Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JISKa (Jurnal Informatika Sunan Kalijaga) JNANALOKA Kaunia: Integration and Interconnection of Islam and Science Journal
Wahyudi, Muhammad Didik Rohmad
Informatics Engineering Department, Faculty Of Science And Technology, State Islamic University (UIN) Sunan Kalijaga, Yogyakarta
Religion Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Summarizing Online Media News Content Using TFIDF Algorithm Muhammad Didik Rohmad Wahyudi
Kaunia: Integration and Interconnection Islam and Science Vol. 12 No. 1 (2016)
Publisher : Fakultas Sains dan Teknologi UIN Sunan Kalijaga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/kaunia.1035

Abstract

Online news media has an important role as a source of news and information for the public. In reading the news, the public wants to read the article as short as possible, but can obtain news core. Desire to obtain information quickly can be done by reading the summary of a story. One algorithm that can be used to summarize the content of the news in the online news media are TFIDF algorithm. The contents of the selected message will be read by using the Document Object Model library in the PHP programming language. The results of this research is a summary of the selected online news media are then read by the DOM library to take the news content. Furthermore, the news content will be summarized by using TFIDF algorithms.
RANCANG BANGUN HETEROGENOUS DISTRIBUTED DATABASE SYSTEM UNTUK MENINGKATKAN KAPASITAS ORACLE XE 10G PADA STUDI KASUS SISTEM INFORMASI AKADEMIK Muhammad Didik Rohmad Wahyudi; Anas Azhimi Qalban
Kaunia: Integration and Interconnection Islam and Science Vol. 9 No. 2 (2013)
Publisher : Fakultas Sains dan Teknologi UIN Sunan Kalijaga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/kaunia.1057

Abstract

Oracle XE 10g (Express Edition) is an Oracle edition which purposed to the requirement of the data management for small enterprise to the middle enterprise which freeware licence. Unfortunately, Oracle XE 10g database capacity limited 4 GB. One of the methods in a distributed database system is heterogenous distributed database systems use partialy connected network topology to solve the problem of the capacity limit at Oracle XE 10g. To increase the data storage capacity, the oracle XE database connected to the MySQL database with the help of the simulation database ODBC link academic information system.
Pengujian kinerja kompresi pohon Hufman satu dan dua pohon pada objek teks Ridwan Wulida Siam; Muhammad Didik Rohmad Wahyudi
JNANALOKA Vol. 01 No. 02 September Tahun 2020
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2020.v1-no2-67-72

Abstract

Perkembangan teknologi semakin hari semakin cepat dan banyak, mengakibatkan banyaknya data digital yang tersimpan dalam sebuah media penyimpanan. Terlebih jika data tersebut trus disimpan dalam waktu yang tidak ditentukan. Sehingga besarnya media penyimpanan yang dibutuhkan untuk menampung data tersebut. Salah satu cara untuk menyelesaikannya adalah dengan memampatkan data tersebut hingga ukurannya menjadi lebih kecil. Algoritma huffman adalah salah satu algoritma kompresi data teks terbaik. Terdapat beberapa kelemahan didalam algoritma huffman ini, antara lain dalam pembentukan pohon. Penelitian ini menawarkan konsep algoritma huffman dengan dua buah pohon untuk memangkas setengah dari pembentukan satu pohon huffman. Dengan menggunakan dua buah pohon huffman dalam pembentukan pohon terutama kode prefik akan menjadi lebih pendek. Namun demikian, dalam implementasi kompresi data huffman ini akan memakan memori dan waktu yang lebih besar karena adanya proses tambahan sebelum data tersebut disimpan ataupun ditampilkan
Penerapan Analisis Sentimen pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor Akhmad Deviyanto; Muhammad Didik Rohmad Wahyudi
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 3 No. 1 (2018): Mei 2018
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (707.518 KB) | DOI: 10.14421/jiska.2018.31-01

Abstract

AbstractThis research is made to implement the KNN (K-Nearest Neighbor) algorithm for sentiment analysis Twitter about Jakarta Governor Election 2017. The object is 2000 data tweets in Indonesia collected from Twitter during Januari 2017 using Python package called Twitterscraper. The methode used in sentiment analysis system is KNN with TF-IDF term weighting and Cosine similarity measure. As the test result, the highest accuracy is 67,2% when k=5, the highest precision is 56,94% with k=5, and the highest recall 78,24% with k=15.Keywords : K – Nearest Neighbor, Twitterscraper, TF-IDF, Cosine Similarity Penelitian ini dibuat untuk mengimplementasikan algoritma KNN (K - Nearest Neighbor) dalam analisis sentimen pengguna Twitter tentang topik Pilkada DKI 2017. Data tweet yang digunakan adalah sebanyak 2000 data tweet berbahasa Indonesia yang dikumpulkan selama bulan Januari 2017 menggunakan package Python bernama Twitterscraper. Menggunakan algoritma KNN dengan pembobotan kata TF-IDF dan fungsi Cosine Similarity, akan dilakukan pengklasifikasian nilai sentimen ke dalam dua kelas : positif dan negatif. Dari hasil pengujian diketahui bahwa nilai akurasi terbesar adalah 67,2% ketika k=5, presisi tertinggi 56,94% ketika k=5, dan recall 78,24% dengan k=15.Kata Kunci : K – Nearest Neighbor, Twitterscraper, TF-IDF, Cosine Similarity
Co-Authors Akhmad Deviyanto Anas Azhimi Qalban Ridwan Wulida Siam