Article Per Year (5 Year)
p-Index From 2021 - 2026
7.042
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer International Journal of Advances in Intelligent Informatics RABIT: Jurnal Teknologi dan Sistem Informasi Univrab International Journal of Computing and Informatics (IJCANDI) Jurnal Pengabdian Pada Masyarakat ILKOM Jurnal Ilmiah Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar Jurnal Informasi dan Teknologi Indonesian Journal of Electrical Engineering and Computer Science G-Tech : Jurnal Teknologi Terapan Jurnal Abdidas Indonesian Journal of Data and Science Jurnal Teknik Informatika (JUTIF) Jurnal Minfo Polgan (JMP) Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat JURNAL SIPISSANGNGI: Jurnal Pengabdian Kepada Masyarakat Bulletin of Social Informatics Theory and Application The Indonesian Journal of Computer Science Engineering: Journal of Mechatronics and Education Prosiding SeNTIK STI&K JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Linier: Literatur Informatika dan Komputer
Siska Anraeni
Teknik Informatika, Universitas Muslim Indonesia, Makassar, Indonesia
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 51 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 51 Documents
Search

 2   3   4   5   6 
Application Of The Least Square Method For Website Based Shrimp Sales Prediction Muhsina, Muhsina; Siska Anraeni; Muhammad Arfah Asis
Engineering: Journal of Mechatronics and Education Vol. 1 No. 1 (2024): Engineering: Journal of Mechatronics and Education
Publisher : Yayasan Insan Mulia Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59923/mechatronics.v1i1.18

Abstract

UD Arif is a company engaged in the business of buying and selling shrimp, this company is located on Jalan Soreang No.127 Pitue, Desa Pitue, Kec. Ma'rang, Kab.Pangkep. The problem that is often experienced at UD Arif is the amount of shrimp availability that does not match customer demand because shrimp quickly deteriorate and sales fluctuate due to market demand, such as the size of the shrimp that must be stocked, the quality of the shrimp, and too much stock on the market resulting in Shrimp sales decline Therefore the aim of this study is to produce an application that can make UD Arif's youth easier in predicting shrimp sales. So the method used in this study is the least squares method, which is a method that can handle data that experiences ups and downs, where it is influenced by seasons and trends. The result of this research is to produce a website that can predict shrimp sales. These results are known by means of correlation, namely looking for a relationship between the original data and the predicted data calculated using Excel. From this correlation method, it is known that with 12 months of test data, it is possible to have a vannamei shrimp test with a MAPE result of 3.7%.
ANALISIS REKAMAN VIDEO CCTV DENGAN TEKNIK ENHANCEMENT MENGGUNAKAN METODE NATIONAL INSTITUTE OF JUSTICE (NIJ) Erick Irawadi Alwi; Siska Anraeni
Elkom: Jurnal Elektronika dan Komputer Vol. 17 No. 1 (2024): Juli : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v17i1.1563

Abstract

Crime and criminality are increasing by utilizing electronic and digital devices, such as CCTV (closed circuit television) security devices, smartphones, and other electronic devices that have video features, record and store perpetrator data. CCTV recording files are sometimes unclear, so video forensic software is needed to clarify the object so that it can be used as evidence in court. The method used in this research is the National Institute of Justice (NIJ) method and enhancement techniques to clarify the image frame objects of CCTV video recordings using Amped Five forensic image and video tools. The results of the analysis of the evidence concluded that they had succeeded in identifying the vehicle number plate of the alleged perpetrator by carrying out an enhancement process (improving the quality) of the image object. The enhancement process is carried out by utilizing the optical debluring feature of the amped five forensic video software, in settings by increasing the size from 1 to 2 and increasing the noise value from 0.0100 to 0.6310 so it looks clearer than before.
Perbandingan Kinerja Word Embedding dalam Analisis Sentimen Ulasan Pengguna Aplikasi Perjalanan Pahendra, Muhammad Agung Maugi; Anraeni, Siska; Ilmawan, Lutfi Budi
Jurnal Teknik Informatika dan Sistem Informasi Vol 11 No 1 (2025): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v11i1.9681

Abstract

Traveloka, as one of the leading travel booking platforms, has achieved more than 50 million downloads on Google Play Store. This achievement shows the high interest and trust of users in the services offered. However, user reviews indicate that there are some issues with the app's performance and stability that need to be taken into account. This research compares the performance of the Word2Vec and ELMo word embedding methods using the BiLSTM model in sentiment analysis of Traveloka application reviews. The research results show that the BiLSTM model with Word2Vec has an accuracy of 76.13%, precision 75.22%, and F1-measure 76.58%, better than the model with ELMo which has an accuracy of 74.38%, precision 70.49%, and F1-measure 74.40%. The BiLSTM model with Word2Vec is more effective in sentiment analysis of Traveloka reviews, helping identify and address user issues to improve service quality and user satisfaction.
Receipt Scanning with EasyOCR and ChatGPT-4o in a Mobile Finance App: an Agile Kanban Approach M. Fiqry Septiawan; Siska Anraeni; Ramdaniah Ramdaniah
G-Tech: Jurnal Teknologi Terapan Vol 9 No 4 (2025): G-Tech, Vol. 9 No. 4 October 2025
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/g-tech.v9i4.7822

Abstract

Technological advancements have provided convenience for Generation Z in managing finances; however, many are still not accustomed to recording their financial activities regularly. Shopping receipts, which should serve as proof of transactions, are often ignored or poorly managed, despite their important role in tracking expenses. Therefore, this research aims to develop an Android-based financial recording application capable of handling both manual input and automated recording through receipt scanning using Optical Character Recognition (OCR) technology. The findings indicate that ChatGPT-4o significantly outperforms EasyOCR by providing more consistent accuracy and faster, stable processing, making it a more reliable solution for receipt-based financial recording. Developed using the Agile Kanban method, the application was validated through alpha testing and proven to function properly across all features. Beyond practical benefits for users, this research also contributes to the financial technology literature by demonstrating the integration of large language models (LLM) to enhance OCR performance in mobile finance applications.
Implementasi Fitur Vector Bag Of Word Dan TF IDF untuk Analisis Sentiment Muhammad Salman Al Markas; Siska Anraeni; Lutfi Budiman Ilmuwan
LINIER: Literatur Informatika dan Komputer Vol 2, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i2.3104

Abstract

Penggunaan internet dengan media sosial mempengaruhi masyarakat terhadap kegiatan yang dilakukan saat ini. Salah satu media sosial yang sekarang ini sedang populer digunakan oleh masyarakat adalah X. Informasi yang disebarkan dapat merupakan berita, opini, komentar, serta kritikan. Data yang didapat dari tweet ini dapat menjelaskan tanggapan masyarakat terhadap pelayanan pajak dari X. Maka dari itu penelitian ini sangat efisien jika X menjadi media untuk pengambilan data mengenai komentar Masyarakat sehingga dapat memberikan efektivitas perubahan yang diberikan kepada instansi pemerintah. Analisis sentimen menjadi proses yang sangat penting dalam memahami isi data dengan tujuan mengolah komentar yang diberikan oleh pengguna melalui tweet di X mengenai sebuah produk, layanan, dan instansi. Karya ilmiah ini bertujuan untuk membandingkan fitur Vector Bag Of Word dan TF IDF untuk mengevaluasi seberapa penting suatu term dalam sebuah dokumen pada dokumen yang lebih besar. Seperti diketahui bahwa komputer hanya mampu memproses input yang numerik sehingga data opini public berupa teks perlu direpresentasikan sebagai nilai numerik yang dikenal dengan ekstraksi fitur dan dapat dilakukan menggunakan model Binary Bag of Words (BOW), Count BOW dan Term Frequency-Inverse Document Frequency (TF-IDF) dikarenakan kedua teknik tersebut sangat berperan baik dan sama-sama digunakan untuk merepresentasikan numerik dari data teks serta memiliki kekurangan dan kelebihan masing masing. Berdasarkan hasil analisis maka dapat disimpulkan dengan menganalisis statement dengan menggunakan Bag Of Word dan TF-IDF dapat mengetahui jumlah tiap kemunculan kata di setiap kalimat dan dari hasil yang didapatkan bahwa kata yang sering diucapkan dalam sentimen yaitu dengan bobot nilai TF-IDF sebesar 0.1403.
Analisis Perbandingan Metadata Bukti Digital Gambar Dengan Menggunakan Tools Metadata++ Hidzrullah Ash Syuhrawardi; Siska Anraeni; Erick Irawadi Alwi
LINIER: Literatur Informatika dan Komputer Vol 2, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i1.2782

Abstract

Teknologi informasi yang berkembang pesat mempengaruhi perkembangan masyarakat Indonesia. Terutama melalui penggunaan platform media sosial sebagai sumber informasi tercepat. Tercatat media sosial whatsapp, instagram dan facebook menjadi tiga media sosial yang paling banyak digunakan di Indonesia pada januari tahun 2024. Selain sebagai sumber informasi tercepat, penggunaan platform media sosial juga seringkali disalahgunakan sebagai media tindak kejahatan berupa penyebaran berita bohong atau berita sensitif. Dalam mengungkap pelaku penyebaran berita bohong atau berita yang sensitif ini, dilakukan eksplorasi dan perbandingan terhadap metadata antara foto asli dan setelah diunggah ke media sosial. Dengan menggunakan tools offline yaitu tools Metadata++ sebagai tools digital forensik. Setelah dilakukan pemeriksaan dan perbandingan metadata foto, terungkap bahwa mengunggah foto ke platform media sosial mengakibatkan beberapa informasi dalam metadata mengalami perubahan. Hal ini menunjukkan adanya perubahan pada metadata foto asli dan setelah diunggah ke platform media sosial. Perbedaan ini dapat dijadikan sebagai salah satu acuan dalam mengungkap pelaku pengirim awal foto yang tidak benar atau foto sensitif tersebut dengan menelusuri metadata foto asli dan setelah terunggah ke platform media sosial
Analisis Sentimen Komentar Konten Kreator Gaming Menggunakan Metode Naive Bayes dan KNN M. Dimas Taufiqurahman; Siska Anraeni; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 1, No 4 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i4.2531

Abstract

Perkembangan teknologi telah membawa banyak pergeseran termasuk dalam transformasi media konvensional seperti radio dan televisi menjadi media online. Salah satu platform yang mengalami peningkatan signifikan adalah YouTube yang kini menjadi pilihan utama hiburan, terutama bagi anak-anak dan orang dewasa. YouTube, didirikan pada Februari 2005, memiliki 2.56 miliar pengguna per Januari 2022 dan memuat berbagai konten, termasuk video klip film, acara TV, dan video buatan pengguna. Di Indonesia, konten tutorial game menjadi salah satu yang paling sering ditonton, mencapai 7.1% dari total 19 jenis konten populer berdasarkan survei dari Asosiasi Penyelenggara Jasa Internet Indonesia (APJII). Penelitian ini bertujuan untuk mengekstrak data opini dan menganalisis sentimen netizen terhadap konten gaming di YouTube menggunakan pendekatan Naive Bayes dan KNN. Berdasarkan hasil klasifikasi kedua metode Naïve Bayes KNN didapatkan hasil akurasi 96% untuk metode Naïve Bayes dan akurasi 87% untuk metode KNN sehingga dapat disimpulkan bahwa metode Naïve Bayes memiliki akurasi yang lebih tinggi
Analisis Sentimen Tweet Netizen Terhadap Timnas Sepak Bola Indonesia di Era Shin Tae-Yong Menggunakan Algoritma Support Vector Machine (SVM) Muhammad Rifqi Fauzan; Siska Anraeni; Lutfi Budiman Ilmuwan
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3144

Abstract

Era kepelatihan Shin Tae-Yong menjadi momen penting bagi sepak bola Indonesia. Performa Timnas Indonesia di bawah asuhan Shin Tae-Yong menuai beragam respons di media sosial X. Penelitian ini bertujuan untuk menganalisis sentimen netizen terhadap timnas Indonesia di era Shin Tae-Yong dengan menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan dalam penelitian ini terdiri dari 398 tweet yang dikumpulkan dari platform media sosial X, namun setelah prosedur preprocessing, jumlah tersebut berkurang menjadi 391 tweet yang merepresentasikan opini dan pandangan netizen tentang timnas Indonesia di era Shin Tae-Yong. Dari data yang dianalisis, 200 data (51,15%) menunjukkan sentimen positif terhadap timnas Indonesia di era Shin Tae-Yong, sementara 191 data (48,85%) menunjukkan sentimen negatif. Proses pengumpulan data melibatkan pemilihan tweet yang relevan dengan menggunakan keyword terkait timnas Indonesia di era Shin Tae Yong, diikuti dengan tahap preprocessing untuk membersihkan data. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score setiap algoritma dalam mengklasifikasikan sentimen tweet sebagai positif atau negatif. Penerapan metode SVM dalam analisa sentimen tentang timnas Indonesia di era Shin Tae-Yong berhasil mencapai tingkat accuracy sebesar 63,29%, precision sebesar 65%, recall sebesar 65% dan F1-Score sebesar 63%. Hasil penelitian menunjukkan bahwa algoritma SVM secara signifikan relatif baik dalam mengenali dan mengklasifikasikan sentimen terkait timnas Indonesia di era Shin Tae-Yong. Penelitian ini dapat memberikan wawasan penting mengenai pemilihan algoritma machine learning yang optimal untuk analisis sentimen dan dapat membantu peneliti dalam memilih metode yang tepat untuk analisis sentimen di berbagai topik
Support Vector Machine untuk Analisis Sentimen Masyarakat Terhadap Penggunaan Antibiotik di Indonesia Darwis, Herdianti; Wanaspati, Nugraha; Anraeni, Siska
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3320

Abstract

Peningkatan penggunaan antibiotik secara global termasuk di Indonesia, seringkali irasional dan tanpa resep berpotensi menyebabkan resistensi bakteri. Analisis sentimen data Twitter menggunakan query "antibiotik" dapat membantu mengungkap opini publik. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dengan kernel linear, RBF, dan polynomial, menggabungkan berbagai metode seperti pelabelan dengan RoBERTa, pelatihan dengan 5 cross validation, dan tokenizing bigram. Tiga skenario digunakan dalam penelitian ini dan yang menghasilkan nilai akurasi tertinggi yaitu skenario ketiga yang menggunakan slangword dari ramaprakoso dan stopword dari sastrawi sebagai refrensi library untuk filtering, nilai setiap kernel: akurasi 99,88%, presisi 99,88%, recall 99,88%, dan f1 score 99,88%. Metode SMOTE juga mempengaruhi hasil ini. Dari hasil pengujian, dapat disimpulkan bahwa SVM efektif untuk analisis sentimen.
Evaluation of Multi-Class Classification Performance Lung Cancer Through K-NN and SVM Approach Saputra Troy, Muh. Indra Endriartono; Jabir, Sitti Rahmah; Anraeni, Siska
ILKOM Jurnal Ilmiah Vol 17, No 1 (2025)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v17i1.2464.27-33

Abstract

Lung cancer is one of the deadliest diseases in the world with a mortality rate of 25% of all cancer-related deaths in 2021. Lung cancer is a lung disease caused by genetic changes in respiratory epithelial cells, resulting in uncontrolled cell proliferation. In an effort to improve diagnosis and treatment, this study proposes an approach for multiclass performance evaluation using K-Nearest Neighbors (KNN) and Support Vector Machine (SVM) algorithms based on 2024 data. in this study KNN is implemented conventionally while SVM applies 2 kernel processes, namely Linear and Polynominal. The data used is 1000 rows and uses 24 variables with a ratio of 70% training data and 30% testing data, the data in this study includes important information such as medical history, diagnostic test results, and clinical characteristics of patients. this study aims to determine which algorithm has the best performance by looking at the final results based on accuracy in identifying lung cancer data. Based on the research and discussion of SVM and KNN performance evaluation, the SVM algorithm produces an accuracy of 98.28%, surpassing the accuracy of the KNN algorithm of 97.25%. Therefore, the results show that the SVM algorithm is superior to the KNN algorithm. The KNN and SVM methods were implemented for multi-class classification of lung cancer, allowing identification of various subtypes of lung cancer with optimal accuracy.
Co-Authors Aditya Ramadan Ainul Yaqin Anjasani Aisyah Aisyah Alfian Putra Ramadhan Andi Alfian Pratama Putra Andi Cici Amalia Andi Nurul Dzulhijjah Anugerah Imada Erick Irawadi Alwi, Erick Irawadi Erika Riski Melani Fadhylah Nur Rezkyqah Fitriani Hasbullah Fitriyani Umar Furqaan Ismail Gaffar, Andi Widya Mufila Halim, Andi Ainun Dzariah Harlinda Lahuddin Hasnita Hasnita Hendrial Hendrial Herdiansya Herdiansya Herdianti Herdianti Herman Herman Herman Hidzrullah Ash Syuhrawardi Hilma Aszahrah Ihwana As’ad Indrabayu Indrabayu Ingrid Nurtanio Iqbal, Iwi Kurnia Irawati Irawati jabir, sitti rahmah Januaril Aditya Samudra Kurniati, Nia La Ode Abdurrahman Wahid Pattawari Lokapitasari Belluano, Poetri Lestari Lutfi Budi Ilmawan, Lutfi Budi Lutfi Budiman Ilmuwan M. Dimas Taufiqurahman M. Fiqry Septiawan Manga, Abdul Rachman Mardiyyah Hasnawi Melani, Erika Riski Mubarak, Syahrul Muh Dasriyanto Saleh Muh. Aliyazid Mude Muh. Askan Tri Anugrah Sumaja Muhammad Arfah Asis Muhammad Fadhiel Muhammad Rifqi Fauzan Muhammad Salman Al Markas Muhammad Shabran Muhsina Muhsina, Muhsina Muliyadi B Mursyid Mursyid Mustari, Muhid Nabila Vita Dewi Nia Kurniati Nugraha Wanaspati Nur Amanah Nur Hikmah Amir Nursafi'at Nursafi'at Nurul Hakim Nurwijayanti Pahendra, Muhammad Agung Maugi Pomalingo, Suwito Ramdan Satra Ramdaniah Ramdaniah Ramdaniah Ramdaniah Rifqatul Mukarramah Rina Junita Basri Saputra Troy, Muh. Indra Endriartono St. Hajrah Mansyur Sugiarti Sugiarti Sugiarti, Sugiarti Syafie, Lukman Syahrul Mubarak Abdullah Takdir Zulhaq Dessiaming Tasrif Hasanuddin Tazkirah Amaliah Wanaspati, Nugraha Wandi Anggara Yudha Nugraha Syailendra Yusrina Mukhlis