Article Per Year (5 Year)
p-Index From 2021 - 2026
2.33
P-Index
This Author published in this journals
All Journal Jurnal INSYPRO (Information System and Processing) Information Management For Educators And Professionals (IMBI) JURNAL INSTEK (Informatika Sains dan Teknologi) Ainet : Jurnal Informatika Journal Software, Hardware and Information Technology Agents: Journal of Artificial Intelligence and Data Science
Muhammad Nur Akbar
UIN Alauddin Makassar
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal INSYPRO (Information System and Processing)

 1 
ANALISIS CLUSTERING TEKS TANGGAPAN MASYARAKAT DI TWITTER TERHADAP PEMBATASAN SOSIAL BERSKALA BESAR MENGGUNAKAN ALGORITMA K-MEANS Muhammad Nur Akbar; Darmatasia Darmatasia; Mustikasari Mustikasari; Muh Syahwal
Jurnal INSYPRO (Information System and Processing) Vol 6 No 1 (2021)
Publisher : Prodi Sistem Informasi UIN Alauddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (609.636 KB) | DOI: 10.24252/insypro.v6i1.23325

Abstract

Virus corona (COVID-19) ditetapkan sebagai pandemi oleh WHO (World Health Organization atau Badan Kesehatan Dunia) karena penyebarannya yang terus meningkat dan telah mencapai sebagian besar negara di dunia, termasuk Indonesia. Setiap negara dituntut dapat lebih agresif dalam mengambil tindakan pencegahan dan perawatan. Pemerintah Indonesia sendiri mengeluarkan kebijakan berupa wajib masker, jam malam, serta PSBB (Pembatasan Sosial Berskala Besar) guna menekan laju menyebaran COVID-19.  Namun kebijakan tersebut menuai tanggapan  pro dan kontra dari masyarakat khususnya melalui media sosial, di satu sisi PSBB dianggap mampu menekan laju penyebaran COVID-19 namun di sisi lain PSBB dianggap akan memperburuk kondisi perekonomian masyarakat, khususnya golongan menengah bawah. Penelitian ini bertujuan untuk mengelompokkan tanggapan masyarakat mengenai PSBB di twitter ke dalam beberapa cluster, tanggapan yang berada dalam satu cluster yang sama dianggap memiliki topik atau karakteristik pembahasan yang serupa dan sebaliknya, sehingga dapat memberi insight tambahan pada pihak pemerintah dalam mengevaluasi kebijakannya. Algoritma K-Means digunakan untuk mengelompokkan tanggapan yang memiliki kesamaan karakteristik sebab terbukti memiliki tingkat akurasi yang tinggi dengan waktu eksekusi yang relatif cepat karena bersifat linear. Penelitian ini menghasilkan 4 cluster berbeda dengan mengunakan metode Elbow dalam penentuan jumlah K pada algoritma K-Means dan nilai SSE (Sum of Square Error) sebagai parameter evaluasinya.   
Implementasi Plugin Metode Penilaian Otomatis UTS dan UAS pada Mata Kuliah Akbar, Muhammad Nur; Meidinah, Nur; Nur Hidayat, Andi Muhammad
Jurnal INSYPRO (Information System and Processing) Vol 8 No 2 (2023)
Publisher : Prodi Sistem Informasi UIN Alauddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/insypro.v8i2.42682

Abstract

The era of the 4.0 industrial revolution, as it is today, is developing rapidly in the field of technology in various countries, including Indonesia itself. Nowadays, there is a lot of technological sophistication that supports the development of the information world. However, some teachers still rely on manual evaluation in the learning process. The lack of implementation of technological advances of course makes the assessment process inefficient. The method of automatic valuation is a solution that can be used to deal with the problem. By applying e-learning technology, the process of digitization will be faster. In this research, that is the main focus is the exam. Moodle as an e-Learning technology has many features that can be applied, one of which features automatic evaluation. With the implementation of automated assessment, the assessment process for mid-term and end-term exams becomes more efficient and effective. Automatic evaluations tend to provide more accurate and consistent results, eliminating the potential for human error in the evaluation process, so students get feedback faster after completing the quiz, which can help them understand and improve their understanding.
Co-Authors A. Muh Nur Hidayat Aldi Perdana Asri Andi Irsandi Ramadani ANDI MUHAMMAD NUR HIDAYAT Andi Muhammad Nur Hidayat Andi Muhammad Syafar Asep Indra Syahyadi Azizah Salsabila Darmatasia Darmatasia DARMATASIA, DARMATASIA Erfiana Febrianto, Andi Hariani Hasrul H, M. Ishar, Rahmat Fajri M. Hasrul H M. Hasrul H. Meidinah, Nur Mubarak Mubarak Muh Syahwal Muhammad Syawir Muiz, Rafiul Mustikasari Mustikasari Nirwana Samrin Nur Annisa Safitri Yusuf Nur Hasanahlmar'iyah Rusydi Nurul Shaumi Ramadhanti Salman, Nur Salsabilah, Fitriyah Syarif , Ririn Suharni Yoga Yuniadi Yulia Ardana