Article Per Year (5 Year)
p-Index From 2021 - 2026
3.173
P-Index
This Author published in this journals
All Journal Jurnal Pekommas Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) Jurnal INSYPRO (Information System and Processing) AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Jurnal SOLMA KOMPUTIKA - Jurnal Sistem Komputer Jurnal Tekno Kompak Community Development Journal: Jurnal Pengabdian Masyarakat Rambideun : Jurnal Pengabdian Kepada Masyarakat Abditeknika - Jurnal Pengabdian Kepada Masyarakat JUSTIN (Jurnal Sistem dan Teknologi Informasi) Indonesian Collaboration Journal of Community Services (ICJCS) Digital Transformation Technology (Digitech) Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Artificial Intelligence and Digital Business Jurnal Pengabdian Masyarakat dan Riset Pendidikan DIPANEGARA KOMPUTER TEKNOLOGI INFORMATIKA (DIPAKOMTI) DIPANEGARA KOMPUTER SISTEM INFORMASI (DIPAKOMSI)
Hasyrif SY
Universitas Dipa Makassar
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Penerapan Horspool Algorithm pada Aplikasi Translate Indonesia ke Bahasa Daerah Berbasis Android: Studi Kasus 29 Bahasa: Application of Horspool Algorithm on Translate Indonesian to Local Language Application Based on Android: Case Study of 29 Languages Abidin, Zainal; Mustafa, M. Syukri; SY, Hasyrif
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1000

Abstract

Indonesia adalah rumah bagi ribuan bahasa asli yang berbeda, masing-masing dengan sejarahnya yang kaya dan memiliki karakteristik yang unik dengan keberagaman dan kekayaan budaya bahasa. Aplikasi translate merupakan salah satu media penting dan sebuah inovasi ditengah perkembangan zaman untuk mengenalkan bahasa dan mengetahui arti kedalam bahasa tertentu. Dengan adanya aplikasi translate dengan 29 bahasa yang disediakan dan 44.207 kosakata yang telah dikumpulkan kedalam database memungkinkan untuk melestarikan dan memperkenalkan keberagaman bahasa dan budaya Indonesia kepada masyarakat luas. Dengan adanya aplikasi ini, orang bisa dengan mudah memahami bahasa daerah yang mungkin sebelumnya tidak ditahui. Selain itu, penelitian ini juga berguna untuk mendukung pelestarian bahasa daerah. Dengan mengumpulkan kosakata dan menerjemahkannya kedalam bahasa daerah, aplikasi ini turut berperan dalam menjaga agar bahasa daerah tidak punah dan tetap hidup. Penelitian ini memiliki urgensi yang tinggi dalam menjaga keberagaman bahasa dan budaya Indonesia. Pengujian dilakukan dengan menambahkan bahasa daerah baru yang kemudian dikelolah kedalam database MySql. Hasil pengujian yang dilakukan terhadap akses waktu yang dibutuhkan bahwa jumlah kata tidak mempengaruhi kecepatan algoritma horspool dalam menerjemahkan sebuah kata atau kalimat dengan waktu yang dibutuhkan hanya 1 detik untuk menentukan pola terjemahan yang dihasilkan. Disimpulkan bahwa sudah berjalan dengan baik tanpa adanya eror samasekali.
A Evaluasi Performa Website Divlearning Undipa Menggunakan Aotomated Software Testing GTMetrix Dengan Metode Pieces Zulkifly, Zulkifly; Dahlan, Muhammad; Hasmin, Erfan; Hasyrif, Hasyrif; Aini, Nurul
Dipanegara Komputer Teknologi Informatika Vol. 16 No. 2 (2024): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v16i1.1587

Abstract

Penelitian ini berkaitan dengan Universitas Dipa Makassar yang berfokus pada bidang informatika dan bisnis berbasis teknologi informasi. Universitas ini menggunakan aplikasi Divlearning, yaitu sistem pendidikan jarak jauh yang bertujuan untuk meningkatkan efisiensi dan efektivitas metode pembelajaran melalui internet. Namun, website Divlearning sering menghadapi masalah kecepatan akses dan eror, yang dapat mengurangi pengalaman pengguna dan membuat mereka enggan kembali mengunjungi website tersebut.Untuk mengatasi masalah tersebut, penulis melakukan dua hal yaitu pengujian menggunakan software GTMETRIX untuk mengidentifikasi variabel penyebab menurunnya kecepatan dan terputusnya akses pada website Divlearning, dan penulis juga menyebarkan kuesioner untuk mengetahui tanggapan pengguna melalui Google Form. Penelitian ini menggunakan metode PIECES, yaitu metode analisis yang meliputi kinerja informasi, ekonomi, keamanan, efisiensi, dan pelayanan, guna mengidentifikasi kelemahan sistem dan merekomendasikan perbaikan yang dibutuhkan pada website Divlearning.Dengan melakukan pengujian dan analisis, penulis berharap dapat membantu meningkatkan performa Situs web Divlearning serta kualitas keseluruhan sistem pembelajaran jarak jauh Universitas Dipa Makassar.
Time Series Forecasting Menggunakan Deep Gated Recurrent Units Arwansyah, Arwansyah; Suryani, Suryani; SY, Hasyrif; Usman, Usman; Ahyuna, Ahyuna; Samsu Alam
Digital Transformation Technology Vol. 4 No. 1 (2024): Periode Maret 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i1.4141

Abstract

Time series forecasting memiliki aplikasi yang luas dalam berbagai bidang seperti keuangan, ekonomi, meteorologi, dan pengelolaan rantai pasokan. Penelitian ini bertujuan untuk mengevaluasi kinerja model Gated Recurrent Unit (GRU) yang mendalam dalam konteks prediksi data time series. Akurasi prediksi time series sangat penting untuk pengambilan keputusan yang lebih baik dan efisien. GRU diperkenalkan sebagai varian Recurrent Neural Networks (RNN) yang lebih efisien dan efektif dalam menangani data time series. RNN sering digunakan untuk tugas ini, namun memiliki kelemahan dalam mempelajari ketergantungan jangka panjang akibat masalah vanishing gradient. Penelitian ini mengusulkan penggunaan model GRU mendalam untuk meningkatkan akurasi prediksi data time series. Arsitektur model yang diusulkan terdiri dari tiga lapisan GRU dengan 64 unit masing-masing, diikuti oleh satu lapisan output dense. Dataset yang digunakan dalam penelitian ini adalah dataset time series yang terdiri dari AQI, Weather, Exchange Rate, dan ETT. Model dilatih menggunakan optimizer Adam dan loss function mean squared error, dengan jumlah epoch sebanyak 100 dan batch size 32. Data dibagi menjadi set training dan testing dengan rasio 80:20. Kinerja model dievaluasi menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil eksperimen menunjukkan bahwa model GRU mendalam menghasilkan prediksi yang lebih akurat dibandingkan dengan model ARIMA, RNN, dan LSTM. Model GRU mendalam menunjukkan kemampuan yang lebih baik dalam mempelajari ketergantungan jangka panjang dalam data time series, sehingga meningkatkan akurasi prediksi. Hasil penelitian ini memberikan kontribusi signifikan dalam bidang time series forecasting dan dapat menjadi alternatif yang lebih efektif dibandingkan model tradisional dan model machine learning lainnya.
Pengembangan Performa Pos Edukasi Keuangan Bersama Menggunakan Redis Caching dan Kontainerisasi Docker Anugerah Pratama, Dimas; A. Hasrianto; M. Syukri Mustafa; Hasyrif SY
Dipanegara Komputer Teknologi Informatika Vol. 17 No. 1 (2025): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v17i1.1836

Abstract

Pengembangan aplikasi website modern saat ini sering kali menghadapi banyak tantangan seperti inkonsistensi lingkungan pengembangan antara lokal dan produksi, selain itu masalah terkait kecepatan respons yang lambat juga sangat rentan untuk terjadi. Penelitian ini bertujuan untuk bisa mengatasi kedua permasalahan tersebut dengan pendekatan hybrid atau yang berarti penggabungan aplikasi dengan kontainerisasi dan redis caching yang berada diluar container. Metode yang digunakan pada penelitian ini adalah penggunaan redis yang diterapkan pada cloud computing services dalam hal ini adalah instance Elastic Cloud Computer (EC2) namun aplikasi yang dikembangkan pada sebuah docker kontainer. Hasil dari pengujian menunjukkan bahwa penggunaan docker pada lingkungan cloud computing services efektif dalam menjaga konsistensi environment aplikasi sehingga terhindar dari fenomena “it works on my mechine” selain itu penggunaan redis meningkatkan performa sebesar 11.3% jika dibandingkan saat sebelum menggunakan redis kecepatan aplikasi web pos edukasi keuangan bersama adalah 443ms dan setelah penggunaan redis kecepatan meningkat menjadi 393 ms.
Sequential Pattern Mining untuk Analisis Navigasi SIAKAD Berbasis Log Rafli. R, Muh.; As’ad, Muhammad Dzaky; Ibrahim, Abdul; Sy, Hasyrif
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.7018

Abstract

Pemanfaatan data log server Apache untuk analisis perilaku pengguna Sistem Informasi Akademik (SIAKAD) masih terbatas karena belum dioptimalkan secara objektif menggunakan pendekatan data mining. Penelitian ini bertujuan mengidentifikasi pola navigasi pengguna SIAKAD Universitas Dipa Makassar menggunakan Sequential Pattern Mining dengan algoritma PrefixSpan serta visualisasi Network Graph dan Sankey Diagram. Data log Apache periode 8 Desember 2025 hingga 5 Januari 2026 mencakup 873.077 baris yang diproses melalui empat tahapan preprocessing yaitu parsing, filtering, sessionization, dan refinement sehingga menghasilkan 5.922 sequence valid. Penerapan algoritma PrefixSpan dengan minimum support 5% menghasilkan 10.305 pola frequent dalam waktu eksekusi 72,12 detik. Analisis coverage kumulatif menunjukkan bahwa 7.689 pola merepresentasikan 80% perilaku navigasi dominan pengguna sesuai prinsip Pareto. Jalur utama teridentifikasi dari beranda menuju modul pembelajaran dengan frekuensi 1.138.073 transisi. Struktur navigasi teridentifikasi sebagai fully connected dengan 13 node dan 58 edge tanpa ditemukannya dead-end. Evaluasi berdasarkan standar ISO 9241-110 menunjukkan kesesuaian terhadap prinsip suitability for the task dan controllability. Hasil penelitian ini juga menunjukkan konsistensi pola akses antar sesi serta minimnya pengulangan tidak produktif pada setiap alur utama. Temuan ini mengindikasikan bahwa pola navigasi SIAKAD telah terstruktur efisien serta memiliki modularitas fungsional yang baik sebagai dasar optimalisasi antarmuka sistem akademik berbasis data yang berkelanjutan adaptif.
Co-Authors A. Hasrianto Abdul Ibrahim Abdul Ibrahim, Abdul Ahyuna Ahyuna Ahyuna Ahyuna Ahyuna, Ahyuna Aini Nurul Akbar Bahtiar Akhriana, Asmah Alam, Samsul Andi Asvin Mahersatillah Suradi Andi Hutami Endang, Andi Hutami Andrew Ridow Johanis M Andrew Ridow Johanis M Anugerah Pratama, Dimas Arham Arifin Arham Arifin Arifin, Arham Arifin, Suci Ramadhani Arwansyah Arwansyah Arwansyah Arwansyah Arwansyah Asmah Akhriana As’ad, Muhammad Dzaky Clara Falisha Suardi Dicky Maulana Akmal Djafar, Imran Djafar, Imran Erdianza, Noor Erfan Hasmin Erfan Hasmin Estelino Zevacha Lewan Faizal Faizal Faizal Faizal Faizal, Faizal Harlina, Sitti Heriadi, Herman Herlinda Herlinda, Herlinda Herman Heriadi Imran Djafar Irsan Mansyur Johanis M, Andrew Ridow M. Syukri Mustafa Madyana Patasik Magfirah Magfirah Magfirah Marsellus Oton Kadang Muh. Khaddafi Muhammad Dahlan Muhammad Dahlan MUHAMMAD RIZAL Muhammad Syukri Mustafa, Muhammad Syukri MZ, St. Naziha Nasif Novita Sambo Layuk Nurdiansah Nurdiansah Nurdiansah, Nurdiansah Nurlina Nurlina Nurul Aini Piu, Sri Wahyuningsih Rafli. R, Muh. Rahmat Rismayani Rismayani Sadly Samsuddin Sadly Syamsuddin Samsu Alam Sitti Aisa, Sitti Suci Rahma Dani Rachman Suci Ramadhani Arifin Sunardi Sunardi SURYANI Suryani Suryani Suryani Suryani Syamsudddin, Sadly Tengku Riza Zarzani N Tommy Darwansyah Tulwahdah, Farida Usman Usman Usman Usman Zainal Abidin Zulkifly Zulkifly Zulkifly, Zulkifly