Claim Missing Document
Check
Articles

Sistem Perekomendasi Dosen Pembimbing berdasarkan Relevansi Topik Tugas Akhir menggunakan Metode Okapi BM25 Meilina Agustina; Yufis Azhar; Nur Hayatin
Jurnal Repositor Vol. 2 No. 9 (2020): September 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i9.30871

Abstract

Sistem rekomendasi adalah sebuah perangkat lunak untuk memberikan rekomendasi kepada pengguna mengenai produk yang dapat digunakannya. Masalah administrasi di kantor jurusan Pendidikan Guru Sekolah Dasar Universitas Muhammadiyah Malang merupakan salah satu permasalahan yang selalu dihadapi oleh para staf TU dan part timer. Penggunaan sistem manual yang masih berjalan saat ini dinilai kurang efektif terhadap waktu, tempat, dan tenaga sehingga diperlukan adanya bantuan berupa sistem informasi. Pada perancangan sistem informasi ini akan menggunakan metode Okapi BM25 dimana metode ini merupakan fungsi peringkat yang digunakan oleh mesin pencari (search engine) untuk peringkat dokumen pencocokan sesuai relevansinya dengan permintaan pencarian yaitu berupa topik tugas akhir. BM25 memiliki fungsi yang sesuai dengan 3 prinsip pembobotan yang baik, yaitu memiliki inverse document frequency (idf), term frequency (tf), dan memiliki fungsi normalisasi dari panjang dokumen (document length normalization).
Sistem Pakar Diagnosa Penyakit THT Menggunakan Metode Dempster Shafer Doni Yulianti; Yufis Azhar; Nur Hayatin
Jurnal Repositor Vol. 3 No. 1 (2021): Januari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i1.31011

Abstract

Berbagai penyakit pada manusia dapat menimbulkan masalah serius jika tidak cepat ditangani, seperti halnya penyakit THT (Telinga, Hidung, dan Tenggorokan). Penderita penyakit THT di Indonesia cukup tinggi, karena masyarakat sering menganggap remeh penyakit THT dan kurangnya informasi mengenai penyakit tersebut. Perlu adanya sistem yang memberikan informasi mengenai gejala pada penyakit THT dan jenis penyakit apa saja yang diderita, serta solusi apa yang tepat untuk menangani penyakit THT. Subjek dalam penelitian ini adalah sistem pakar untuk mendiagnosa penyakit THT. Pada penelitian ini menggunakan dua metode, yaitu metode ketidakpastian menggunakan Dempster Shafer dan metode penelusuran yaitu Forward Chaining. Langkah pengembangan diawali dari pengumpulan data, lalu pembuatan Rule Based, mengimplementasikan metode, dan melakukan pengujian akurasi pakar. Hasil penelitan ini adalah sistem pakar mendiagnosa penyakit THT sebanyak 7 jenis penyakit dengan gejala sebanyak 24 jenis. Penelitian ini juga menggunakan metode Dempster Shafer untuk mendapatkan nilai kepastian berupa persentase nilai kepastian pada hasil diagnosa penyakitnya. Berdasarkan hasil pengujian pakar, dapat disimpulkan bahwa sistem pakar memiliki tingkat kesamaan dengan pakar sebesar 85% yang berarti bahwa sistem pakar ini layak untuk digunakan.
Penerapan Metode K-Means pada Data Penduduk Miskin Per Kecamatan Kabupaten Blitar Dede Nor Alfiansyah; Vinna Rahmayanti Setyaning Nastiti; Nur Hayatin
Jurnal Repositor Vol. 4 No. 1 (2022): Februari 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i1.31083

Abstract

Kemiskinan adalah kondisi ketidakmampuan pendapatan seseorang dalam pemenuhan kebutuhan pokok hidup sehingga tidak mampu menjamin kelangsungan hidupnya Kebutuhan hidup meliputi kebutuhan dasar seperti sandang, pangan, tempat tinggal, dan pendidikan. Menurut BPS, yang dikatakan penduduk miskin adalah penduduk yang memiliki rata-rata pengeluaran perkapita perbulan dibawah garis kemiskinan. Kabupaten Blitar adalah salah satu kabupaten di provinsi Jawa Timur. Angka kemiskinan di kabupaten Blitar mengalami penurunan sejak tahun 2016 hingga tahun 2019 dan mengalamai kenaikan di tahun 2020. Langkah untuk mengetahui angka kemiskinan dihitung berdasarkan   sampel survei analisis tingkat kemiskinan dalam survey Sosial – Ekonomi Nasional (Susenas) setiap 2 tahun sekali. Pengelompokkan kemiskinan perlu dilakukan setiap tahunnya agar pemerintah dapat mengetahui langkah pencegahan agar kemiskinan tidak meningkat ataupun pemecahan masalah kemiskinan. Pengelompokkan kemiskinan dapat dilakukan dengan menggunakan berbagai metode salah satunya adanya dengan menggunakan metode K-Means.  Penggunan metode K-Means ini bertujuan mengelompokkan data  per kecamatan kabupaten Blitar yang tergolong penduduk miskin.
Peringkasan Multi Dokumen Berita Dengan Pemilihan Kalimat Utama Berbasis Algoritma Cluster Importance Dengan Mempertimbangkan Posisi Kalimat Syadza Anggraini; Nur Hayatin; Gita Indah Marthasari
Jurnal Repositor Vol. 2 No. 1 (2020): Januari 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i1.31529

Abstract

Peringkasan teks merupakan salah satu cara untuk mengurangi suatu dimensi dokumen yang besar untuk mendapatkan informasi penting dari dokumen tersebut. Berita adalah salah satu informasi yang biasanya dalam satu topik memiliki beberapa sub topik. Untuk dapat mengambil informasi penting dari satu topik secara cepat, peringkasan multi dokumen berita dapat menjadi solusi. Namun, peringkasan multi dokumen dapat menimbulkan redundansi. Oleh sebab itu, penelitian ini menerapkan algoritma cluster importance dengan mempertimbangkan posisi kalimat untuk mengatasi redundansi tersebut. Penelitian ini menggunakan 30 topik berita berbahasa Indonesia, dimana tiap topiknya terdiri dari 5 sub topik berita. Dari 30 topik berita yang diuji menggunakan Rouge-1, dimana terdapat 2 topik berita yang memiliki nilai Rouge-1 berbeda antara yang menggunakan algoritma cluster importance ditambah posisi kalimat dengan yang hanya menggunakan algoritma cluster. Namun dari 2 topik berita tersebut, nilai Rouge-1 yang menggunakan cluster importance ditambah posisi kalimat memiliki nilai yang lebih besar daripada yang hanya menggunakan cluster importance. Penggunaan posisi kalimat memiliki pengaruh terhadap urutan bobot kalimat pada setiap topiknya, namun hanya 2 topik berita yang berpengaruh terhadap hasil ringkasan.
Prediction Of Use Of Electric Kwh Using Support Vector Regression (SVR) Method (Case Study: Pt Pln (Persero) Rayon Seririt) Setio Basuki; Rima Mediana Mashita; Nur Hayatin
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.31815

Abstract

Peranan listrik sangat penting bagi kehidupan masyarakat, begitu pentingnya peranan listrik tentu saja berdampak pada kebutuhan listrik yang begitu besar, maka PT. PLN (Persero) Rayon Seririt sebagai penyedia tenaga listrik harus bisa memprediksi besarnya peggunaan listrik rumah tangga setiap harinya. Selain itu menyebabkan semakin besar pula pemakian kwh listik, apabila pemakaian kwh listrik tidak diolah dengan baik akan menimbulkan beban energi listrik yang tidak terbendung. Dengan permasalahan yang telah diuraikan, penelitian ini menerapkan algoritma Support Vector Regression dalam Prediksi Pemakain KWH Listrik untuk mengetahui besarnya pemakaian kwh listrik yang akan datang. Berdasarkan hasil pengujian yang dilakukan hasil nilai akurasi terbaik Mean Absolute Error (MAE) sebesar 133560,1, Root Mean Squared Error (RMSE) sebesar 167664,1, dan Koefisien Korelasi sebesar 84,0 pada kernel polynomial. Sehingga algoritma Support Vector Regression dan fungsi kernel Radial Basis Function (RBF) cocok digunakan dalam memprediksi pemakaian kwh listrik.
Perbandingan Algoritma Selection Feature Query Expansion Ranking dan Symmetrical Uncertainty Pada Instagram Terkait Sengketa ZEE di Perairan Natuna Dzurrifqi Aziz; Nur Hayatin; Christian Sri Kusuma Aditya
Jurnal Repositor Vol. 3 No. 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.31963

Abstract

Algoritma Naïve Bayes adalah untuk menggabungkan probabilitas kata-kata dan kategori untuk memperkirakan probabilitas kategorikan dokumen. Naïve Bayes ini merupakan algoritma klasifikasi yang sering digunakan dalam sebuah penelitian salah satunya penelitian mengenai Sentimental Analysis. Dengan demikian, penelitian ini mencoba menganalisis ulasan dari masyarakat dengan metode naive bayes classifier dan membandingkan penggunaan seleksi fitur Symmetrical Uncertainty dan query expansion ranking untuk mengoptimalkan kinerja klasifikasi pada penelitian. Hasil pengujian yang diperoleh dengan menggunakan symmetrical uncertainty adalah tingkat accuracy sebesar 76%, precision sebesar 76%, dan recall sebesar 61%. Sedangkan hasil pengujian yang diperoleh dengan menggunakan query expansion ranking adalah tingkat accuracy sebesar 75%, precision sebesar 75%, dan recall sebesar 56%.
Perbandingan Klasifikasi Berita Hoax Kategori Kesehatan Menggunakan Naïve Bayes dan Multinomial Naïve Bayes Chita Nauly Harahap; Gita Indah Marthasari; Nur Hayatin
Jurnal Repositor Vol. 3 No. 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.31964

Abstract

Berita kesehatan merupakan informasi yang paling dicari dan diminati pada masa pandemi, kebutuhan akan perlunya kiat-kiat kesehatan untuk masyarakat membuat berita kesehatan menduduki peringkat atas berita terpopuler. Disaat meningkatnya minat baca masyarakat terhadap berita, banyak pihak tidak bertanggung jawab memanfaatkan keuntungan tersebut dengan menyebarkan berita tidak benar yang menggiring opini masyarakat agar menyudutkan pihak tertentu dan berisi informasi yang melenceng dari pendapat ahli kesehatan. Oleh karena itu salah satu cara untuk mengatasi tersebarnya berita hoax penelitian ini melakukan klasifikasi berita kesehatan berbahasa Indonesia secara otomatis. Pada penelitian ini dataset yang digunakan sebanyak 100 berita kesehatan non-hoax dan 100 berita kesehatan hoax. Proses klasifikasi memalui tahap preproses, pembobotan kata, dan implementasi pada metode naïve bayes dan multimonial naïve bayes. Evaluasi model menggunakan metode 10-fold cross validation, metode multinomial naïve bayes bekerja lebih baik dan efisien daripada metode naïve bayes.
Perbandingan Model Polynomial Regression dan Facebook Prophet untuk Prediksi Jumlah Pasien Positive COVID-19 di Indonesia Tsabitah Ayu Rahmawati; Gita Indah Marthasari; Nur Hayatin
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.v3i5.32042

Abstract

Corona Virus Disease 2019 atau yang biasa disebut sebagai COVID-19 menjadi ancaman bagi seluruh dunia, terutama bagi Negara Indonesia. WHO menyebutkan bahwa COVID-19 adalah sindrom pernafasan akut parah yang ditularkan melalui tetesan saluran pernapasan (air liur atau ingus) dan kontak langsung dengan penderita. Penyakit ini membutuhkan perhatian khusus dari pemerintah agar penyebaran Covid-19 ini semakin berkurang. Wabah ini telah memasuki Indonesia pada awal bulan maret, dan sampai saat ini jumlah penderita penyakit ini semakin meningkat. Pada penelitian kali ini, akan ditunjukkan perbandingan dari prediksi yang dihasilkan oleh model polynomial regression dan model FBProphet dengan realita yang terjadi terhadap jumlah pasien positive COVID-19 untuk menghasilkan prediksi yang akurat sebagai persiapan kemungkinan terburuk penderita COVID-19. Dataset yang digunakan sebanyak 396 data yang diambil dalam kurun waktu 02/03/2020 hingga 31/12/2020 pada dataset gitbub dan kemudian dilengkapi hingga tanggal 31/03/2021 pada website covid19.go.id. Dari hasil penelitian ini hasil prediksi yang terbaik terdapat pada Polynomial Regression dengan tingkat akurasi sebesar 0,98%, sedangkan dengan FBProphet tingkat akurasi yang didapat sebesar 0,95%. Hal ini dapat membantu paramedis dalam meramalkan perkiraan jumlah pasien positif covid-19 di Indonesia.
Improvisasi Algoritma Dijkstra Pada Peringkasan Teks Otomatis Untuk Artikel Politik Giffari Zakawaly; Nur Hayatin; Vinna Rahmayanti Setyaning Nastiti
Jurnal Repositor Vol. 5 No. 2 (2023): May 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i2.32061

Abstract

Tidak jarang kita menemukan suatu informasi atau artikel yang terlalu panjang. Dan untuk mengatasi masalah tersebut, salah satu cara yang bisa digunakan yaitu peringkasan teks. Metode peringkasan teks yang yang saat ini banyak dan biasa digunakan bisa dikelompokkan ke dalam tiga kategori, dan salah satunya yaitu metode berbasis graf. Dan algoritma Dijkstra memiliki tahapan yang paling sederhana. Improvisasi dilakukan dengan cara menambahkan 3 fitur pembobotan lain yaitu word freuency, position, dan resemblance to the title. Improvisasi yang dilakukan tidak terlalu berpengaruh terhadap ringkasan yang dihasilkan oleh sistem. Hal ini ditunjukkan dengan nilai evaluasi ROUGE-1 tanpa improvisasi 0.48487 dan dengan improvisasi 0.47513.
Deteksi Konten Hoax Pada Media Berita Indonesia Menggunakan Multinomial Naïve Bayes Fatahillah Arsyad; Nur Hayatin; Christian Sri Kusuma Aditya
Jurnal Repositor Vol. 5 No. 4 (2023): November 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i4.32092

Abstract

Berita hoax merupakan masalah yang perlu ditanggulangi di Indonesia. Melansir laporan dari Kominfo (Kementerian Komunikasi dan Informatika) pada tahun 2020 saja terdeteksi 3.464 berita hoaks. mengingat jumlahnya yang banyak, maka akan sangat sulit untuk mengidentifikasi setiap berita yang ada di Indonesia, tidak secara cepat apalagi secara komprehensif. Oleh karena itu, dibutuhkan suatu alat atau sistem yang dapat mendeteksi berita yang tersebar, secara cepat dan efisien. Dengan tujuan tersebut, penelitian ini dilakukan, dengan menggunakan metode yang digunakan oleh Multinomial Naïve Bayes (MNB). Pada penelitian sebelumnya, masih terdapat beberapa kekurangan yang dapat ditutupi dengan improvisasi. Untuk berimprovisasi dalam klasifikasi berita hoaks, metode MNB dipilih untuk penelitian ini. MNB sendiri merupakan jenis Naïve Bayes yang sering digunakan untuk analisis teks dimana data direpresentasikan dalam bentuk vektor frekuensi kata. sebagai rival pembanding untuk MNB, Gaussian Naïve Bayes juga akan didatangkan untuk penelitian ini. dengan total 998 data berita yang bersumber dari turnbackhoax.id dan sebagai pembanding penelitian ini juga menggunakan data dari penelitian sebelumnya yang berjumlah 250 berita. Hasil yang diperoleh dengan metode GNB mencapai akurasi 94% dan akurasi tertinggi untuk metode MNB adalah 96% yang menunjukkan MNB lebih baik.
Co-Authors Abdul Hadiy Dyo Fatra Abidatul Izzah Abidatul Izzah Abidatul Izzah Izzah, Abidatul Izzah Adhi Bagus Setiawan Ahmad Al Ghivani Ahmad Dhana Renomi Ahmad Hifdhul Abror, Ahmad Hifdhul Aini Alifatin Aini Nurul Amarul Akbar Andhini, Thathit Manon Anggraini, Syadza Anisatu Thoyyibah Asep Rohman Atsqalani, Hasbi Audi Bayu Yuliawan Ayu Puji Lestari Ayu Puji Lestari Basuki, Setio Bayu Mavindo Bayu Yuliawan, Audi Chastine Fatichah Chita Nauly Harahap Christian Sri Kusuma Aditya Christian Sri Kusuma Aditya Christian Sri Kusuma Aditya Christian Sri kusuma Aditya, Christian Sri kusuma Dasa Ismaimuza Dede Nor Alfiansyah Dede Nor Alfiansyah Deny Qutara Putra Deny Qutara Putra Diana Purwitasari Didih Rizki Chandranegara Dini Kurniawati Doni Yulianti Doni Yulianto Dwi A. P. Rahayu Dwi Arif Al-mubarok Dyah Hestiningtyas Dyah Hestiningtyas Dzur Rifqi Aziz Dzurrifqi Aziz Eko Budi Cahyono Elbert Setiadharma Evi D. Wahyuni Evi Dwi Wahyuni Fadil Ramadhan Farid Dadhee Fatahillah Arsyad Fatahillah Arsyad Gama Wisnu Fajarianto Giffari Zakawaly Gita Indah Marthasari Hakim, Muhammad Nafi Maula Hasbi Atsqalani Ika Rizki Anggraini Kharisma Muzaki Ghufron Kris Setyaningsih, Kris Kuntur, Soveatin Lia Nuarini M Syawaluddin Putra Jaya M. Syawaluddin Putra Jaya Maksur Maskur Maskur Maskur Maskur Maskur Maskur Maskur, M Maulidya Yuniarti Mavindo, Bayu Meilina Agustina Meilina Agustina Meilisa Musnaimah Mentari Mas'ama Safitri Mentari Mas'ama Safitri Muhammad Rojib Saiful Musnaimah, Meilisa Musriyadi Nabiu, Musriyadi Mustamin Idris Mustika Mentari Mustika Mentari Nasution, Annio Indah Lestari Nirindra Primavera Dirga Nugraha Nirindra Primavera Dirga Nugraha Nuarini, Lia Nur Putri Hidayah Nuryasin, Ilyas Prayogi Restia Saputra Putra, Deny Qutara Rahayu, Dwi A. P. Rellanti Diana Kristy Rellanti Diana Kristy Rellanti Diana Kristy Retno Firdiyanti Rima Mediana Mashita Rima Mediana Mashita Rima Mediana Mashita Rizal Rakhman Mustafa Rizal Rakhman Mustafa Rizky Ade Mahendra Rizky Heriawan Prayogo Tanjung Rizky Heriawan Prayogo Tanjung Ruhaila Maskat S, Vinna Rahmayanti Saiful Arif, Mukhammad Rojib Sandy Young Sari Wahyunita Sari Wahyunita Sari, Tiara Intana Setio Basuki Shofiyah Soveatin Kuntur Syadza Anggraini Syadza Anggraini Syukri Adisakti Dainamang Tati Susilawati, Tati Taufik Nurahman Taufik Nurahman Thathit Manon Andini Tiara Intana Sari Tri Fidriyan Arya Tsabitah Ayu Rahmawati Tutik Sulistyowati Veithzal Rivai Zainal Wahyuni, Evi D. Wicaksono, Galih Wasis Wildan Suharso Yogo Suwiknyo Yuda Munarko Yufis Azhar Zalfa Natania Ardilla