM + PSO, 88.54%% for NB + PSO and 81.58% for K -NN + PSO. And after testing the 2 methods, it turns out that Naive Bayes + PSO has the highest level of accuracy and precision
Co-Authors Ade Setiawan Agra Syahputra Ahmad Fauzi Anisa Rahma, Anisa Arina Selawati Astuti, Rachmawati Darma Eka Kusuma Pratama Fauzi Ahmad Muda Fintri Indriyani Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Ilham Nur Leksono Ilham Nur Leksono Jordy Lasmana Putra Leksono, Ilham Nur Mugi Raharjo Mugi Raharjo Mugi Raharjo Musriatun Napiah Prasetyo, Rizal Rachmat Ad Purnama Rachmawati Darma Astuti Rachmawati Darma Astuti Raharjo, Mugi Rian Septian Anwar Ridwan ridwan Ridwan, Ridwan Sari Dewi Sri Watmah Sujiliani Heristian Waeisul Bismi