Article Per Year (5 Year)
p-Index From 2020 - 2025
1.99
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Jurnal Eksplora Informatika Jurnal Sisfokom (Sistem Informasi dan Komputer) Journal of Information Systems and Informatics JIKA (Jurnal Informatika) Information System Journal (INFOS) Intechno Journal : Information Technology Journal Scientific Journal of Informatics
arif nur rohman
UNIVERSITAS SEBELAS MARET
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

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

Found 12 Documents
Search

 1   2 
Sistem Rekomendasi Buku Menggunakan Algoritma Rabin-Karp Rohman, Arif Nur; Fauzy, Marwan Noor; Sa'di, Ahmad
Jurnal Eksplora Informatika Vol 12 No 1 (2022): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v12i1.1074

Abstract

Toko BukuKita telah menyediakan katalog buku yang dapat diakses atau dibeli melalui website resminya yaitu bukukita.com, pada website tersebut pengunjung dapat melakukan pencarian buku dengan memasukkan keyword berupa judul atau pengarang. Namun, rekomendasi buku yang diberikan oleh website ini hanya berdasarkan kesamaan penulis atau juga kategori, padahal buku dengan kategori yang sama belum tentu topiknya sama. Pendekatan yang dilakukan pada penelitian ini adalah menggunakan pendekatan content based filtering dengan algoritma Rabin-Karp yang mana deskripsi buku dijadikan sebagai bahan untuk mendapatkan rekomendasi berupa buku lain yang memiliki kedekatan deskripsi. Sebanyak 201 dataset dikumpulkan dari kategori buku agama dan komputer, setelah dilakukan prapemrosesan dengan eliminasi buku yang tidak memiliki deskripsi lalu diperoleh dataset akhir 113 baris data yang selanjutnya akan digunakan untuk menguji hasil similarity dengan algoritma Rabin-Karp. Luaran dari algoritma ini adalah skor kemiripan yang mana dalam penelitian ini penulis mengambil yang skornya tertinggi, artinya semakin tinggi skornya maka semakin direkomendasikan. Pada pengujian algoritma di kategori agama buku yang direkomendasikan tetap buku-buku yang ada di kategori agama, begitu juga kategori komputer. Buku dengan kesamaan judul yang tinggi belum tentu menjadi paling direkomendasikan meskipun masuk dalam top 3 rekomendasi.
Sistem Rekomendasi Wisata Magelang Menggunakan Metode Collaborative Filtering Siska, Siska; Fajri, Ika Nur; Rayhan, Radhita; Pratama, Akbar; Rohman, Arif Nur
Jurnal Eksplora Informatika Vol 14 No 1 (2024): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v14i1.1084

Abstract

Pariwisata telah menjadi kegiatan yang populer dan digemari oleh banyak orang, termasuk di Indonesia yang memiliki berbagai destinasi terkenal. Magelang, salah satu daerah di Indonesia, memiliki potensi pariwisata yang besar dengan ragam objek wisata, mulai dari sejarah hingga alam. Penelitian ini membahas tentang pengembangan sistem rekomendasi tempat wisata di Magelang menggunakan metode collaborative filtering. Data yang digunakan berasal dari kaggle.com, mencakup informasi rating dan profil pengguna. Analisis umur menunjukkan partisipasi tinggi dari kelompok usia 21-30 tahun, yang merupakan segmen aktif dalam wisata. Mayoritas pengguna berasal dari Pulau Jawa, menambah dimensi kebudayaan dalam penelitian. Metode penelitian ini melibatkan penggunaan collaborative filtering untuk menghasilkan rekomendasi tempat wisata berdasarkan preferensi pengguna. Pengujian dilakukan pada User_Id 1, yang menghasilkan rekomendasi beragam dengan prediksi skor sekitar 3,81 untuk tiga tempat utama. Hasil ini menunjukkan bahwa sistem rekomendasi dapat membantu pengguna menemukan destinasi yang sesuai dengan preferensi mereka. Kesimpulan penelitian ini menggarisbawahi potensi sistem rekomendasi untuk meningkatkan pengalaman wisata dan mendukung pengembangan sektor pariwisata di Magelang.
Application of Content-Based Filtering Method Using Cosine Similarity in Restaurant Selection Recommendation System Christyawan, Fajar; Rohman, Arif Nur; Hartanto, Anggit Dwi
Journal of Information System and Informatics Vol 6 No 3 (2024): September
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v6i3.806

Abstract

This research focuses on developing a restaurant recommender system designed to assist users in selecting restaurants based on preferences such as cuisine type and proximity, thereby enhancing the dining experience. The system employs a content-based filtering approach combined with the Cosine Similarity algorithm to calculate similarity values between restaurant addresses and categories, ensuring personalized and accurate recommendations. Data for the system was collected from TripAdvisor and Google Maps using a web scraping method, resulting in a comprehensive dataset that reflects a wide variety of dining options. An experiment involving 30 respondents was conducted to evaluate the system's performance under real-world conditions. The results demonstrated an accuracy rate of 88%, indicating that the recommender system effectively delivers highly relevant restaurant suggestions to users. These findings suggest that the system can serve as a valuable tool for culinary tourists and local residents, simplifying the process of discovering new dining experiences and aligning them with individual preferences.
Café Recommendation Using the Content-Based Filtering Method Wicaksono, Anggito Whiku; Rohman, Arif Nur; Hartanto, Anggit Dwi
Journal of Information System and Informatics Vol 6 No 3 (2024): September
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v6i3.813

Abstract

The coffee industry has experienced rapid growth over the last decade. In this research, the content-based filtering approach is employed to suggest cafes by analyzing the similarity of different features or attributes. The degree of similarity is influenced by the similarity of item profiles between cafes. CW Coffee & Eatery had the highest similarity value of 0.4802 because it found 16 item profiles that were similar to Cosan Seturan. In contrast, Kelanaloka has a very low similarity value of 0.1844, because only 7 similar item profiles were identified when compared. This research shows that content-based filtering methods can be effectively applied to cafe recommendation systems.
IMPLEMENTASI METODE FISHERFACE DALAM PENGENALAN WAJAH MENGGUNAKAN ALGORITMA KNN Fiardin, Tsintani Tisaga; Rohman, Arif Nur; Hartanto, Anggit Dwi
Intechno Journal : Information Technology Journal Vol. 3 No. 1 (2021): July
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2021v3i1.1549

Abstract

Sistem pengenalan wajah sekarang ini begitu dibutuhkan dan mempunyai peran sangat penting, seperti untuk keamanan, identifikasi wajah, dan lain-lain. Sistem bekerja dengan membandingkan citra wajah yang berada didatabase yang nantinya dipilih mana yang paling cocok dengan citra wajah yang diuji, dan keluaran dari dikenali atau tidaknya wajah tersebut yaitu jika citra wajahnya berada dalam database (dataset) dan nantinya ditampilkan berupa gambar wajahnya dan nama atau identitas dirinya. Adanya suatu aplikasi pengenalan wajah ini sangatlah membantu untuk pekerjaan. Dalam penelitian kali ini mencoba untuk mebuat aplikasi tersebut, dan juga belajar atau memahami alur kerja dari aplikasi ini. Proses ini menggunakan metode fisherface dengan menggunakan metode KNN, yang mana semua gambar dari dataset dikumpulkan dan didekomposisi menjadi grayscale kemudian dataset tersebut dilatih dan diklasifikasikan menggunakan KNN. Pada pengujian ini menggunakan 60 citra wajah berbeda sebagai data latih dan 40 citra wajah berbeda-beda sebagai data uji. Hasil dari ini mendapat prosentasi keberhasilan 92,5%.
Implementation of a Web-Based Waste Collection Data System Using QR Code Scanning Romadhon, Ibrahim Aji Fajar; Rohman, Arif Nur; Pristyanto, Yoga
Sistemasi: Jurnal Sistem Informasi Vol 14, No 1 (2025): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v14i1.4782

Abstract

The suboptimal management of waste collection in urban areas significantly impacts environmental quality and public health. Yogyakarta City, which generates 644.69 tons of waste annually, can only manage 583.80 tons per year. Various initiatives have been implemented to improve waste management, yet challenges persist, such as limited temporary disposal sites, irregular waste collection schedules, and the absence of an effective and efficient system to assist waste collection officers in recording and tracking waste collection for each household.This study aims to develop a web-based Waste Collection Data System using QR Code Scanning, employing the waterfall method, which consists of the following stages: requirement analysis, design, development, testing, and maintenance. The system enables waste collection officers to log waste collection activities by scanning a QR code at each household and allows residents to access information regarding waste collection status, mandatory fees, collection schedules, and waste processing. The testing results demonstrate that all features function effectively as intended. The implementation of this system is expected to enhance the efficiency of waste collection data management, improve environmental quality, and increase community satisfaction in Yogyakarta City.
SISTEM REKOMENDASI BERITA DENGAN METODE CONTENT-BASED FILTERING Haz, Anando Muhammad Rahul; Rohman, Arif Nur
Jurnal Informatika Vol 9, No 2 (2025): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v9i2.13247

Abstract

Pertumbuhan jumlah konten digital yang meningkat terus setiap harinya menimbulkan tantangan dalam penyaringan dan penyajian informasi yang relevan kepada pengguna internet. Diperlukan adanya sistem rekomendasi yang mampu membantu pengguna dalam menyaring informasi secara relevan. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi artikel berita berbasis content-based filtering dengan algoritma cosine similarity. Dataset penelitian ini terdiri dari 150 artikel berita yang diambil melalui platform Kaggle. Tahap pre-processing data mencakup normalisasi data, pembersihan data, penghapusan entri duplikat, penghapusan stop words, dan tokenisasi. Pengujian dilakukan dengan mengambil 15 sampel artikel, masing-masing menghasilkan lima rekomendasi berdasarkan skor kemiripan tertinggi. Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi konten artikel berita untuk kebutuhan pengguna. Tahap pre-processing data terbukti berperan penting dalam meningkatkan kualitas rekomendasi.
Apriori-Based Association Rule Mining Approach for Developing a Product Recommendation System in an Agricultural E-Marketplace Maulana, Handika Attha; Rohman, Arif Nur
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 14 No. 4 (2025): NOVEMBER
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v14i4.2486

Abstract

The rapid growth of transactions in Indonesian agricultural marketplaces leaves a gap between large data volumes and suboptimal marketing strategies. As a novel contribution, this study explicitly applies the Apriori algorithm to the context of agricultural e-marketplaces in Indonesia, serving as a validated case study. The primary data used in this analysis is a collection of historical transaction data obtained from one such marketplace. The dataset described in this case study includes 10 transaction histories involving 22 product items. This study aims to transform untapped historical data into business-strategy insights. By setting minimum support and confidence to 50%, the analysis successfully identified significant association rules. The strongest rule indicated a co-purchase pattern between specific products with a confidence value of 60.6% and a Lift Ratio of 11.1, indicating a robust positive correlation. This rule was then successfully implemented into a functional recommendation feature. Validation testing demonstrated complete consistency between the system results and manual calculations. This case study demonstrates the effectiveness of Apriori and provides a benchmark for developing similar technologies to improve sales and user experience in Indonesia's digital agriculture sector.
Sistem Rekomendasi Buku Menggunakan Algoritma Rabin-Karp Rohman, Arif Nur; Fauzy, Marwan Noor; Sa'di, Ahmad
Eksplora Informatika Vol 12 No 1 (2022): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v12i1.1074

Abstract

Toko BukuKita telah menyediakan katalog buku yang dapat diakses atau dibeli melalui website resminya yaitu bukukita.com, pada website tersebut pengunjung dapat melakukan pencarian buku dengan memasukkan keyword berupa judul atau pengarang. Namun, rekomendasi buku yang diberikan oleh website ini hanya berdasarkan kesamaan penulis atau juga kategori, padahal buku dengan kategori yang sama belum tentu topiknya sama. Pendekatan yang dilakukan pada penelitian ini adalah menggunakan pendekatan content based filtering dengan algoritma Rabin-Karp yang mana deskripsi buku dijadikan sebagai bahan untuk mendapatkan rekomendasi berupa buku lain yang memiliki kedekatan deskripsi. Sebanyak 201 dataset dikumpulkan dari kategori buku agama dan komputer, setelah dilakukan prapemrosesan dengan eliminasi buku yang tidak memiliki deskripsi lalu diperoleh dataset akhir 113 baris data yang selanjutnya akan digunakan untuk menguji hasil similarity dengan algoritma Rabin-Karp. Luaran dari algoritma ini adalah skor kemiripan yang mana dalam penelitian ini penulis mengambil yang skornya tertinggi, artinya semakin tinggi skornya maka semakin direkomendasikan. Pada pengujian algoritma di kategori agama buku yang direkomendasikan tetap buku-buku yang ada di kategori agama, begitu juga kategori komputer. Buku dengan kesamaan judul yang tinggi belum tentu menjadi paling direkomendasikan meskipun masuk dalam top 3 rekomendasi.
Sistem Rekomendasi Wisata Magelang Menggunakan Metode Collaborative Filtering Siska, Siska; Fajri, Ika Nur; Rayhan, Radhita; Pratama, Akbar; Rohman, Arif Nur
Eksplora Informatika Vol 14 No 1 (2024): Jurnal Eksplora Informatika
Publisher : Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/eksplora.v14i1.1084

Abstract

Pariwisata telah menjadi kegiatan yang populer dan digemari oleh banyak orang, termasuk di Indonesia yang memiliki berbagai destinasi terkenal. Magelang, salah satu daerah di Indonesia, memiliki potensi pariwisata yang besar dengan ragam objek wisata, mulai dari sejarah hingga alam. Penelitian ini membahas tentang pengembangan sistem rekomendasi tempat wisata di Magelang menggunakan metode collaborative filtering. Data yang digunakan berasal dari kaggle.com, mencakup informasi rating dan profil pengguna. Analisis umur menunjukkan partisipasi tinggi dari kelompok usia 21-30 tahun, yang merupakan segmen aktif dalam wisata. Mayoritas pengguna berasal dari Pulau Jawa, menambah dimensi kebudayaan dalam penelitian. Metode penelitian ini melibatkan penggunaan collaborative filtering untuk menghasilkan rekomendasi tempat wisata berdasarkan preferensi pengguna. Pengujian dilakukan pada User_Id 1, yang menghasilkan rekomendasi beragam dengan prediksi skor sekitar 3,81 untuk tiga tempat utama. Hasil ini menunjukkan bahwa sistem rekomendasi dapat membantu pengguna menemukan destinasi yang sesuai dengan preferensi mereka. Kesimpulan penelitian ini menggarisbawahi potensi sistem rekomendasi untuk meningkatkan pengalaman wisata dan mendukung pengembangan sektor pariwisata di Magelang.
Co-Authors Anggit Dwi Hartanto, Anggit Dwi Christyawan, Fajar Fajri, Ika Nur Fauzy, Marwan Noor Fiardin, Tsintani Tisaga Haz, Anando Muhammad Rahul Iedwan, Aisha Shakila Maulana, Handika Attha Mauliza, Nia Pratama, Akbar Rahmi, Alfie Nur Ramadhan, Ridhwan Shodiq Rayhan, Radhita Romadhon, Ibrahim Aji Fajar Sa'di, Ahmad Siska Siska Wicaksono, Anggito Whiku Yoga Pristyanto