Article Per Year (5 Year)
p-Index From 2020 - 2025
5.047
P-Index
This Author published in this journals
All Journal Transmisi: Jurnal Ilmiah Teknik Elektro Semantik Techno.Com: Jurnal Teknologi Informasi JAIS (Journal of Applied Intelligent System) Proceeding SENDI_U Journal of Information System JURNAL MEDIA INFORMATIKA BUDIDARMA JTERA (Jurnal Teknologi Rekayasa) INOVTEK Polbeng - Seri Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING Building of Informatics, Technology and Science Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Advance Sustainable Science, Engineering and Technology (ASSET) Aptekmas : Jurnal Pengabdian Kepada Masyarakat Community: Jurnal Pengabdian Pada Masyarakat Jurnal Rekayasa elektrika INOVTEK Polbeng - Seri Informatika Prosiding SENTIMETER : Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer
Abu Salam
Universitas Dian Nuswantoro
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
Algoritma Latent Semantic Analysis (LSA) Pada Peringkas Dokumen Otomatis Untuk Proses Clustering Dokumen Luthfiarta, Ardytha; Zeniarja, Junta; Salam, Abu
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

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

Abstract

Teknologi pengklasteran dokumen memiliki peran yang signifkan dalam kemajuan teknologi informasi, diantaranya mempunyai peranan penting dalam pengembangan web di bidang akurasi kategorisasi keyword otomatis pada search engine, kategorisasi berita untuk surat kabar elektronik, peningkatan rating situs dengan teknologi Search Engine Optimization (SEO) dan sangat memungkinkan untuk diimplementasikan dalam berbagai teknologi informasi lainnya, oleh karena  itu diperlukan penelitian untuk meningkatkan ketepatan akurasi dalam pengklasteran dokumen. Dalam penelitian ini Algoritma  Latent Semantic Analysis  (LSA) dapat melakukan proses reduksi kalimat dengan lebih baik dibandingkan algoritma Feature Based sehingg a mendapatkan hasil akurasi proses clustering dokumen yang lebih akurat.Beberapa tahapan clustering dalam penelitian ini, yaitu preprocessing, peringkas dokumen otomatis  dengan metode fitur,  peringkas dokumen otomatis dengan  LSA, pembobotan kata,  dan algoritma clustering.Hasil penelitian menunjukkan  tingkat akurasi menggunakan peringkas dokumen otomatis  dengan LSA dalam  proses clusteringdokumen  mencapai  71,04  %yang diperoleh pada tingkat peringkas dokumen otomatisdengan  LSA  40%  dibandingkan dengan hasil clustering tanpa peringkas dokumen otomatis yang hanya mencapai tingkat akurasi 65,97  %.
PENGUKURAN TINGKAT KEMATANGAN KOPI ROBUSTA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Rachmawanto, Eko Hari; Salam, Abu
Proceeding SENDI_U 2019: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS
Publisher : Proceeding SENDI_U

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (356.995 KB)

Abstract

Kopi robusta merupakan produk tanaman perkebunan yang dibutuhkan oleh masyarakat dunia. Di Indonesia kopi merupakan komoditas ekspor yang cukup tinggi. Indonesia menempati posisi ke empat dalam ekspor dan produsen kopi robusta di dunia, setelah Brazil, Colombia, dan Vietnam. Perkebunan kopi di Indonesia memiliki peran penting dalam perekonomian nasional, serta menjadi penyedia lapangan pekerjaan bagi masyarakat sekitarnya. Penentuan tingkat kematangan pada buah tergantung pada tiap jenis kopi, jenis kopi arabika akan matang mulai umur 210-250 Hari Setelah Anthesis (HSA), sedangkan untuk kopi jenis robusta mulai umur 300-350 Hari Setelah Anthesis (HSA). Penentuan kopi robusta berdasarkan umur buah dinilai kurang praktis, dikarenakan perbedaan umur antara satu buah dengan lainnya. Maka kebutuhan akan pengolahan informasi tingkat kematangan buah kopi robusta sangat dibutuhkan untuk menunjang perkembangan buah kopi. Ada beberapa teknik yang bisa digunakan untuk mendapatkan informasi tingkat kematangan buah kopi, yaitu ekstaksi fitur yang digunakan untuk memunculkan ciri dari suatu citra dengan menggunakan fitur HSV dengan segmentasi warna. Proses terakhir adalah pengklasifikasian kematangan buah kopi menggunakan algoritma K-NN. Penggunaan fitur HSV dan K-NN telah diuji coba dan mendapatkan hasil akurasi tertinggi pada K=1 sebesar 93,33% dan K=3 sebesar 96,67%.
Integrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction Junta Zeniarja; Abu Salam; Ardytha Luthfiarta; L Budi Handoko; Muhammad Jamhari
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (599.107 KB)

Abstract

Proses  clustering dokumen memudahkan pengguna menemukan dokumen yang diinginkan. Dalam prosesnya  dokumen  yang akan dicluster  direpresentasikan menggunakan Vector Space Model (VSM). Masalah  klasik  dalam VSM adalah matrik term-dokumen  yang  sangat jarang (banyak mengandung angka 0 dalam term-dokumen matrik) dan juga  berdimensi tinggi, sehingga dapat mengurangi kinerja clustering dokumen. Oleh karena itu diperlukan suatu metode untuk bisa mengurangi dimensi term-dokumen dan menghilangkan term yang bernilai 0 tersebut sehingga dapat meningkatkan kinerja proses clustering. Dalam penelitian ini diusulkan model peringkas dokumen otomatis  dengan penggabungan metode fitur dan latent semantic analysis (LSA) sebagai feature reduction pada proses clustering dokumen.Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dari clustering dokumen dengan pengkombinasian metode padaperingkas dokumen otomatis yang diintegrasikan sebagai feature reduction. Beberapa tahapan clustering dalam penelitian ini, yaitu preprocessing, peringkas dokumen otomatis  dengan metode fitur ,LSA dan Kombinasi, pembobotan kata, feature selection, feature transformation dan algoritma clustering.   Hasil penelitian menunjukkan  tingkat akurasi menggunakan peringkas dokumen  otomatis yang diintegrasikan sebagai feature reduction  dengan menggabungkan metode fitur dan metode LSA  mencapai 93,33  %  yang diperoleh pada tingkat peringkas dokumen otomatis  LSA Summary + Feature Summary 50% + Feature Selection 20% + LSA  dibandingkan dengan feature selection 20 % tanpa menggunakan peringkas dokumen otomatis yang hanya mencapai tingkat akurasi 89,33 %.
RANCANG BANGUN SISTEM INFORMASI PENGELOLAAN DOKUMEN TANGIBLE CULTURAL HERITAGE Khafiizh Hastuti; Abu Salam; Budi Handoko; Erwin Yudi Hidayat
Semantik Vol 4, No 1 (2014): Semantik 2014
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (309.076 KB)

Abstract

The geographical position of Central Java  which  is  in  the middle of  the island of  Java,making it a “meltingpot”of cultures  as well  as the  cultural center  of Java  island.  Cultural  heritage  is dividedinto  tangible  cultural  heritage  and  intangible  cultural heritage.  Tangible  cultural heritage  is  the work of  the human  body  that  can  be moved  or  moving,  or  that  cannot  be moved  or  did not  move.Department of Culture  and    Tourism of  Central  Java has documented  manually  cultural  heritagebut very vulnerable to damage. There are also many cultural  heritages that have not been recorded. The process of data collection and recording are very difficult, since the datasources are scatteredand  not well organized.  Documentation  of cultural heritage  in Central Java  can  be used  as  a information    system  database  fora wide range of  cultura  linterests  in  Central Java.  The aim is tofacilitate  and  ease  The  Department of  Culture  and Tourism of  Central  Java  to  documents and records cultural heritage collections for the category of tangible cultural heritage. In the long-term plan, this system can be used  as a reference by another region, thus forming the  national cultural heritage documentation system.
INTEGRASI PERINGKAS DOKUMEN OTOMATIS SEBAGAI FEATURE REDUCTION PADA CLUSTERING DOKUMEN Abu Salam; Catur Supriyanto; Amiq Fahmi
Semantik Vol 2, No 1 (2012): Prosiding Semantik 2012
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1035.638 KB)

Abstract

Clustering dokumen merupakan proses pengelompokan dokumen yang memiliki kesamaan topik, clustering dokumen memudahkan pengguna menemukan dokumen yang diinginkan. Dalam proses clustering dokumen, dokumen direpresentasikan menggunakan Vector Space Model (VSM). Masalah dalam VSM adalah matrik term-dokumen biasanya sangat jarang (banyak mengandung angka 0 dalam term-dokumen matrik) dan juga mempunyai dimensi tinggi, sehingga masalah-masalah ini dapat mengurangi kinerja clustering dokumen. Oleh karena itu diperlukan suatu metode untuk bisa mengurangi dimensi term-dokumen dan menghilangkan term yang bernilai 0 tersebut sehingga dapat meningkatkan kinerja proses clustering. Dalam penelitian ini diusulkan model peringkas dokumen otomatis sebagai feature reduction pada proses clustering dokumen.Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dari clustering dokumen dengan mengintegrasikan peringkas dokumen otomatis sebagai feature reduction. Ada beberapa tahapan clustering dalam penelitian ini, yaitu preprocessing, peringkas dokumen otomatis, pembobotan kata, feature selection, feature transformation dan algoritma clustering. Tahap Preprocessing yang digunakan dalam penelitian ini adalah tokenization, stopword, stemming dan pemenggalan kalimat. Proses peringkas dokumen otomatis ditujukan untuk penyeleksian kalimat agar didapatkan ringkasan teks yang diperoleh dengan menyajikan kembali bagian tulisan yang dianggap topik utama tulisan dengan bentuk yang lebih disederhanakan baru kemudian selanjutnya dilakukan proses pembobotan kata, feature selection, feature transformation dan clustering. Hasil penelitian menunjukkan bahwa integrasi peringkas dokumen otomatis sebagai feature reduction dapat meningkatkan kinerja clustering dokumen sampai dengan 91,7 %, mengalami peningkatan dari tingkat akurasi 89,6 % untuk proses feature reduction tanpa menggunakan peringkas dokumen otomatis. Kemudian pengaruh Integrasi peringkas dokumen otomatis sebagai feature reduction untuk waktu komputasi yang dibutuhkan adalah pada % feature selection yang semakin kecil integrasi peringkas dokumen otomatis sebagai feature reduction membutuhkan tambahan waktu komputasi tersendiri, akan tetapi pada proporsi feature selection yang semakin besar, % peringkas dokumen otomatis dapat menurunkan waktu komputasi yang digunakan.Kata kunci: Text mining; Clustering Dokumen; Peringkas Dokumen Otomatis.
SISTEM REKOMENDASI PENENTUAN DOSEN PEMBIMBING TUGAS AKHIR DENGAN MENGGUNAKAN ALGORITMA RABIN-KARP Abu Salam; Verdian Putra Wicaksana; Khafiizh Hastuti
Techno.Com Vol 14, No 3 (2015): Agustus 2015 (Hal. 165-241)
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (261.645 KB) | DOI: 10.33633/tc.v14i3.949

Abstract

Penentuan dosen pembimbing tugas akhir merupakan faktor penting terhadap pengerjaan tugas akhir mahasiswa. Namun, kurangnya informasi mengenai dosen pembimbing dapat menghambat mahasiswa dalam melakukan penentuan dosen pembimbing. Dengan demikian, diperlukan sistem yang dapat membantu mahasiswa sehingga dapat dimudahkan dalam melakukan penentuan dosen pembimbing tugas. Masalah tersebut yang menjadi dasar penelitian ini. Penelitian  dilakukan dengan mengembangkan sistem berbasis web dengan menggunakan metode pengembangan sistem web-engineering dan menerapkan algoritma Rabin-Karp yang merupakan algoritma pencocokan pola string. Peran algoritma Rabin-Karp dalam sistem ini yaitu melakukan pencocokan pola string antara topik tugas akhir mahasiswa dengan judul penelitan yang telah dilakukan oleh setiap dosen pembimbing untuk mendukung sistem dalam memberikan rekomendasi kepada mahasiswa mengenai dosen pembimbing tugas akhir. Sistem rekomendasi penentuan dosen pembimbing tugas akhir yang dihasilkan dari penelitian ini dapat memberikan rekomendasi kepada mahasiswa mengenai dosen pembimbing tugas akhir yang telah melakukan penelitian sesuai dengan topik tugas akhir mahasiswa. Namun masih perlu adanya perubahan maupun peningkatan algoritma agar mampu menghasilkan rekomendasi yang memiliki performa lebih baik dan tidak bergantung pada data penelitian dosen pembimbing. Kata Kunci : Sistem rekomendasi, dosen pembimbing, Algoritma Rabin-Karp,web-engineering
INTEGRASI PERINGKAS DOKUMEN OTOMATIS DENGAN ALGORITMA LATENT SEMANTIC ANALYSIS (LSA) PADA PERINGKAS DOKUMEN OTOMATIS UNTUK PROSES CLUSTERING DOKUMEN Ardytha Luthfiarta; Junta Zeniarja; Abu Salam
Techno.Com Vol 13, No 1 (2014): Februari 2014 (Hal. 1-68)
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (788.592 KB) | DOI: 10.33633/tc.v13i1.543

Abstract

Teknologi pengklasteran dokumen memiliki peran yang signifkan dalam kemajuan teknologi informasi, diantaranya mempunyai peranan penting dalam pengembangan web  di bidang akurasi kategorisasi keyword otomatis pada search engine, kategorisasi berita untuk surat kabar elektronik,  peningkatan rating situs dengan teknologi Search Engine Optimization (SEO) dan sangat memungkinkan untuk diimplementasikan dalam berbagai teknologi informasi lainnya, oleh karena  itu diperlukan penelitian untuk meningkatkan ketepatan akurasi dalam pengklasteran dokumen. Dalam penelitian ini Algoritma Latent Semantic Analysis (LSA) dapat melakukan proses reduksi kalimat dengan lebih baik dibandingkan algoritma Feature Based sehingga mendapatkan hasil akurasi proses clustering dokumen yang lebih akurat. Beberapa tahapan clustering dalam penelitian ini, yaitu preprocessing, peringkas dokumen otomatis dengan metode fitur, peringkas dokumen otomatis dengan LSA, pembobotan kata, dan algoritma clustering. Hasil penelitian menunjukkan tingkat akurasi menggunakan peringkas dokumen otomatis dengan LSA dalam proses clustering dokumen mencapai 71,04 % yang diperoleh pada tingkat peringkas dokumen otomatis dengan LSA 40% dibandingkan dengan hasil clustering tanpa peringkas dokumen otomatis yang hanya mencapai tingkat akurasi 65,97 %. Kata kunci: Text Mining, Clustering, Peringkas Dokumen Otomatis, LSA.
Implementasi Algoritma Apriori untuk Mencari Asosiasi Barang yang dijual di E-commerce OrderMas Abu Salam; Moh. Sholik
Techno.Com Vol 17, No 2 (2018): Mei 2018
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (406.713 KB) | DOI: 10.33633/tc.v17i2.1656

Abstract

Kekurangan atau kekosongan stok barang pada suatu toko/perusahaan akan berdampak sangat buruk untuk keberhasilan dan kelancaran transaksi jual beli, penyebab terjadinya kekosongan stok adalah tidak adanya informasi yang disampaikan dari perusahaan kepada supplier penyetok barang secara dini. Untuk mencegah hal tersebut maka dibutuhkan sebuah system yang dapat membantu supplier barang agar mengetahui secara dini tentang ketersediaan barang yang terdapat pada toko / perusahaan tertentu.Berdasarkan data transaksi penjualan maka system ini dibangun mnggunakan metode Assosiasi dengan algoritma apriori yang merupakan tehnik dalam data mining untuk menemukan aturan assosiatif kombinasi antara itemset. Perhitungan dilakukan dengan menentukan support dan confidance yang akan menghasilkan assosiasi rules, yang dapat digunakan untuk menentukan stok barang apa saja yang perlu diperbanyak oleh supplier guna meningkatkan keuntungan antara supplier dan perusahaan.
Data Mining Applications for Violence Pattern Analysis with FP-Growth Algorithm Junta Zeniarja; Debrina Luna Arghata Mangkawa; Abu Salam
Journal of Applied Intelligent System Vol 6, No 1 (2021): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v6i1.4444

Abstract

Violence is a crime that is one of the problems the principal experienced by each country. Violence can be interpreted as a behavior that causes harm to someone. According to the results of DP3AKB research in Central Java Province in 2017, there are less many than 200 people in Central Java province experienced acts of violence. By because of the many acts of violence that occur in various forms of violence, it requires definite information about the form of violence that happens most often, in obtaining that information Data mining techniques are needed by using the FP-Growth algorithm. The application of the FP-Growth algorithm to produce form association patterns violence. Hardness data is 420 data, the best 7 rules have been obtained with min value support 50% and min value support 60%. On the best rule results have given a recommendation (solution) so that the DP3AKB can handle the problem of violence well and on target.
Diagnosis Of Heart Disease Using K-Nearest Neighbor Method Based On Forward Selection Junta Zeniarja; Anisatawalanita Ukhifahdhina; Abu Salam
Journal of Applied Intelligent System Vol 4, No 2 (2019): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v4i2.2749

Abstract

Heart is one of the essential organs that assume a significant part in the human body. However, heart can also cause diseases that affect the death. World Health Organization (WHO) data from 2012 showed that all deaths from cardiovascular disease (vascular) 7.4 million (42.3%) were caused by heart disease. Increased cases of heart disease require a step as an early prevention and prevention efforts by making early diagnosis of heart disease. In this research will be done early diagnosis of heart disease by using data mining process in the form of classification. The algorithm used is K-Nearest Neighbor algorithm with Forward Selection method. The K-Nearest Neighbor algorithm is used for classification in order to obtain a decision result from the diagnosis of heart disease, while the forward selection is used as a feature selection whose purpose is to increase the accuracy value. Forward selection works by removing some attributes that are irrelevant to the classification process. In this research the result of accuracy of heart disease diagnosis with K-Nearest Neighbor algorithm is 73,44%, while result of K-Nearest Neighbor algorithm accuracy with feature selection method 78,66%. It is clear that the incorporation of the K-Nearest Neighbor algorithm with the forward selection method has improved the accuracy result. Keywords - K-Nearest Neighbor, Classification, Heart Disease, Forward Selection, Data Mining
Co-Authors Adhitya Nugraha Alan Ma’ruf, Farda Alpiana, Vika Alzami, Farrikh Anisatawalanita Ukhifahdhina Ardin, Akbar Ilham Ardytha Luthfiarta Arifianti, Fidela Putri Arifin, Muhammad Farhan Astuti, Yani Parti Candra Irawan Catur Supriyanto Catur Supriyanto Damaswara, Silvester Aditya Debrina Luna Arghata Mangkawa Diana Aqmala Dimas Pratama, Yohanes Diyan Adiatma Dzaki, Azmi Abiyyu Egia Rosi Subhiyakto, Egia Rosi Eko Hari Rachmawanto Erwin Yudi Hidayat Erwin Yudi Hidayat Fahmi Amiq Farda Alan Ma'ruf Ferry Bintang Nugroho Haresta, Alif Agsakli Ifan Rizqa Ika Novita Dewi Iskandar, Deo Andrianto Juli Ratnawati Junta Zeniarja Kahingide, Hastyantoko Dwiki Khafiizh Hastuti Kurniawan, Defri Kurniawan, Wira Adi Kusmiyati Kusmiyati L. Budi Handoko Lesmarna, Salsabila Putri Maulana, Fadhli Faqih Megantara, Rama Aria Moh. Sholik Muhammad Jamhari Mukti, David Ramantya Muljono Muljono Mulyanto, Edy Muzaki, Rizki Nuzul Nabila, Talitha Safa Nafanda, Cynthia Dwi Norman, Maria Bernadette Chayeenee Octaviani, Dhita Aulia Pamungkas, Tahta Arya Paramita, Cinantya Pawidya, Novandra Putra Prinantyo, Gilang Djati Putra, Aditya Herdiansyah Ramadhan Rakhmat Sani Ramadhan, Irfan Surya Restu Agung Pamuji Ricardus Anggi Pramunendar Riyan Ardiansyah Sidiq, Syaiful Rizal Sindhu Rakasiwi Utomo, Danang Wahyu Verdian Putra Wicaksana Wibowo, Isro' Rizky Yonismara, Arvie Arvearie