Article Per Year (5 Year)
p-Index From 2021 - 2026
1.037
P-Index
This Author published in this journals
All Journal JTEV (Jurnal Teknik Elektro dan Vokasional PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Indonesian Journal of Artificial Intelligence and Data Mining Sisfo: Jurnal Ilmiah Sistem Informasi Jurnal Komputer dan Teknologi (JUKOMTEK) Jurnal Teknik Elektro dan Komputer
Sholihin Sholihin
Politeknik Negeri Sriwijaya
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Mechanical Engineering Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Implementation of Decision Tree Algorithm Machine Learning in Detecting Covid-19 Virus Patients Using Public Datasets Nadiah Nadiah; Sopian Soim; Sholihin Sholihin
Indonesian Journal of Artificial Intelligence and Data Mining Vol 5, No 1 (2022): March 2022
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v5i1.17054

Abstract

The advancement of AI (Artificial Intelligence) technology has been widely implemented in numerous sectors of daily life. Machine Learning is one of the subfields of Artificial Intelligence. Using statistics, mathematics, and data mining, machine learning is developed so that machines may learn by assessing data without being reprogrammed. At this time the world is on alert for the spread of a popular virus, the corona virus. Coronaviruses are part of a family of viruses caused by diseases ranging from the flu. The disease caused by the coronavirus is known as Covid-19. Therefore, to help identify whether a somebody has coronavirus disease based on certain symptoms, a model is created that can classify people with the covid-19 virus using machine learning. The classification methods utilized in this study are decision trees and large-scale machine learning projects. The study employed Python 3.7 as its programming language and PyCharm as its Integrated Development Environment (IDE). Based on the results, the accuracy rate as expected after conducting various trials is 99%.
Perancangan Sistem Pemantauan Perangkat Pengomposan Pupuk Otomatis Berbasis Internet Of Things (IoT) Bayu Sanjaya; Ahmad Taqwa; Sholihin Sholihin
JTEV (Jurnal Teknik Elektro dan Vokasional) Vol 8, No 2 (2022): JTEV (Jurnal Teknik Elektro dan Vokasional)
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jtev.v8i2.118354

Abstract

Sampah di Indonesia masih menjadi permasalahan besar dilingkungan tempat tinggal masyarakat saat ini. Masyarakat sendiri masih kebingungan dalam mengatasi adanya penumpukan sampah selain dengan cara pembakaran sampah. Namun, cara tersebut dapat mengakibatkan pencemaran lingkungan. Manusia memiliki peran penting dalam menjaga lingkungan yang bersih. Penumpukan-penumpukan sampah tersebut dapat diaasi dengan cara memanfaatkan sampah-sampah kering seperti sampah daun kering, sekam, serbuk kayu, dan lain-lain yang dapat diolah menjadi sebuah pupuk kompos untuk membantu menyuburkan tanaman. Pengomposan ini dapat dilakukan dengan cara konvensional atau fermentasi dengan menggunakan bio activator yang menghasilkan sebuah pupuk organik. Mesin Kompos otomatis bekerja dan berfungsi sebagai pembuatan pupuk kompos dengan didukung oleh NodeMCU ESP8266 sebagai mikrokontroler utama dan beberapa sensor pendukung lainnya. Penulis merancang sistem pemantauan perangkat pengomposan pupuk otomatis berbasis internet of things (IoT) yang dapat membantu memonitoring proses pembuatan pengomposan pupuk otomatis berbasis internet of things (IoT). Hasil dari pengujian ini secara keseluruhan alat bekerja dengan baik sehingga pupuk dapat dimonitoring melalui smartphone yang terhubung dengan koneksi internet.
Implementasi Smart Home Menggunakan Raspberry Pi Berbasis Android kurnia syafitri; Irma Salamah; sholihin sholihin
Jurnal Teknik Elektro dan Komputer Vol. 9 No. 2 (2020): Jurnal Teknik Elektro dan Komputer
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35793/jtek.v9i2.29160

Abstract

Smart Home adalah sebuah rumah yang memiliki sistem pengendali rumah yang memberikan kenyamanan dan keamanan bagi pemilik untuk mengontrol peralatan elektronik rumah tangga seperti lampu dan kipas, bukan hanya mengontrol rumah saja tapi pemilik rumah bisa melihat keadaan lampu dan kipas dalam keadaan menyala atau tidak. Pengontrolannya adalah Android yang terhubung dengan Raspberry Pi 3 model B yang berfungsi sebagai server yang akan menghubungkan antara hardware dan software yang di kontrol melalui Android. Sistem saklar pada lampu dapat di gantikan menggunakan perangkat Relay dan di kendalikan melalui perangkat mikrokontroler sehingga dapat terhubung ke Android yang telah terinstal aplikasi Smart Home.
Naive Bayes Algorithm and TF-IDF for Detecting Plagiarism in Journal Articles Ladysa Azzahrah; Lindawati Lindawati; Sholihin Sholihin
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 12 No. 2 (2024): September 2024
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

This study examines the implementation of a combination of Naïve Bayes, TF-IDF, and cosine similarity algorithms in detecting plagiarism in journal articles. Technological advances have increased the risk of plagiarism, which poses a serious threat to the integrity of science. The purpose of this study is to explain in detail the implementation of the algorithm to detect plagiarism, as well as measure the effectiveness of its combination. The method used involves the development of a Python-based system that is implemented through a website. The dataset consists of one hundred abstracts of Indonesian-language journal articles on the Internet of Things (IoT) taken from Mendeley software. The plagiarism limit is set at a maximum threshold of 20%. Implementation is carried out through data preprocessing stages, extraction of text features using a combination of Naïve Bayes and TF-IDF, and measurement of similarity with cosine similarity. The results show that this combination of algorithms has proven to be effective in detecting plagiarism rates in journal article abstracts, providing high accuracy in measuring text similarity. The developed system is able to better extract text features through the combination of Naïve Bayes and TF-IDF, and accurately measure the similarity of text in various test scenarios. This research contributes to the development of fast and accurate plagiarism detection technology, especially in fields that require complex text analysis.
Designing a Smart Reminder System for Monitoring Tuberculosis Patient Medication Adherence Using the Support Vector Machine (SVM) Method Putri Annisa Fadli; Lindawati Lindawati; Sholihin Sholihin
Sisfo: Jurnal Ilmiah Sistem Informasi Vol. 10 No. 2 (2026): Sisfo: Jurnal Ilmiah Sistem Informasi, Oktober 2026 (In Press)
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/sisfo.v10i2.27713

Abstract

Tuberculosis (TB) remains a major public health challenge that requires continuous monitoring of patient medication adherence to ensure treatment success. However, conventional monitoring methods often rely on manual supervision, making it difficult for healthcare workers to track patient adherence effectively. This study aims to develop a mobile-based smart reminder system for monitoring tuberculosis medication adherence at Puskesmas Ariodillah and to classify patient adherence levels using the Support Vector Machine (SVM) algorithm. The experimental results show that the dataset consists of 503 records categorized as recovered patients and 397 records categorized as patients continuing medication. The SVM model achieved an average cross-validation accuracy of 69.03%. Furthermore, kernel comparison results indicate that the Radial Basis Function (RBF) kernel produces the lowest error rate compared to linear, polynomial, and sigmoid kernels, demonstrating better classification performance. The developed smart reminder system successfully supports tuberculosis medication monitoring and provides useful information regarding patient adherence. These findings indicate that integrating mobile health technology with machine learning can improve adherence monitoring and assist healthcare workers in identifying patients who require additional attention during treatment.
PENGEMBANGAN APLIKASI 3D UNTUK PENERAPAN KINERJA PROTOKOL 802.11 N BERBASIS VIRTUAL REALITY Eka Susanti; Sholihin Sholihin; I Wayan Sapta Grahadi Wintang
Jurnal Komputer dan Teknologi Vol 4 No 1 (2025): JUKOMTEK JANUARI 2025
Publisher : Yayasan Pendidikan Cahaya Budaya Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64626/jukomtek.v4i1.650

Abstract

Penggunaan virtual reality merujuk kepada individu yang menggunakan teknologi realitas virtual untuk mengalami dan berintraksi dengan lingkungan buatan yang dibuat secara digital. VR menghadirkan pengalaman multisensori yang mendalam dan imersif, di mana pengguna dapat merasa seolah – olah mereka benar – benar berada di dalam lingkungan yang diciptakan oleh perangkat VR. Pengguna VR dapat melibatkan diri dalam berbagai aktivitas dan pengalaman, termasuk pengguna VR menggunakan headshet VR yang dilengkapi dengan sensor gerak dan seringkali kontroller tangan atau alat masukan lainnya untuk berinteraksi dengan lingkungan virtual. Teknologi ini terus berkembang dan menghadirkan potensi baru untuk berbagai bidang, mulai dari hiburan hingga pendidikan dan bisnis. Berdasarkan hal tersebut maka dibuat tampilan objek dan animasi dengan menggunakan aplikasi blender 3D sebagai modelling dan verge 3D sebagai animasi, dalam hal ini animasi yang dibuat adalah simulasi cara kerja arduino uno dan sensor mq – 135 serta dapat menampilkan database berupa grafik pada virtual reality nantinya
Co-Authors Ahmad Taqwa Bayu Sanjaya EKA SUSANTI Hj. Lindawati I Wayan Sapta Grahadi Wintang Irma Salamah kurnia syafitri Ladysa Azzahrah Nadiah Nadiah Putri Annisa Fadli Sopian Soim, Sopian