Article Per Year (5 Year)
p-Index From 2020 - 2025
1.879
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics ILKOM Jurnal Ilmiah JURNAL MASYARAKAT NEGERI ROKANIA Buletin Sistem Informasi dan Teknologi Islam Journal of Technology Research in Information System and Engineering KOPEMAS JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Lutfi Budi Ilmawan
Universitas Muslim Indonesia
Computer Science & IT Electrical & Electronics Engineering Environmental Science Languange, Linguistic, Communication & Media Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Analisis Sentimen terhadap Komentar Negatif di Media Sosial Facebook dengan Metode Klasifikasi Naïve Bayes Zaenal Zaenal; Yulita Salim; Lutfi Budi Ilmawan
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 1, No 4 (2020)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v1i4.666

Abstract

Facebook merupakan sosial media di Indonesia dengan jumlah akun aktif tertinggi dan paling sering dikunjungi, Media sosial menjadi sarana yang sangat mudah dan bebas untuk beropini, juga memiliki banyak manfaat seperti menuangkan pemikiran dengan membuat status yang didapat dibaca oleh seluruh pengguna media sosial maupun berkomentar mengenai isu-isu terkini, namun dibalik itu semua muncul masalah baru yaitu komentar negatif, salah satunya adalah cyberbullying yang memiliki dampak mendalam dan tahan lama pada korban. Beberapa penelitian melaporkan bahwa korban cyberbullying cenderung mengalami masalah kesehatan mental yang lebih luas, penyalahgunaan narkoba dan ide bunuh diri. Tujuan penelitian ini adalah mengolah data komentar yang diambil dari media sosial Facebook menggunakan pre-processing data untuk menghilangkan kata atau karakter yang tidak dibutuhkan, membangun aplikasi prototype filter komentar untuk menyaring komentar negatif cyberbullying, dan menguji metode klasifikasi Nave Bayes. Data komentar yang digunakan yaitu 300 data training, dan 100 data testing. Setelah melakukan penelitian, didapatkan bahwa dengan menggunakan pre-processing data mampu menghilangkan karakter atau kata yang tidak dibutuhkan dari komentar, Aplikasi prototype filter komentar yang dibangun telah mampu menyaring komentar cyberbullying, dan hasil pengujian metode klasifikasi Nave Bayes menggunakan metode confusion matrix dengan jumlah 100 komentar data testing didapatkan akurasi sebesar 86%, presisi sebesar 84,6153841538461%, recall sebesar 88%, dan f1-score sebesar 86,27450980392156%.
Penerapan Algoritma Binary Search Pada Aplikasi Kamus Bahasa Wolio (Buton) Moh Zul Fitrah; Ramdan Satra; Lutfi Budi Ilmawan
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 2, No 4 (2021)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v2i4.998

Abstract

Indonesia merupakan negara kepulauan yang memiliki suku bangsa, budaya, dan bahasa yang beragam di mana setiap bahasa memiliki nilai sejarah dan budaya masing-masing. Salah satu bahasa daerah yang memiliki nilai sejarah serta budaya yang tinggi adalah bahasa Wolio. Bahasa Wolio termasuk salah satu kelompok bahasa yang terdapat di kerajaan Buton, sekarang pemerintahan kota Bau-Bau. Salah satu keunggulan bahasa Wolio dibandingkan kelompok bahasa lainnya di kerajaan Buton, bahwa bahasa Wolio memiliki sistem aksara sendiri yang diadopsi dari aksara Arab dan aksara Jawi. Namun penggunaan bahasa serta aksara Wolio telah mengalami penurunan penggunaan dalam bahasa komunikasi sehari-hari. Untuk itu, dari penjelasan diatas dianggap perlu adanya media atau sarana untuk menjaga dan melestarikan budaya tersebut. Binary search adalah algoritma pencarian yang menggunakan prinsip divide and conquer, sebuah masalah atau tujuan di selesaikan dengan cara mempartisi masala menjadi bagian yang lebih kecil. Tujuan penelitian ini yaitu membangun aplikasi interaktif kamus bahasa dan aksara Wolio berbasis android untuk membantu dan memudahkan proses belajar bahasa daerah serta aksara Wolio dengan menggunakan algoritma binary search sebagai metode pencarian kata dalam kamus bahasa Wolio. Hasil dari penelitian ini dengan menggunakan pengujian Black box testing dengan menggunakan 12 skenario berbeda adalah aplikasi ini dapat berjalan sesuai dengan fungsionalitas dan sesuai dengan yang diharapkan, dan aplikasi ini bebas dari kesalahan logika dikarenakan jumlah path sama dengan Cyclomatic Complexcity di pengujian Whitebox testing.
Analisa Perbandingan Metode Simple Additive Weighting dan Analytical Hierarchy Process Pada Sistem Pendukung Keputusan Peminatan Mahasiswa FIKOM UMI Irsal Ardah; Harlinda Harlinda; Lutfi Budi Ilmawan
Buletin Sistem Informasi dan Teknologi Islam Vol 2, No 2 (2021)
Publisher : Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (653.191 KB) | DOI: 10.33096/busiti.v2i2.810

Abstract

Peminatan mata kuliah pada sebuah perguruan tinggi adalah bentuk salah satu cara   untuk memperdalam mata kuliah yang dipilih. Dalam memilih peminatan mahasiswa sebelumnya harus mempelajari mata kuliah yang terkait dengan peminatan yang akan diambil. Setiap memasuki semester 5 mahasiswa Fakultas Ilmu Komputer UMI diwajibkan untuk memilih peminatan, cara mahasiswa memilih peminatan masih kurang efektif karena mereka masih berlandaskan pendapat orang lain tidak atas kemampuannya sendiri sehingga pada saat pendalaman materi akan terdapat kesulitan dalam proses belajar. Oleh karena itu penelitian ini bertujuan untuk menghasilkan sebuah sistem yang dapat memudahkan para Mahasiswa Fakultas Ilmu Komputer Universitas Muslim Indonesia dalam menentukan peminatan yang sesuai dengan minat mahasiswa. Sistem ini menampilkan hasil perbandingan perhitungan dari 2 metode berdasarkan nilai matakuliah yang telah ditetapkan. Terdapat 3 kriteria yaitu Rekayasa Perangkat Lunak, Jaringan Komputer dan Sistem Cerdas (AI) serta terdapat 9 subkriteria yang digunakan yaitu algoritma, Basisdata 1, Analisis Perancangan Sistem, Fisika, Komunikasi Data, Elektronika Dasar, Logika Informatika, Matematika dan Statistik . Metode yang digunakan untuk proses pengambilan keputusan pada penelitian ini adalah metode  Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) dan diperoleh hasil bahwa metode Analytical Hierarchy Process (AHP) lebih akurat. Hasil akhir dari penelitian ini adalah program aplikasi berbasis website yang dapat membantu mahasiswa dalam memilih sebuah peminatan pada Program Studi Teknik Informatika Universitas Muslim Indonesia.
Classification of good and damaged rice using convolutional neural network Dolly Indra; Hadyan Mardhi Fadlillah; Kasman Kasman; Lutfi Budi Ilmawan; Harlinda Lahuddin
Bulletin of Electrical Engineering and Informatics Vol 11, No 2: April 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v11i2.3385

Abstract

Rice production is massive in Indonesia, therefore maintaining the quality of the product is necessary. Detection and classification of objects have become a very important part in image processing. We performed object detection namely rice. After the object is found, it can be classified into two categories, namely good and damaged rice. We conducted a new study on rice which was carried out per group not per grain to obtain or classify good and damaged rice where we had carried out several steps, namely segmentation process using HSV (hue, saturation, value) color space. HSV is used because of its excellence in representing brightness of the image. We considered evaluating brightness because the tendency of damaged rice is darker or paler compared to good rice. To accomodate environment lighting ambiguity we perform the image acquisition in a controlled environment, so that all the images have the same light intensity. Here we use only channel V of HSV to be used in feature extraction using the gray-level co-occurrence matrix (GLCM) and finally convolutional neural network (CNN) is used for classification. From the test experiments that we have done, we have produced 83% prediction accuracy. Considering how similar the good rice is to the spoiled rice, the results are quite impressive.
Performance comparison of support vector machine (SVM) with linear kernel and polynomial kernel for multiclass sentiment analysis on twitter Rifqatul Mukarramah; Dedy Atmajaya; Lutfi Budi Ilmawan
ILKOM Jurnal Ilmiah Vol 13, No 2 (2021)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v13i2.851.168-174

Abstract

Sentiment analysis is a technique to extract information of one’s perception, called sentiment, on an issue or event. This study employs sentiment analysis to classify society’s response on covid-19 virus posted at twitter into 4 polars, namely happy, sad, angry, and scared. Classification technique used is support vector machine (SVM) method which compares the classification performance figure of 2 linear kernel functions, linear and polynomial. There were 400 tweet data used where each sentiment class consists of 100 data. Using the testing method of k-fold cross validation, the result shows the accuracy value of linear kernel function is 0.28 for unigram feature and 0.36 for trigram feature. These figures are lower compared to accuracy value of kernel polynomial with 0.34 and 0.48 for unigram and trigram feature respectively. On the other hand, testing method of confusion matrix suggests the highest performance is obtained by using kernel polynomial with accuracy value of 0.51, precision of 0.43, recall of 0.45, and f-measure of 0.51.
MEMBANGUN WEB CRAWLER BERBASIS WEB SERVICE UNTUK DATA CRAWLING PADA WEBSITE GOOGLE PLAY STORE Lutfi Budi Ilmawan
ILKOM Jurnal Ilmiah Vol 10, No 2 (2018)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v10i2.282.215-224

Abstract

At this time, Google Play Store is not providing API that can be used for accessing datas from applications on it’s application store. With that plenty application’s data, it could be used to make it a good research object, specially on data mining field. In this research, the system that is built is the system that can retrieve that applications’ data. For multiplatform’s purpose, web services are used for being an interface between client and server. Finally, the built system is working as expected. The system can retrive data from Google Play Store and it is suitable from requirements of data analysis stage. It can also integrated with REST web service to provide multiplatform access.
Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store Lutfi Budi Ilmawan; Muhammad Aliyazid Mude
ILKOM Jurnal Ilmiah Vol 12, No 2 (2020)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i2.597.154-161

Abstract

In this research, the performance of SVM classification method will be compared with other classification methods, by using the Naïve Bayes classification method. Naïve Bayes classification method is a light classification method and has a high accuracy if applied to the text classification according to some previous studies. The accuracy of the classifier is measured using the K-fold cross validation method whose results will be tabulated in a confusion matrix table, with a value of K = 3. In this study, the data processed are textual reviews of applications in the Indonesian language Google Play Store obtained from previous research. The test results obtained from the 3-fold cross-validation method produce that SVM Classifier has a higher value of accuracy when compared with the accuracy of the Naïve Bayes classifier, the SVM classifier gets an accuracy of 81.46% and Naïve Bayes classifier by 75.41%.
SISTEM PEMASARAN DIGITAL PENERAPAN E-BUSINESS SEBAGAI SISTEM PEMASARAN DIGITAL PRODUK KUNYIT GUNUNG SILANU SULAWESI SELATAN: PENERAPAN E-BUSINESS SEBAGAI SISTEM PEMASARAN DIGITAL PRODUK KUNYIT GUNUNG SILANU SULAWESI SELATAN St. Hajrah Mansyur; Dedy Atmajaya; Lutfi Budi Ilmawan
JURNAL MASYARAKAT NEGERI ROKANIA Vol 1 No 1 (2020): JURNAL MASYARAKAT NEGERI ROKANIA
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat STKIP Rokania

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

Abstract

Saat ini kelompok Tani Madani yang berlokasi di Desa Gunung Silanu Kecamatan Bangkala, Kabupaten Jeneponto menghasilkan beberapa produk alami hasil budidaya masyarakat. Salah satu produksi yang paling diminati adalah kunyit bubuk asli yang mengandung banyak manfaat yang dibutuhkan oleh manusia. Pada pemasaran produk kunyit gunung silanu masih bersifat konvensional karena masih menggunakan kebiasan umum yang lazim digunakan atau dengan istilah word of mouth, dimana pembeli mendatangi langsung penjual secara bertatap muka untuk mempromosikan barang daganganya atau pihak distributor mendatangi customer untuk menawarkan produk kunyit tersebut. Hal tersebut dianggap kurang maksimal dalam peningkatan penjualan karena hanya dipasarkan pada daerah sekitar saja, padahal produk kunyit gunung silanu sangat bagus didistribusikan di masyarakat luas, baik dari dalam atau luar provinsi di Indonesia. Sistem pemasaran online berbasis website merupakan salah satu penerapan teknologi informasi pemasaran digital yang efektif mempromosikan produk ke berbagai kalangan masyarakat yang terkoneksi dengan akses internet. Dimana dengan adanya penerapan e-business dapat memperlancar proses transaksi bisnis, dapat meningkatkan layanan kepada para customer diberbagai daerah sehingga meningkatkan kinerja dari operasional dari kelompok tani madani.
MODEL HIBRID UNTUK PENGONTROLAN LAMPU GEDUNG MENGGUNAKAN RASPBERRY Pi Lutfi Budi Ilmawan; Tasrif Hasanuddin
JTRISTE Vol 4 No 2 (2017)
Publisher : STMIK KHARISMA Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (325.188 KB)

Abstract

The building light control system that used is a control system that is integrated between control via the web technology and manual switches, the function of the manual switch here is similar to the pushbutton, it cannot be used for knowing switch status, whether its on or off. But we could know it by looking at the light if its turn on or turn off. When it is controlled via internet, status of the lights could be known by a light sensor that is connected around the lights, and its tells the light status also on the developed android application. The system that is used to develop this model, uses Raspberry Pi that connects directly to a manual switch. The results of this study it has the ability to synchronized remote control in the building area. If we are far from the location, this system will send in real time status of the lights whether its on or off, and the system will also notify the state on the developed android application.
APLIKASI PREDIKSI PERMINTAAN PERALATAN SARANG WALET MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING BERBASIS ANDROID Muhammad Fajrul; Ramdan Satra; Lutfi Budi Ilmawan
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 3, No 3 (2022)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v3i3.1348

Abstract

Meningkatnya kebutuhan alat walet seperti speaker, ampli, parfum, mesin kabut, insulasi atap, racun hama membuat pemilik toko kesulitan untuk memprediksi permintaan alat-alat walet yang akan digunakan untuk kebutuhan gedung walet, terdapat 2 barang dalam satu jenis barang sehingga terdapat 12 data penjualan pada tahun 2020 selama 12 bulan. Penelitian ini bertujuan untuk : memprediksi permintaan peralatan sarang walet 5 bulan kedepan. Metode yang digunakan adalah metode double exponential smoothing dan pengukuran akurasi yaitu MAD dan MAPE. Dari 12 data barang penjualan terdapat 3 barang yang mendapat akurasi peramalan cukup baik yaitu audax 61, piro mw 88, H3N1. Hasil penelitian menunjukkan pada jenis barang speaker yaitu audax 61 didapatkan bahwa nilai MAD nya adalah 2428.5, nilai MAPE adalah 35.4 dan sudah masuk dalam kategori cukup baik dan untuk prediksi 5 bulan kedepan yaitu bulan 1 adalah 8386.0, bulan 2 adalah 9082.0, bulan 3 adalah 9778.0, bulan 4 adalah 10474.0, bulan 5 adalah 11170.0.
Co-Authors Anak Agung Istri Sri Wiadnyani Dedy Atmajaya Dolly Indra Hadyan Mardhi Fadlillah Harlinda Lahuddin Irsal Ardah Kasman Kasman Moh Zul Fitrah Muhammad Agung Maugi Pahendra Muhammad Fajrul Ramdan Satra Rifqatul Mukarramah Siska Anraeni St. Hajrah Mansyur Tasrif Hasanuddin Umar Mansyur Yulita Salim Zaenal Zaenal