Article Per Year (5 Year)
p-Index From 2021 - 2026
6.398
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) International Journal of Advances in Applied Sciences Transmisi: Jurnal Ilmiah Teknik Elektro TELKOMNIKA (Telecommunication Computing Electronics and Control) Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Journal of Telematics and Informatics Proceeding of the Electrical Engineering Computer Science and Informatics TRANSISTOR Elektro dan Informatika Jurnal Manajemen Keuangan Publik AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Jurnal Kesehatan Global PengabdianMu: Jurnal Ilmiah Pengabdian kepada Masyarakat Indonesian Journal of Electrical Engineering and Computer Science Jurnal Bumigora Information Technology (BITe) Pengmasku Prosiding Seminar Riset Mahasiswa Jurnal Nusantara Mengabdi Jurnal Rekayasa Sistem Informasi dan Teknologi Jurnal Bakti Masyarakat Manajemen
Imam Much Ibnu Subroto
Department Of Informatics, Universitas Islam Sultan Agung
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Physics Public Health Social Sciences Other

Published : 96 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search
Journal : TRANSISTOR Elektro dan Informatika

 1   2   3   4 
Deteksi Similarity Tugas Akhir Mahasiswa Menggunakan Cosine Similarity Putra, Yustian Dikma Eka; Subroto, Imam Much Ibnu; Haviana, Sam Farisa Chaerul
TRANSISTOR Elektro dan Informatika Vol 5, No 3 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.3.122-130

Abstract

Tugas akhir (TA) atau tesis merupakan sebuah mahakarya tertulis berupa rangkaian tulisan ilmiah yang mempresentasikan hasil dari sebuah penelitian guna membahas suatu masalah di dalam suatu bidang keilmuan tertentu dengan menggunakan kaidah-kaidah penulisan yang berlaku di suatu bidang ilmu pengetahuan tertentu. Sementara dalam pembuatan tugas akhir sendiri sering ditemui tindak plagiarisme, tindakan ini sendiri bertujuan untuk mencuri hasil pikiran orang lain. Metode cosine similiarity  digunakan untuk menghitung similiarity atau kemiripan dokumen dari tugas akhir dengan tujuan untuk menghitung seberapa besar tingkat similiarity-nya sehingga nantinya dapat digunakan sebagai salah satu cara mengidentifikasi apakah dokumen tersebut plagiat atau tidak. Pada perhitungan metode cosine jika semakin mendekati angka 1 maka dokumen tersebut bisa dianggap plagiat dan sebaliknya jika mendekati angka 0 maka similiarity atau kesamaan dokumen tersebut rendah.
Klasifikasi Bidang Ilmu Publikasi Ilmiah Terindeks SINTA Menggunakan Metode Naïve Bayes Nurnasikha, Kusuma; Haviana, Sam Farisa Chairul; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 5, No 3 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.3.147-154

Abstract

Publikasi ilmiah menjadi tuntutan akademik untuk menunjukkan tanggangjawab sebagai peneliti. Di Indonesia salah satu kegiatan yang berkaitan dengan status peneliti adalah publikasi yang terindeks SINTA (Science and technology Index). Secara garis besar besar judul-judul dapat diklasifikasikan ke dalam lima bidang ilmu yaitu Arts & Humanities, Engineering & Technology, Life Sciences & Medicine, Natural Sciences, and Social Sciences & Management. Permasalahannya adalah judul penelitian belum terklasifikasikan secara otomastis. Tujuan penelitian ini adalah untuk menerapkan dan menguji kinerja Naive Bayes dalam klasifikasi lima bidang ilmu pada publikasi terindeks Scopus. Naïve Bayes merupakan klasifikasi prediksi yang mudah diinterpretasikan. Naïve Bayes memudahkan peneliti mengklasifikasikan lima bidang ilmu karena modelnya sederhana dan cukup fleksibel meningkatkan kualitas keputusan dihasilkan. Berdasarkan hasil dari perhitungan menggunakan algoritma Naive Bayes, diperoleh nilai pada akurasi 0,425 recall 0,20 dan presisi 0,05. Namun hasil tersebut masih cukup rendah jika digunakan pada sistem SINTA dikarenakan  pada saat pelabelan dataset yang digunakan belum optimal.
Identifikasi Kematangan Buah Jeruk Medan Menggunakan K-Nearest Neighbor berbasis Metrik RGB Putra, Allief Suryatama Jaya; Subroto, Imam Much Ibnu; Poetro, Bagus Satrio Waluyo
TRANSISTOR Elektro dan Informatika Vol 5, No 3 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.3.155-160

Abstract

Kemajuan pesat inovasi di bidang pengolahan citra semakin membuat aplikasi dan eksplorasi strategi penanganan gambar dibuat. Pengolahan citra mempunyai peranan penting di berbagai bidang. Aplikasi pengolahan citra berkaitan dengan pemrosesan citra berkaitan dengan transformasi warna. Dalam hal ini, metode transformasi ruang warna RGB sebagai bagian dari pengolahan citra membantu dalam mendeteksi warna dalam citra dan mengolahnya. Ruang warna merupakan model matematis yang menjelaskan mengenai warna yang direpresentasikan ke dalam model angka. Dalam penelitian ini, berdasarkan dari hasil pengujian menggunakan citra buah Jeruk Medan untuk mendeteksi jenis kematangannya dengan melakukan transformasi ruang warna RGB lalu mencari nilai rata-rata dari setiap warna dasar yaitu merah, hijau, dan biru kemudian memberikan metode KNN algoritma yang sering digunakan dalam pembelajaran mesin. Algoritma ini digunakan untuk memprediksi kelas suatu objek berdasarkan data pembelajaran yang ada. Algoritma ini bekerja dengan cara mencari objek yang paling mirip dengan objek yang ingin diprediksi kelasnya, lalu menggunakan kelas dari objek-objek tersebut untuk memprediksi kelas dari objek yang ingin diprediksi yang dilakukan dengan menggunakan data sampel sebanyak 180 data buah yang terdiri dari 60 citra buah Jeruk Medan disetiap jenis kematangannya, 60 sampel uji buah Jeruk Medan matang, 20 sampel buah Jeruk Medan setengah matang dan 60 sampel buah Jeruk Medan mentah. Pada penelitian ini mendapatkan nilai hasil dari klasifikasi dari k = 9 juga memiliki presentasi yang tinggi yaitu 87%
Analisis Sentimen Terhadap Produk Sunscreen Pada Marketplace Menggunakan Support Vector Machine (SVM) Bahtiar, Thoriq; Assegaf, Badieah; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 6, No 1 (2024)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.6.1.%p

Abstract

Pasar online seperti Shopee telah menjadi platform penting bagi bisnis untuk menjual produk dan layanan kepada khalayak luas, mendorong pertumbuhan platform marketplace. Ulasan konsumen tidak hanya mencerminkan pengalaman pribadi pengguna dengan sebuah produk, tetapi juga memberikan informasi detail tentang efektivitas produk tersebut. Dengan menganalisis ulasan ini, calon pembeli bisa mendapatkan gambaran yang lebih jelas mengenai kelebihan dan kekurangan produk tersebut, sehingga bisa menjadi umpan balik yang berharga untuk peningkatan produk di masa mendatang. Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen terhadap produk sunscreen di marketplace Shopee menggunakan metode Support Vector Machine (SVM). Analisis sentimen dilakukan untuk mengevaluasi tingkat kepuasan konsumen terhadap produk sunscreen yang dijual di Shopee. Melalui analisis ini, persepsi konsumen tentang produk tersebut dapat dievaluasi, sehingga memberikan wawasan berharga untuk peningkatan produk dan pengambilan keputusan konsumen. Proses analisis sentimen mencakup tahapan pra-pemrosesan teks, termasuk lowercasing, tokenization, dan penghapusan stop words menggunakan Sastrawi. Berdasarkan hasil penelitian, metode SVM dengan pembobotan TF-IDF menunjukkan performa yang memuaskan dengan akurasi tinggi, nilai precision 0,89, recall 0,90, dan F1-score 0,89, yang mengindikasikan kemampuan model dalam mengklasifikasikan sentimen konsumen secara efektif dan konsisten.
Penerapan Metode BERT (Bidirectional Encoder Repretentations From Transformers) Pada Analisis Emosi Terhadap Program Kerja Lapor Mas Wapres Presiden RI Dengan Presepsi Pengguna Media Sosial X Prasetyo, Muhammad Krisna Heri; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

Analisis sentimen dan emosi publik terhadap program kerja Lapor Mas Wapres Presiden Republik Indonesia menjadi salah satu aspek penting dalam memahami respons masyarakat di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen publik menggunakan metode Bidirectional Encoder Representations from Transformers (BERT), khususnya IndoBERT, dalam mengklasifikasikan emosi yang muncul dalam opini masyarakat di platform media sosial X. Hal ini mengindikasikan bahwa publik secara umum memberikan apresiasi positif terhadap program kerja Lapor Mas Wapres, meskipun masih terdapat kritik yang cukup banyak. Model IndoBERT yang digunakan dalam penelitian ini mencapai akurasi sebesar 92%, menunjukkan bahwa model ini mampu mengklasifikasikan sentimen dengan baik. Dengan demikian, hasil analisis ini dapat memberikan gambaran yang cukup akurat mengenai persepsi publik terhadap program kerja pemerintah yang sedang berjalan. 
Sentimen Analisis terhadap Artis yang Terdampak karena Boikot Produk Minuman yang dipromosikannya menggunakan BERT Ashar, Firbaya Mutiara; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

Media sosial, khususnya Instagram, telah menjadi wadah utama bagi masyarakat untuk mengekspresikan opini, termasuk dalam merespons fenomena budaya populer seperti Korean Wave dan Kpop. Baru-baru ini, keputusan grup Kpop NCT untuk berkolaborasi dengan Starbucks memicu beragam reaksi dari penggemar, terutama di tengah gerakan boikot terhadap brand tersebut. Penelitian ini bertujuan untuk menganalisis sentimen komentar penggemar NCT terkait kolaborasi ini menggunakan model Indonesian Bidirectional Encoder Representations from Transformers (IndoBERT). Eksperimen dilakukan pada data yang tidak seimbang dan data yang telah diseimbangkan menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa data yang tidak seimbang menyebabkan model mengalami overfitting dengan akurasi sebesar 83%, precision 84%, recall 83%, dan f1-score 83%. Setelah dilakukan balancing data menggunakan SMOTE, performa model meningkat dengan akurasi, precision, recall, dan f1-score sebesar 86%. Hal ini membuktikan bahwa balancing data berperan penting dalam meningkatkan performa model dalam analisis sentimen.
Deteksi Hoax di Media Sosial Menggunakan Naive Bayes Chanif, Muhammad Nur; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025): Agustus : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

Penyebaran informasi melalui media sosial yang semakin masif memunculkan tantangan baru dalam membedakan antara konten valid dan hoaks, terutama karena informasi palsu sering kali dikemas secara meyakinkan. Deteksi manual terhadap hoaks membutuhkan waktu dan tidak efisien dalam skala besar, sehingga diperlukan pendekatan berbasis kecerdasan buatan. Penelitian ini mengembangkan sistem deteksi hoaks menggunakan pendekatan Natural Language Processing (NLP) dan algoritma Naïve Bayes untuk mengklasifikasikan teks sebagai hoaks atau non-hoaks. Dataset yang digunakan terdiri dari 134.198 data teks Twitter yang telah diberi label, dan diproses melalui tahap preprocessing dan ekstraksi fitur menggunakan TF-IDF. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score untuk mengukur performa model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 95,87%, presisi 95,23%, recall 96,80%, dan F1-score 96,01%, yang mengindikasikan kemampuan tinggi dalam mengidentifikasi hoaks secara otomatis. Sistem ini telah diimplementasikan dalam antarmuka berbasis Streamlit dan diharapkan dapat mendukung upaya mitigasi penyebaran informasi palsu di media sosial secara lebih efektif dan efisien.
SAVER: Smart Automatic Vending for Environmental Recycle of Plastic Bottle Waste Riyani, Dita; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025): Agustus : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

Masalah sampah botol plastik yang terus meningkat membutuhkan solusi baru berbasis teknologi. Studi ini membahas pembuatan SAVER, sebuah mesin otomatis pintar yang dapat mendeteksi, menerima, dan menangani botol plastik bekas, sekaligus memberikan hadiah kepada penggunanya. Sistem ini menggunakan sensor, mikrokontroler, dan Internet of Things (IoT), serta platform hadiah digital untuk mengajak masyarakat terlibat dalam daur ulang. Proses perancangan meliputi pembuatan perangkat keras, penulisan kode sistem kontrol, dan menghubungkan pemantauan data melalui platform daring. Hasil pengujian menunjukkan bahwa sistem ini bekerja dengan baik dalam menemukan dan mengumpulkan botol plastik, serta mencatat dan mengirimkan data secara akurat ke server. Penggunaan SAVER diharapkan menjadi langkah positif dalam mengurangi sampah plastik, meningkatkan kesadaran lingkungan, dan membantu membangun sistem pengelolaan sampah berbasis teknologi yang berkelanjutan.
Klasifikasi Bidang Ilmu Pada Publikasi Terindeks GARUDA Kemdikbud Menggunakan Metode K-Nearest Neighbor (KNN) Saadah, Farikhatus; Subroto, Imam Much Ibnu; Riansyah, Andi
TRANSISTOR Elektro dan Informatika Vol 5, No 2 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.2.95-101

Abstract

GARUDA merupakan salah satu portal yang memuat referensi ilmiah nasional Indonesia dan memberikan akses terhadap karya ilmiah yang dihasilkan oleh akademisi dan peneliti Indonesia. Klasifikasi merupakan proses penemuan model (fungsi) yang menggambarkan dan membedakan kelas data. Sebelumnya belum ada penelitian yang menggunakan 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine, Natural Scienses, Social Sciences & Management, untuk mengklasifikasikan judul artikel pada aplikasi terindeks Garuda. Dalam penelitian ini akan mengklasifikasikan judul artikel yang ada pada aplikasi terindeks Garuda kedalam 5 bidang ilmu yang akan menggunakan metode algortima K-Nearest Neighbor (K-NN), dan akan dilakukan dengan cara mengumpulkan data pada aplikasi terindeks Garuda, lalu dilakukan tahap prepocessing agar data memiliki kualitas yang baik. Setelah itu mencari data dengan jarak terdekat dengan tetangga terdekat pada data latih dengan data yang akan diuji, lalu evaluasi yang akan digunakan adalah accuracy, precision, recall, dan F-score. Hasil yang diharapkan dari penelitian ini adalah metode algorima K-Nearest Neighbor (K-NN) dapat menghasilkan tingkat akurasi yang tinggi dalam mengklasifikasikan judul artikel pada aplikasi terindeks Garuda, kedalam 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine, Natural Scienses, Social Sciences & Management secara cepat dan otomatis. Hasil dari penelitian ini mendapatkan nilai akurasi tertinggi 0,499 atau 49,9% dengan menggunakan parameter nilai K = 285.
Identifikasi Bidang Kepakaran Program Studi Informatika Berdasarkan Rekam Jejak Publikasi di Indonesia menggunakan Rake Fadhilah, Achmad Naufal; Subroto, Imam Much Ibnu; Haviana, Sam Farisa Chaerul
TRANSISTOR Elektro dan Informatika Vol 5, No 2 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.2.%p

Abstract

Program studi pada universitas di Indonesia baik universitas swasta maupun universitas negeri terkadang memiliki bidang kepakaran yang berbeda meskipun nama program studi tersebut terlihat sama, hal ini karena program studi diberbagai universitas sangat tergantung dengan kepakaran dosen pada universitas tersebut. Untuk itu, diperlukan sebuah sistem yang memuat informasi tentang bidang kepakaran program studi khususnya Informatika untuk membantu para calon mahasiswa untuk lebih mudah memperoleh informasi program studi informatika dan universitas mana yang sesuai dengan minat para calon mahasiswa tersebut. Dengan memanfaatkan metode RAKE dapat mewujudkan kemudahan memperoleh informasi. Metode ini dipilih karena sangat cocok untuk digunakan meranking seberapa tinggi bidang kepakaran program studi informatika di Indonesia. Pembuatan sistem diawali dengan mengumpulkan data dari beberapa website seperti SINTA Kemendikbud dan Scopus, implementasi metode dan pembuatan sistem dengan bahasa pemrograman python dan MySQL, dan pengujian sistem. Hasil penelitian menunjukkan bahwa sistem informasi dapat berjalan dengan baik setelah pengujian dan menunjukkan hasil berupa informasi kepakaran program studi ketika user memasukkan keyword ataupun nama program studi yaitu informatika. sistem berhasil menampilkan sistem informasi kepakaran program studi berdasarkan universitas yang dipilih dengan menampilkan kata kunci yang berhasil dihitung berjumlah 2716 dari 5 universitas di Indonesia dan kata kunci setiap universitas hanya ditampilkan sebanyak 20 kata kunci sesuai perhitungan mean average precision@k
Co-Authors A Azidny A. A. Uliansyah, Beta Abdelhadi Husein Aburawis Abdul Rohman Soleh Achmad Chaidir Adi Ariyo Munandar Adib Ulil Anwar Agung Suryowibowo Ahmad Syarif Hidayatullah Akhmad Priharjanto, Akhmad Akhmad Solikin Akhsinatul Laeliyah Alfano Endra Wardhana Alfiah Nurul Fatimah Intan Pertiwi Ali Selamat Ali Selamat Andhika Bayu Pratama Andi Riansyah Arief Marwanto Arifin, Bustanul Arifin, Zaenal Arigama, Rizki Artini DP, Sri Aser Anou Ashar, Firbaya Mutiara Asih Widi Harini Ayunda Miftakhul Laili Azmia, Hisnan Faudan Badieah Assegaf Badie’ah, Badie’ah Badie’ah, Badie’ah Bahrun Niam Bahtiar, Thoriq Basit, Abdul Budi Cahyo Wibowo Bustanul Arifin Bustanul Arifin Chaerul Haviana, Sam F. Chanif, Muhammad Nur Daniyah, Daniyah Darso D Dedy Kurniadi Deris Stiawan Deshinta Arrova Dewi Dwi Zunia Arianto Eka Nuryanto Budi Susila Eko Saputra, Wardianto F Feriawan Fadhilah, Achmad Naufal Fahmi Arif Dewoputro Fahrizal, Fery Fajar Yumono Fajarini, Intan Putri Nur Febrian Rio Hartono Fitri Anindyahadi Goli Arji Hardjana, Irawan Pudja Hud Munawar Ilhamsyah, Muhamad Reynaldi Imam Hendi Susanto Irfan Fadhil Irwan Sukendar Irwan Sukendar Iska Yanuartanti khaled jemah basher Kharis Abdullah La Ode Muhamad Idris Laksamana Rajendra Haidar Lestari Kurniawati, Lestari Lina Handayani Mahfud Ade Purwanto Maryuliana Maryuliana Maulida, Aina Nurul Mekacahyani, Rakhimatulfitria Milasanti, Denina Moch Taufik Moloud Abdar Muhamad Haddin Muhamad Qomaruddin Muhammad Fadelillah Muhammad Khosyiin Muhammad Nur Gofinda Muhammad Qomaruddin Muhammad Rahman Hakim Munawar Agus Riyadi Mustafa, Mustafa Najmah, Najmah Nova Catur Anggi Cahyo Nur Ramadhanif Nur'aini, Intan Nurhidayah, Eva Nurhidayati Nurhidayati Nurnasikha, Kusuma Nuzulia Khoiriyah Poetro, Bagus Satrio Waluyo Pranoto Wibowo Prasetyo, Muhammad Krisna Heri Putra, Allief Suryatama Jaya Putra, Yustian Dikma Eka Putri, Sarah Dwi Qirom Qirom Rachmad Gabels Raden Abdul Rahman Ratna Supradewi Riansyah, Andi Ridwan Putri, Sandhyakalaning Jiwatami Riky Maulana Firdaus Rini Oktarina Riyadh Alnajih Alsayih Riyani, Dita Rizki Arigama Rohman, Andhi Rony, Zahara Tussoleha Rusmal Firmansyah S Suprayogi Saadah, Farikhatus Sam F. Chaerul Haviana Sam Farisa Chaerul Haviana Sapto Utomo Sharareh R. Niakan Kalhori Sigit Ardianto Sofia Murtiani Sri Artini DP Sri Arttini Dwi Prasetyawati Sri Mulyono Suharyo Herwasto Sukendar, Irwan Supriyanto S Suryani Alifah Suyanto Suyanto Tole Sutikno Tri Basuki Kurniawan Trisnawarman, Trisnawarman Ulil Albab Ushuludin, Mohammad Wardianto Eko Saputra Wicaksono, Yusuf Arief Wiwiek Fatmawati Yahya Hidayatullah Yasni, Loura Yusuf Arief Wicaksono Zaenal Arifin