Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer IJIS - Indonesian Journal On Information System
Muhammad Fhadli, Muhammad
Unknown Affiliation
Computer Science & IT Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
PENERAPAN ALGORITMA CLUSTERING KHONEN-SOM DENGAN VALIDASI DAVIES BOULDIN INDEX PADA PENGELOMPOKAN POTENSI UDANG DI INDONESIA Kapita, Syarifuddin N; Mubarak, Abdul; Abdullah, Saiful Do; Fhadli, Muhammad
IJIS - Indonesian Journal On Information System Vol 7, No 2 (2022): SEPTEMBER
Publisher : POLITEKNIK SAINS DAN TEKNOLOGI WIRATAMA MALUKU UTARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (256.725 KB) | DOI: 10.36549/ijis.v7i2.218

Abstract

Indonesia sebagai negara maritim meghasilkan banyak komoditas ekspor dari bidang kelautan yang salah satunya adalah udang, dibandingkan dengan negara lain di kawasan ASEAN. Komoditas udang merupakan salah satu komoditas unggulan Indonesia yang paling diminati karena memiliki kandungan gizi yang tinggi, nilai ekonomi tinggi dan mempunyai peluang pasar baik di dalam maupun di luar negeri. Terdapat berbagai jenis udang yang dihasilkan di perairan Indonesia. Udang yang banyak diproduksi untuk diekspor umumnya adalah udang vannamei dan udang windu. Penelitian ini mengklusterkan potensi produksi udang di Indonesia, dengan metode yang diterapkan adalah metode Kohonen SOM tujuannya untuk mengetahui potensi perikanan khususnya komoditas udang yang dibagi per provinsi. Hasil Penelitian menunjukan bahwa clustering berada Pada iterasi ke-13 untuk 2 klaster dengan learning rate 0.773678, Iterasi Ke-11 Untuk 3 klaster dengan learning rate 0.0004394531, dan Iterasi ke-9 untuk 4 klaster dengan learning rate 0.001757813, klaster terbaik yaitu 4 kluster dengan Validasi Davies Bouldin Index terkecil 0.7362143.Kata Kunci: Clustering, Kohonen SOM, Davies Bouldin Index, Kelautan, Udang.
TF-IDF-Enhanced Genetic Algorithm Untuk Extractive Automatic Text Summarization Prabowo, Dhimas Anjar; Fhadli, Muhammad; Najib, Mochammad Ainun; Fauzi, Handika Agus; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 3: September 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (808.286 KB) | DOI: 10.25126/jtiik.201633217

Abstract

AbstrakPenelitian ini mengusulkan sebuah implementasi terkait dengan automasi peringkasan teks bertipe ekstraktif dengan menggunakan metode TF-IDF-EGA. Dimana dalam permasalahan peringkasan teks dibutuhkan suatu solusi untuk meringkas teks dengan kalimat ringkasan yang dapat merepresentasikan keseluruhan teks yang ada. Algoritma TF-IDF dikenal mampu untuk menghasilkan ringkasan teks berdasarkan skor yang didapat pada setiap kalimat dalam teks. Namun hasil dari TF-IDF terkadang didapati hasil ringkasan yang terdiri dari kalimat yang tidak deskriptif, hal ini dikarenakan dalam peringkasannya TF-IDF hanya memilih beberapa kalimat yang memiliki skor tertinggi dan biasanya kalimat dengan skor tertinggi merupakan kalimat yang berisi kata-kata penting/kata-kata ilmiah tertentu sehingga kalimatnya tidak deskriptif. Algoritma EGA mampu untuk mengatasi permasalahan tersebut dengan cara memilih kalimat ringkasan yang memiliki nilai probabilitas tertentu sebagai hasil peringkasan teks.Kata kunci: peringkasan teks, automasi ekstraktif, TF-IDF, EGA, algoritma evolusi, meta-heuristik.AbstractThis research proposed an implementation related to extractive automatic text summarization using TF-IDF-EGA method. Which in summarization problem required a solution to summarize text with a sentence summary that could represent the whole data text. TF-IDF algorithm was usually known to be used for generating summary by its sentence scores. However the result from TF-IDF tends to generate a summary that consist of non descriptive sentences, this is due its summarize that only choose sentences with maximum score and usually sentences with maximum score is consist of significant words on a form of scientific word. EGA could solve this problem by choosing summary by its sentence probability values as a the whole text summary.Keywords: text summarization, extractive automation, TF-IDF, EGA, evolutionary algorithm, meta-heuristic.
Optimasi Penjadwalan Pengerjaan Software Pada Software House Dengan Flow-Shop Problem Menggunakan Artificial Bee Colony Fhadli, Muhammad; Jauhari, Daneswara; Prabowo, Dhimas Anjar; Hanafi, Anang; Sunaryo, Aryeswara; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (695.695 KB) | DOI: 10.25126/jtiik.201634226

Abstract

AbstrakPenelitian ini mengusulkan sebuah implementasi terkait optimasi penjadwalan pengerjaan software pada software house dengan Flow-Shop Problem (FSP) menggunakan algoritma Artificial Bee Colony (ABC). Dimana dalam FSP dibutuhkan suatu solusi untuk menyelesaikan suatu job/task dengan meminimalkan total cost yang dikeluarkan. Terdapat constraint yang perlu diperhatikan dalam objek permasalahan penelitian ini, yaitu lama waktu penyelesaian keseluruhan projek software yang tidak pasti. Dalam penelitian ini akan disusun sebuah representasi solusi yaitu berupa urutan pengerjaan projek dengan total waktu pengerjaan yang minimum. Pengujian akan dilakukan dengan tiga kali percobaan untuk setiap kondisi uji coba, yaitu uji coba batas parameter iterasi dan uji coba batas parameter limit. Dari hasil pengujian didapatkan bahwa penggunaan algoritma yang dibahas dalam penelitian ini bisa mengurangi waktu pengerjaan jika jumlah iterasi dan jumlah colony diperbesar.Kata kunci: optimasi, flow-shop problem, artificial bee colony, swarm intelligence, meta-heuristik.AbstractThis research proposed an implementation related to software execution scheduling process at a software house with Flow-Shop Problem (FSP) using Artificial Bee Colony (ABC) algorithm. Which in FSP required a solution to complete some job/task along with its overall cost at a minimum. There is a constraint that should be kept to note in this research, that is the uncertainty completion time of its jobs. In this research, we will present a solution that is a sequence order of project execution with its overall completion time at a minimum. An experiment will be performed with 3 attempts on each experiment conditions, that is an experiment of iteration parameter and experiment of limit parameter. From this experiment, we concluded that the use of this algorithm explained in this paper can reduce project execution time if we increase the value of total iteration and total colony.Keywords: optimization, flow-shop problem, artificial bee colony, swarm intelligence, meta-heuristic.
PENGGUNAAN METODE RANDOM FOREST UNTUK KLASIFIKASI SENTIMEN KOMENTAR MEDIA SOSIAL MENGENAI PENGELOLAAN SAMPAH DI KOTA TERNATE ., Rosihan; Usman, Alfanugrah A. Hi.; Fhadli, Muhammad; Ramdhani, Muhammad Fikri; Darwin, Febrianti
IJIS - Indonesian Journal On Information System Vol 11, No 1 (2026): APRIL
Publisher : POLITEKNIK SAINS DAN TEKNOLOGI WIRATAMA MALUKU UTARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36549/ijis.v11i1.446

Abstract

Permasalahan pengelolaan sampah di Kota Ternate kerap menjadi pembahasan di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen publik dan menyediakan rekomendasi kebijakan berbasis data dengan mengembangkan model klasifikasi Random Forest. Penelitian ini menggunakan pendekatan kuantitatif melalui pengumpulan data komentar dari media sosial, preprocessing teks (tokenisasi, normalisasi, penghapusan stop word, stemming), ekstraksi fitur TF-IDF, dan klasifikasi sentimen dengan algoritma Random Forest. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Model Random Forest yang dihasilkan mencapai akurasi keseluruhan 59,80%. Nilai presisi tertinggi diperoleh pada kelas positif (0,80), sedangkan recall tertinggi pada kelas negatif (0,9914). Analisis lebih lanjut mengidentifikasi kata kunci dominan seperti "laut", "buang", dan "sampah". Meskipun akurasi model masih dapat ditingkatkan, penelitian ini berhasil memetakan sentimen masyarakat. Temuan ini dapat menjadi dasar empiris bagi pemerintah daerah untuk merumuskan kebijakan pengelolaan sampah yang lebih responsif.Kata Kunci: Sampah, Random Forest, Sentimen, Media Sosial, Kota Ternate
Co-Authors ., Rosihan Abdullah, Saiful Do Anang Hanafi, Anang Daneswara Jauhari, Daneswara Darwin, Febrianti Fauzi, Handika Agus Imam Cholissodin Kapita, Syarifuddin N Mubarak, Abdul Najib, Mochammad Ainun Prabowo, Dhimas Anjar Ramdhani, Muhammad Fikri Sunaryo, Aryeswara Usman, Alfanugrah A. Hi.