Articles
<![CDATA[PENERAPAN METODE EXACT MATCH PADA APLIKASI ALQUR’AN DAN HADITS BERBASIS ANDROID ]]>
<![CDATA[Suardi, Citra]]>;
<![CDATA[Wibawa, Aji Prasetya]]>;
<![CDATA[Hasanuddin, Tasrif]]>;
<![CDATA[Mude, Muhammad Aliyazid]]>;
<![CDATA[Cokrowibowo, Sugiarto]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 11, No 3 (2019) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (499.956 KB)
|
DOI: 10.33096/ilkom.v11i3.438.184-190
<![CDATA[Exact Match is used to bring up sentences only on certain keywords. This study aims to apply the Exact Match method in the Al-qur'an and Hadith applications to find conformity between verses and hadiths. This research simplify for the people to increase their knowledge of the Qur'an and Hadith. This study uses interview techniques for some Muslims regarding the need to learn the quran and the hadith, observation technique is to do a comparison of several hadiths by asking for recommendations from the ustadz/ustazah, identify what are the shortcomings of existing hadith applications, and literature study techniques that are collecting data obtained from the Qur'an and the Hadith. The results of this study are (1) Created an application to match Hadiths that are in accordance the verse with the Exact Match method (2) Showing hadith related to the contents of the selected verse (3) Speed to produce a match in the Application of the Qur'an and Hadith depends on the internet network and the amount of data (4) The number of hadiths that appear is influenced by the number of available hadiths.]]>
<![CDATA[Komparasi Algoritma SAW, AHP, dan TOPSIS dalam Penentuan Uang Kuliah Tunggal (UKT) ]]>
<![CDATA[Wawan Firgiawan]]>;
<![CDATA[Sugiarto Cokrowibowo]]>;
<![CDATA[Nuralamsah Zulkarnaim]]>
<![CDATA[ Journal of Computer and Information System ( J-CIS ) Vol 3 No 1 (2020): J-CIS Volume 3 Issue 1 2020 ]]>
Publisher : <![CDATA[Universitas Sulawesi Barat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (713.099 KB)
|
DOI: 10.31605/jcis.v1i2.426
<![CDATA[Abstrak UKT mahasiswa mempunyai kelompok yang berbeda-beda, dimana tiap kelompok mempunyai persentase masing-masing yang sudah ditetapkan oleh pemerintah berdasarkan ekonomi mahasiswa. Tidak adanya standarisasi yang jelas dalam penentuan UKT menuai banyak problem. Pendekatan pengambil keputusan atau disebut Decision Support Systems (DSS) akan membantu dalam pengambilan keputusan terhadap UKT mahasiswa yang akurat. Tujuan dari makalah ini ingin membandingkan 3 metode Multicriteria Decision Analysis, yaitu menggunakan metode Simple Additive Weinghting (SAW), metode Technique for Order Preference by Similarity to Ideal Solustion (Topsis) serta metode Analitical Hierarcy Process (AHP) yang digunakan dalam pengambilan keputusan penentuan UKT mahasiswa sesuai dengan kriteria untuk menentukan metode yang relevan akan permasalahan tersebut. Penentuan skala dan pembobotan dalam setiap metode akan mempengaruhi hasil yang diperoleh oleh masing-masing kriteria. Dari hasil komparasi dari 3 metode yaitu SAW, TOPSIS, dan AHP diperoleh bahwa AHP mempunyai nilai rata-rata yang mendekati nol yaitu dengan nilai 0,10, sedangkan TOPSIS mempunyai rata-rata yaitu 0,44 dan AHP sendiri dengan nilai rata-rata 0,53 sehingga AHP merupakan metode yang terbaik digunakan dalam penentuan UKT. Kata Kunci:]]>
<![CDATA[Clustering Wilayah berdasarkan Data Kesehatan Lingkungan menggunakan Fuzzy C-Means ]]>
<![CDATA[Irfan A.P.]]>;
<![CDATA[Siti Aminah]]>;
<![CDATA[Sugiarto Cokrowibowo]]>;
<![CDATA[Nuralamsah Zulkarnaim]]>
<![CDATA[ Journal of Computer and Information System ( J-CIS ) Vol 3 No 1 (2020): J-CIS Volume 3 Issue 1 2020 ]]>
Publisher : <![CDATA[Universitas Sulawesi Barat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1146.744 KB)
|
DOI: 10.31605/jcis.v1i2.609
<![CDATA[Abstrak Kesehatan merupakan hal penting dalam kehidupan, karena dengan kesehatan kita dapat menjalankan kegiatan kita sehari - hari. Secara administratif, Kabupaten Majene terdiri dari 8 kecamatan, 82 desa/kelurahan dan 361 SLS (Satuan Lingkungan Setempat) yang terbagi dalam 257 dusun dan 104 lingkungan. Karena hal itu, kesehatan lingkungan pemukiman sangatlah penting. Tujuan utama dalam penelitian ini adalah mengelompokan tiap wilayah (kecamatan) menjadi beberapa kelompok dan mengetahui tingkat kesehatan lingkungan berdasarkan 5 parameter yang spesifik dengan menggunakan metode Fuzzy C – Means. Dengan adanya metode ini, keakurasian data dan tingkat kesehatan lingkungan menjadi lebih akurat. Hasil output dalam penelitian ini berupa informasi pengelompokan kesehatan lingkungan yang diharapkan mampu untuk menjadi bahan pertimbangan dalam menentukan tingkat kesehatan lingkungan berdasarkan 5 parameter yang menjadi indikator penyehatan lingkungan.]]>
<![CDATA[Sistem Pendukung Keputusan Pemberian Beasiswa menggunakan Metode FMADM dan WP ]]>
<![CDATA[Ridwan]]>;
<![CDATA[Nurdina Rasjid]]>;
<![CDATA[Sugiarto Cokrowibowo]]>;
<![CDATA[Dian Megah Sari]]>
<![CDATA[ Journal of Computer and Information System ( J-CIS ) Vol 3 No 1 (2020): J-CIS Volume 3 Issue 1 2020 ]]>
Publisher : <![CDATA[Universitas Sulawesi Barat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (719.807 KB)
|
DOI: 10.31605/jcis.v1i2.631
<![CDATA[Sistem penyeleksian penerima beasiswa masih memungkinkan terjadinya kesalahan yang disengaja ataupun tidak disengaja sehingga output menjadi kurang optimal dan dapat berakibat seleksi penerima beasiswa menjadi tidak objektif. Dari masalah ini sehingga dibutuhkan sebuah sistem yang dapat membantu manusia dalam memberikan pertimbangan keputusan yang akan kita ambil atau dikenal dengan Sistem Pendukung Keputusan (SPK). Beasiswa Peningkatan Prestasi Akademik (PPA) merupakan beasiswa yang acuan penilaiannya adalah dilihat dari nilai IPK (Indeks Prestasi Komulatif), Satuan Kredit Semester (SKS), Prestasi, dan Kemampuan Ekonomi. Sistem Pendukung Keputusan (SPK) merupakan solusi yang efektif , dikarenakan dapat memberikan penilaian terhadap setiap alternatif untuk mencapai pilihan yang terbaik. Sistem Pendukung Keputusan (SPK) mempunyai metode untuk memberikan dukungan dalam proses pengambilan keputusan, yaitu Fuzzy Multiple Attribute Decision Making (FMADM) digunakan untuk menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perangkingan yang akan menyeleksi alternatif yang sudah diberikan dengan algoritma Weighted Product (WP).]]>
<![CDATA[Implementasi SPK untuk Pemilihan Konsentrasi Studi Mahasiswa menggunakan AHP-TOPSIS ]]>
<![CDATA[wahyuni wahyuni rahman]]>;
<![CDATA[Nahya Nur]]>;
<![CDATA[Sugiarto Cokrowibowo]]>
<![CDATA[ Journal of Computer and Information System ( J-CIS ) Vol 3 No 2 (2020): J-CIS Volume 3 No. 2 2020 ]]>
Publisher : <![CDATA[Universitas Sulawesi Barat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31605/jcis.v2i1.721
<![CDATA[Pemilihan konsentrasi studi mahasiswa masih sering terjadi kesalahan karena pemilihannya yang dilakukan secara asal-asalan dengan mengikuti pilihan temannya atau saran dari orangtuanya tanpa mempertimbangkan kemampuan dan bakat yang dimiliki sendiri oleh mahasiswa tersebut sehingga masih banyak mahasiswa yang menyesal dengan pilihan konsentrasi yang sudah dipilihnya. Dari masalah tersebut dibutuhkan suatu SistemPendukung Keputusan (SPK) yang dapat membantu mahasiswa dalam menentukan keputusan untuk memilih konsentrasi studi sesuai dengan kriteria Minat Bakat, Jurusan Sebelumnya dan Pekerjaan. Metode yang digunakan dalam Sistem Pendukung Keputusan (SPK) adalah metode Analytic Hierarchy Process (AHP) digunakan untuk menentukan bobot dari setiap kriteria dan subkriteria kemudian Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) digunakan untuk melakukan perangkingan hasil pemilihan konsentrasi studi mahasiswa. Dari pilihan rekomendasi konsentrasi yang diberikan oleh SPK diharapkan agar mahasiswa tidak lagi menyesal dengan pilihan konsentrasi yang sudah diambil.]]>
<![CDATA[Deteksi Wajah dengan Metode Local Binary Pattern Histogram pada OpenCV menggunakan Pemrograman Pyhton ]]>
<![CDATA[farid wajidi]]>;
<![CDATA[Arfa Arfa]]>;
<![CDATA[Sugiarto Cokrowibowo]]>
<![CDATA[ Journal of Computer and Information System ( J-CIS ) Vol 3 No 2 (2020): J-CIS Volume 3 No. 2 2020 ]]>
Publisher : <![CDATA[Universitas Sulawesi Barat ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31605/jcis.v2i1.773
<![CDATA[Deteksi wajah (face detection) adalah salah satu tahap awal yang sangat penting di dalam proses pengenalan wajah (face recognition). Deteksi wajah dapat digunakan untuk melakukan pencarian data wajah dari citra atau video yang berisi wajah yang berbagai ukuran, posisi dan latar belakang. Pengenalan wajah merupakan suatu kemampuan yang digunakan oleh manusia dalam biometrik untuk membedakan manusia yang satu dengan lainnya. Seiring dengan semakin canggihnya teknologi saat ini, pengenalan wajahpun bisa dilakukan oleh sebuah sistem dengan artifical intelligence yang terhubung. Kemampuan untuk mengenal wajah tersebut memiliki kecerdasan buatan kemudian diimplementasikan dalam sebuah perangkat dengan platform android sehingga memiliki kemampuan sama seperti manusia. Local Binary Pattern Histogram (LBPH) adalah teknik baru dari metode Local Binary Pattern (LBP) untuk mengubah peforma hasil pengenalan wajah. LBP adalah deskriptor tekstur yang dapat juga digunakan untuk mewakili wajah, karena gambar wajah dapat dilihat sebagai sebuah komposisi micro-texture-pattern yaitu suatu operator non parametrik yang menggambarkan tata ruang lokal citra.]]>
<![CDATA[Model Penentuan Rute Terpendek Penjemputan Sampah Menggunakan Metode MTSP dan Algoritma Genetika ]]>
<![CDATA[Aswandi]]>;
<![CDATA[Sugiarto Cokrowibowo]]>;
<![CDATA[Arnita Irianti]]>
<![CDATA[ Journal of Applied Computer Science and Technology Vol 2 No 1 (2021): Juni 2021 ]]>
Publisher : <![CDATA[Indonesian Society of Applied Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.52158/jacost.v2i1.168
<![CDATA[Garbage pick-ups performed by two or more people must have a route in their pickup. However, it is not easy to model the route of the pickup that each point must be passed and each point is only passed once. Now, the method to create a route has been done a lot, one of the most commonly used methods is the creation of routes using the Traveling Salesman Problem method. Traveling Salesman Problem is a method to determine the route of a series of cities where each city is only traversed once. In this study, the shortest route modeling was conducted using Multiple Traveling Salesman Problem and Genetic Algorithm to find out the shortest route model that can be passed in garbage pickup. In this study, datasets will be used as pick-up points to then be programmed to model the shortest routes that can be traveled. The application of Multiple Traveling Salesman Problem method using Genetic Algorithm shows success to model garbage pickup route based on existing dataset, by setting the parameters of 100 generations and 100 population and 4 salesmen obtained 90% of the best individual opportunities obtained with the best individual fitness value of 0.05209. The test was conducted using BlackBox testing and the results of this test that the functionality on the system is 100% appropriate.]]>
<![CDATA[Uji Plagiarism pada Tugas Mahasiswa Menggunakan Algoritma Winnowing ]]>
<![CDATA[Moh Sadly Ramli]]>;
<![CDATA[Sugiarto Cokrowibowo]]>;
<![CDATA[Muh Fahmi Rustan]]>
<![CDATA[ Journal of Applied Computer Science and Technology Vol 2 No 2 (2021): Desember 2021 ]]>
Publisher : <![CDATA[Indonesian Society of Applied Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.52158/jacost.v2i2.177
<![CDATA[Plagiarism is the act of taking or plagiarizing the work, ideas or ideas of others either intentionally or unintentionally and claiming to be one's own work without mentioning the source or author. Often students plagiarize assignments given by the lecturer so that sometimes students just copy other people's assignments to complete the assignment. So that this can lead to dependence on other people in doing assignments and not being able to independently carry out assignments given by the lecturer. Currently, many plagiarism detection systems have been created to help reduce the level of plagiarism, one of which is the winnowing algorithm. In this study the authors used the winnowing algorithm to detect plagiarism in student assignments, namely programming source code, from the results of research conducted on 10 student assignments using the winnowing algorithm produced various similarity values as a percentage of similarity between two students tasks compared. With an average value of the overall similarity of the 10 tasks, namely 75.12%.]]>
<![CDATA[PENERAPAN METODE EXACT MATCH PADA APLIKASI ALQUR’AN DAN HADITS BERBASIS ANDROID ]]>
<![CDATA[Citra Suardi]]>;
<![CDATA[Aji Prasetya Wibawa]]>;
<![CDATA[Tasrif Hasanuddin]]>;
<![CDATA[Muhammad Aliyazid Mude]]>;
<![CDATA[Sugiarto Cokrowibowo]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 11, No 3 (2019) ]]>
Publisher : <![CDATA[Prodi Teknik Informatika FIK Universitas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v11i3.438.184-190
<![CDATA[Exact Match is used to bring up sentences only on certain keywords. This study aims to apply the Exact Match method in the Al-qur'an and Hadith applications to find conformity between verses and hadiths. This research simplify for the people to increase their knowledge of the Qur'an and Hadith. This study uses interview techniques for some Muslims regarding the need to learn the quran and the hadith, observation technique is to do a comparison of several hadiths by asking for recommendations from the ustadz/ustazah, identify what are the shortcomings of existing hadith applications, and literature study techniques that are collecting data obtained from the Qur'an and the Hadith. The results of this study are (1) Created an application to match Hadiths that are in accordance the verse with the Exact Match method (2) Showing hadith related to the contents of the selected verse (3) Speed to produce a match in the Application of the Qur'an and Hadith depends on the internet network and the amount of data (4) The number of hadiths that appear is influenced by the number of available hadiths.]]>
<![CDATA[IMPLEMENTATION OF BACKPROPAGATION ARTIFICIAL NEURAL NETWORK FOR FOOD PRICE PREDICTION IN MAJENE CENTRAL MARKET ]]>
<![CDATA[Arnita Irianti]]>;
<![CDATA[Parma Hadi Rantelinggi]]>;
<![CDATA[Alief Taufik]]>;
<![CDATA[Nuralamsah Zulkarnaim]]>;
<![CDATA[Sugiarto Cokrowibowo]]>
<![CDATA[ Jurnal Teknik Informatika (Jutif) Vol. 3 No. 3 (2022): JUTIF Volume 3, Number 3, June 2022 ]]>
Publisher : <![CDATA[Informatika, Universitas Jenderal Soedirman ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20884/1.jutif.2022.3.3.226
<![CDATA[Food has a fairly high price and the stability of food prices can affect entrepreneurs and the community in meeting their daily needs. This is often seen as a sudden increase in prices (extreme). Therefore, it is necessary to have precise and accurate forecasts or predictions to assist local governments in taking the initial steps in efforts to stabilize food prices. Artificial Neural Networks (ANN) can be used to predict future food prices using the Backpropagation Algorithm. Sental Market is one of the trading centers for daily necessities in Majene district, West Sulawesi. The study used data taken from the Office of Cooperatives, SMEs, Industrial Trade, Kab. Majene, in the form of food price data per week. The research aims to assist the Majene Regional Government (PEMDA) in taking initial steps / policies to stabilize food prices. The system is designed to predict food prices by applying a Backpropagation Neural Network, then reviewing the accuracy obtained in the food price prediction system for each commodity. The results of the study used a Backpropagation Neural Network pattern with a total data of ±156 for each commodity. The results of the study used N.Input of 2, N.Hidden of 3, and N.Output of 1. While the parameters used were Alpha of 0.3, an error tolerance of 0.001, and a maximum iteration of 100. The highest accuracy in the prediction of Commodity Rice Prices was 98.47 with the computation time for the training and testing process being 1.69 and 0.004 respectively.]]>
