Claim Missing Document
Check
Articles

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.
ANALISA FREQUENT PATTERN PADA DATA PENJUALAN MENGGUNAKAN ALGORITMA ECLAT UNTUK MENENTUKAN STRATEGI PENJUALAN Imam Fahrur Rozi; Yan Watequlis Syaifudin; Nursita Al Mufidah
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.v5i3.249

Abstract

Data transaksi penjualan merupakan salah satu data yang dapat diolah dan di analisa sebagai obyek suatu penelitian. Algortima Eclat merupakan algoritma pengembangan dari Algoritma Apriori yang sering digunakan untuk menganalisa data transaksi penjualan. Algoritma Eclat merupakan algoritma yang menggunakan format data vertikal untuk merepresentasikan datanya. Kelebihan dari Algoritma Eclat adalah proses dan performa penghitungan support dari semua itemsets dilakukan dengan cara lebih efisien dibandingkan dengan Algoritma HUI-miner Apriori. Algoritma Eclat digunakan untuk membantu menemukan frequent pattern pada data penjualan yang hasilnya berupa rule produk pembelian barang yang sering dibeli secara bersamaan oleh konsumen di dalam satu transaksi. Dengan menggunakan assosiation rule mining dapat ditentukan hasil dari nilai support dan confidence dari suatu rule produk yang didapat. Berdasarkan hasil analisa data pengaruh minimum support terhadap confidence dan lift ratio didapatkan hasil apabila semakin tinggi nilai minimum support yang digunakan, maka kemungkinan rule yang dihasilkan juga semakin banyak. Namun, prosentase hasil rule yang mendapatkan nilai pengujian lift ratio diatas 1,00 hanya sedikit. Sedangkan, apabila semakin sedikit nilai minimum support yang digunakan, maka kemungkinan hasil prosentase rule yang mempunyai nilai lift ratio diatas 1,00 semakin banyak dan bisa dikatakan rule tersebut valid untuk dijadikan saran rule barang yang akan diberi diskon.
KLASIFIKASI KUALITAS TANAMAN CABAI MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBOR (FKNN) Angga Aditya Indra Wiratmaka; Imam Fahrur Rozi; Rosa Andrie Asmara
Jurnal Informatika Polinema Vol. 3 No. 3 (2017): Vol 3 No 3 (2017)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i3.25

Abstract

Pada penelitian kali ini akan membahas tentang klasifikasi kualitas tanaman cabai menggunakan metode Fuzzy K-Nearest Neighbor(FKNN). Hal tersebut dilatarbelakangi karena cabai banyak dimanfaatkan untuk keperluan rumah tangga maupun industri. Terdapat berbagai jenis cabai yang ada di Indonesia, tetapi cabai yang banyak dimanfaatkan sebagai bahan olahan adalah cabai merah besar. Sebagai komuditas tanaman hortikultura dengan fluktuasi harga yang tinggi konsumen mengharapkan kualitas yang baik pula pada proses produksi. Agar produksi cabai memiliki kualitas yang merata, cabai hasil panen harus diklasifikasikan sebelum proses distribusi. Saat ini proses klasifikasi cabai di kota Blitar masih dilakukan secara manual oleh pegawai terkait. Algoritma FKNN memberikan nilai keanggotaan kelas pada vektor dan bukan menempatkan vektor pada kelas tertentu. Data didapat dari Dinas Pertanian, Peternakan, dan Perikanan Kota Blitar pada tahun 2015. Penelitian ini menggunakan 100 data sampel dengan 70 data latih dan 30 data uji . Dari pengujian didapatkan akurasi 96,67% terhadap data sampel. Maka dapat disimpulkan bahwa penelitian menggunakan metode Fuzzy K-Nearest Neighbor (FKNN) memiliki kinerja yang baik dalam klasifikasi kualitas cabai di kota Blitar.
PENERAPAN TEKNOLOGI SEMANTIC WEB PADA ARTIKEL WIKIPEDIA INDONESIA Irvan Wahyu Nurdian; Faisal Rahutomo; Imam Fahrur Rozi
Jurnal Informatika Polinema Vol. 3 No. 1 (2016): Vol 3 No 1 (2016)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v3i1.19

Abstract

Wikipedia adalah sebuah situs yang berisi tentang artikel ensiklopedia dan referensi online tingkat dunia. Artikel yang terdapat pada Wikipedia saat ini total telah mencapai lebih dari 37 juta artikel dari 250 lebih bahasa berbeda.Untuk Wikipedia Indonesia telah mencapai 371.281 artikel.Dengan sekian banyaknya artikel-artikel tersebut, tentunya bukan perkara mudah melakukan pencarian dengan cepat dan tepat sesuai dengan yang diharapkan. Maka dari itu dibutuhkan suatu metode yang dapat memecahkan masalah tersebut, yaitu metode semantic web. Penelitian ini dimulai dengan merancang ontologi berdasarkan class-class dari hasil clusteringartikel Wikipedia Indonesia serta dilengkapi dengan pendefinisian property-property dari masing-masing class. Dilanjutkan dengan perancangan query dengan bahasa SPARQL. Pencarian artikel pada aplikasi ini diuji dengan menggunakan 3 perhitungan untuk mengukur akurasi sistem, yakni Precision, Recall dan F-Score. Pada perhitungan Precision mendapatkan nilai rata-rata 1, Recall mendapatkan nilai rata-rata 0.53. Lalu pada perhitungan akhir akurasi sistem didapat nilai pada F-Score 0.6935 atau dengan persentase akurasi 69,35%.
IMPLEMENTASI STEGANOGRAPHY MENGGUNAKAN ALGORITMA DISCRETE COSINE TRANSFORM Ahmad Adil Faruqi; Imam Fahrur Rozi
Jurnal Informatika Polinema Vol. 2 No. 1 (2015): Vol 2 No 1 (2015)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v2i1.52

Abstract

Steganography merupakan metode yang berbeda dengan metode kriptografi yang mengubah sebuah informasi kedalam sebuah sandi sehingga tidak dapat dibaca tanpa mengetahui kunci atau sandi yang digunakan, namun keberadaannya tetap diketahui dan tidak disembunyikan. Sedangkan pada steganography informasi akan disembunyikan didalam suatu media pembawa sehingga tak seorangpun yang menyadari bahwa terdapat suatu informasi. Algoritma yang digunakan dalam steganography ini adalah algoritma discrete cosine transform. Steganography menggunakan algoritma discrete cosine transform menghasilkan gambar steganography dengan memiliki kualitas yang tidak jauh berbeda dari gambar aslinya hal ini ditunjukkan dengan besarnya nilai rata-rata hasil peak signal to noise ratio (PSNR) dari tiga gambar yang berbeda yaitu sebesar 37.44 db. Hasil pengujian kompresi gambar steganography, menyimpulkan bahwa pesan dalam gambar hasil steganography menggunakan algoritma discrete cosine transform tahan terhadap kompresi gambar.
Co-Authors Abdul Muhsyi Agung Nugroho Agung Nugroho Pramudhita Ahmad Adil Faruqi Ahmad Sudi Pratikno Ahmadi Yuli Ananta Al Huda, Muhammad Iqbaluddin Ali Rahman Wibisana, Hafid Amalia Amalia Amalia, Astrifidha Rahma Angga Aditya Indra Wiratmaka Anggraini, Serly Anita Ivianti Annisa Taufika Firdausi Arief Prasetyo Arifin, Muh. Syamsul Arin Kistia Nugraeni Astrifidha Rahma Amalia Atiqah Nurul Asri Budiarti, Arry Budiarti, Mahanani Nur Bulan, Novita Putri Cahya Rahmad Dianti, Amelia Dika Rizky Yunianto Dimas Firman AL-Hafiidh Donavan, Khasadika Dwi Puspitasari Eka Larasati Ekojono Ekojono Ekojono Ekojono Ekojono, Ekojono Elok Nur Hamdana Endah Septa Sintiya Erfan Achmad Dahlan Erfan Rohadi Fadjar Purnomo Fahmy Ainun Nazilla Faisal Rahutomo Faishal Rahutomo Farida Ulfa Faruqi, Ahmad Adil Florena Galatia Mahardika Gaghana, Geo Alfriza Hakim, Muhammad Ilham El Haris Setiyono Ika Kusumaning Putri Indra Wiratmaka, Angga Aditya Iqbal Alfahmi, Muhammad Balya Irawan, Ferry Buyung Bakhtiar Irvan Wahyu Nurdian Islamiyah, Khalimatul Ivianti, Anita Kadek Suarjuna Batubulan Khalimatul Islamiyah Khansa, M. Roid Billy Khasadika Donavan Mahanani Nur Budiarti Mamluatul Hani’ah Mardiana, Aida Milati Maria Puji Rahayu Maulidia, Irma Meyti Eka Apriyani Millenia Rusbandi Moch. Sholeh, Moch. Mochamad Panggih Nirwanto Mufidah, Nursita Al Muhammad Afif Hendrawan Muhammad Alfahmi Mustika Mentari Nazilla, Fahmy Ainun Nirwanto, Mochamad Panggih Novia Puspitasari Nugraeni, Arin Kistia Nur Khozin Nurdian, Irvan Wahyu Nurizal Dwi Priandani Nursita Al Mufidah Nurudin Santoso Nurul Jannah Odhitya Desta Odhitya Desta Triswidrananta Odhitya Desta Triswidrananta Odhitya Desta Triswidrananta Pangestu Nur Mirzha Pramana Yoga Saputra Rahmadhany, Tahta Reza Rahman, Muhammad Arif Rakhmat Arianto Rakhmat Arianto Ratih Indri Hapsari Rawansyah Rawansyah Ridwan Rismanto Rokhman, Syaiful Rosa Andrie Asmara Rudy Arianto, Rudy Rudy Ariyanto Rusbandi, Millenia Santoso, Nurudin Saputra, Zainal Ulu Prima Saskia Putri, Anisa Sholiha, Afifah Sugianto, Yuyung Syafaat Akbar Syaiful Rokhman Tahta Reza Rahmadhany Thalia Amira Rifda Triyanna Widiyaningtyas Usman Nurhasan Vipkas Al Hadid Firdaus Vivi Nur Wijayaningrum Vivin Ayu Lestari Viyus, Vinan Wahyu Caesarendra Wibowo, Rahmat Catur Widito, Sasmojo Wijanarko, Eko Setio Yan Watequlis Syaifudin Yogi Kurniawan Yoppy Yunhasnawa Yuri Ariyanto Yushintia Pramitarini Zahra Rifdani, Mir'ah Zakaria, Arief Syukron Zanuar Hanif Rachmat Adi