Article Per Year (5 Year)
p-Index From 2020 - 2025
1.048
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) JURNAL MEDIA INFORMATIKA BUDIDARMA Journal La Multiapp eProceedings of Engineering Jurnal Pengabdian Masyarakat Bangsa
Shaufiah .
Telkom University
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search
Journal : eProceedings of Engineering

 1   2   3 
Analisis Dan Implementasi Sistem Pendukung Rekruitasi Online Dengan Algoritma Analytical Hierarchy Process (AP) (studi Kasus: Pt Tricada Intronik) Kartika Eka Riyanti Putri; Shaufiah Shaufiah; Shinta Yulia Puspitasari
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

Salah satu masalah yang muncul pada rekruitasi online adalah waktu yang dihabiskan untuk menyeleksi CV pelamar satu per satu. Permasalahan ini diatasi oleh sebuah sistem yang bisa menganalisis CV dan mengenali karakter pelamar secara otomatis. Input-an yang diperlukan sistem ini adalah CV dan link blog pribadi pelamar. Sistem akan dilengkapi fungsionalitas untuk mengekstrak informasi dari CV pelamar menjadi data skill pelamar, sedangkan blog pribadi pelamar akan digunakan sistem untuk mengenali karakter pelamar. Algoritma yang digunakan untuk membangun sistem pendukung keputusan ini adalah Analytical Hierarchy Process (AHP), yaitu algoritma yang menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki. Sistem akan menghitung prioritas kriteria pekerjaan yang skalanya di-input-kan oleh penyeleksi. Keluaran akhirnya adalah daftar pelamar yang terurut berdasarkan kualitas CV dan karakternya. Sebuah CV dinyatakan sesuai jika status kelulusannya sesuai antara sistem dan penyeleksi. Dari pengujian dan analisis yang dilakukan, sistem memiliki validitas sebesar 8090%. Jika salah satu kriteria memiliki prioritas tinggi tetapi banyak pelamar yang tidak memenuhi, maka tingkat akurasi akan berkurang, begitupun sebaliknya. Selain menguji validitas, dilakukan juga pengujian terhadap skala prioritas kriteria pekerjaan. Oleh karena pengujian pada prioritas kriteria yang diberikan oleh penyeleksi cukup tinggi, maka disimpulkan bahwa prioritas kriteria yang diberikan penyeleksi sudah bagus.
Deteksi Sms Spam Menggunakan Vector Space Model Dengan K-means Rio Pratama; Shaufiah Shaufiah; Ibnu Asror
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Media komunikasi yang saat ini lazim digunakan oleh masyarakat untuk berinterkasi adalah telepon genggam(mobile phone). Salah satu layanan yang banyak digunakan untuk berkirim pesan adalah Short Message Service(SMS). Sms dipilih karena tarifnya yang murah, namun saat ini sms juga dimanfaatkan oleh pihk yang tidak bertanggung jawab untuk menyebarkan unsolicited commercial advertisement(Sms Spam). Bagi sebagian orang menganggap sepele masalah ini, namun tidak sedikit juga yang merasa terganggu dengan adanya sms spam ini. Pada tugas akhir ini penulis melakukan analisa algoritma untuk mendeteksi sms spam dengan menggunakan data sms yang telah dikumpulkan oleh penulis sebelumnya. Metode yang digunakan dalam kasus ini adalah Vector Space Model dan K-means clustering. Dimana Vector Space Model dapat mengenali pola sms dengan mengubah kata menjadi nilai bobot kata dan k-means clustering yang berfungsi sebagai metode yang mengelompokan bobot kata tersebut sehingga setelah dilakukan berbagai skenario pengujian dihasilkan akurasi 60% artinya kedua metode ini sudah mampu untuk mendeteksi serta mengklasifikasikan antara sms spam dan sms bukan spam (sms ham) namun belum terlalu optimal disebabkan kurangnya jumlah sms sebagai data training. Kata kunci : SMS, Sms Spam, Vector Space Model, K-Means Clustering, klasifikasi, Sms Ham.
Klasifikasi Posting Tweet Mengenai Kebijakan Pemerintah Menggunakan Naïve Bayesian Classification Garnis Berliana; Shaufiah Shaufiah; Siti Sa’adah
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

Twitter merupakan media sosial yang populer di kalangan masyarakat dalam memberikan informasi karena lebih mudah dan cepat. Dengan adanya media sosial, masyarakat menjadi lebih mudah menyampaikan aspirasi dan pendapat mengenai kebijakan yang telah dibuat oleh pemerintah. Salah satu kebijakan tersebut adalah amnesti pajak. Pada penelitian ini menggunakan algoritma Naïve Bayesian Classification untuk mengklasifikasikan tweet yang berisi informasi tentang amnesti pajak. Naïve Bayesian Classification merupakan salah satu teknik klasifikasi dalam data mining yang sederhana. Ekstraksi fitur yang digunakan pada pengklasifikasian amnesti pajak menggunakan naive bayesian classification adalah unigram dan frekuensi kata dimana hasil akurasi tertinggi yang didapat sebesar 53,45% dengan data training sebesar 80% dari 578 data tweet amnesti pajak. Metode naive bayes dengan fitur unigram kurang tepat untuk digunakan dalam pengklasifikasian tweet mengenai amnesti pajak.
Analisis Dan Implementasi Pengklasifikasian Pesan Singkat Pada Penyaringan Sms Spam Menggunakan Algoritma Multinomial Naïve Bayes Muhammad Budi Hartanto; Shaufiah Shaufiah; Moch. Arif Bijaksana
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Abstrak  Maraknya penggunaan SMS membuat pihak tertentu memanfaatkan hal tersebut dengan menyebar SMS ke berbagai pihak demi keuntungannya sendiri. SMS tersebut disebut juga dengan SMS Spam. Bagi sebagian orang, hal tersebut sangat mengganggu. Oleh sebab itu, maka dibangunlah SMS Spam Filter yang bertujuan untuk menyaring SMS. Dalam tugas akhir ini, dilakukan penelitian tentang SMS Spam Filter, yang akan mengklasifikasikan SMS menjadi Spam dan Ham(Tidak Spam). Isi SMS yang berupa teks dan cenderung tidak teratur, membuat data yang akan digunakan untuk klasifikasi perlu dilakukan preprocessing terlebih dahulu. Preprocessing yang digunakan dalam tugas akhir ini adalah Slang Handling, Stopword Elimination, Stemming, dan Tokenization. Setelah semua data dilakukan preprocessing maka algoritma yang akan mengklasifikasikan SMS-nya adalah algoritma multinomial naïve bayes. Tugas akhir ini akan menggunakan 2 sumber data yaitu: The SMS Spam Collection v.1 dan British SMS. Yang keduanya akan dikomposisikan sesuai pengujian. Pengujian yang dilakukan yaitu membandingkan beberapa skenario pengujian berdasarkan penggunaan preprocessingnya. Dan telah didapatkan hasil terbaik dengan akurasi mencapai 98.15% dengan pemilihan preprocessing Stopword Elimination dengan Stemming. Kata Kunci  Klasifikasi, SMS Spam Filter, Slang, Stopword Elimination, Stemming, Multinomial Naïve Bayes.
Penerapan Teknik Data Mining Untuk Klasifikasi Ketepatan Waktu Lulus Mahasiswa Teknik Informatika Universitas Telkom Menggunakan Algoritma Naive Bayes Classifier Naziah Amalia; Shaufiah Shaufiah; Siti Sa'adah
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

Ketepatan waktu lulus mahasiswa merupakan hal yang penting bagi sebuah universitas karena merupakan salah satu syarat akreditasi, tak terkecuali Universitas Telkom. Universitas Telkom merupakan salah satu universitas swasta di Indonesia yang menawarkan berbagai program studi, salah satunya Teknik Informatika. Program studi tersebut menerima kurang lebih 640 mahasiswa setiap tahunnya. Namun, jumlah mahasiswa tersebut tidak diimbangi dengan mahasiswa yang lulus tepat waktu. Mahasiswa yang lulus tepat waktu hanya mencapai kisaran 15% setiap tahunnya. Banyak aspek yang menyebabkan mahasiswa lulus tidak tepat waktu. Beberapa diantaranya adalah kota asal, jumlah SKS, IPK, berapa kali mengambil mata kuliah TA, dan masih banyak lagi aspek yang bisa mempengaruhi ketepatan waktu lulus. Ketepatan waktu lulus tersebut dapat diklasifikasikan berdasarkan aspek yang ada. Pada Tugas Akhir ini, dilakukan klasifikasi ketepatan waktu lulus dengan menggunakan algoritma Naive Bayes Classifier. Algoritma tersebut dibangun dengan menggunakan Java Netbeans. Pengujian dilakukan untuk mengetahui titik optimum dari algoritma Naive Bayes Classifier. Hasil pengujian dengan perbandingan data tersebut didapatkan akurasi sebesar 91%. Titik optimum algoritma tersebut berada pada pembagian data dengan perbandingan 90% data training dan 10% data testing. Berdasarkan pengujian yang dilakukan per atribut, faktor yang mempengaruhi ketepatan waktu lulus merupakan atribut TA1, karena memiliki prosentase yang paling tinggi dibandingkan atribut yang lain.
Pembangunan Aplikasi Pendeteksian Fraud Pada Pajak Menggunakan Decision Tree Natasya Mulyono; Shaufiah Shaufiah
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

Pajak merupakan kontribusi wajib kepada negara yang terutang oleh orang pribadi atau badan yang bersifat memaksa berdasarkan Undang-Undang, dengan tidak mendapatkan imbalan secara langsung dan digunakan untuk keperluan negara bagi sebesar-besarnya kemakmuran rakyat. Terkadang pada data pajak ditemukannya fraud. Dengan semakin berkembangnya perkembangan teknologi informasi maka fraud berkembang semakin luas, dikarenakan hal itu perlu dilakukan pencegahan yaitu dengan langkah pendeteksian fraud. Sehingga, tugas akhir ini dibuat untuk dapat membantu dalam proses pendeteksian fraud Dalam Tugas Akhir ini dilakukan klasifikasi untuk pendeteksian fraud pada data pajak menggunakan Decision Tree dengan algoritma C4.5. C4.5 menggunakan konsep Entropy untuk menentukan penyebaran keragaman data dan gain ratio untuk pemilihan atribut yang mana attribute dengan gain ratio tertinggi akan terpilih sebagai parent untuk node selanjutnya. Hasil penelitian menunjukkan bahwa pendeteksian fraud menggunakan metode Decision Tree dengan  algoritma C4.5 menghasilkan rata-rata persentase sebesar 99,51%. Sehingga dapat disimpulkan bahwa algoritma ini cocok melakukan penelitian untuk pendeteksian fraud pada data pajak. Kata Kunci : Pajak, Decision Tree, Pruning, C4.5, Fraud detection.
Co-Authors Bening Suryani Pratiwi Boby Siswanto Citra Pangestu Dea Delvia Arifin Defrianda Rizky Pranata Defrianda Rizky Pranata Didin Kristinawati, Didin Dwiaji Nuraryudha Dwiaji Nuraryudha Eri Angga Pradana Fahrizal Masyhur Fahrizal Masyhur Fairuz Ahmad Hirzani Fairuz Ahmad Hirzani Faizal Hendyansyah Khrisdian Fatiya Arifah Fatiya Arifah Fauziah, Husna Firizqy Ramadhana Nasution Fitriyani Fitriyani Fitriyani, Firtriyani Garnis Berliana Gde Surya Pramartha Gusti Ngurah Diva Adwitya Hetti Hidayati Ibnu Asror Imelda Atastina Indra Lukmana Sardi Kartika Eka Riyanti Putri Kemas Rahmat Saleh Wibowo Kemas Rahmat Saleh Wiharja Ludwika Hermawan Madina Ulfa Mahmud Imrona Mira Kania Sabariah Moc. Arif Bijaksana Moch Arif Bijaksana Moh. Mahsus Monterico Adrian Muhammad Adib Imtiyazi Muhammad Budi Hartanto Muhammad Fakhri Ar-Razi Nadya Eka Putri Permadi Natasya Mulyono Naziah Amalia Nungki Selviandro Nurul Ikhsan P, Shinta Yulia Raden Mochamad Rizky Raden Mochamad Rizky Renny Sukawati Ricky Kristian Butar Butar Rifki Wijaya Rio Pratama Rizal, M. Fahru Rochmawati, Rochmawati Satria. P, Villy Satrio Prasojo Selvia Yulvairariany Shinta Yulia Puspitasari Siti Sa'adah Siti Sa’adah Tegar Graha Adiwiguna The Liong Vero Arneal Octora Veronikha Effendy Yudhono, Efwandha ZK Abdurahman Baizal