Article Per Year (5 Year)
p-Index From 2020 - 2025
10.61
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Ilmu Pertanian Indonesia ComEngApp : Computer Engineering and Applications Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) POSITIF KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Edu Komputika Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Komputasi Jurnal Sains dan Informatika JURNAL ILMIAH INFORMATIKA MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Journal of Computer Science and Informatics Engineering (J-Cosine) Journal of Electronics, Electromedical Engineering, and Medical Informatics Jurnal Informatika dan Rekayasa Elektronik Jurnal Mnemonic Madaniya Jurnal Teknik Informatika (JUTIF) Makara Journal of Science Journal of Data Science and Software Engineering Jurnal Informatika Polinema (JIP) Jurnal Pengabdian Masyarakat Tekno Indonesian Journal of Electronics, Electromedical Engineering, and Medical Informatics Integra: Journal of Integrated Mathematics and Computer Science
Muhammad Reza Faisal, Muhammad Reza
Universitas Lambung Mangkurat
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics

Published : 86 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 86 Documents
Search

 1   2   3   4   5 
Pemanfaatan Metode Multiclass-SVM pada Model Klasifikasi Pesan Bencana Banjir di Twitter Delimayanti, Mera Kartika; Sari, Risna; Laya, Mauldy; Faisal, Muhammad Reza; Pahrul, Pahrul
Edu Komputika Journal Vol 8 No 1 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i1.47858

Abstract

Musibah bencana alam banjir merupakan salah satu musibah alam yang sangat umum kejadian di Indonesia baik di pulau Jawa ataupun di luar Pulau Jawa. Sumber informasi dari media social Twitter dapat digunakan sebagai Social Network Sensor (SNS) untuk bencana banjir. Penelitian ini bertujuan untuk melakukan klasifikasi pesan twitter khususnya tentang bencana banjir sebagai hasil dari algoritma machine learning. Pada klasifikasi pesan bencana banjir dilakukan serangkaian proses data preprocessing dan dilanjutkan dengan ekstraksi fitur dan pembobotan kata dari data twitter. Berbagai teknik yang dilakukan pada proses data preprocessing berpengaruh terhadap tingkat akurasi hasil klasifikasi yang dihasilkan. Selanjutnya, penelitian ini menyampaikan bahwa algoritma Support Vector Machine (SVM) adalah sebuah algoritma dapat dimanfaatkan untuk klasifikasi data ke dalam tiga (3) kelas kelas saksi mata, kelas non saksi mata dan kelas tidak diketahui. Total jumlah data yang telah diolah sebanyak 3000 data untuk 3 kelas label data. Pendekatan metode One Versus One (OVO) untuk dua kelas label data dan One Versus All (OVA) untuk lebih dari dua kelas label pada algoritma SVM. Pada penelitian ini telah diterapkan algoritma Support Vector Machine untuk multiclass dengan metode OVA. Hasil eksperimen telah menunjukkan pendekatan OVA pada algoritma SVM dengan kernel RBF menghasilkan evaluasi performansi yang paling tinggi. Hasil evaluasi tersebut adalah nilai akurasi hingga 87.03%. Sedangkan hasil riset sebelumnya dengan algoritma SVM tetapi pendekatan yang berbeda hanya mencapai nilai akurasi hingga 77.87%.
Pemanfaatan Metode Multiclass-SVM pada Model Klasifikasi Pesan Bencana Banjir di Twitter Delimayanti, Mera Kartika; Sari, Risna; Laya, Mauldy; Faisal, Muhammad Reza; Pahrul, Pahrul
Edu Komputika Journal Vol 8 No 1 (2021): Edu Komputika Journal
Publisher : Jurusan Teknik Elektro Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/edukomputika.v8i1.47858

Abstract

Musibah bencana alam banjir merupakan salah satu musibah alam yang sangat umum kejadian di Indonesia baik di pulau Jawa ataupun di luar Pulau Jawa. Sumber informasi dari media social Twitter dapat digunakan sebagai Social Network Sensor (SNS) untuk bencana banjir. Penelitian ini bertujuan untuk melakukan klasifikasi pesan twitter khususnya tentang bencana banjir sebagai hasil dari algoritma machine learning. Pada klasifikasi pesan bencana banjir dilakukan serangkaian proses data preprocessing dan dilanjutkan dengan ekstraksi fitur dan pembobotan kata dari data twitter. Berbagai teknik yang dilakukan pada proses data preprocessing berpengaruh terhadap tingkat akurasi hasil klasifikasi yang dihasilkan. Selanjutnya, penelitian ini menyampaikan bahwa algoritma Support Vector Machine (SVM) adalah sebuah algoritma dapat dimanfaatkan untuk klasifikasi data ke dalam tiga (3) kelas kelas saksi mata, kelas non saksi mata dan kelas tidak diketahui. Total jumlah data yang telah diolah sebanyak 3000 data untuk 3 kelas label data. Pendekatan metode One Versus One (OVO) untuk dua kelas label data dan One Versus All (OVA) untuk lebih dari dua kelas label pada algoritma SVM. Pada penelitian ini telah diterapkan algoritma Support Vector Machine untuk multiclass dengan metode OVA. Hasil eksperimen telah menunjukkan pendekatan OVA pada algoritma SVM dengan kernel RBF menghasilkan evaluasi performansi yang paling tinggi. Hasil evaluasi tersebut adalah nilai akurasi hingga 87.03%. Sedangkan hasil riset sebelumnya dengan algoritma SVM tetapi pendekatan yang berbeda hanya mencapai nilai akurasi hingga 77.87%.
Potensi Antelmintika Ekstrak Bakteri Simbion Spons Laut Terhadap Trichostrongylidae (Nematoda) Parasit Domba Muhammad Reza Faisal; Mujizat Kawaroe; Fadjar Satrija
Jurnal Ilmu Pertanian Indonesia Vol. 21 No. 1 (2016): Jurnal Ilmu Pertanian Indonesia
Publisher : Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (387.765 KB) | DOI: 10.18343/jipi.21.1.41

Abstract

Trichostrongylidae (nematodes) parasitic infection of sheep were recently resistance to anthelmintics. Bioactive utilization of bacteria derived sponges had potential as anthelmintics alternative naturally against trichostrongylidae parasitic infections. The Aims of this study was to determine the activity of bacteria derived sponge extracts which produced anthelmintics bioactive compounds against sheep trichostrongylidae parasite. Bacteria derived sponges isolates which labeled S1 and S2 were extracted by methanol. Phytochemical test were conducted to determined characterization of bioactive compounds which potentially to inhibit larvae migration. Concentration which used to Larva Migration Inhibition Assay (LMIA) were 25, 50, 100, 250, and 500 µg/ml. Positive control treatment was used albendazole while negative control by physiological of NaCl. Both of extracts were contained toxicity to againts Artemia salina larvae which <1000 µg/ml concentration. The higher concentration of S1 and S2 extracts were affected to increase larvae migration. Both of extracts were potential to inhibit larvae migration which LC50 value were 165.63 µg/ml (S1) and 374.9 µg/ml (S2). The ability of extracts which inhibit larvae migration caused by bioactive compounds which contained triterpenoids in both of extracts then flavonoid compounds only by S1. Albendazole was showed a highest inhibitory activity which contained 95.5% of the total test nematode larvae.
Studi Ekstraksi Fitur Berbasis Vektor Word2Vec pada Pembentukan Fitur Berdimensi Rendah irwan budiman; M Reza Faisal; Dodon Turianto Nugrahadi
Jurnal Komputasi Vol 8, No 1 (2020)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v8i1.2517

Abstract

Klasifikasi teks adalah salah satu metode untuk mengelola dan mencari informasi penting yang terdapat pada format tekstual yang tidak terstruktur. Ekstraksi fitur merupakan proses penting pada klasifikasi teks untuk mengubah format tekstual yang tidak terstruktur menjadi terstruktur sehingga dapat diproses oleh algoritma machine learning untuk mengklasifikasikan ke class yang telah ditentukan. Salah satu teknik ekstraksi fitur yang umum digunakan adalah vector space representation. Teknik ini mudah digunakan tetapi berpotensi menghasilkan data dengan dimensi banyak yang berakibat kepada peningkatan waktu komputasi bahkan tidak dapat diproses karena limitasi perangkat keras. Pada riset ini kami melakukan studi terhadap teknik ekstraksi fitur yang mampu menghasilkan data berdimensi sedikit. Ekstraksi fitur yang digunakan memanfaatkan vektor word2vec untuk mengontrol jumlah fitur yang dihasilkan. Pada riset ini kami membandingkan beberapa model yang dihasilkan sendiri dengan jumlah fitur yang bervariasi dan model yang telah disedikan oleh Google. Hal ini dilakukan untuk mengetahui jumlah fitur yang dapat menghasilkan kinerja klasifikasi terbaik. Hasilnya didapat nilai kinerja tertinggi akurasi yaitu 0.877 dengan jumlah fitur adalah 300 dari model yang dihasilkan sendiri.
Implementasi Reduksi Fitur t-SNE Pada Clustering Gambar Head shape Nematoda Muhammad Rizky Adriansyah; Mohammad Reza Faisal; Abdul Gafur; Radityo Adi Nugroho; Irwan Budiman; Muliadi Muliadi
Jurnal Komputasi Vol 10, No 1 (2022)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v10i1.2963

Abstract

Pada penelitan ini dilakukan clustering terhadap gambar head shape nematoda, dalam melakukan pengolahan gambar diperlukan metode ekstraksi fitur untuk menemukan informasi penting dari gambar yang akan diolah, salah satu esktraksi fitur yang bisa digunakan adalah wavelet. Setelah gambar melewati ekstraksi fitur dihasilkan sebanyak 5624 fitur, dengan fitur sebanyak ini dapat mengakibatkan waktu komputasi yang lama. Oleh sebab itu perlu dilakukan reduksi fitur untuk mengurangi jumlah fitur yang awalnya 5624 fitur menjadi 2 atau 3 fitur saja, salah satu metode reduksi fitur terbaru yang bisa digunakan adalah t-SNE. Pada penelitian ini dilakukan perbandingan hasil kualitas cluster antara yang menggunakan reduksi fitur dengan yang tidak. Hasil Silhouette Index   yang didapatkan tanpa reduksi fitur adalah 0.046 dan setelah menggunakan reduksi fitur t-SNE terjadi peningkatan yang cukup signifikan menjadi 0.418.
AdaBoost Classifier untuk Klasifikasi Tanaman Jarak Pagar Triando Hamonangan Saragih; Muliadi Muliadi; Mohammad Reza Faisal; Muhammad Al Ichsan Nur Rizqi Said
Jurnal Komputasi Vol 9, No 2 (2021)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v9i2.2865

Abstract

Tanaman Jarak Pagar merupakan tanaman multi fungsi yang memiliki banyak kegunaan di kehidupan sehari-hari, baik itu untuk pengobatan, kecantikan hingga pengganti bahan bakar biodiesel. Penyakit yang menyerang tanaman jarak pagar dapat menurunkan kualitas yang dihasilkan jarak pagar. Minimnya pengetahuan petani dan sedikitnya jumlah pakar yang memahami tentang jarak pagar menjadi masalah yang harus diselesaikan. Pengguanaan sistem pakar menjadi solusi yang bisa ditawarkan. AdaBoost Classifier pada sistem pakar dapat digunakan sebagai mengklasifikasikan penyakit tanaman jarak pagar. Hasil yang diperoleh dari penelitian ini yaitu didapat akurasi rata-rata sebesar 50% dan maksimal terbaik sebesar 53,01% pada jumlah fold sebanyak 2. Hasil pada penelitian ini lebih baik dibanding penelitian sebelumnya, tetapi tidak bisa memberikan hasil yang maksimal. Jumlah data tiap kelas menjadi perrmalasahan mengapa hasil pada AdaBoost kurang maksimal dan harus diselesaikan pada penelitian selanjutnya.
Metrics Based Feature Selection for Software Defect Prediction Radityo Adi Nugroho; Friska Abadi; M. Reza Faisal; Rudy Herteno; Rahmat Ramadhani
Jurnal Komputasi Vol 8, No 2 (2020)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v8i2.2670

Abstract

Nowadays, software is very influential on various sectors of life, both to solve business needs, as well as personal needs. To have a Software with high quality, testing is needed to avoid software defect. Research on software defects involving Machine Learning is currently being carried out by many researchers. This method contains one important step, which is called feature selection. In this study, researchers conducted a feature selection based on the software metric category to determine the level of accuracy of the prediction of software defects by utilizing 13 (thirteen) datasets from NASA MDP namely CM1, JM1, KC1, KC3, KC4, MC1, MC2, MW1, PC1, PC2, PC3, PC4, and PC5. To classify, the researchers involved 5 (five) classifiers, namely Naive Bayes, Decision Trees, Random Forests, K-Nearest Neighbor, and Support Vector Machines. The research result shows that each attribure on software metric categories has effect on each dataset. Naive Bayes Algorithm and Random Forest Algorithm can give better performance than other algorithm in classifieng software defect with feature selection based on metrics. On the other hand, the best metrics category on each classifier algorithm is metric Misc. From average AUC value, it can be concluded that metrics category which can give best performance is metric LoC, followed by metric Misc. Both categories have achieved highest AUC value in Random Forest classifier.
Dampak dari Parameter Variasi Koneksi, Node dan Kecepatan Node Terhadap Delay pada Routing Protocol AODV dan BATMAN Jaringan MANET Dodon Turianto Nugrahadi; M Reza Faisal; Liling Triyasmono; Muhammad Janawi
Jurnal Komputasi Vol 8, No 2 (2020)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v8i2.2675

Abstract

Mobile ad-hoc Network (MANET) is a multihop wireless network that a many collection of mobile nodes that are dynamic. MANET each node on the network have the same position, so it needs the appropriate routing protocol, to support the exchange of data to be optimal. In this study, the routing protocol to be tested is AODV and BATMAN based scenario increasing the number of connections, nodes and speed. Simulation parameter scenarios is number connection 1 UDP, 2 UDP, 3 UDP, and number of node 25 node, 50 node, 100 node, and then number node speed 20 m/s, 50 m/s. in this AODV routing protocol will establish a rute from the source node to the destination only if there is a request from the source node. BATMAN routing protocols, all decisions and information disseminated throughout the node and will regularly update on each node. The performance parameters to be measured such as delay by using OMNET ++ 4.6. Output of simulation will analysis with two way anova and multivariate to know correlation between variation scenario impact to delay. The results obtained in this study AODV and BATMAN have their respective advantages, analisys with two-way anova show that both AODV and BATMAN get the impact of the scenario from incrising the number of connections, the number of nodes and the number of nodes speed with a p-value of 0.012212 (<0.05) with two-way anova. From all scenarios, the number of UDP connections has the greatest impact, from UDP 1, UDP 2 and UDP 3. Followed by the number of speed 50 and node 100. So it can be concluded that the connection has an effect on increasing delay. The increasing number of speed and nodes can contribute to an increase in delay if number of nodes above 100 and speed above 50. With multivariate analysis, the BATMAN protocol had the most impact on the delay under the scenario then AODV.
Analisis Komparasi Implementasi Steganografi White-Space dan White-Space Modified pada Artikel Terenkripsi AES dalam HTML5 Rudy Herteno; Dodon Turianto Nugrahadi; Muhammad Sholih Afif; M Reza Faisal; Friska Abadi
Jurnal Komputasi Vol 8, No 1 (2020)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v8i1.2525

Abstract

The level of internet usage continues to increase until now.  information exchange requires security that cannot be predicted by others.  one technique for securing information is steganography.  Steganography techniques are the science and art of hiding information.  This technique can hide the content of information in media that cannot be guessed by ordinary people, so as not to arouse suspicion of the people who see it.  One of the media that can implement the white-space modified steganography method is HTML pages.  in addition, AES (Advanced Encryption Standard) is a lighter encryption security algorithm compared to other algorithms. In this study, plain text that has been encrypted into cipher text is then inserted with white-space and white-space modification steganography techniques. Data changes have occurred but only less than 1 percent.  In experiments that have been implemented on Google Chrome and Mozilla Firefox are the same except in Internet Explorer, which changes the data slightly larger.The implementation of AES encryption and stegano white-space original, has 100% success but the 80% decryption process is successful, but the decryption results contain additional binaries. This happen because the use of tabulation (tabs) instead of spaces in HTML5 articles, and this is often found in HTML articles. while the implementation of AES encryption and stegano whitespace modified, has a success of 100% and the decryption process of 90% succeeded without any changes. 1 article failed because the number of articles is too small compared to the amount of space provided. The conclusion that implementation of AES encryption and white-space modified is more appropriate to be implemented in HTML5 articles, and than the use of tabulation and the number of characters also consequences on the implementation.Keywords: Information, Steganography, White-space modified, Security, AES, Web Browser 
Klasifikasi Kelulusan Mahasiswa Menggunakan Algoritma Learning Vector Quantization Dwi Kartini; Radityo Adi Nugroho; Mohammad Reza Faisal
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 3 No 2 (2017): POSITIF - Jurnal Sistem dan Teknologi Informasi
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v3i2.420

Abstract

Computer Science Study Program FMIPA ULM graduates dozens of undergraduate students every year. One of the assessment criteria for the accreditation of the study program is the assessment of the duration of the study of students who graduated on time. In this research will be done classification of graduation based on the status of student study year = timely and study length 4.5 years = not on time. Classification of students passing graduation based on IP semester I, Semester II, Semester III and Semester IV that have passed. If a system can classify students' graduation as a predictor of the duration of a student study, it is expected to be a recommendation for the Academic Advisors lecturers giving advice to students who are detected in the timely graduation possibilities so that Drop Out (DO) prevention measures may be taken earlier. Accuracy results are in accordance with the test data of 70% by using α = 0.5, decrement alfa 0.35 and maxepoch = 500.
Co-Authors Abdul Gafur Abdullayev, Vugar Achmad Zainudin Nur Adawiyah, Laila Admi Syarif Ahmad Rusadi Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Ahmad Rusadi Arrahimi - Universitas Lambung Mangkurat) Andi Farmadi Andi Farmadi Andi Farmadi Angga Maulana Akbar Annisa Rizqiana Arie Sapta Nugraha Arif, Nuuruddin Hamid Arifin Hidayat Azizah, Azkiya Nur Bachtiar, Adam Mukharil Bahriddin Abapihi Bayu Hadi Sudrajat Dike Bayu Magfira, Dike Bayu Djordi Hadibaya Dodon Turianto Nugrahadi Dwi Kartini Dwi Kartini Dwi Kartini Dwi Kartini, Dwi Emma Andini Fatma Indriani Fatma Indriani Fatma Indriani Favorisen R. Lumbanraja Fitra Ahya Mubarok Fitriyana, Silfia Friska Abadi Friska Abadi Friska Abadi Ghinaya, Helma Hanif Rahardian Herteno, Rudy Irwan Budiman Irwan Budiman Irwan Budiman Ivan Sitohang Julius Tunggono Jumadi Mabe Parenreng Junaidi, Ridha Fahmi Karlina Elreine Fitriani Keswani, Ryan Rhiveldi Kevin Yudhaprawira Halim Kurnianingsih, Nia Lilies Handayani Liling Triyasmono Lisnawati Mahmud Mahmud Mauldy Laya Mera Kartika Delimayanti Miftahul Muhaemen Muflih Ihza Rifatama Muhamad Ihsanul Qamil Muhammad Al Ichsan Nur Rizqi Said Muhammad Alkaff Muhammad Angga Wiratama Muhammad Fauzan Nafiz Muhammad Haekal Muhammad Haekal Muhammad Iqbal Muhammad Irfan Saputra Muhammad Itqan Mazdadi Muhammad Janawi Muhammad Khairi Ihsan Muhammad Mada Muhammad Mursyidan Amini Muhammad Rizky Adriansyah Muhammad Rusli Muhammad Sholih Afif Muhammad Zaien MUJIZAT KAWAROE Muliadi Muliadi Muliadi Muliadi Aziz Muliadi Muliadi Muliadi Muliadi Muliadi Muliadi Mustofa, Fahmi Charish Ngo, Luu Duc Nor Indrani Noryasminda Nugrahadi, Dodon Nurlatifah Amini Nursyifa Azizah Oni Soesanto Prastya, Septyan Eka Purnajaya, Akhmad Rezki Putri Nabella Radityo Adi Nugroho Radityo Adi Nugroho Rahayu, Fenny Winda Rahmad Ubaidillah Rahmat Ramadhani Rahmat Ramadhani Rahmina Ulfah Aflaha Ratna Septia Devi RAUDLATUL MUNAWARAH Reina Alya Rahma Reza Rendian Septiawan Riadi, Putri Agustina Rinaldi Riza Susanto Banner Rizal, Muhammad Nur Rizki, M. Alfi Rizky, Muhammad Hevny Rossyking, Favorisen Rozaq, Hasri Akbar Awal Rudy Herteno Rudy Herteno Rudy Herteno Rudy Herteno Said, Muhammad Al Ichsan Nur Rizqi SALLY LUTFIANI Salsabila Anjani Saputro, Setyo Wahyu Saragih, Triando Hamonangan Sarah Monika Nooralifa Sari, Risna Sa’diah, Halimatus Septyan Eka Prastya Septyan Eka Prastya Setyo Wahyu Saputro Setyo Wahyu Saputro Siti Aisyah Solechah Solly Aryza Sri Redjeki Sri Redjeki Sugiarto, Iyon Titok Sulastri Norindah Sari Suryadi, Mulia Kevin Tri Mulyani Triando Hamonangan Saragih Umar Ali Ahmad Utami, Juliyatin Putri Vina Maulida, Vina Wahyu Caesarendra Wahyu Dwi Styadi Wahyudi Wahyudi Wildan Panji Tresna Winda Agustina Yenni Rahman YILDIZ, Oktay Yudha Sulistiyo Wibowo Yunida, Rahmi