Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

4.429

P-Index

This Author published in this journals

All Journal Ulul Albab: Jurnal Studi Islam MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Teknologi dan Manajemen Informatika OPSI SMATIKA Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Indonesian Journal of Artificial Intelligence and Data Mining JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Riset Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Mantik ILKOMNIKA: Journal of Computer Science and Applied Informatics Jurnal Mnemonic G-Tech : Jurnal Teknologi Terapan International Journal of Advances in Data and Information Systems Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) J-Intech (Journal of Information and Technology) Didaktika Religia Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Journal of Information Technology

Ririen Kusumawati

Universitas Islam Negeri Maulana Malik Ibrahim Malang

Author-ID : 303469

Religion Aerospace Engineering Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 37 Documents Claim Missing Document

Claim Missing Document

Articles

MESIN PENCARI AYAT AL QURAN MENGGUNAKAN INEXACT STRING MATCHING Anwar, Agus Sofiyan; Abidin, Zainal; Kusumawati, Ririen
MATICS MATICS (Vol. 4 No. 3
Publisher : Department of Informatics Engineering

Dengan adanya teknologi digital, al Quran yang dahulu berupa teks manual sekarang sudah dapat dijumpai versi digitalnya. Hal tersebut memicu pengembangan perangkat lunak yang membantu mendapatkan informasi dari teks al Quran, seperti: pencarian ayat berdasarkan kata, frase maupun tema, terjemahan al Quran, tafsir al Quran. Dalam kaitannya dengan pencarian ayat berdasarkan kata atau frase, pada umumnya perangkat lunak yang ada menggunakan teknik exact string matching, yaitu teknik pencarian ayat yang sesuai dengan kata inputan secara tepat. Teknik tersebut sangat sesuai jika pemakai perangkat lunak mengetikkan kata atau frase yang akan dicari dengan benar. Tetapi jika pemakai salah dalam mengetikkan kata inputan, perangkat lunak tidak memberikan solusi atau kemungkinan-kemungkinan dari ayat yang dimaksud. Penelitian ini memadukan teknik stemming dan teknik exact string matching. Stemming berperan sebagai preprocessing untuk exact string matching. Stemming digunakan untuk menemukan kata dasar dari kata berimbuhan dengan cara menghilangkan semua imbuhan baik yang terdiri dari prefiks, sufiks, infiks, konfiks, transfiks, maupun interfiks, namun pada penelitian ini hanya menghilangkan prefiks dan sufiks saja, sebagai contoh jika kata berimbuhan adalah ÙŠØ³Ø·Ø±ÙˆÙ† maka kata dasarnya adalah Ø³Ø·Ø±. Exact string matching adalahÂ pencocokan string secara tepat dengan susunan karakter dalam string yang dicocokkan memiliki jumlah maupun urutan karakter yang sama, sebagai contoh kata Ø³Ø·Ø± akan menunjukkan kecocokan hanya dengan kata Ø³Ø·Ø±. Dalam kaitannya dengan pencarian ayat, hasil stemming akan digunakan sebagai kata kunci (keyword) pencarian pada database indeks al Quran. Perpaduan tersebut dimaksudkan untuk meningkatkan hasil pencarian ayat, dan selanjutnya dapat dikategorikan sebagai teknik inexact string matching. Hasil uji coba membuktikan bahwa teknik inexact string matching dapat diimplementasikan untuk mendukung pencarian ayat al Quran dengan nilai F-measure tertinggi pada data uji coba adalah 100 % dan nilai F-measure terendah adalah 66.66 %. Uji coba juga membuktikan bahwa teknik inexact string matching lebih banyak memberikan solusi/kemungkinan dari ayat yang dimaksud dari pada teknik exact string matching.Â Kata kunci: Arabic Stop Word, Arabic Stemming, Exact String Matching, Inexact Matching

PERINGKASAN TEKS OTOMATIS BERITA BERBAHASA INDONESIA MENGGUNAKAN METODE MAXIMUM MARGINAL RELEVANCE Mustaqhfiri, Muchammad; Abidin, Zainal; Kusumawati, Ririen
MATICS MATICS (Vol. 4 No. 4
Publisher : Department of Informatics Engineering

Perkembangan teknologi internet berdampak bertambahnya jumlah situs berita berbahasa Indonesia dan menciptakanÂ ledakan informasi. Hal tersebut menuntut semua informasi bisa diakses dengan cepat dan tidak harus membutuhkan banyak waktu dalam membaca sebuah headline berita.Teknologi peringkas teks otomatis menawarkan solusi untuk membantu pencarian isi berita berupa deskripsi singkat (summary). Penelitian diaÂwali dengan lima tahap text preprocessing: pemecahan kalimat,case folding, tokenizing, filtering, dan stemming. Proses selanjutnya menghitung bobot tf-idf, bobot query relevance dan bobot similarity. Ringkasan dihasilkan dari ekstraksi kalimat dengan menggunakan metode maximum marginal relevance. Metode ekstraksi maximum marginal relevance meÂrupakan metode yang digunakan untuk mengurangi redudansi dalam perangkingan kaliÂmat pada multi dokumen. Data uji coba diambil dari surat kabar berbahasa Indonesia on-line sejumlah 30 berita. Hasil pengujian dibandingkan dengan ringkasan manual yang menghasilkan rata-rata recallÂ 60%, precision 77%, dan f-measure 66%. Â Kata kunci: peringkasan, text preprocessing, tf-idf, query relevance, similarity, maximum marginal relevance

FUZZY LOGIC METODE MAMDANI UNTUK MEMBANTU DIAGNOSA DINI AUTISM SPECTRUM DISORDER Matondang, Fithriani; Kusumawati, Ririen; Abidin, Zainal
MATICS MATICS (Vol. 4 No. 3
Publisher : Department of Informatics Engineering

Autism Spectrum Disorder (autis) merupakan gangguan yang dimulai dan dialami pada masa kanak-kanak, yang membuat dirinya tidak dapat membentuk hubungan sosial atau komunikasi yang normal, akibatnya anak tersebut terisolasi dari manusia lain. Perkembangan yang terganggu terutama dalam komunikasi, interaksi sosial dan perilaku. Namun permasalahan yang muncul adalah bagaimana cara mengetahui seorang anak menderita autis atau tidak, begitu juga cara penanganannya yang optimal. Seiring dengan kemajuan teknologi saat ini, berbagai permasalahan yang ada dapat diselesaikan dengan memanfaatkan teknologi. Salah satunya dengan membangun aplikasi sistem pakar untuk mendiagnosa Autism Spectrum Disorder (ASD) dengan fuzzy logic. Input sistem adalah gejala autis, sedangkan output sistem adalah Anak Normal (bukan autis) dan Anak Autis. Proses perhitungan sistem dilakukan dengan 4 tahapan mamdani yaitu: Pembentukan himpunan fuzzy, Implikasi aturan, Komposisi aturan dan Defuzzyfikasi. Dari hasil uji coba sistem, diperoleh data error sebanyak 40 data dari 1287 data uji coba jika dibandingkan dengan hasil uji coba manual. Dari hasil perbandingan uji coba tersebut, diperoleh persentase Error sebanyak 3.11 %, Recall sebesar 69%, dan Presisi sebesar 99%.Â Kata Kunci : Autism Spectrum Disorder, Fuzzy Logic, Gejala Autis , Mamdani

Comparison of Different Classification Techniques to Predict Student Graduation Subarkah, Aan Fuad; Kusumawati, Ririen; Imamudin, M
MATICS: Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Vol 15, No 2 (2023): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v15i2.24095

Every year, the number of students accepted at the Maulana Malik Ibrahim State Islamic University of Malang continues to increase. Still, not all students can graduate on time according to the specified study period, resulting in a buildup of students who have not graduated according to their graduation period. One of the aspects evaluated in the Study Program accreditation process is the student graduation rate. Apart from that, for each semester, Study Programs are also required to report educational data to DIKTI, and student graduation is one of the factors considered in the report. There is an imbalance between the number of students graduating each year and the number of new students accepted. To overcome this problem, it is necessary to predict student graduation to determine whether they will graduate on time. In science and data analysis, predictions are often used to make predictions based on existing data and information. Classification models in predicting student graduation include the Nave Bayes method, Support Vector Machine SVM, and Random Forest, as well as the level of accuracy of these three methods. From the results of experiments and model evaluations carried out, with data from 458 Informatics Engineering Study Program students with details of 366 training data and 92 testing data, it was obtained that the SVM model had the highest accuracy, reaching around 87% and Random Forest also had good accuracy, around 82%. At the same time, the Naïve Bayes model has lower accuracy, around 76%.

Predicting Budget Absorption Categories Using Random Forest and Support Vector Machine Methods Novardy, Novardy; Kusumawati, Ririen; Hariyadi, Muhammad Amin; Harini, Sri; Imamudin, Muhammad
MATICS: Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Vol 18, No 1 (2026): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v18i1.37223

Budget classification plays a crucial role in planning, management, and budgeting, from implementation to accountability. We create budgets by considering various types of expenditures and funding sources. Each type of expenditure, such as employee salaries, goods, capital, grants, social assistance, subsidies, interest, and non-tax revenue (PNBP) or public service agencies (BLU), has its own set of rules and methods for tracking money. This study aims to demonstrate how budget classification, based on expenditure types and funding sources, is applied in the implementation of the Revenue Budget. This study aims to assess the classification performance of two models, namely the Random Forest Classifier (RFC) and Support Vector Machine (SVM), based on historical data and evaluate the performance of each model. Tests show that the Random Forest model consistently outperforms the SVM model for each data proportion, with a ratio of 90:10 to 60:40. The Random Forest model achieved its best performance at the 80:20 data split, with an accuracy score of 94 percent, a precision score of 94 percent, a recall score of 94 percent, and an F1 score of 87 percent. The average accuracy score of the SVM test results was 80 percent.

Co-Authors A, Miftahul Hikmah Putri Samudera Aang Subiyakto Abd. Rahman Ahlan Abdurrozzaaq Ashshiddiqi Zuhri Achmad Fahreza Alif Pahlevi Agung Teguh Wibowo Almais Agus Sofiyan Anwar, Agus Sofiyan Ahmad Fahmi Karami Ainul Yaqin Aldian Faizzul Anwar Anwar, Aldian Faizzul Arief, Yunifa Miftachul Asrul Sani Azmi, Agus N Balogun, Naeem A Cahyo Crysdian Dita Aisha Dwi Purbo Yuwono Dwi Yuniarto Eko Agus Moh. Iqbal Erfan Ainul Yakin Fachrul Kurniawan Fathurrahman Fathurrahman Fithriani Matondang, Fithriani Fresy Nugroho Fresy Nugroho Hariyadi, Muhammad Amin Hartawan, Muhammad S Hidayah, Ika Arofatul Hidayah Hidayah, Imalatul Huda, Muhammad Q Ida Ayu Putu Sri Widnyani imamudin Imamudin, M Imamudin, Muhammad Irwan Budi Santoso Kunaefi, Aang Kurniawati Kurniawati Lia Wahyuliningtyas MARIA BINTANG Marudin, Marudin Maulidifa, Renisa Mokhamad Amin Hariyadi Muchammad Mustaqhfiri, Muchammad Muhammad Andryan Muhammad Andryan Wahyu Saputra Muhammad Faisal Muhammad Isa Ansori Muji, Muji Nashrul Hakiem Novardy, Novardy Nur Fitriyah Ayu Tunjung Sari Pahlevi, Achmad Fahreza Alif Prima Astuti Handayani Puspa Miladin Nuraida Safitri A. Silfiyah, Chilmiatus Sri Harini Subarkah, Aan Fuad Sulika Sulika Suryatno, Agung Suseno, Hendra B Syawab, Moh Husnus Totok Chamidy Usman Pagalay Viva Arifin Wahyuliningtyas, Lia Wibowo, Firmansyah Rekso Wiwik Handayani Yuliawan, Audi Bayu Yuniar Setyo Marandy Yunifa Miftachul Arif Yunifa Mittachul Arif Yusril Haza Mahendra Zainal Abidin Zainal Abidin Zuhri, Abdurrozaq Ashshiddiqi Zuhri, Abdurrozzaaq Ashshiddiqi

Title

Found 5 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search