Article Per Year (5 Year)
p-Index From 2021 - 2026
6.708
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer International Journal of Advances in Intelligent Informatics International Journal of Computing and Informatics (IJCANDI) Jurnal Pengabdian Pada Masyarakat Jurnal Sisfokom (Sistem Informasi dan Komputer) 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) Journal La Multiapp 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
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 : 50 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 50 Documents
Search

 1   2   3   4   5 
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
Perancangan Aplikasi Pengaduan dan Layanan Masyarakat Kabupaten Luwu Utara Berbasis Mobile Hendrial, Hendrial; Anraeni, Siska; Asis, Muhammad Arfah
LINIER: Literatur Informatika dan Komputer Vol 1, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i1.2483

Abstract

Di Kabupaten Luwu Utara kualitas pelayanan masyarakat masih dapat dikatakan rendah dengan proses yang masih konvensional yaitu menggunakan kertas, selain itu masyarakat diharuskan untuk datang ke kantor dan disampaikan secara langsung kepada unit pelayanan masyarakat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi berbasis mobile yang memfasilitasi proses pengaduan dan layanan masyarakat di Kabupaten Luwu Utara. Aplikasi ini dirancang untuk mempermudah akses masyarakat dalam melaporkan permasalahan, memberikan saran, atau menerima layanan masyarakat melalui perangkat seluler. Metode pengembangan sistem menggunakan metode waterfall, yang melibatkan analisis kebutuhan pengguna, desain antarmuka pengguna, dan pengujian berkelanjutan. Aplikasi ini menyediakan fitur pengaduan berbasis teks dan gambar, memungkinkan pengguna untuk menyampaikan informasi lebih jelas dan efektif. Selain itu, aplikasi juga memberikan pembaruan status pengaduan kepada pengguna, meningkatkan transparansi dan i teraksi antara masyarakat dan pihak yang berwenang. Dengan mengintegrasikan teknologi mobile, penelitian ini diharapkan dapat meningkatkan efisiensi dan responsifitas pelayanan publik di Kabupaten Luwu Utara, serta memberikan kontribusi pada pengembangan sistem pengaduan dan layanan masyarakat di tingkat lokal. Permasalahan yang dilaporkan melalui aplikasi dapat diterima oleh admin unit pelayanan masyarakat secara langsung sehingga dapat dengan cepat ditindak lanjuti dan diteruskan kepada pihak yang terkait. Hal itu juga secara langsung dapat mempercepat penyelesaian asalah yang terjadi di masyarakat khususnya masyarakat Luwu Utara
Pendeteksi Hama pada Tanaman Padi Menggunakan Metode Fuzzy Tsukamoto Anggara, Wandi; Anraeni, Siska; Sugiarti, Sugiarti
LINIER: Literatur Informatika dan Komputer Vol 1, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i1.2485

Abstract

Perubahan teknologi saat ini berkembang sangat pesat disetiap tahunnya. Dengan adanya teknologi informasimenjadikan manusia dapat dengan mudah untuk menggali informasi melalui dunia internet. Pertanianmemegang peran kunci dalam perekonomian Indonesia di salah satu komoditas utama yaitu tanamanpadi,menjadi makanan pokok bagi sebagian besar penduduk Indonesia. Meskipun produksi padi melimpah tetapipara petani sering menghadapi ancaman serus dari hama pada tanaman padi yang dapat menyebabkan kerugiansignifikan. Deteksi hama merupakan proses analisa hama yang akan diamati. Sedangkan hama tanaman paditersebut diantaranya wereng coklat, penggerek batang, wereng hijau, belalang sangit, kepinding tanah, ulatgrayak. Petani dapat mengidentifikasi jenis hama dan gejala dengan lebih akurat, yang pada gilirannyamemungkinkan petani untuk mengambil tindakan yang sesuai dan efisien untuk melindungi tanaman padimereka. Sehingga peneliti mengusulkan metode Fuzzy Tsukamoto dalam pendeteksi hama pada tanaman padi.Penelitian ini menerapkan metode Fuzzy Tsukamoto untuk mendeteksi hama pada tanaman padidenganterdapat 19 jenis hama dan 78 jenis gejala yang terpadat pada tanaman padi. Pendeteksi hama inidiharapkam dapat membantu petani padi. Hal ini meliputi serangan burung, serangan serangga, gangguan cuaca,penyakit tanaman, dan masalah lainnya. Hasil penelitian menunjukkan bahwa sistem ini mencapai tingkatakurasi sebesar 90%, memberikan kemampuan kepada petani untuk mengidentifikasi dan mengatasi hamaburung dengan lebih efisien
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.
Ripeness identification of chayote fruits using HSI and LBP feature extraction with KNN classification Anraeni, Siska; Melani, Erika Riski; Herman, Herman
ILKOM Jurnal Ilmiah Vol 14, No 2 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i2.1153.150-159

Abstract

This study aims to build a system to identify the ripeness level of chayote that can be done easily and without damaging the quality of the chayote. This study employs digital image processing technology using Hue Saturation Intensity color feature extraction and texture feature extraction of Local Binary Pattern with K-Nearest Neighbor classification so that the process of identifying the ripeness level of chayote will be easier and more effective. This study uses 100 image datasets and is carried out by taking photos of chayote. The stages in this study include the input of chayote images followed by the image pre-processing stage. Next is feature extraction which is divided into three scenarios, namely HSI feature extraction, LBP feature extraction and a combination of the two feature extractions. The final stage is to classify objects that are closest to the object being tested using the KNN method. By determining the value of K in the KNN classification method, the results show that the use of the Chebyshev distance calculation model in LBP feature extraction with K = 5 is a test that has the best accuracy of 90%.
Implementation of a Mamdani Fuzzy Inference System for Assessing Students’ Stress Levels in Final Project Completion (A Case Study of the Informatics Engineering Study Program at UMI) Asaf, Ririn Melani; Mansyur, St. Hajrah; Anraeni, Siska
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 15 No. 02 (2026): MAY
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v15i02.2594

Abstract

Academic stress among Informatics Engineering students at Universitas Muslim Indonesia during final project preparation can negatively affect academic performance and mental well being. This study aims to apply the Mamdani Fuzzy method to support the measurement of student stress levels by processing uncertain information through fuzzy sets, rule-based inference, fuzzification, aggregation, and defuzzification. The proposed approach is used to identify student stress levels, classified into Low, Medium, or High, based on several academic variables, including research topic selection, references, time management, consultation with supervisors, data processing, and technical constraints. System testing indicates that the MATLAB implementation produces an output value of 1.66, while manual calculation results in 1.6344, showing a small difference of 0.03. Both results classify the stress level as Low, suggesting that the Mamdani fuzzy approach yields consistent outcomes and demonstrates potential as a supportive tool for assessing academic stress.
Perancangan Sistem Manajemen Tugas Berbasis Web Dengan Fitur Gamifikasi Anugrah Sumaja, Muh. Askan Tri; Anraeni, siska; Asis, Muhammad Arfah
LINIER: Literatur Informatika dan Komputer Vol 3, No 1 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i1.3493

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan sistem berbasis web untuk meningkatkan efektivitas dalam pengelolaan tugas, baik di lingkungan kerja maupun akademik. Permasalahan umum dalam manajemen tugas meliputi kurangnya struktur, keterlambatan penyelesaian, dan rendahnya motivasi pengguna. Penelitian ini bertujuan untuk merancang Sistem Manajemen Tugas Berbasis Web dengan fitur gamifikasi untuk mendukung penugasan dan pemantauan progres secara terintegrasi. Metode yang digunakan dalam penelitan ini adalah System Development Life Cycle (SDLC) dengan model Waterfall yang terdiri dari beberapa tahapan, yaitu analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dirancang dengan menggunakan pemodelan Unified Modeling Language (UML) serta didukung oleh basis data yang mengakomodasikan fitur pengelolaan tugas dan mekanisme gamifikasi seperti poin, level, badge, bonus ketepatan waktu, serta pengukuran konsistensi harian (streak). Hasil perancangan menunjukkan bahwa system bisa membantu pengelolaan tugas secara digital dan menampilkan progress pengguna secara lebih terstruktur melalui penerapan Gamifikasi. Dengan adanya mekanisme evaluasi berdasarkan prioritas tugas, ketepatan waktu, dan konsistensi penyelesaian, rancangan sistem diharapkan dapat mendukung peningkatan motivasi dan kesiplinan pengguna dalam menyelesaikan tugas
A comprehensive comparative analysis of chicken meat classification techniques through machine learning models Siska Anraeni; Harlinda Lahuddin; Ramdaniah Ramdaniah; Erika Riski Melani; Andi Cici Amalia; Tazkirah Amaliah
International Journal of Advances in Intelligent Informatics Vol 12, No 1 (2026): February 2026
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v12i1.2014

Abstract

This study develops a digital image processing technique to distinguish between fresh and rotten chicken. Chicken freshness has a significant impact on public health and industry sustainability. This study uses a multi-stage approach including data acquisition, preprocessing, feature extraction, and classification. A total of 1,000 chicken images were obtained, consisting of 800 images for training and 200 images for testing, with a proportion of 80:20. Feature extraction was performed using a combination of the HSI (Hue, Saturation, Intensity) color model to capture the color characteristics of chicken and the Local Binary Pattern (LBP) to extract texture information. Classification was performed using the K-Nearest Neighbor (KNN) algorithm with various K values and distance metrics. The experimental results show that the combination of color and texture features provides higher accuracy than using either feature alone. The best model using HSI and LBP feature extraction with K = 1 and K = 3 in the Euclidean distance metric achieved the highest accuracy of 95.4%. With a promising level of accuracy, this method can be applied in automated inspections in the poultry supply chain, improving food safety and helping consumers make better purchasing decisions. However, the main challenge in this study is the variation in lighting during image capture, which causes the fresh and rotten chicken feature values to overlap, thus hindering perfect classification.
Co-Authors Ainul Yaqin Anjasani Aisyah Aisyah Alfian Putra Ramadhan Andi Alfian Pratama Putra Andi Cici Amalia Andi Nurul Dzulhijjah Anggara, Wandi Anugrah Sumaja, Muh. Askan Tri Asaf, Ririn Melani Darwis, Herdianti Dewi, Nabila Vita Erick Irawadi Alwi Erick Irawadi Alwi 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 Darwis Herdianti Darwis Herdianti Herdianti Herman Herman Herman Hidzrullah Ash Syuhrawardi Hilma Aszahrah Huda, Besse Nurul Ihwana As’ad Imada, Anugerah Indrabayu Indrabayu Ingrid Nurtanio Iqbal, Iwi Kurnia Irawati Irawati jabir, sitti rahmah Januaril Aditya Samudra 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 Mansyur, St. Hajrah Mardiyyah Hasnawi Melani, Erika Riski Mubarak, Syahrul Muh Dasriyanto Saleh Muh. Aliyazid Mude Muhammad Arfah Asis Muhammad Fadhiel Muhammad Rifqi Fauzan Muhammad Salman Al Markas Muhsina Muhsina, Muhsina Muliyadi B Mursyid Mursyid Mustari, Muhid Nia Kurniati Nia Kurniati Nugraha Wanaspati Nur Amanah Nur Hikmah Amir Nursafi'at Nursafi'at 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 Veithzal Rivai Zainal Wanaspati, Nugraha Yudha Nugraha Syailendra Yusrina Mukhlis