Claim Missing Document
Check
Articles

Klasifikasi Keluhan Menggunakan Metode Support Vector Machine (SVM) Pada Akun Facebook Group iRaise Helpdesk Fatmawati, Fatmawati; Affandes, Muhammad
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 3, No 1 (2017): Juni 2017
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (664.05 KB) | DOI: 10.24014/coreit.v3i1.3552

Abstract

Abstrak – Facebook Group iRaise Helpdesk merupakan salah satu layanan media sosial yang digunakan pihak PTIPD UIN Suska Riau sebagai layanan pelanggan (customer services) sistem akademik. Mengingat sistem akademik baru mengalami peralihan yang sebelumnya bernama SIMAK menjadi iRaise, sehingga masih ada permasalahan yang ditimbulkan, dan menjadi keluhan bagi penggunanya.  Untuk pengolahan data keluhan, pihak PTIPD masih menggunakan proses manual dengan menggunakan microsoft word dan excel. Sehingga pada penelitian ini akan dilakukan pengklasifikasian permasalahan sistem iRaise pada kategori multiclass yaitu: login, krs, nilai dan personal. Dengan menggunakan metode Support Vector Machine (SVM) dengan kernel RBF.  Jumlah dataset sebanyak 1040 data keluhan. Pengujian dilakukan menggunakan aplikasi RapidMiner dan diuji dengan menggunakan 10-Fold cross validation dan diukur dengan confussion matrix. Dari hasil uji coba aplikasi menunjukkan akurasi tertinggi sebesar 95.67% pengujian tanpa menggunakan feature selection pada titik C=2 dan .Kata Kunci : confussion matrix, cross validation, iraise, keluhan, klasifikasi, rapidminer, support vector machine.
Analisis Manajemen Risiko TI Menggunakan Framework COBIT 5 Domain APO12 dan EDM03 Al Fajri; Novriyanto; Nazruddin Safaat H; Muhammad Affandes
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 3 (2023): Desember 2023
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i3.1396

Abstract

PT Perkebunan Nusantara V Pekanbaru is a state-owned enterprise or BUMN, operating in the field of oil palm and rubber plantations located in the city of Pekanbaru, Riau Province, PTPN V has utilized information technology in running the organization and business processes therein, there are risks- risks that will disrupt the application of information technology and even be detrimental to the company, such as the risk of technical specification errors, the risk of errors in self-estimated price calculations (HPS), the risk of errors in the Work Plan and Requirements (RKS) documents and the risk of server failure or network failure. Risk management is an effort for PTPN V as the basis for infrastructure in good risk management governance, the research was carried out with the aim of being able to carry out information technology risk management analysis and provide recommendations to harmonize risk management in information technology processes, using the COBIT 5 framework and appropriate domains, namely the APO12 and EDM03 domains, The data needed in this research is in the form of secondary data and primary data, in the EDM03 domain it is known that the capability value is 4.56, which means the company has reached capability level 5 (optimizing process), in the APO12 domain it is known that the capability value is 4.43, which means The company has achieved capability level 4 (predictable process). Recommendations are given for processes in the APO12 domain as the domain used for risk management, while for the EDM03 domain process as the domain for risk optimization in the procurement and IT sections of PTPN V Pekanbaru
Klasifikasi Kebakaran Hutan Riau Menggunakan Random Forest dan Visualisasi Citra Sentinel-2 Ahmad Efendi; Iwan Iskandar; Rahmad Kurniawan; Muhammad Affandes
KLIK: Kajian Ilmiah Informatika dan Komputer Vol. 4 No. 3 (2023): Desember 2023
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/klik.v4i3.1521

Abstract

In September 2019, Riau was severely affected by hazardous haze, impacting the health of the population and disrupting the activities of approximately 6.5 million people. This situation necessitated swift and accurate actions for the mitigation and anticipation of forest and land fires. This research aims to classify forest fires in Riau using Machine Learning algorithms, specifically Random Forests. However, a comprehensive understanding of forest fires requires the visualization of Sentinel-2 satellite imagery using the Normalized Burn Ratio (NBR) index. Sentinel-2 imagery recreates a pivotal role in identifying burnt areas, measuring fire intensity, and assessing environmental impacts. Weather data spanning from January 2015 to September 2019, totaling 1733 data points have been utilized in this study. Experimental results demonstrate that the Random Forest algorithm achieved the highest accuracy of 71% with an 90% training data allocation. Meanwhile, Sentinel-2 imagery can visualize burnt areas with an overall accuracy of 94% and a kappa coefficient of 0.92. This study offers an integrated approach to addressing forest fires in Riau, resulting in improved predictions and a deeper understanding of forest fire disasters. In the context of disaster mitigation, the combination of Machine Learning and Sentinel-2 imagery visualization holds significant potential for providing critical information to stakeholders and authorities
Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT) Khairul Amri; Alwis Nazir; Elin Haerani; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4408

Abstract

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat
Implementasi Treemap untuk Visualisasi Data Angka Kesakitan (Morbiditas) (Studi Kasus: Dinas Kesehatan Indragiri Hilir) Muhammad Ridha; Muhammad Affandes; Eka Pandu Cynthia; Pizaini Pizaini
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4147

Abstract

Dinas Kesehatan Indragiri Hilir merupakan instansi pemerintah yang memegang peranan penting dalam pengawasan dan pemantauan perkembangan kesehatan di Kabupaten Indragiri Hilir. Sebagai pihak yang bertanggung jawab dibidang kesehatan, Dinas Kesehatan memerlukan pendataan mengenai angka kesakitan (morbiditas) masyarakat Indragiri Hilir yang dikelompok berdasarkan penyakit, umur, jenis kelamin, kasus baru-lama yang ada disetiap UPT Puskesmas di Kabupaten Indragiri Hilir. Setiap bulannya, UPT Puskesmas di kecamatan melaporkan angka kesakitan (morbiditas) ke Dinas Kesehatan Indragiri Hilir untuk direkapitulasi. Namun laporan masih dalam bentuk format file excel dan tabel, sehingga data harus dilihat satu persatu dan memahami data membutuhkan waktu yang lama. Maka dibutuhkanlah sistem yang dapat memvisualisasikan data untuk memudahkan melihat data dan mengambil keputusan. Sistem ini dibangun menggunakan metode Treemap. Metode ini dapat memvisualisasikan data secara menyeluruh dan detail berdasarkan kategori data dengan jumlah data ratusan hingga ribuan yang ditampilkan dalam satu waktu. Berdasarkan hasil pengujian yang dilakukan menggunakan metode Black Box dan User Acceptance Test, sistem visualisasi menggunakan Treemap berhasil dibangun dan berjalan dengan baik dalam memvisualisasikan data angka kesakitan (morbiditas) di Indragiri Hilir dengan memperoleh hasil pengujian 95.10% untuk kategori sangat bagus menggunakan perhitungan skala Likert.
Implementasi Data Mining Untuk Menemukan Pola Asosiasi Data Tracer Study Menggunakan Algoritma Apriori Rindi Yani; Alwis Nazir; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4412

Abstract

Abstrak -  Mengetahui sebaran alumni dari suatu perguruan tinggi sangat bermanfaat sebagai bahan evaluasi dan tolak ukur aktivitas belajar mengajar di perguruan tinggi terkait. Salah satu cara untuk mendapatkan sebaran alumni adalah dengan melaksanakan tracer study. Pada penelitian ini akan dilakukan tracer study dan selanjutnya data tersebut akan diolah dengan teknik data mining menggunakan algoritma apriori. Hasil data berupa pola hubungan antar atribut akan memudahkan para pemegang keputusan di perguruan tinggi dalam mendapatkan pengetahuan baru tentang lulusan dan dapat digunakaan untuk meningkatkan dan menjamin kualitas pendidikan tinggi tersebut. Tracer study yang dilakukan berfokus pada mahasiswa Teknik Informatika UIN Suska Riau yang lulus pada tahun 2019 dan 2020. Hasil penelitian ini memperoleh pengetahuan baru seperti pekerjaan pertama lulusan dengan masa tunggu kurang dari 6 bulan adalah sebagai pegawai kontrak atau honorer dengan gaji antara 3-5jt dan memiliki ipk antara 3-3,5.Kata kunci: data mining, pola asosiasi, tracer study, apriori Abstract - Knowing the distribution of alumni from a university is very useful as an evaluation and a benchmark for teaching and learning activities in related universities. One way to get the distribution of alumni is to carry out a tracer study. In this research, a tracer study will be carried out and then the data will be processed using the apriori algorithm data mining techniques. The results of the data in the form of relationship patterns between attributes will make it easier for decision makers in higher education to gain new knowledge about graduates and it can be used to improve and guarantee the quality of these higher education institutions. The tracer study carried out was focused on Informatics Engineering students at UIN Suska Riau who graduated in 2019 and 2020. The results of this study are in the form of new knowledge, such as graduates with a waiting period are fewer than 6 months getting their first job as a contract or honorary employees with salaries of between 3-5 million and a GPA between 3-3.5.Keywords: data mining, association rule, tracer study, apriori algorithm
Penerapan Data Mining Pada Hasil Tracer Study Alumni Untuk Menemukan Pola Asosiasi Dengan Algoritma Fp-Growth Surya Andika; Alwis Nazir; Fitri Wulandari; Muhammad Affandes; Reski Mai Candra; Amany Akhyar
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4407

Abstract

Abstrak - Tracer study adalah studi terhadap lulusan lembaga pendidikan tinggi, yang juga merupakan proses untuk  mendapatkan informasi terkait transformasi alumni dari masa pendidikan ke dunia industri. Hal ini dilakukan untuk menentukan kelayakan pekerjaan lulusan dan juga penilaian retrospektif, seperti apa pelayanan yang diperoleh selama masa studi. Penelitian ini akan melaksanakan  tracer study  pada tingkat program studi di Teknik Informatika di UIN Suska Riau dan kemudian hasil studi lanjutan ini akan diolah untuk mendapatkan pola korelasi atau hubungan yang bermakna. Pengolahan data akan menggunakan teknologi data mining dan algoritma fp-growth.  Berdasarkan hasil analisa pengujian dan interpretasi dari total data bersih 129 alumni teknik informatika UIN Suska Riau yaitu pola yang dihasilkan dari proses mining dengan minimum support 15%  dan minimum confidence 40% adalah sebanyak 608 pola. Peneliti mengambil beberapa pola dengan antecedents berupa ipk, masa tunggu, bidang pekerjaan, gaji,  pekerjaan pertama, jenis kelamin untuk diinterpretasikan.Kata kunci: Data Mining, Tracer study, Fp-growth Abstract - Tracer study is a study of graduates of higher education institutions, which is also a process to obtain information related to the transformation of alumni from their education period to the industrial world. This is done to determine the employability of graduates as well as a retrospective assessment, such as what services were obtained during the study period. This research will carry out a tracer study at the study program level in Informatics Engineering at UIN Suska Riau and then the results of this follow-up study will be processed to obtain a significant correlation pattern or relationship. Data processing will use data mining technology and the fp-growth algorithm. Based on the results of the analysis of testing and interpretation of the total net data of 129 alumni of informatics engineering UIN Suska Riau, the patterns generated from the mining process with a minimum support of 15% and a minimum confidence of 40% are 608 patterns. Researchers took several patterns with antecedents in the form of GPA, waiting period, field of work, salary, first job, gender to be interpreted.Keywords: Data Mining, Tracer study, Fp-growth 
Pengaruh Hyperparameter Convolutional Neural Network Arsitektur ResNet-50 Pada Klasifikasi Citra Daging Sapi dan Daging Babi Sarah Lasniari; Jasril Jasril; Suwanto Sanjaya; Febi Yanto; Muhammad Affandes
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4424

Abstract

Abstrak - Kasus kecurangan pedagang mencampur daging sapi dengan daging babi masih terjadi hingga saat ini. Membedakan daging sapi dan babi dapat dilakukan dengan mengamati secara langsung satu persatu, tetapi hal ini dapat dilakukan oleh para ahli, Tetapi secara kasat mata masih sulit membedakannya. Perilaku pedagang seperti ini sangat merugikan konsumen khususnya pemeluk agama Islam karena berkaitan dengan makanan yang halal atau haram. Pada penelitain ini menggunakan metode Deep Learning untuk klasifikasi citra dengan Convolutional Neural Network (CNN) arsitektur ResNet-50. Jumlah data sebanyak 457 citra yang terbagi menjadi 3 kelas, yaitu daging babi, daging oplosan dan daging sapi. Setiap kelas memiliki ukuran gambar yang sama yaitu 300 x 300 pixel. Pembagian data menggunakan split data dengan perbandingan 70% data uji : 30% data uji, 80% data latih : 20% data uji, dan 90% data latih : 10% data uji. Hasil dari pengujian model dengan Confusion Matrix menunjukkan performa klasifikasi tertinggi dengan 100% accuracy, 100% precision, dan 100% recall, pada data citra asli dengan penggunaan batch size 32, 0.001 learning rate, epoch 75 dan split data 90% : 10%.Kata kunci: Convolutional Neural Network, Daging Babi dan Sapi, Deep Learning, Klasifikasi Citra, ResNet  Abstract - Traders mixing beef and pork are still committing fraud today. Although professionals can discern between beef and pork by watching them one by one, it is still impossible to do so with the naked eye. This kind of behavior is very detrimental to consumers, especially Muslims because it is related to halal or haram food. This research uses Deep Learning method to classify images with Convolutional Neural Network (CNN) ResNet-50 architecture. The number of data is 457 images which are divided into 3 classes, namely pork, mixed meat and beef. Each class has the same image size, which is 300 x 300 pixels. data distribution using split data with a comparison of 70% training data: 30% test data, 80% training data: 20% test data, and 90% training data: 10% test data. The results of model testing using the Confusion Matrix show the highest classification performance with 100% accuracy, 100% precision, and 100% recall, on the original image data using batch size 32, 0.001 learning rate, epoch 75 and split data 90%: 10%..Kata kunci: Convolutional Neural Networ, Deep Learning, Image Classification, Pork and Beef, ResNet
Implementation of Telegram Chatbot as Information Service of Madani Hospital Pekanbaru hariansyah, Aldi; Haerani, Elin; Novriyanto, Novriyanto; Affandes, Muhammad
Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi) Vol 11 No 3 (2023): Vol. 11, No. 3, December 2023
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JIM.2023.v11.i03.p05

Abstract

very institution or organization aims to create a positive image through information services. In Indonesia, many hospitals provide information through telephone or official websites. However, Madani Hospital in Pekanbaru requires improvement. This research developed a registration chatbot on Telegram, making it easier for patients to make doctor appointments, view schedules, and access important information. Telegram was chosen for being lightweight, fast, and popular. The research involved literature surveys, problem identification, literature review, and data collection. The results were used to design the chatbot flow. The system was developed using Sommerville's Waterfall method, covering requirement definition, design, implementation, testing, integration, operation, and improvement. User Acceptability Testing is a key stage in implementation. User Acceptability Testing questionnaires were distributed to 20 prospective patients with various questions. The chatbot implementation used the Python API for Telegram and a MySQL database, with Black Box testing covering patient access, registration, functions, admin authentication, create update read delete admin, and error handling. The results of User Acceptability Testing showed an accuracy achievement of 77.8%, which means it is Very Good.
SISTEM TANYA JAWAB PERNIKAHAN DALAM ISLAM BERBASIS WEB Marlina, Resti; Safaat Harahap, Nazruddin; Fikry, Muhammad; Affandes, Muhammad
I N F O R M A T I K A Vol 16, No 1 (2024): MEI 2024
Publisher : STMIK DUMAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36723/juri.v16i1.669

Abstract

Fiqih munakahat merupakan cabang dari ilmu fiqih yang membahas tentang hukum – hukum yang berkaitan dengan perkawinan dan segala hal yang terkait dengannya, seperti meminang, menikah, talak, nafkah, waris, dan lain – lain. Pernikahan dalam Islam dianggap sebagai garis pengabdian kepada Allah SWT dan memiliki menuju tujuan – tujuan yang mulia seperti menjaga warisan dan meneruskan keturunan. Penelitian ini bertujuan untuk membuat sebuah sistem yang mampu menerima pertanyaan seputar fiqih munakahat (pernikahan dalam islam) dalam bentuk bahasa alami, serta menjawab pertanyaan tersebut dengan kata – kata yang mudah dipahami oleh pengguna. Adapun teknologi yang digunakan pada penelitian ini seperti LangChain dan Large Language Model, dan GPT-3,5 untuk pengimplementasiannya menggunakan chatbot berbasis web. Sistem questionanswering ini telah di uji menggunakan BERTScore, hasil dari pengujian menggunakan BERTScore, berupa skor presisi sebesar 76%, recall sebesar 67%, dan F1 Score sebesar 71% menunjukkan bahwa tingkat akurasi yang cukup dalam tinggi mengatasi pertanyaan terkait data pernikahan dalam Islam.
Co-Authors Abdul Aziz Ahmad Efendi Al Fajri Albis Ya Albi Aldri Permana, Lutfi Alwis Nazir Alwis Nazir Alwis Nazir Amany Akhyar Amany Akhyar Amany Akhyar Andrian Wahyu Ardelia, Adinda Abidah Asmarita Asmarita Badri Yusuf Chandra, Reski Mai citra ainul mardhia putri Destri Putri Yani Dhymas Julyan Riyanto Eka Pandu Cynthia Elin Haerani Elin Haerani Elin Haerani Elvia Budianita Elvina Afriani Fadhilah Syafria Fatmawati Fatmawati Febi Yanto Fikry, Muhammad Fitri Insani Fitri Insani Fitri Wulandari Fitri Wulandari Gunawan Setia Wiguna Harahap, Nazaruddin Safaat hariansyah, Aldi imelda amuis Iqbal Salim Thalib Iwan Iskandar Iwan Iskandar Iwan Iskandar Jasril Jasril Jasril Jasril Kana Saputra S Khairul Amri Khonofi, Khoidir Kurniansyah, Juliandi Lola Oktavia Mar'arif, Muhammad Mulky Marlina, Resti Muhammad Fikry Muhammad Irsyad Muhammad Irsyad Muhammad Ridha Muhammad Rizky Ramadhan Nazruddin Safaat Nazruddin Safaat H Nazruddin Safaat H Nazruddin Safaat H Novi Yanti Novialdi T Novri Rahman Novri Yanto Novriyanto Novriyanto Novriyanto Nurhapiza, Nurhapiza Oktavia, Lola Pizaini Pizaini Prameswari, Putri Rahmad Kurniawan Raja Sultan Firsky Ramu Will Sandra Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mai Candra Rindi Yani Rometdo Muzawi, Rometdo Roni Setyawan Saputra, Rozi Sarah Lasniari Sarah Lasniari Siska Kurnia Gusti Siska Kurnia Gusti Surya Andika Suwanto Sanjaya Syarifuddin Syarifuddin Tania, Windy Teddie Darmizal Teddie Darmizal Thomas Alva Edison Tri Prastio Nugroho Wedi Kurniawan Wirasatria Putra Yazid, Fathuddin Yelfi Vitriani Yelfi Vitriani Zuriati Ardila Safitri