Claim Missing Document
Check
Articles

Found 37 Documents
Search

Penentuan Bahan Makanan Untuk Itik Petelur Menggunakan Algoritma Genetika Imam Fahrur Rozi; Annisa Taufika Firdausi; Tahta Reza Rahmadhany
Jurnal Informatika Polinema Vol. 7 No. 2 (2021): Vol 7 No 2 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i2.514

Abstract

Itik berperan sebagai penghasil telur dan daging. Tingkat produktivitas itik lokal Indonesia baik telur maupun daging masih rendah dan berpeluang untuk ditingkatkan. Produktivitas ternak dipengaruhi oleh faktor pakan, manajemen dan pembibitan. Permasalahan yang sering dihadapi peternak adalah ketersediaan pakan, pakan yang diberikan memiliki kandungan nutrisi rendah. Jika penentuan pakan yang diberikan tidak sesuai dengan standarisasi kebutuhan itik maka yang terjadi adalah itik petelur tidak mencapai kondisi yang optimal seperti kurangnya nafsu makan, mudah terserang penyakit, dan tidak lincah. Bahkan yang lebih fatal bisa mengakibatkan kematian pada itik. Dari ulasan tersebut dapat diketahui pembuatan pakan itik dengan memperhatikan nutrisi perlu dilakukan. Permasalahan penentuan bahan pakan ternak itik petelur dapat diselesaikan dengan algoritma genetika, dikarenakan algoritma genetika memiliki kelebihan dalam menghasilkan output dengan tetap memperhatikan faktor nutrisi. Nutrisi pada itik petelur yang harus dipenuhi antara lain protein kasar, energi, metionin, lisin, kalsium, dan fosfor yang memiliki masing-masing nilai standarnya. Proses algoritma genetika dimulai dengan inisialisasi populasi, menghitung fitness, seleksi, crossover, mutasi, dan evaluasi. Berdasarkan penelitian yang telah dilakukan, untuk mengukur kualitas solusi pada permasalahan penentuan bahan makanan untuk itik petelur yaitu dengan melihat nilai fitness. Parameter algoritma genetika memiliki pengaruh terhadap nilai fitness yang dihasilkan. Pengujian parameter algoritma genetika dilakukan dengan mengkombinasikan cr dan mr, yang terbaik terdapat pada kombinasi cr 0,7 dan mr 0,2 dengan rata-rata nilai fitness 2,960. Ukuran populasi yang baik adalah 35 dengan nilai fitness 2,706. Pengujian jumlah generasi dihasilkan fitness terbaik 2,804 terdapat pada generasi 20.
EVALUASI IMPLEMENTASI ALGORITMA IMPROVED K-NEAREST NEIGHBOR PADA KATEGORISASI LIRIK LAGU BAHASA INDONESIA MENURUT USIA Faisal Rahutomo; Pangestu Nur Mirzha; Imam Fahrur Rozi
Jurnal Informatika Polinema Vol. 6 No. 2 (2020): Vol 6 No 2 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i2.290

Abstract

Pesatnya perkembangan teknologi mempercepat proses penyebaran lagu di Indonesia. Namun lagu yang beredar belum disertai dengan label batasan usia pendengar berdasarkan liriknya, seperti label usia pada film. Hal tersebut tentu membuat masyarakat kesulitan untuk memilih lagu yang sesuai usianya, sehingga masyarakat bebas menikmati berbagai lagu dan akan berdampak buruk terhadap perkembangan mental masyarakat di bawah umur. Oleh karena itu, dengan membuatkan sebuah sistem yang dapat menyaring sebuah lagu berdasarkan latar belakang usia sehingga lagu akan mempunyai sebuah label. Penelitian ini menggunakan metode Improved K-Nearest Neighbor yaitu untuk mengklasifikasikan sebuah lagu berdasarkan usianya. Proses dimulai dari melakukan preprocessing data, perhitungan TF.IDF, perhitungan cosine similarity, dan melakukan klasifikasi dengan metode Improved K-Nearest Neighbor. Berdasarkan pengujian yang sudah peneliti lakukan tingkat akurasi dari pengembangan rekomendasi lirik lagu menggunakan Improved K-Nearest Neighbor mendapatkan hasil terbaik yakni akurasi sebesar 51%, precision sebesar 100%, recall sebesar 100%, dan f-measure sebesar 100% untuk masing-masing kategori.
Analisis Sentimen Calon Presiden Indonesia 2019 di Twitter Menggunakan Metode Backpropagation Imam Fahrur Rozi; Yushintia Pramitarini; Novia Puspitasari
Jurnal Informatika Polinema Vol. 6 No. 2 (2020): Vol 6 No 2 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i2.306

Abstract

Analisis sentimen digunakan untuk melihat opini terhadap sebuah masalah yang muncul dan menggiring ke opini positif, netral maupun negatif. Dengan berkembangnya teknologi yang pesat, terutama dibidang social media, memberikan kesempatan kepada siapapun untuk memberikan opini, salah satunya di Twitter. Menyesuaikan kondisi yang terjadi di Indonesia saat ini, yaitu mengenai PEMILU, banyak dari masyarakat yang menyampaikan opininya terhadap para calon presiden, opini tersebut memungkinkan sangat bermanfaat bagi para calon presiden dan bisa dijadikan sebagai bahan evaluasi. Algoritma yang digunakan pada penelitian ini ialah Backpropagation, yang merupakan perkembangan dari jaringan syaraf tiruan dengan multi-layer perceptron. Analisis tweet dibagi menjadi 3 klasifikasi yaitu positif, negatif dan netral. Variasi pengujian yang digunakan dalam menguji performa sistem adalah perbandingan data training dan testing, nilai learning rate, jumlah hidden layer dan nilai minimum error. Hasil pengujian metode backpropagation dengan variasi perbandingan data training menghasilkan akurasi sebesar 90.6% pada perbandingan data training testing 60%:40%. Sedangkan pada variasi nilai learning rate menghasilkan akurasi sebesar 89.6% pada nilai learning rate 0.1. Untuk variasi jumlah hidden layer menghasilkan akurasi sebesar 91.6% pada jumlah hidden layer 6. Dan untuk variasi nilai minimum error menghasilkan akurasi sebesar 91% pada nilai minimum error 0.
Analisis Sentimen Pada Twitter Mengenai Pasca Bencana Menggunakan Metode Naïve Bayes Dengan Fitur N-Gram Imam Fahrur Rozi; Annisa Taufika Firdausi; Khalimatul Islamiyah
Jurnal Informatika Polinema Vol. 6 No. 2 (2020): Vol 6 No 2 (2020)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v6i2.316

Abstract

Bencana alam sering terjadi di wilayah Indonesia, pemberian bantuan yang efisien dan sesuai kebutuhan sangat berpengaruh terhadap proses pemulihan pasca bencana alam. Melalui twitter masyarakat banyak memberikan respon mengenai bencana alam, akan tetapi respon tersebut belum terklasifikasikan. Oleh karenanya, diperlukan klasifikasi respon masyarakat mengenai bencana alam. Dalam penilitian ini, dilakukan analisis sentimen terhadap tweet dengan mengklasifikasikan kedalam kategori positif atau negatif menggunakan algoritma Naïve Bayes Classifier. Dari hasil klasifikasi tersebut kita dapat memprioritaskan bantuan dengan mengkategorikan setiap hasil klasifikasi. Dari hasil klasifikasi tersebut positif diartikan bantuan berdasarkan kategori tersebut telah terpenuhi sedangkan negatif berarti bantuan tersebut kurang atau dibutuhkan. Penelitian ini juga akan menggunakan fitur N-Gram yaitu unigram dan bigram. Pada pengujian penelitian ini dilakukan empat kali pengujian. Setiap pengujian, presentase data training nya berbeda karena jumlah data training juga berpengaruh terhadap peningkatan nilai akurasi. Hasil dari pengujian tersebut diperoleh nilai akurasi untuk unigram sebesar 76.67%, 84.44%, 90.00% dan 93.33%. Nilai akurasi untuk bigram sebesar 64.17%, 68.89 %, 75.00%, 86.67%. Dari empat pengujian didapatkan hasil akurasi tertinggi pada unigram yaitu sebesar 93.33% dan bigram sebesar 86.67%. Jadi untuk nilai akurasi unigram lebih tinggi daripada bigram.
Peringkasan Teks Otomatis pada Portal Berita Olahraga menggunakan metode Maximum Marginal Relevance. Dimas Firman AL-Hafiidh; Imam Fahrur Rozi; Ika Kusumaning Putri
Jurnal Informatika Polinema Vol. 8 No. 3 (2022): Vol 8 No 3 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i3.519

Abstract

Berita mengandung fakta atau opini yang mungkin memiliki kecenderungan tertentu. Berita dapat mengakses berbagai media seperti koran, televisi, internet, dan lain-lain. Internet adalah yang terkenal digunakan untuk mengakses berita. Untuk mencari informasi utama tentang berita mungkin membutuhkan waktu. Ini membutuhkan akses yang rapi dan meminimalkan waktu untuk membaca. Oleh karena itu perlu dilakukan rangkuman berita agar perolehan dari berita tersebut lebih efisien dan efektif. Penelitian dimulai dengan lima tahap preprocessing teks: pemecahan kalimat, pelipatan kasus, tokenizing, filtering, dan stemming. Proses selanjutnya adalah menghitung bobot tf-idf-df, bobot relevansi kueri dan bobot kesamaan. Ringkasan dihasilkan dari ekstraksi kalimat menggunakan metode relevansi marginal maksimum. Metode ini digunakan untuk mengurangi redundansi dalam memeringkat kalimat pada banyak dokumen. Pengaruh Maximum Marginal Relevance terhadap hasil akurasi ringkasan sistem yaitu pengujian diambil dari 5 sampel berita berita online menggunakan lamda 0.7 yang kemudian hasil ringkasan tersebut digunakan untuk dibandingkan dengan ringkasan sistem dan ringkasan oleh ahli termasuk. Maya Rahma, setelah itu dicari benar kemudian dicari salah dan luput, bila hasil tersebut diperoleh maka dicari ketelitian, recall, f-measure masing-masing responden dan dicari hasil tes dari mencari rata-rata presisi, recall, f-measure, sehingga efek lamda 0,7 menghasilkan akurasi rata-rata 57,7% Precision. , Ingat 48,5% dan F - Ukur 50,3%.
Otomatisasi Peringkasan Teks Pada Dokumen Hukum Menggunakan Metode Latent Semantic Analysis Millenia Rusbandi; Imam Fahrur Rozi; Kadek Suarjuna Batubulan
Jurnal Informatika Polinema Vol. 7 No. 3 (2021): Vol 7 No 3 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i3.515

Abstract

Pada masa sekarang, jumlah kriminalitas di Indonesia cukup banyak. Banyaknya jumlah kriminalitas di Indonesia akan berdampak pada jumlah dokumen hukum yang akan ditangani oleh aparat penegak hukum. Dalam pemahaman dokumen hukum, aparat penegak hukum seperti advokat, hakim, maupun jaksa harus membaca keseluruhan dokumen dimana akan memerlukan waktu yang cukup lama. Oleh karena itu dibutuhkan peringkasan agar aparat penegak hukum lebih mudah memahaminya. Sehingga salah satu solusi yang dibutuhkan yaitu dengan membuat sebuah ringkasan pada dokumen hukum dimana dokumen tersebut berbentuk PDF. Dalam hal meringkas teks, metode yang dapat digunakan yaitu algoritma Latent Semantic Analysis. Algoritma tersebut digunakan untuk menguraikan atau menganalisa makna yang masih tersembunyi dari suatu bahasa, kode atau jenis representasi lainnya, guna memperoleh informasi yang penting. Dari pengujian terhadap 10 dokumen yang diringkas oleh pakar, diperoleh hasil precision, recall, f-measure dan accuracy secara berurutan pada peringkasan teks otomatis dengan metode Latent Semantic Analysis untuk compression rate 75% yaitu 53%, 27%, 35% dan 71% lalu untuk compression rate 50% yaitu 54%, 56%, 55% dan 75%, serta untuk compression rate 25% yaitu 51%, 79%, 61% dan 75%. Berdasarkan hasil penelitian dan pengujian yang telah dilakukan dapat ditarik kesimpulan bahwa Metode Latent Semantic Analysis dapat digunakan untuk melakukan peringkasan dokumen hukum.
PENGEMBANGAN APLIKASI ANALISIS SENTIMEN TWITTER MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (Studi Kasus SAMSAT Kota Malang) Imam Fahrur Rozi; Elok Nur Hamdana; Muhammad Balya Iqbal Alfahmi
Jurnal Informatika Polinema Vol. 4 No. 2 (2018): Vol 4 No 2 (2018)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v4i2.164

Abstract

Twitter adalah salah satu media sosial dimana pengguna dapat mencari topik tertentu dan membahas isu-isu terkini. Beberapa pesan singkat atau tweet dapat memuat opini terhadap produk dan layanan yang dirasakan oleh masyarakat. Data ini dapat menjadi sumber data untuk dijadikan objek penelitian. Penelitian ini bertujuan untuk membangun aplikasi analisis sentimen yang menerapkan pendekatan Naïve Bayes Classifier untuk mengklasifikasikan kata-kata dan difokuskan pada tweet dalam bahasa Indonesia. Data diperoleh melalui cara web scrapping dan sumber teks yang digunakan sebagai topik bahasan adalah Sistem Administrasi Manunggal Satu Atap (SAMSAT) Malang Kota. Proses klasifikasi dilakukan melalui serangkaian tahapan seperti preproses (case folding, cleaning, tokenizing, dan stopword) serta proses klasifikasi dengan algoritma Naïve Bayes Classifier itu sendiri untuk mendapatkan hasil klasifikasi dengan kategori positif, negatif atau netral. Berdasarkan hasil penelitian, algoritma Naïve Bayes Classifier memberikan unjuk kerja yang baik dalam analisis sentimen. Dari hasil uji akurasi klasifikasi yang dilakukan oleh aplikasi menghasilkan nilai akurasi tertinggi pada setiap kategori positif, negatif, netral masing-masing sebesar 82%, 92%, 80% dengan jumlah data latih 200 tweet negatif, 200 tweet positif, dan 200 tweet netral.
PENGEMBANGAN SISTEM INFORMASI PENILAIAN KINERJA KARYAWAN MENGGUNAKAN METODE AHP DAN TOPSIS Fahmy Ainun Nazilla; Nurudin Santoso; Imam Fahrur Rozi
Jurnal Informatika Polinema Vol. 3 No. 4 (2017): Vol 3 No 4 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i4.38

Abstract

Penilaian kinerja karyawan merupakan aspek penting dalam manajemen sumber daya manusia yang efektif. Namun pada kenyataannya penilaian kinerja karyawan bagian produksi pada PT Pendawa Polysindo Perkasa belum cukup optimal karena belum adanya pembobotan terhadap kriteria penilaian dan untuk menentukan karyawan terbaik masih dinilai secara subyektif. Pada penelitian ini dibuat sistem informasi untuk membantu pembobotan kriteria dan perankingan karyawan guna memperoleh karyawan terbaik dengan mengurangi tingkat subyektifitas penilaian. Kelebihan Analytical Hierarchy Process (AHP) adalah berdasar pada matriks perbandingan berpasangan dan melakukan analisis konsistensi. Sedangkan metode Technique For Others Reference By Similarity To Ideal Solution (TOPSIS) memiliki konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif. Setelah dilakukan pengembangan sistem informasi, kemudian penelitiakan membandingkan tiga metode yaitu gabungan metode AHP dan TOPSIS, metode AHP dan metode TOPSIS. Hasil pengujian metode AHP dan TOPSIS yang dilakukan dengan membandingkan hasil pengujian sistem dan pengujian manual perusahaan diperoleh tingkat akurasi 80% dari 10 sampel data penilaian karyawan yang diuji. Untuk perbandingan pengujian manual perusahaan dengan metode AHP diperoleh tingkat akurasi 50%, sedangkan dengan metode TOPSIS 60%.
PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN PENENTUAN UKT MAHASISWA DENGAN MENGGUNAKAN METODE MOORA STUDI KASUS POLITEKNIK NEGERI MALANG Syaiful Rokhman; Imam Fahrur Rozi; Rosa Andrie Asmara
Jurnal Informatika Polinema Vol. 3 No. 4 (2017): Vol 3 No 4 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i4.41

Abstract

Aplikasi Decision Support Systems (DSS) atau Sistem Penunjang Keputusan (SPK) penentuan Uang Kuliah Tunggal (UKT) Mahasiswa Politeknik Negeri Malang adalah aplikasi yang digunakan untuk menentukan kelompok biaya kuliah tunggal yang ditanggung oleh masing mahasiswa Politeknik Negeri Malang aplikasi ini dikembangkan menggunakan bahasa pemrograman PHP, database Mysql dan mengimplementasikan Metode Multi Objective Optimization on the Basis of Ratio Analysis (MOORA) dengan menggunakan metode tersebut dapat memberikan alternatif terbaik dalam penentuan uang kuliah tunggal berdasarkan kemampuan ekonomi mahasiswa.
SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN PEMAIN YANG TEPAT SESUAI KEBUTUHAN TIM SEPAKBOLA Mochamad Panggih Nirwanto; Yan Watequlis Syaifudin; Imam Fahrur Rozi
Jurnal Informatika Polinema Vol. 5 No. 3 (2019): Vol 5 No 3 (2019)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v5i3.232

Abstract

Pembelian pemain yang tepat merupakan aspek penting dalam memperbaiki kesalahan yang terjadi di musim sebelumnya baik dari segi prestasi maupun dari segi kerugian dalam hal finansial. Dalam kenyataanya pembelian pemain sekarang masih tidak sesuai kebutuhan tim di karenakan dalam menentukan pemain sepakbola pemandu bakat hanya melihat pemain dalam satu pertandingan maupun dalam satu kompetisi kecil yang dilaksanakan hanya sebulan dan biasanya pemandu bakat melihat pemain hanya dalam youtube yang biasanya terjadi kerugian karena tim merasa dirugikan karena pembelian gagal. Pada penelitian ini dibuat sistem informasi untuk membantu pembobotan kriteria dan perankingan pemain sepakbola guna mencari pemain terbaik yang akan di beli di bursa transfer dengan mengurangi tingkat subyektifitas penilaian. Kelebihan Analytical Hierarchy Process (AHP) adalah berdasar pada matriks perbandingan berpasangan dan melakukan analisis konsistensi. Sedangkan metode Technique For Others Reference By Similarity To Ideal Solution (TOPSIS) memiliki konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif. Hasil pengujian metode AHP dan TOPSIS yang dilakukan dengan membandingkan hasil pengujian sistem dan transfer sebenarnya diperoleh tingkat akurasi 80% dari 5 perbandingan kriteria.
Co-Authors Abdul Muhsyi Agung Nugroho Ahmad Adil Faruqi Al Huda, Muhammad Iqbaluddin Ali Rahman Wibisana, Hafid Amalia, Astrifidha Rahma Ananta, Ahmadi Yuli Angga Aditya Indra Wiratmaka Anggraini, Serly Anita Ivianti Annisa Taufika Firdausi Annisa Taufika Firdausi Arief Prasetyo Atiqah Nurul Asri Batubulan, Kadek Suarjuna Budiarti, Arry Budiarti, Mahanani Nur Bulan, Novita Putri Dianti, Amelia Dika Rizky Yunianto, Dika Rizky Dimas Firman AL-Hafiidh Donavan, Khasadika Dwi Puspitasari Ekojono Ekojono Ekojono, Ekojono Elok Nur Hamdana Erfan Rohadi Fahmy Ainun Nazilla Faisal Rahutomo Faishal Rahutomo Faruqi, Ahmad Adil Gaghana, Geo Alfriza Hapsari, Ratih Indri Haris Setiyono Ika Kusumaning Putri Indra Wiratmaka, Angga Aditya Iqbal Alfahmi, Muhammad Balya Irawan, Ferry Buyung Bakhtiar Irvan Wahyu Nurdian Islamiyah, Khalimatul Ivianti, Anita Khalimatul Islamiyah Khansa, M. Roid Billy Khasadika Donavan Mahanani Nur Budiarti Mamluatul Hani’ah Maulidia, Irma Millenia Rusbandi Mochamad Panggih Nirwanto Mufidah, Nursita Al Muhammad Afif Hendrawan Muhammad Alfahmi Nazilla, Fahmy Ainun Nirwanto, Mochamad Panggih Novia Puspitasari Nugraeni, Arin Kistia Nur Khozin Nurdian, Irvan Wahyu Nursita Al Mufidah Nurudin Santoso Odhitya Desta Odhitya Desta Triswidrananta Odhitya Desta Triswidrananta Pangestu Nur Mirzha Pramana Yoga Saputra Pramudhita, Agung Nugroho Rahmad, Cahya Rahmadhany, Tahta Reza Rakhmat Arianto, Rakhmat Ridwan Rismanto Rizky Yunianto, Dika Rokhman, Syaiful Rosa Andrie Asmara Rudy Ariyanto Rusbandi, Millenia Santoso, Nurudin Saputra, Zainal Ulu Prima Sholiha, Afifah Sintiya, Endah Septa Syaiful Rokhman Tahta Reza Rahmadhany Taufika Firdausi, Annisa Thalia Amira Rifda Usman Nurhasan Vipkas Al Hadid Firdaus Vivi Nur Wijayaningrum Vivin Ayu Lestari Wibowo, Rahmat Catur Widito, Sasmojo Wijanarko, Eko Setio Yan Watequlis Syaifudin Yogi Kurniawan Yuri Ariyanto Yushintia Pramitarini Zakaria, Arief Syukron Zanuar Hanif Rachmat Adi