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 38 Documents
Search

 1   2   3   4 
Sms Classification Deteksi Spam Dengan Menggunakan Algoritma Artificial Immune System Dan Apriori Frequent Itemset Firizqy Ramadhana Nasution; Shaufiah Shaufiah; Moc. Arif Bijaksana
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

Saat ini mobile Phone sudah menjadi salah satu kebutuhan penting masyarakat dan salah satu fiture yang sangat di andalkan pada mobile phone adalah short message service (SMS). SMS saat berguna untuk menyampaikan suatu pesan singkat padat jelas serta hemat biaya pemakaian, data yang disampaikan pun berupa text sehingga data bisa di simpan dan di gunakan untuk keperluan lain. Tetapi dalam kasus yang sama, terjadi penurunan harga dari SMS, hal ini memicu meningkatnya unsolicited commercial advertisements (Spam). Spam sangat mengguntungkan bagi pengirim pesan namun saat mengganggu bagi penerima pesan dikarenakan pesan yang di terima bersifat memaksa dengan output yang sangat besar, peningkatan SMS spam sangat signifikan, pada tahun 2013 di region Asia SMS spam meningkat sebesar 30%. Pada penelitian tugas akhir ini dilakukan analisis dan implementasi Spam detection untuk melakukan filtering pada SMS spam dengan algoritma Artificial Immune System(AIS), sebuah algoritma pengelompokan yang memakai ide dari sistem kekebalan tubuh manusia dengan tamabahan algoritma apriori untuk menghasilkan frequent itemset. Sebagai hasilnya algoritma Artificial Immune System dapat meningkatkan performansi dari sistem sms filtering sebesar 5% dan nilai akurasi dari sistem di atas angka 95%, karena seperti kekebalan tubuh manusia sistem dapat membuat antibody baru yang dapat menanggulangi masalah sms spam dan penggabungan dari kombinasi baru data set yang dihasilkan frequent itemset menambah nilai dari performa sistem. Kata kunci : sms,spam , Artificial Immune System, apriori
Sms Filtering Menggunakan Naive Bayes Classifier Dan Fp-growth Algorithm Frequent Itemset Dea Delvia Arifin; 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 SMS (Short Message Service) masih menjadi pilihan utama sebagai media komunikasi walaupun sekarang ponsel semakin berkembang dengan berbagai media komunikasi aplikasi messenger. Seiring dengan berkembangnya berbagai media komunikasi lain, beberapa operator di beberapa negara menurunkan tarif SMS untuk tetap menarik minat pengguna ponsel. Namun penurunan tarif ini menyebabkan meningkatnya SMS spam, karena dimanfaatkan oleh beberapa pihak sebagai salah satu alternatif untuk iklan hingga penipuan. Hal itu menjadi permasalahan penting karena dapat mengganggu dan merugikan pengguna. Naive Bayes dianggap sebagai salah satu learning algorithm yang sangat efektif dan penting untuk machine learning dalam information retrieval. Naive Bayes terbukti memiliki kinerja yang baik dalam klasifikasi teks dan deteksi SMS spam [2,10] dengan menunjukan akurasi yang tinggi. Dengan dikolaborasikan algoritma yang mampu menentukan frequent itemset dengan baik maka mampu menghasilkan tingkat akurasi yang lebih baik [2]. Karena tidak hanya setiap kata yang dianggap mutually independent, tetapi juga kata yang frequent sebagai kata yang single, independent dan mutually exclusive [2], sehingga mampu meningkatkan nilai peluang dan menyebabkan sistem lebih tepat dalam klasifikasi. Dalam hal ini digunakan FP-Growth untuk mining frequent pattern yang memiliki performansi yang baik dan efisien karena tidak membutuhkan pembangkitan kandidat frequent [4]. Hasil penelitian penggunan kolaborasi antara Naive Bayes dan FP-Growth menghasilkan akurasi rata- rata terbesar sebesar 98, 506% dan lebih unggul 0,025% dari metode tanpa melibatkan FP-Growth untuk dataset SMS Spam Collection v.1, serta meningkatkan nilai precision sehingga hasil klasifikasi lebih akurat. Kata Kunci: ekstraksi kata kunci, KEA, social media
Analisis Dan Implementasi Algoritma Graph-basedk-nearest Neighbour Untuk Klasifikasi Spam Pada Pesan Singkat Gde Surya Pramartha; 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 : Pesan singkat atau Short Message Service (SMS) adalah salah satu layanan komunikasi yang sangat populer pada mobile phone saat ini karena kemudahan penggunaan, sederhana, cepat, dan murah. Meningkatnya penggunaan mobile phone ini dimanfaatkan oleh banyak pihak untuk mendapatkan keuntungan, salah satunya adalah mengirimkan spam melalui SMS. Spam biasanya berisikan iklan dari suatu produk, promosi, atau malware yang sangat mengganggu pengguna mobile phone. Oleh sebab itu, dalam tugas akhir ini dibuatlah SMS spam filter untuk menyaring SMS yang menggunakan algoritma Graph-based K- Nearest Neighbour (GKNN). SMS yang didapatkan terlebih dahulu di preprocessing kemudian data akan direpresentasikan ke dalam model graf berbobot dan berarah. Pengujian algoritma dilakukan dengan menggunakan skenario pembagian data 5-fold dan 10-fold dan didapatkan hasil dengan rata-rata akurasi mencapai 99,06% untuk 5-fold dan 99,13% untuk 10-fold. Kata Kunci : spam, spam filtering, preprocessing, klasifikasi, k-nearest neighbour, graph- based k-nearest neighbour
Feature-based Opinion Menggunakan Algoritma High Adjective Count Dan Max Opinion Score ( Studi Kasus Review Di Google Play). Eri Angga Pradana; Shaufiah Shaufiah; Nungki Selviandro
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

Banyaknya jumlah aplikasi pada Google Play terkadang terjadi ketidak sesuaian aplikasi yang dibeli tidak sesuai dengan kebutuhan, hal tersebut terjadi dikarenakan sulitnya menemukan informasi terkait kelebihan dan keunggulan fitur aplikasi pada google playstore. Pemanfaatan review diharapkan dapat memberikan informasi terkait kelebihan dan kekurangan fitur pada pengguna dengan mengekstrak fitur berdasarkan opini yang terdapat dalam review. Opini yang didapatkan akan menjadi penilaian pada fitur. Untuk mendapatkan nilai fitur diperlukan beberapa tahapan proses dari pengumpulan data review, data review adalah file .html hasilpenyimpanan website aplikasi google dengan cara manual. Data yang sudah terkumpul akan di proses beberapa tahap antara lain tahap preprocessing, tahap ekstraksi fitur dengan algoritma High Adjective Count(HAC) dan tahap penilaian fitur dengan algoritma Max Opinion Score(MOS). Untuk validasi kebenaran fitur penulis menggunakan pelabelan fitur secara manual menggunakan responden. Hasil yang didapatkan diketahui HAC memiliki akurasi 80% untuk ekstraksi fitur pada top 5 fitur yang dihasilkan dari keseluruhan review. HAC memiliki akurasi 28.78% nilai ekstraksi fitur dalam satu review atau single review. Hasil yang diberikan pada MOS dapat memberikan fitur beserta nilai fitur. Kata kunci : feature based, opini, high adjective count, max opinion score, review, googleplay
Evaluasi Model Navigasi Pada Online Assessment Test Menggunakan Process Mining (Studi Kasus: The British English Course) Selvia Yulvairariany; Imelda Atastina; Shaufiah Shaufiah
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

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

Abstract

Online Assessment Test atau seringkali disebut Online Test sekarang ini sering digunakan dalam proses belajar mengajar untuk mengevaluasi kinerja peserta tes dengan lebih mudah secara online. Jenis soal pada online test biasanya adalah Pilihan ganda atau Multiple-Choice Questions (MCQ) sehingga merupakan hal yang penting untuk mempertimbangkan pola pengerjaan soal agar hasil dari online test tersebut benar-benar menunjukan kemampuan peserta dalam memahami materi yang telah dipelajari dalam proses pembelajaran. Pada tugas akhir ini, dilakukan process mining yaitu Process Discovery yang digunakan untuk mengetahui model navigasi, bagaimana cara peserta tes menjawab pertanyaan online test, sehingga dapat mengetahui bagaimana model tersebut berpengaruh terhadap kinerja peserta tes. Process mining dilakukan menggunakan salah satu algoritma Process Discovery yaitu Fuzzy miner dengan framework ProM. Data yang digunakan adalah event log proses online test tersebut dan analisis dilakukan terhadap alur proses yang terjadi dalam pengerjaan online test. Dengan demikian diketahui model navigasi berpengaruh terhadap kinerja peserta tes. Kata kunci: Online Assessment Test, Online Test, Multiple-Choice Questions (MCQ), Process Mining, Process discovery, Fuzzy Miner, ProM, Event Log.
Implementasi Dan Analisis Klasifikasi Spam Pada Pesan Singkat Seluler Dengan Pendekatancollaborative Filtering Menggunakan Naïve Bayes Ricky Kristian Butar Butar; Moc. Arif Bijaksana; 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

Pesan Singkat atau yang dikenal dengan SMS (Short Message Service) merupakan layanan pertukaran pesan antar pengguna layanan tersebut. Semakin banyaknya pengguna layanan SMS, tidak sedikit pihak yang memanfaatkannya untuk mendapatkan keuntungan, yaitu dengan menyebarkan SMS sampah, atau dikenal dengan SMS spam. Oleh karena itu, pada penelitian tugas akhir ini, penulis melakukan pengklasifikasian terhadap SMS yaitu kelas spam maupun ham. Pengklasifikasian SMS tersebut dengan menggunakan pendekatan Collaborative Naïve Bayes yang berorientasi pada rekomendasi beberapa pengguna dan Content-Based Naïve Bayes dengan melihat konten pada SMS. Data rekomendasi didapatkan dengan menyebarkan 300 SMS kepada pengguna. Untuk Content-Based dibutuhkan preprocessing sehingga konten SMS menjadi seragam, memiliki informasi penting, dan mempercepat proses komputasi. Preprocessing yang digunakan adalah slang handling, stopword removal, dan stemming. Pengujian dilakukan dengan membagi SMS menjadi data latih dan data uji sesuai dengan pembagian data cross validation yaitu 5-fold dan 10-fold. Hasil pengujian yang dilakukan menghasilkan tingkat akurasi sebesar 97.12% untuk 5-fold dan 97.28% untuk 10-fold sehingga dikatakan mampu meningkatkan keakurasian pengklasifikasian SMS dengan menggunakan metode Collaborative Filtering. Kata Kunci : Pengklasifikasian, Collaborative, Content-Based, Naïve Bayes, Preprocessing
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.
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