Claim Missing Document
Check
Articles

Classifying Quranic Verse Topics using Word Centrality Measure Ferdian Yulianto; Kemas Muslim Lhaksmana; Danang Triantoro Murdiansyah
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 3 (2021): Juni 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (460.166 KB) | DOI: 10.29207/resti.v5i3.3171

Abstract

Muslims believe that, as the speech of Allah, The Quran is a miracle that has specialties in itself. Some of the specialties that have studied are the regularities in the number of letters, words, vocabularies, etc. In the past, the early Islamic scholars identify these regularities manually, i.e. by counting the occurrence of each vocabulary by hand. This research tackles this problem by utilizing centrality in quranic verse topic classification. The goal of this research is to analyze the effect of The Quran word centrality measure on the topic classification of The Quran verses. To achieve this objective, the method of this research is constructing the Quran word graph, then the score of centralities included as one of the features in the verse topic classification. The effect of centrality is observed along with support vector machine (SVM) and naïve Bayes classifiers by performing two scenarios (with stopword and without stopword removal). The result shows that according to the centrality measure the word “الله” (Allah) is the most central in The Quran. The performance evaluation of the classification models shows that the use of centrality improves the hamming loss score from 0.43 to 0.21 on naïve Bayes classifier with stopword removal. Finally, both of classification method has a better performance in word graph that use stopword removal.
Pengembangan Sistem Pembelajaran Berbasis Komputer di Lingkungan Madrasah Aliyah Pesantren As-Suruur Sebagai Bentuk Persiapan dalam Menghadapi Ujian Nasional Berbasis Komputer (UNBK) Danang Triantoro Murdiansyah; Z. K. Abdurahman Baizal; Nurul Ikhsan; Favian Dewanta; Umar Ali Ahmad; Reza Rendian Septiawan; Ika Arum Puspita; Devi Pratami; Litasari Widyastuti Suwarsono
Charity : Jurnal Pengabdian Masyarakat Vol 4 No 1 (2021): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v4i1.3212

Abstract

Adanya ketentuan tentang kewajiban pelaksanaan Ujian Nasional Berbasis Komputer (UNBK) dan Ujian Sekolah Berbasis Komputer (USBK) oleh pemerintah di setiap sekolah setara Sekolah Menengah Atas (SMA), menuntut adanya kesiapan dari berbagai pihak untuk dapat melaksanakan kegiatan tersebut termasuk diantaranya Madrasah Aliyah Pesantren As-Suruur. Masih minimnya keterampilan siswa dalam menggunakan media belajar berbasis komputer menjadi salah satu kendala dalam menghadapi UNBK. Ketidaksiapan siswa ini diprediksikan akan mempengaruhi performansi siswa dalam menghadapi ujian. Oleh karenanya dibutuhkan upaya untuk mempersiapkan siswa dalam menghadapi sistem ujian yang baru bagi mereka. Universitas Telkom melalui program pengabdian masyarakat, mengembangkan sistem pembelajaran berbasis komputer di lingkungan Madrasah Aliyah Pesantren As-Suruur agar para siswa semakin terbiasa dalam mengoperasikan komputer sebagai bentuk persiapan dalam menghadapi UNBK. Selain pengembangan sistem, dilakukan pelatihan bagi guru pesantren yang selanjutnya akan mengambil peran besar dalam menyiapkan siswa dalam UNBK. Pelaksanaan program dapat dikatakan berhasil dilihat dari dapat digunakannya sistem dan juga respon positif guru untuk menggunakan sistem yang ada.
A Questions Answering System on Hadith Knowledge Graph Kemas Rahmat Saleh Wiharja; Danang Triantoro Murdiansyah; Muhammad Zakiyullah Romdlony; Tiwa Ramdhani; Muhammad Ramadhan Gandidi
Journal of ICT Research and Applications Vol. 16 No. 2 (2022)
Publisher : LPPM ITB

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5614/itbj.ict.res.appl.2022.16.2.6

Abstract

Several works have presented the Hadith on different digital platforms, ranging from websites to mobile apps. These works were successful in presenting the text of the Hadith to users, but this does not help them to answer any particular questions about religious matters. Therefore, in this work we propose a question-answering system that was built on a Hadith knowledge graph. To interpret the user questions correctly, we used the Levenshtein distance function, and for storing the Hadith in graph format we used Neo4J as the graph database. Our main findings were: (i) a knowledge graph is suitable for representing the Hadith and also for doing the reasoning task, and (ii) our proposed approach achieved 95% for top-1 accuracy.
Analisis Sentimen Kendaraan Listrik Pada Media Sosial Twitter Menggunakan Algoritma Logistic Regression dan Principal Component Analysis Youga Pratama; Danang Triantoro Murdiansyah; Kemas Muslim Lhaksmana
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 1 (2023): Januari 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i1.5575

Abstract

Twitter sentiment analysis is a method for identifying a person's opinions, reactions, judgments, evaluations, and emotions towards certain topics on Twitter social media. Opinions or can be called opinions can be classified as positive or negative. This research was conducted to find out public opinion about electric vehicles on Twitter social media, which is more positive or negative. The data obtained was 1874 tweets with data divided into training data and testing data at a ratio of 80:20. Data is classified using the Logistic Regression (LR) method, and Principal Component Analysis (PCA) as an optimization to improve accuracy. In this study it was found that around 86.9% of the opinions were positive, and 13.1% of the opinions were negative on the topic of electric vehicles. The results of research conducted using the Logistic Regression algorithm obtained the best accuracy of 87.9%, and after being optimized using Principal Component Analysis the best accuracy obtained increased to 90%.
Prediksi Harga Saham Dengan Metode Fuzzy Time Series Dan Metode Fuzzy Time Series-genetic Algorithm (studi Kasus: Pt Bank Mandiri (persero) Tbk) Felix Octavianus Hasudungan; Rian Febrian Umbara; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Nilai harga saham selalu berubah -ubah dan t idak menent u set iap harinya, maka diperluk an sebuah model unt uk menghasilkan prediksi yang akurat unt uk mendapat kan keunt ungan yang maksimal. P ada t ugas akhir ini akan digunakan met ode Fuzzy Tim e Series danmetodeFuzzyTime Series-Genetic Algorthm unt uk memprediksi harga saham. Met ode Fuzzy Tim e Series akan menghasilkan int erval dengan jarakyangsamadan hasil prediksi nilai harga saham berdasarkan at uran Fuzzy Tim e Series dan Algorit ma Genet ika akan meningkat kan kinerja dengan mencari int erval yang memiliki nilai fit ness yang t erbesar dalam set iap it erasi yang dilakukan unt uk mencari hasil prediksi denganmenggunakanaturan Fuzzy Tim e series. Hasil prediksi yang didapat dengan menggunakan kedua metode t ersebut akan dibandingkan. Hasil dari ujicoba pada t ugas akhir ini menunjukan bahwa prediksi harga saham menggunakan met ode Fuzzy Tim e Series memilikinilaiMAPE sebesar 0.017611 dan nilai MSE sebesar 48249.1993. Sedangkan unt uk hasil prediksi menggunakan met ode FuzzyTimeSeries-GeneticAlgorthm pada skenario 1 memiliki nilai MAPE sebesar 0.0028653 dan nilai MSE sebesar 15.7221, pada skenario 2 memilikinilaiMAPEsebesar0.0028478 dan nilai MSE sebesar 16.3946, dan pada skenario 3 memiliki nilai MAPE sebesar 0.0027542 dan nilai MSE sebesar15.6174.Darihasilpercobaan t ersebut dapat disimpulkan bahwa hasil prediksi menggunakan met ode Fuzzy Tim e Series-Genetic Algorthm memiliki nilaierroryanglebihkecil dibandingkan dengan hasil prediksi menggunakan metode Fuzzy Time Series.
Klasifikasi Sentimen Terhadap Bakal Calon Gubernur Jawa Barat 2018 Di Twitter Menggunakan Naive Bayes Haga Simada Ginting; Kemas Muslim Lhaksmana; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

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

Abstract

Pemilihan kepala daerah (pilkada) merupakan pemilihan umum untuk memilih gubernur dan wakil gubernur yang dilakukan oleh masyarakat setempat yang memenuhi syarat sebagai pemilih. Gubernur merupakan pemimpin daerah yang bertugas dalam memimpin suatu wilayah daerah provinsi di Indonesia. Dalam hal ini bakal calon gubernur membutuhkan sentimen dari masyarakat sebagai sumber informasi untuk mengetahui citra bakal calon gubernur. Sentimen yang didapatkan dari masyarakat tidak hanya bersifat positif, melainkan juga bersifat negatif dan netral. Sentimen yang digunakan pada penelitian ini adalah tweet dari masyarakat yang dicrawling dari twitter dan berhubungan dengan bakal calon gubernur Jawa Barat 2018. Pada penelitian tugas akhir ini penulis membangun sistem klasifikasi sentimen masyarakat dengan metode Naive Bayes Clasifier (NBC). Model Naive Bayes Clasifier (NBC) digunakan untuk mendapatkan nilai prefrence value dari masyarakat terhadap kandidat calon gubernur Jawa Barat 2018. Hasil pengujian dengan metode evaluasi menghasilkan rata-rata akurasi sebesar 76,56%. Untuk hasil pengujian respon positif masyarakat di twitter yang terbesar diproleh oleh Deddy Mizwar dengan nilai prefrence value sebesar 34,3%. Dengan demikian, klasifikasi sentimen menggunakan NBC dapat digunakan untuk mengukur prefrence value pada kasus pemilihan kepala daerah.
Prediksi Penyakit Menggunakan Genetic Algorithm (ga) Dan Naive Bayes Untuk Data Berdimensi Tinggi Dwi Nugroho; fh Nhita; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Sebuah sistem yang mampu menganalisis dan mengidentifikasi seseorang terkena suatu penyakit akan sangat membantu pada dunia medis, hal ini dikarenakan tingkat kematian setiap harinya selalu bertambah. Faktor kematian salah satunya adalah kurangnya penanganan dini pada pasien yang telah terkena suatu penyakit. Hal ini dapat terjadi karena pasien tidak mengetahui bahwa dirinya mengidap penyakit yang mematikan. Adapun lima penyakit yang digolongkan mematikan adalah Kanker, Jantung, Diabetes, AIDS, dan TBC. Oleh karena itu, pada tugas akhir ini dibangun sistem yang mampu memprediksi seorang pasien apakah terjangkit penyakit atau tidak. Sistem ini sangat membantu dalam penanganan dini pasien yang terkena penyakit. Data penyakit Kanker, Jantung, Diabetes, AIDS, dan TBC bersumber dari website Kent Ridge Bio-medical Data Set Repository akan digunakan untuk membangun sistem ini, yang mana data tersebut adalah data berdimensi tinggi untuk setiap penyakit. Dimana data tersebut memiliki ribuan atribut yang akan dibagi menjadi dua data, yaitu data traning dan data testing selanjutnya dilakukan reduksi dengan Genetic Algorithm (GA) dan klasifikasi dengan Naïve Bayes Classifier. Dengan prediksi menggunakan model tersebut, didapatkan hasil yang akan menunjukan seorang pasien yang terkena penyakit atau tidak. Selanjutnya dilakukan uji akurasi menggunakan data testing untuk mendapatkan hasil akurasi yang valid. Sehingga hasil akhir yang didapat menunjukkan metode crossvalidation lebih baik dengan nilai akurasi dari data colon tumor 88.89% dan leukemia 100% dibandingkan metode percentage split dengan akurasi dari data colon tumor 78.95% dan leukemia 77.27%. Kata Kunci : Genetic Algorithm, Naïve Bayes, Evolutionary Datamining.
Peramalan Nilai Tukar Rupiah Terhadap Dolar Amerika Menggunakan Jaringan Syaraf Tiruan (p,d,q) Gege Safet Yanto Raharjo; Rian Febrian Umbara; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Nilai tukar merupakan tingkat dimana mata uang satu negara dapat ditukar dengan mata uang negara lain, memainkan peran penting dalam mengendalikan dinamika pasar valuta. Oleh karena itu, peramalan kurs menjadi hal yang menarik sebagai penentuan kebijakan. Model gabungan ARIMA dan JST disebut model Jaringan Syaraf Tiruan (p,d,q). Hasil error dan differencing yang diperoleh dari model ARIMA akan digunakan pada model Jaringan Syaraf Tiruan arsitektur Multi Layer Perceptron algoritma Backpropagation. ARIMA memodelkan sifat linier data dan JST memodelkan sifat non-linier data. Data histori yang digunakan dalam sistem adalah data kurs Rupiah terhadap Dolar Amerika dalam rentang waktu Januari 2010 sampai Juni 2015. Setelah dilakukan prediksi, didapatkan hasil pengukuran kinerjanya, RMSE 60.43385, MAE 44.40632, dan MAPE 0.362984936 %. Sehingga dapat disimpulkan bahwa metode Jaringan Syaraf Tiruan (p,d,q) bisa diterapkan dalam sistem peramalan kurs Rupiah terhadap Dolar Amerika, namun tidak signifikan lebih baik dibanding ARIMA atau JST saja. Kata kunci : Kurs, ARIMA, JST, Jaringan Syaraf Tiruan (p,d,q).
Deteksi Kanker Berdasarkan Klasifikasi Microarray Data Menggunakan Principal Component Analysis Dan Backpropagation Termodifikasi Dengan Conjugate Gradient Fletcher Reeves Della Alfarydy Akbar; Adiwijaya Adiwijaya; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 4, No 1 (2017): April, 2017
Publisher : eProceedings of Engineering

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

Abstract

Kanker merupakan penyebab utama dalam kematian. Dalam setiap tahun diperkirakan kanker akan terus meningkat karena tidak sehatnya gaya pola hidup. Pada beberapa dekade terakhir microarray berperan penting dalam diagnosis kanker. Microarray merupakan teknologi yang dapat menyimpan ribuan gen yang diambil dalam beberapa sel manusia sekaligus. Maka dari itu microarray memiliki dimensi data yang sangat besar oleh karena itu, untuk meningkatkan akurasi diagnosis kanker tersebut maka dilakukan dengan cara pengurangan dimensi dengan menggunakan Principal Component Analysis (PCA) dan Modified Back Propagation (MBP). MBP merupakan modifikasi dari Backpropagation Standart (BP) yang menerapkan metode Jaringan Syaraf Tiruan (JST) dengan algoritma Conjugate Gradient Fletcher Reeves untuk mempercepat proses pelatihan. Hasil pengujian yang diperoleh dari Principal Component Analysis (PCA) dan Backpropagation termodifikasi memiliki performansi rentang waktu sekitar 2 – 3 detik untuk pelatihan. Waktu yang dihasilkan paling minimum adalah 2.21 detik untuk pelatihan Central Nervous dengan menggunakan teknik line search Hybrid Bisection Cubic. Jika dilihat dari akurasi, hasil pengujian skema klasifikasi PCA+MBP mendapatkan rata-rata akurasi sebesar 82.15% untuk teknik line search Golden Section. Kata Kunci : Kanker, Microarray, Principal Component Analysis (PCA), Modified Backropagation (MBP), Conjugate Gradient Fletcher Reeves, Jaringan Syaraf Tiruan.
Prediksi Penyakit Menggunakan Algoritma Differential Evolution (de) Dan Least Square Support Vector Machine (lssvm) Untuk Data Berdimensi Tinggi Merry Sofhia Tambunan; Fhira Nhita; Danang Triantoro Murdiansyah
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Penyakit merupakan salah satu penyebab kematian tertinggi bagi masyarakat. Beberapa penyakit dapat dikategorikan sebagai penyakit mematikan. Penyakit colon tumor atau tumor usus dan leukimia merupakan beberapa penyakit yang berbahaya dan mematikan. Masyarakat terkadang tidak menyadari bahwa sedang mengidap beberapa penyakit berbahaya ini. Berdasarkan permasalahan tersebut diperlukan adanya suatu sistem prediksi penyakit colon tumor dan leukimia. Pada tugas akhir ini digunakan algoritma Differential Evolution (DE) dan Least Square Support Vector Machine (LSSVM) dalam memprediksi penyakit colon tumor dan leukemia. Data yang digunakan pada tugas akhir ini merupakan data penyakit dimensi tinggi, dimana akan dilakukan preprocessing data menggunakan PCA sehingga diperoleh data dengan dimensi baru yang lebih sedikit. Data yang sudah direduksi kemudian akan dimasukan ke dalam algoritma DE, dimana algoritma tersebut akan melakukan serangkaian proses evolusi. DE bertujuan untuk mencari parameter LSSVM yang optimal. Parameter tersebut kemudian akan digunakan pada metode klasifikasi LSSVM. Proses ini dilakukan untuk mendapatkan klasifikasi dari penyakit colon tumor dan leukimia. Dari hasil pengujian pada algoritma DE dan LSSVM diperoleh solusi optimal dengan akurasi 90.4762% untuk colon tumor dan 87.5 % untuk leukemia. Kata kunci: data dimensi tinggi, PCA, Differential Evolution (DE), Least Square Support Vector Machine (LSSVM).