Claim Missing Document
Check
Articles

Found 32 Documents
Search

IMPLEMENTASI ALGORITMA BOYER-MOORE DAN BRUTE FORCE UNTUK PENCARIAN TAFSIR DI ENSIKLOPEDIA AL-QUR’AN BERBASIS WEBSITE: MPLEMENTATION OF BOYER-MOORE AND BRUTE FORCE ALGORITHMS FOR TAFSIR SEARCH IN A WEB-BASED QUR’ANIC ENCYCLOPEDIA Siti Nadilla; Rizal Tjut Adek; Rizki Suwanda
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 10 No 2 (2025): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v10i2.6552

Abstract

The growing demand for structured and efficient access to Qur’anic content based on specific themes underscores the need for a thematic search system for verses and tafsir. This study aims to develop a web-based Qur’anic encyclopedia featuring a keyword-based search function that employs string matching algorithms. We implemented and compared two algorithms Boyer-Moore and Brute Force to assess their performance in processing large textual tafsir datasets. The system was built using PHP and MySQL, utilizing a dataset comprised of categorized tafsir and verses according to themes. Our methodology included a literature review, interface design, system development, algorithm implementation, and performance testing. The results indicate that the Boyer-Moore algorithm is significantly faster and more efficient than the Brute Force algorithm for large-scale text searches. Testing with ten different keywords revealed that the average search time for the Boyer-Moore algorithm was 0.030 seconds, while the Brute Force algorithm took 0.069 seconds, making Boyer-Moore approximately 56% faster. The search feature reliably retrieved relevant verses and tafsir based on user input. Additionally, the system demonstrated user-friendliness through a responsive web interface. These findings highlight the effectiveness of string matching algorithms in digital Islamic tools and emphasize the advantage of the Boyer-Moore algorithm in optimizing the complexity of thematic Qur’anic searches.  
Peningkatan Efisiensi Kecepatan dan Akurasi Rekapitulasi Faktur Pajak Dengan Optical Character Recognition Di Orbit Future Academy Lidya Rosnita; Rizal Tjut Adek
TECHSI - Jurnal Teknik Informatika Vol. 14 No. 2 (2023)
Publisher : Teknik Informatika Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/techsi.v14i2.14861

Abstract

Kemajuan ilmu pengetahuan terutama dalam ranah Artificial Intelligence (AI), telah membawa perubahan signifikan bagi kehidupan manusia. Di Indonesia, Orbit Future Academy (OFA) hadir sebagai lembaga pelatihan terbesar dalam bidang AI. Program AI 4 Jobs bertujuan untuk mempersiapkan individu dalam memasuki dunia kerja yang didominasi oleh teknologi AI. Program didesain untuk mengenalkan teknologi AI kepada pelajar guna menginspirasi pengembangan produk AI yang berdampak sosial. Berdasarkan pengetahuan tentang kemampuan AI, penulis menemukan suatu tantangan dalam kantor konsultan pajak yaitu pengolahan dokumen faktur pajak yang masih dilakukan secara manual, dimana hal tersebut dapat diatasi dengan kehadiran AI yang mampu mengolah data berulang dengan efisiensi tinggi. Untuk menyelesaikan tugas tersebut, sebuah website AI dibangun dengan memanfaatkan domain AI Computer Vision dan menggunakan model Optical Character Recognition (OCR) dengan library deep learning EasyOCR, Pytesseract, dan PDF Plumber. Tahapan pada pembuatan AI ini terdiri dari problem scoping, data acquisition, data exploration, modeling, evaluation, dan deployment. Pengujian dilakukan menggunakan dua jenis file faktur pajak (PDF dan JPG) yang masing-masing terdiri dari lima sampel faktur pajak, diujikan langsung pada website dengan tiga library yang berbeda. Hasil pengujian menunjukkan tingkat accuracy, recall, precision, dan f-score deteksi faktur pajak sebesar 100%. Pengujian PDF Faktur Pajak dengan PDF Plumber memiliki tingkat accuracy, recall, precision, dan f-score sebesar 100%. Pengujian gambar faktur pajak dengan Tesseract OCR memiliki tingkat accuracy sebesar 60%, recall 100%, precision 60% dan f-score 75%. Pengujian gambar faktur pajak dengan EasyOCR memiliki accuracy, recall, precision, dan f-score 100%.