Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Said Faraby
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
Klasifikasi Anjuran, Larangan Dan Informasi Pada Hadis Sahih Al-bukhari Berdasarkan Model Unigram Menggunakan Artificial Neural Network (ann) Eliza Jasin; Said Faraby; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Umat Islam memiliki kepercayaan pedoman dalam hidupnya yang merujuk kepada Al-quran dan Hadits. Ada beberapa hadits yang sering kita dengar, namun para ulama sepakat hadits yang diriwayatkan oleh Imam Bukhari berpegang teguh pada tingkat kesahihan paling tinggi. Untuk itu banyak umat islam yang mempelajari dan mendalami ilmu hadits. Dalam upaya pembelajaran ilmu hadits dalam era yang serba teknologi ini tentunya tidak luput dari perkembangan dunia digital ini. Oleh karena itu penulis ingin melakukan sebuah penelitian klasifikasi anjuran, larangan, dan informasi pada Hadits Sahih Al-Bukhari yang diharapkan dapat mengembangkan aplikasi yang ada dan membantu masyarakat untuk lebih mudah mempelajari ilmu hadits. Klasifikasi akan terbagi menjadi tiga buah kelas, yaitu hadits yang merupakan kalimat anjuran, larangan, dan informasi. Metode yang akan digunakan dalam klasifikasi ini ialah menggunakan n-gram model dan Artificial Neural Network (ANN). Metode tersebut dipilih berdasarkan penelitian yang telah dilakukan sebelumnya mengenai klasifikasi hadis menggunakan ANN yang di lakukan oleh M. Arshi Shaloot, Norisma Idris, Rohana Mahmod yang menghasilkan hasil akurasi sebesar 94%. Pada penelitian ini dilakukan beberapa scenario pengujian dengan memodifikasi tahapan preprocessing, feature extraction, dan parameter ANN. Pengujian tersebut menghasilkan hasil evaluasi terbesar yaitu 85% dengan menggunakan precision, recall, dan f1-score. Kata kunci : Klasifikasi teks, Hadits Sahih Al-Bukhari, Unigram, ANN
Klasifikasi Dokumen Menggunakan Kombinasi Algoritma Principal Component Analysis Dan Svm Michael Sianturi; Adiwijaya Adiwijaya; Said Faraby
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Klasifikasi dokumen teks adalah masalah yang sederhana namun sangat penting karena manfaatnya cukup besar mengingat jumlah dokumen yang ada setiap hari semakin bertambah. Dalam melakukan klasifikasi dokumen, pada tugas akhir ini digunakan algoritma. Principal Component Analysis merupakan suatu teknik yang dapat digunakan untuk mengekstrasi struktur dari suatu data yang berdimensi tinggi tanpa menghilangkan informasi yang signifikan pada keseluruhan data. SVM adalah metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah class pada input space. Hasil dari pengujian sistem menggunakan data yang direduksi oleh Principal Component Analysis (PCA) memiliki akurasi yang sedikit lebih rendah untuk dataset tertentu dibandingkan tanpa menggunakan PCA. Akurasi terbaik pada penelitian ini dihasilkan dari metode SVM dengan akurasi rata-rata 98.95%, sedangkan untuk metode SVM + PCA akurasi yang diperoleh rata-rata 96.7866%. Kata kunci: Klasifikasi Dokumen, Principal Component Analysis, Support Vector Machine.
Klasifikasi Sentimen Review Film Menggunakan Algoritma Support Vector Machine Irene Yulietha; Said Faraby; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Dengan kemajuan di bidang teknologi, seluruh informasi tentang semua film sudah tersedia di Internet. Jika informasi tersebut diolah dengan baik maka akan diperoleh kualitas dari informasi tersebut. Tugas Akhir ini bertujuan untuk menjelaskan klasifikasi sentimen pada dokumen review film. Satu hal yang penting dalam sebuah review atau ulasan yaitu opini yang terkandung di dalamnya. Metode yang digunakan pada penelitian ini adalah Support Vector Machine (SVM). Metode ini dipilih karena mampu mengklasifikasikan data berdimensi tinggi sesuai dengan data yang digunakan pada Tugas Akhir ini yaitu berupa teks. Pengklasifikasi Support Vector Machine adalah teknik machine learning yang populer untuk klasifikasi teks karena dapat melakukan klasifikasi dengan cara belajar dari sekumpulan contoh dokumen yang telah diklasifikasi sebelumnya dan juga mampu memberikan hasil yang baik. Dari uji skenario yang dilakukan, dapat diketahui bahwa algoritma Support Vector Machine dapat digunakan untuk kasus review film dengan nilai F1-Score sebesar 84.9%. Kata kunci : analisis sentimen, support vector machine, review film, klasifikasi
Kategorisasi Teks Pada Hadits Sahih Al-bukhari Menggunakan Random Forest Muhammad Afianto; Adiwijaya Adiwijaya; Said Faraby
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Al-Hadits merupakan kumpulan dari sabda, perbuatan, ketetapan, dan persetujuan Rasulullah Shallallahu ‘Alaihi wa Salam yang merupakan sumber hukum Islam kedua setelah Al-Qur’an. Sebagai dasar agama Islam, Muslim wajib mempelajari, menghafalkan, dan mengamalkan Al-Quran dan Al-Hadits. Satu dari imam besar sekaligus orang yang meriwayatkan Al-Hadits adalah Imam Bukhari. Beliau menghabiskan waktu selama 16 tahun dalam meriwayatkan Al-Hadits yang jumlahnya sebanyak 2602 Hadits tanpa perulangan dan lebih dari 7000 jika dengan perulangan. Kategorisasi teks otomatis merupakan sebuah kegiatan membangun perangkat lunak yang mampu mengklasifikasikan teks dokumen atau Hypertext ke dalam kategori atau kode subjek yang sudah ditentukan sebelumnya. Algoritma yang akan digunakan adalah Random Forest yang merupakan perkembangan dari Decision Tree. Dalam penelitian tugas akhir ini, penulis memutuskan untuk membuat sebuah sistem yang mampu mengkategorisasikan teks dokumen yang memuat Hadits yang diriwayatkan oleh imam Bukhari berdasarkan kategori anjuran, larangan, dan informasi. Adapun dalam metode evaluasinya, perhitungan K-Fold Cross Validation dengan F1-Score yang didapat sebesar 90%. Kata kunci : Kategorisasi Teks Dokumen, Hadits Sahih Al-Bukhari, Random Forest, K-fold cross validation, F1-score.
Klasifikasi Anjuran, Larangan, Dan Informasi Pada Hadits Shahih Bukhari Menggunakan Naive Bayes Classifier Syair Sacra; Said Faraby; Danang Triantoro
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Hadits adalah segala sesuatu yang dinisbatkan kepada Nabi Muhammad S.A.W baik berupa perkataan, perbuatan, taqrir (sikap diam setuju) dsb. Umumnya hadits di koleksi oleh beberapa imam besar, salah satunya koleksi hadits yang disusun oleh Imam Bukhari. Namun, saat ini belum ada penelitian maupun inovasi pengklasifikasian data berupa hadits berdasarkan anjuran, larangan dan yang hanya sekedar informasi. Dalam penelitian klasifikasi metode probablistik yang paling sering digunakan adalah Naïve Bayes Classifier karena memiliki keunggulan paling cepat dan sederhana. Naïve Bayes Classifier merupakan klasifikasi yang mengasumsikan keberadaan atribut suatu kelas tidak terkait atau tidak akan mempengaruhi atribut di kelas lain, atau dikenal dengan class conditional independence Namun permasalahan yang sering muncul pada penelitian terkait adalah tingginya dimensi data (banyaknya fitur / kata dalam satu opini). Hal ini tentu akan sangat mempengaruhi proses dari klasifikasi itu sendiri. Oleh karena itu, untuk mengurangi banyaknya fitur/kata pada sebuh data harus dilakukan beberapa tahapan seperti feature selection salah satu metodenya yaitu Chi-square. Penelitian ini menggunakan metode Naïve Bayes dengan menambahkan seleksi fitur pada penelitian ini menggunakan Chi-square.. Kata kunci : Classification, Feature Selection, Naïve Bayes, Chi-Square, Hadits.
Analisis Churn Prediction Menggunakan Metode Logistic Regression Dan Smote (synthetic Minority Over-sampling Technique) Pada Perusahaan Telekomunikasi Muhammad Mujaddid; Adiwijaya Adiwijaya; Said Faraby
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Persaingan antara perusahaan telekomunikasi seluler pada masa ini adalah dengan mempertahankan pelanggan. Pelanggan menjadi salah satu faktor utama dalam kesuksesan yang dicapai dalam perusahaan telekomunikasi seluler. Pelanggan dapat memilih sesuai dengan keinginan dan kebutuhan, hal ini menjadi faktor utama pemicu terjadinya churn. Churn prediction adalah metode yang digunakan untuk memprediksi pelanggan yang kemungkinan churn dan pelanggan yang tetap bertahan pada suatu perusahaan tertentu. Churn prediction harus dilakukan untuk mengetahui kemungkinan pelanggan berpindah layanan. Dalam sebagian besar kasus data pelanggan churn memiliki jumlah lebih rendah dibanding dengan data non-churn, fakta ini memunculkan permasalahan pada saat klasifikasi yaitu imbalanced data. Dalam menangani permasalahan churn dan imbalanced data digunakan beberapa metode data mining. Permasalahan pada imbalanced data, penulis menerapkan teknik SMOTE untuk penanganan data. Kemudian untuk mengklasifikasikan kelas churn dan non-churn menggunakan metode logistic regression. Metode logistic regression merupakan model prediksi yang digunakan untuk mendapatkan kemungkinan diantara dua nilai churn. Data yang digunakan adalah data pelanggan dari WITEL PT.Telekomunikasi Regional 7. Penelitian yang dilakukan menggunakan metode logistic regression dan penanganan imbalance data dengan SMOTE memiliki hasil performansi dengan tingkat akurasi sebesar 92,4% dan f1-measure sebesar 31,27% Kata kunci: SMOTE, churn, churn prediction, imbalanced data, logistic regression, klasifikasi
Implementasi Dan Analisis Kesamaan Semantik Pada Bahasa Indonesia Dengan Metode Berbasis Vektor Rhesa Hermawan; Ade Romadhony; Said Faraby
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Kesamaan semantik adalah tugas untuk memperkirakan kekuatan hubungan semantik antara unit bahasa atau konsep, dalam hal ini kesamaan makna yang dimiliki oleh sepasang kata. Kesamaan semantik pada kata bahasa Indonesia dapat diukur dengan menggunakan basis pengetahuan seperti Kamus Besar Bahasa Indonesia. Metode berbasis vektor merupakan salah satu metode yang dapat digunakan untuk mengukur kesamaan semantik. Pada Tugas Akhir ini diimplementasikan kesamaan semantik pada pasangan kata bahasa Indonesia dengan menggunakan metode berbasis vektor, pembobotan tf-idf, dan perhitungan kesamaan kosinus, Kamus Besar Bahasa Indonesia sebagai basis pengetahuan, dan dataset yang digunakan dibuat berdasarkan referensi dari SimLex999 dan Rubensteingoodenough sebanyak 180 pasang kata, gold standard yang didapat berdasarkan hasil kuesioner terhadap 31 orang responden. Hasil penelitian yang telah dilakukan, didapatkan nilai korelasi terbaik sebesar 0.5416 dengan menambahkan definisi sinonim dalam pengujian. Parameter terbaik yang mempengaruhi nilai kesamaan semantik pada penelitian ini adalah dengan menambahkan definisi dari sinonim tanpa stopword removal. Kata Kunci: gold standard, Kamus Besar Bahasa Indonesia, kesamaan semantik, kesamaan kosinus, metode berbasis vektor, tf-idf.
Analisis Sentimen Pada Data Ulasan Produk Toko Online Dengan Metode Maximum Entropy Alvi Syah; Adiwijaya Adiwijaya; Said Faraby
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Seiring dengan perkembangan dunia internet berpengaruh terhadap proses transaksi jual dan beli yang dimana proses sebelumnya bersifat konvensional berubah ke tingkat modern dengan adanya internet atau bisa disebut dengan e-commerce. Perkembangan e-commerce yang sangat cepat merupakan peluang besar bagi produsen untuk memasarkan produknya dan mempromosikannya kepada konsumen. Salah satu hal yang menjadi perhatian konsumen ketika membeli produk adalah review. Konsumen yang ingin membeli suatu produk tentunya akan melihat dari review tersebut apakah baik atau buruk. Dengan banyaknya review akan menyulitkan konsumen apakah produk tersebut layak untuk dibeli atau tidak. Oleh Karena itu, pada penelitian tugas akhir ini akan membuat suatu sistem yang mampu melakukan klasifikasi review tersebut yang bersifat review positif atau review negatif. Data yang digunakan pada penelitian ini yaitu review produk Amazon yang fokus pada kategori cell phones & accessories. Klasifikasi pada penelitian tugas akhir ini yaitu menggunakan metode maximum entropy dan juga menggunakan metode TF-IDF untuk mendapatkan fitur pada produk di dalam review tersebut. Untuk evaluasi menggunakan nilai presisi, recall dan juga f-1 measure. Hasil percobaan terbaik yaitu akurasi 83% dan f-1 measure 90.074% pada iterasi ke 1000. Kata kunci: amazon, review, tf-idf, maximum entropy, cell phones & accessories.
Klasifikasi Anjuran, Larangan, Dan Informasi Pada Hadits Shahih Bukhari Menggunakan Metode Support Vector Machine Andina Kusumaningrum; Said Faraby; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Pertumbuhan informasi khususnya dalam bentuk data teks pada media online yang semakin pesat mendorong berbagai penelitian terkait dengan pengolahan data teks. Salah satu penelitian yang banyak dilakukan adalah klasifikasi teks dengan memanfaatkan machine learning. Namun, penelitian klasifikasi teks masih cukup jarang diterapkan untuk mengolah data teks kitab agama seperti hadits. Saat ini selain dibukukan, kumpulan data hadits dapat dengan mudah didapatkan baik dari internet maupun disajikan didalam aplikasi namun tidak disertai dengan informasi makna dari hadits tersebut. Sehingga, untuk masyarakat awam atau bahkan umat muslim yang sedang mempelajari hadits mungkin mengalami kesulitan dalam memahami makna dari hadits-hadits tersebut mengingat jumlah data hadits yang cukup banyak. Maka, pengolahan terhadap data teks hadits ini perlu dilakukan, karena didalam hadits terdapat berbagai pedoman yang bermanfaat untuk masyarakat khususnya umat muslim dalam berperilaku sesuai dengan sunnah Nabi Muhammad Shallallahu ‘Alaihi Wasallam. Berdasarkan permasalahan tersebut, pada penelitian ini akan dilakukan analisis pada sebuah sistem klasifikasi teks secara otomatis yang dibangun terhadap salah satu kumpulan hadits terbaik yaitu Hadits Shahih Bukhari terjemahan Bahasa Indonesia ke dalam kategori Anjuran, Larangan, dan Informasi. Selain membangun classifier dengan menggunakan pendekatan machine learning yaitu metode Support Vector Machine, peneliti juga membandingkan dengan classifier yang dibangun dengan menggunakan pendekatan simple rule-based system. Hal itu dilakukan untuk membuktikan bahwa pendekatan rule-based memiliki performa yang kurang baik untuk mengklasifikasikan data teks hadits sehingga dibutuhkan pendekatan machine learning. Kata Kunci : klasifikasi teks, multiclass classification, Hadits Shahih Bukhari, Support Vector Machine.
Co-Authors Ade Romadhony Adiwijaya Alvi Syah Andina Kusumaningrum Danang Triantoro Eliza Jasin Irene Yulietha Michael Sianturi Muhammad Afianto Muhammad Mujaddid Rhesa Hermawan Syair Sacra