Claim Missing Document
Check
Articles

Found 19 Documents
Search

Analisis Keberhasilan Sistem Informasi Akademik Universitas Baturaja Menggunakan Human Organization Technology Fit Model Ayu Jayanti; Dian Hafidh Zulfikar; Fathiyah Nopriani
Journal of Software Engineering Ampera Vol. 4 No. 1 (2023): Journal of Software Engineering Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalsea.v4i1.378

Abstract

Academic Information System (SIAKAD) is a system implemented by Baturaja University as a support for lecture activities. This study aims to determine what factors influence the success of SIAKAD using the Human Organization Technology Fit Model by applying 8 variables, namely system quality, information quality, service quality, system use, user satisfaction, structure, Environment and net benefit. Data collection was carried out by distributing questionnaires to students and lecturers of Baturaja University. Sampling using Probability Sampling with Proportionate Stratified Random Sampling technique. The data analysis used is PLS-SEM using SmartPLS 3.0 software. Based on the results of hypothesis testing of all variables, it was found that the factors that influence the success of SIAKAD are service quality 7.808, user satisfaction 8.389, have an influence on system use. Information quality 3.046 service quality 7.326 has an influence on user satisfaction. Information quality 2,605 service quality 3,671 has an influence on structure. System use 2.98 structure 4.223 environment 7.875 has an influence on net benefits and structure 9.627 has an influence on the environment. And factors that do not affect the success of SIAKAD, namely system quality 1.103 has no effect on system use, system quality 1.167 has no effect on user satisfaction, system quality 1.304 has no effect on structure, information quality 0.394 has no effect on system use and user satisfaction 0.787 has no effect on the net benefit.
Analisis Tingkat Kepuasan Pengguna Pada Aplikasi Easy Access PT. Semen Baturaja (Persero) Tbk Menggunakan Metode End User Computing Satisfaction (EUCS) Putri Ananda Destary; Dian Hafidh Zulfikar
Prosiding Seminar Nasional Unimus Vol 6 (2023): Membangun Tatanan Sosial di Era Revolusi Industri 4.0 dalam Menunjang Pencapaian Susta
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Aplikasi Easy Access merupakan aplikasi absensi yang digunakan para anggota PT. Semen Baturaja (Persero) Tbk khususnya pada Kantor Cabang Kota Palembang. Aplikasi Easy Access yang digunakan oleh PT. Semen Baturaja telah dirancang untuk mencatat kehadiran karyawan, mengelola cuti, izin, lembur dan memantau jam kerja yang dapat diakses semua karyawan dengan akun mereka masing-masing. Dalam implementasi Easy Access diperlukan sebuah evaluasi terhadap aspek kenyamanan dan kepuasan bagi para pengguna aplikasi. Dalam evaluasi kepuasan pengguna pada sebuah system ataupun aplikasi memberikan dampak yang baik bagi Perusahaan dan juga pengguna. Perusahaan dapat menemukan peluang utukmeningkatkan fitur aplikasi yang relevan dan lebih baik lagi. Oleh karena itu aplikasi Easy Access perlu dilakukan identifikasi masalah untuk mengetahui seberapa puas pengguna terhadap aplikasi Easy Access. Metode yang digunakan dalam penelitiaan ini adalah metode analisis End User Computing Satisfaction (EUCS) yang dimana memfokuskan evaluasi tingkat kepuasan pengguna akhir menggunakan dimensicontent, accuracy, format, ease of use, dan timeliness. Pengumpulan data pada pennelitian ini dilakukan dengan menyebar kuesioner kepada 75 responden yaitu anggota PT. Semen Baturaja Persero Tbk. Teknik pengambilan sampel menggunakan random sampling. Pada hasil olah data kuesioner didapatkan hasil perhitungan persentase pada tiap-tiap dimensi EUCS variabel content sebesar 90,2% yang artinya sangat puas, variabel accuracy sebesar 89,2% sangat puas, variabel format 90,4% sangat puas, variabel ease of use 89,6% sangat puas, dan variabel timeliness 89,4% sangat puas. Berdasarkan hasil persentase pada tiaptiap dimensi telah menunjukkanbahwa aplikasi Easy Acces sudah merasa puas.Kata Kunci : Aplikasi, Absensi, Kepuasan Pengguna, EUCS.
Advancements in Agricultural Automation: SVM Classifier with Hu Moments for Vegetable Identification Waluyo Poetro, Bagus Satrio; Maria, ⁠⁠Eny; Zein, Hamada; Najwaini, Effan; Zulfikar, Dian Hafidh
Indonesian Journal of Data and Science Vol. 5 No. 1 (2024): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v5i1.123

Abstract

This study investigates the application of Support Vector Machine (SVM) classifiers in conjunction with Hu Moments for the purpose of classifying segmented images of vegetables, specifically Broccoli, Cabbage, and Cauliflower. Utilizing a dataset comprising segmented vegetable images, this research employs the Canny method for image segmentation and Hu Moments for feature extraction to prepare the data for classification. Through the implementation of a 5-fold cross-validation technique, the performance of the SVM classifier was thoroughly evaluated, revealing moderate accuracy, precision, recall, and F1-scores across all folds. The findings highlight the classifier's potential in distinguishing between different vegetable types, albeit with identified areas for improvement. This research contributes to the growing field of agricultural automation by demonstrating the feasibility of using SVM classifiers and image processing techniques for the task of vegetable identification. The moderate performance metrics emphasize the need for further optimization in feature extraction and classifier tuning to enhance classification accuracy. Future recommendations include exploring alternative machine learning algorithms, advanced feature extraction methods, and expanding the dataset to improve the classifier's robustness and applicability in agricultural settings. This study lays a foundation for future advancements in automated vegetable sorting and quality control, offering insights that could lead to more efficient agricultural practices.
Performance Comparison of CNN and ResNet50 for Skin Cancer Classification Using U-Net Segmented Images Aris Wahyu Murdiyanto; Zulfikar, Dian Hafidh; Waluyo Poetro, Bagus Satrio; Siregar, Alda Cendekia
Indonesian Journal of Data and Science Vol. 5 No. 3 (2024): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v5i3.200

Abstract

Skin cancer is a significant global health issue, with melanoma, basal cell carcinoma, and actinic keratosis being the most common types. Early and accurate detection is critical to improve survival rates and treatment outcomes. This study evaluates the performance of Convolutional Neural Networks (CNN) and ResNet50 in classifying segmented images of skin lesions. The dataset, sourced from Kaggle, was pre-processed using U-Net for lesion segmentation to enhance the quality of input data. Both models were trained and evaluated using accuracy, precision, recall, and F1-score metrics. The CNN model demonstrated a balanced performance across classes, with a weighted F1-score of 47%, but suffered from overfitting, as indicated by the divergence between training and validation losses. ResNet50 achieved better recall for basal cell carcinoma (100%) but failed to classify actinic keratosis and melanoma, resulting in a macro F1-score of 23%. The findings reveal that U-Net segmentation improved classification focus but was insufficient to address dataset imbalance and model-specific limitations. This study highlights the challenges of skin cancer classification using deep learning and underscores the importance of addressing data imbalance and overfitting. Future research should explore advanced techniques, such as ensemble methods, data augmentation, and transfer learning, to improve the generalization and clinical applicability of these models. The proposed framework serves as a foundation for further investigation into automated skin cancer detection systems.
Pengelompokan Daerah Rawan Bencana di Sumatera Selatan Menggunakan Algoritma K-Means Zulfikar, Dian Hafidh; Setapati, Gerry
Jurnal Software Engineering and Computational Intelligence Vol 2 No 02 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i02.4945

Abstract

Indonesia merupakan negara yang terletak di wilayah pertemuan berbagai lempeng tektonik, sehingga banyak daerahnya memiliki tingkat kerawanan tinggi terhadap bencana alam, termasuk di Provinsi Sumatera Selatan. Penelitian ini bertujuan untuk mengelompokkan wilayah-wilayah rawan bencana di Sumatera Selatan dengan menerapkan teknik data mining menggunakan metode clustering. Algoritma yang digunakan dalam pembentukan klaster adalah K-Means, sebuah metode clustering non-hierarkis yang mampu mengelompokkan data berdasarkan tingkat kesamaan. Data bencana yang memiliki karakteristik serupa akan dikelompokkan dalam satu klaster, sedangkan data dengan karakteristik berbeda akan dimasukkan ke klaster lainnya. Hasil penelitian ini menghasilkan pengelompokan daerah rawan bencana ke dalam tiga kategori, yaitu daerah dengan tingkat kerawanan rendah, sedang, dan tinggi. Temuan ini diharapkan dapat menjadi informasi tambahan yang berguna bagi pemerintah dalam upaya penanggulangan bencana di Sumatera Selatan.
IMPLEMENTASI DEEP LEARNING UNTUK ANALISIS SENTIMEN PADA DATA X DALAM PREDIKSI TREN KOREAN STYLE Siska Lestari; Hermanto; Dian Hafidh Zulfikar
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.6137

Abstract

This study implements a deep learning model based on Convolutional Neural Network (CNN) for sentiment analysis of Indonesian-language tweets related to the Korean Style trend. A dataset of 7,187 tweets was collected via web crawling using keywords such as “Korean Style”, “K-pop”, and “Korean fashion”. The preprocessing pipeline included case folding, removal of special characters and emojis, stopword elimination, tokenization, and lemmatization. Word2Vec and FastText embeddings were employed for text representation. The CNN model classified tweets into three sentiment categories: positive, negative, and neutral. Evaluation metrics included accuracy, precision, recall, F1-score, and confusion matrix. Results showed 71.26% validation accuracy with the highest F1-score of 0.81 for the neutral class, while negative sentiment classification remained weak due to class imbalance. Word2Vec outperformed FastText in stability. This research contributes to sentiment analysis in Indonesian social media using deep learning and provides insights into public opinion on Korean cultural trends
Analisis Kepuasan Pengguna Sistem Keagenan PERISAI Menggunakan End User Computing Satisfaction (Studi Kasus: BPJS Ketenagakerjaan Kantor Cabang Palembang) Masdalia Julya Pranita; Dian Hafidh Zulfikar; Catur Eri Gunawan
JUSIFO : Jurnal Sistem Informasi Vol 5 No 2 (2019): December
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Islam Negeri Raden Fatah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19109/jusifo.v5i2.5191

Abstract

Penelitian ini ditujukan untuk mengetahui kepuasan pengguna Sistem Keagenan Perisai BPJS Ketenagakerjaan Kantor Cabang Palembang. BPJS Ketenagakerjaan meluncurkan Penggerak Jaminan Sosial Indonesia (PERISAI) yang merupakan sebuah inovasi dari BPJS Ketenagakerjaan untuk memperluas cakupan kepesertaan dan perlindungan jaminan sosial ketenagakerjaan melalui sistem keagenan untuk mengakuisisi pekerja informal atau Bukan Penerima Upah (BPU) dan Usaha Mikro Kecil Menengah (UMKM). Dan dalam penelitian ini digunakan Model End User Computing Satisfaction, dimana dalam mengukur Sistem Keagenan Perisai BPJS Ketenagakerjaan Kantor Cabang Palembang Model End User Computing Satisfaction terdiri dari 5 faktor yaitu Isi (Content), Akurasi (Accuracy), Bentuk (Format), Kemudahan Pengguna (Ease to Use), dan Ketepatan Waktu (Timeliness) sebagai variabel independen dan kepuasan sebagai variabel dependen. Data yang dikumpulkan dengan menggunakan kuesioner yang disebarkan, Hasil dari penelitian ini adalah tingkat kepuasan pengguna sistem keagenan perisai sebesar 24,5% merasa sangat setuju, 58,0% merasa setuju, 14,0% merasa cukup, 3,5% merasa tidak setuju, dan 0,1% merasa sangat tidak setuju. Dari hasil penelitian ini dapat dijadikan sebagai masukan atau rekomendasi kepada pihak pengelola Sistem Keagenan Perisai BPJS Ketenagakerjaan Kantor Cabang Palembang dalam memperbaiki dan meningkatkan kepuasan pengguna.
Analisis Kualitas Sistem Informasi Data Pemilih (SIDALIH) Menggunakan Model McCall Perni Bunga Lestari; Dian Hafidh Zulfikar; Catur Eri Gunawan
JUSIFO : Jurnal Sistem Informasi Vol 6 No 1 (2020): June
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Islam Negeri Raden Fatah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19109/jusifo.v6i1.5526

Abstract

Penelitian ini dilakukan untuk menganalisis kualitas dari Sistem Informasi Data Pemilih (SIDALIH). SIDALIH merupakan alat bantu penyusunan data pemilih yang terhubung dengan internet yang ada di KPU. Dalam penelitian ini digunakan model McCall dimana dalam menganalisis kualitas SIDALIH didasarkan dari 5 faktor yang ada di product operation yaitu correctness, reliability, efficiency, integrity, usability. Tujuan dari penelitian ini yaitu untuk mengetahui tingkat kualitas dari SIDALIH menggunakan metode McCall berdasarkan aspek product operation. Hasil dari penelitian ini berupa hasil presentase dari penyebaran kuesioner yang dapat menjadi masukkan atau rekomendasi dalam memperbaiki dan meningkatkan kualitas sistemnya. Setelah dilakukan penyebaran kuesioner serta perhitungan menggunakan model McCall setiap variabel maka didapat total nilai kualitas dari SIDALIH yaitu sebesar 69% yang termasuk dalam kategori baik. Untuk faktor Usability menjadi kategori terendah dengan nilai persentase sebesar 75,3%, sedangkan faktor Reliability menjadi faktor dengan kategori tertinggi dengan persentase sebesar 94,6%.
Quality Factor terhadap Kapasitas Pesan Rahasia pada Steganografi Citra JPEG dan Kualitas Citra Stego Dian Hafidh Zulfikar
JUSIFO : Jurnal Sistem Informasi Vol 6 No 2 (2020): December
Publisher : Program Studi Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Islam Negeri Raden Fatah Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19109/jusifo.v6i2.6608

Abstract

One of the container media that is available and popular is the Joint Photographic Experts Group (JPEG) format image. This article aims to determine the effect of Quality Factor on the secret message capacity of JPEG image steganography and stego image quality. The quality of an image can actually be seen subjectively with the human eye, but this is relative between each individual. Because the assessment of the human eye varies from person to person. In addition, the effect of Quality Factor on secret message capacity is not yet known whether it has an impact. Therefore, in this study the Quality Factor is used to objectively see the secret message capacity of the JPEG image steganography and the quality of the stego image. The parameter used to determine the quality of an image is the Peak Signal to Noise Ratio (PSNR). PSNR will compare the quality of the original image (before steganography) with the stego image. The test results show that the Q Factor effect can affect the secret message capacity of the JPEG image steganography and the stego image quality. The bigger the Q Factor, the more the message capacity is generated. The greater the Q factor, the better the quality of the resulting stego image.