Claim Missing Document
Check
Articles

Searching Sahih Hadiths Based on Queries using Neural Models and FastText Susanti, Sari; Najiyah, Ina; Ramdhani, Yudi; Herliana, Asti; Muckti, Masaldi Kharisma; Oktaviani, Fani Rahma
Journal of Applied Data Sciences Vol 6, No 1: JANUARY 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i1.467

Abstract

Hadith is the second source of Islamic law after the Qur’an, and the availability of accurate and easily accessible information about hadith is crucial, as it directly affects a person’s belief (aqidah). This highlights the importance of having hadith collections as essential guidance in everyday life. Today, digital versions of hadiths are available in various applications, e-books, and websites. However, users often complain that these sources are incomplete and do not contain the entire collection of the Prophet's hadiths from al-Kutub as-Sittah. Additionally, the complex presentation of these digital resources makes it difficult to find relevant hadiths efficiently. This study aims to improve access to accurate and relevant hadith information, focusing specifically on al-Kutub as-Sittah, using Information Retrieval systems that search for hadiths based on keywords. IR is employed because it has proven effective in retrieving precise documents according to the search terms. A Neural Network is used to match user queries with the document collection, while FastText word embedding is implemented for text representation. FastText is particularly useful for detecting similar meanings across different words, which is essential when interpreting Indonesian-translated hadiths that require nuanced understanding. The dataset used in this study consists of 31,275 Indonesian-translated hadiths from al-Kutub as-Sittah. In this study, it was found that many hadith translations have ancient language so that query reformulation is needed to get the right hadith because users often enter commands with currently trending words. In this study, it was also found that word2vec has less performance than FastText in weighting words in hadith translations. The results indicate that the neural network performs well in retrieving relevant hadith content according to the user’s commands or keywords. With a training data proportion of 70% and a testing data proportion of 30%, the Recall value was 0.7721 and the Precision value was 0.75112.
Implementasi Metode Simple Additive Weighting (SAW) Dalam Penilaian Kinerja Karyawan Pada LPK Pelita Massa Berbasis Web Rizal Rosidin; Yudi Ramdhani
ULIL ALBAB : Jurnal Ilmiah Multidisiplin Vol. 1 No. 5: April 2022
Publisher : CV. Ulil Albab Corp

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

Abstract

Although employee performance assessments at LPK Pelita Massa have not yet been implemented, the company itself has plans to implement employee performance appraisals. Employee performance appraisals can motivate employees and increase employee loyalty to the company. However, the LPK Pelita Massa still finds it difficult to decide on the best employees according to the criteria. A technique to overcome a problem in terms of systematic and unsystematic is also called a decision support system (DSS). The Simple Additive Weighting (SAW) method will be implemented into a decision support system in the hope of being a solution to the problems experienced by LPK Pelita Massa in determining the best employees. The results of interviews and observations at LPK Pelita Massa became the primary data for this study in determining the criteria and alternatives, and five (5) criteria were obtained, namely responsibility, work knowledge, cooperation, work quality, and attitude, after knowing the criteria, then doing calculations, and ranking alternatives. A Web-based decision support system is the result of this research
STUDI KOMPARATIF ALGORITMA MACHINE LEARNING PADA ANALISIS SENTIMEN MEDIA SOSIAL Panjaitan, Febriyanti; Ce, Win; Oktafiandy, Hery; Kanugrahan, Ghanim; Ramdhani, Yudi; Hafizh Cahaya Putra, Vito; Permai, Antika
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13277

Abstract

Analisis sentimen di Twitter telah menjadi salah satu topik utama dalam penelitian terkait opini publik di bidang ekonomi, politik, dan isu sosial. Penggunaan machine learning dalam analisis sentimen memungkinkan untuk memproses data teks secara efisien. Penelitian ini bertujuan untuk mengeksplorasi literatur terkait analisis sentimen menggunakan metode machine learning pada Twitter dalam konteks ekonomi, politik, dan isu sosial. Metode yang digunakan adalah Systematic Literature Review (SLR), dengan pengumpulan artikel dari tiga database utama: IEEE Xplore, Google Scholar, dan Scopus. Setelah menerapkan kriteria inklusi dan eksklusi, 45 artikel relevan terpilih untuk dianalisis. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) memiliki performa terbaik dengan akurasi rata-rata 85.3%, diikuti oleh Random Forest (83.7%) dan Naïve Bayes (81.5%). KNN dan Decision Tree menunjukkan performa lebih rendah, kemungkinan karena sensitivitas terhadap data yang tidak seimbang. Tren penelitian mengindikasikan bahwa analisis sentimen di bidang ekonomi lebih banyak berkaitan dengan dampak kebijakan ekonomi, di bidang politik fokus pada opini publik terkait pemilu dan kebijakan pemerintah, sementara di bidang isu sosial berkaitan dengan gerakan sosial dan kebijakan kesehatan.
Evaluation of Machine Learning Models for Sentiment Analysis in the South Sumatra Governor Election Using Data Balancing Techniques Panjaitan, Febriyanti; Ce, Win; Oktafiandi, Hery; Kanugrahan, Ghanim; Ramdhani, Yudi; Putra, Vito Hafizh Cahaya
Journal of Information System and Informatics Vol 7 No 1 (2025): March
Publisher : Universitas Bina Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v7i1.1019

Abstract

Sentiment analysis is crucial for understanding public opinion, especially in political contexts like the 2024 South Sumatra gubernatorial election. Social media platforms such as Twitter and YouTube provide key sources of public sentiment, which can be analyzed using machine learning to classify opinions as positive, neutral, or negative. However, challenges such as data imbalance and selecting the right model to improve classification accuracy remain significant. This study compares five machine learning algorithms (SVM, Naïve Bayes, KNN, Decision Tree, and Random Forest) and examines the impact of data balancing on their performance. Data was collected via Twitter crawling (140 entries) and YouTube scraping (384 entries), and text features were extracted using CountVectorizer. The models were then evaluated on imbalanced and balanced datasets using accuracy, precision, recall, and F1-score. The Decision Tree and Random Forest models achieved the highest accuracies of 79.22% and 75.32% on imbalanced data, respectively. However, they also exhibited overfitting, as indicated by their near-perfect training performance. Naïve Bayes, on the other hand, demonstrated the lowest accuracy at 54.55% despite achieving high precision, suggesting frequent misclassification, particularly for the minority class. SVM and KNN also struggled with imbalanced data, recording accuracies of 58.44% and 63.64%, respectively. Significant improvements were observed after applying data balancing techniques. The accuracy of SVM increased to 71.43%, and KNN improved to 66.23%, indicating that these models are more stable and effective when class distributions are even. These findings highlight the substantial impact of data balancing on model performance, particularly for methods sensitive to class distribution. While tree-based models achieved high accuracy on imbalanced data, their tendency to overfit underscores the importance of balancing techniques to enhance model generalization.
SENTIMEN ANALISIS MARKETPLACE DI INDONESIA MENGGUNAKAN ALGORITMA RANDOM FOREST Saputra, Irgi Mahendrata; Sadikin, Nanda Dwi Husna; Sadikin, Nandi Dwi Husni; Marko, Niki; Ramdhani, Yudi
PRODUKTIF : Jurnal Ilmiah Pendidikan Teknologi Informasi Vol. 7 No. 1 (2023): Produktif: Jurnal Ilmiah Pendidikan Teknologi Informasi
Publisher : Program Studi Pendidikan Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35568/produktif.v7i1.3149

Abstract

Situs marketplace online merupakan tempat belanja yang saat ini sedang populer dikalangan masyarakat,banyak sekali berbagai marketplace yang bersaing, mulai dari shoope,tokopedia,bukalapak dan lain lain. selain memudahkan masyarakat untuk belanja namun ada banyak sekali masalah masalah yang timbul keluhan tentang aplikasi tersebut. Ada berbagai macam masalah pada market place di Indonesia,salah satunya yaitu kurang puasnya pelanggan terhadap market place,yang menyebabkan banyak nya komplain pelanggan terhadap market place tersebut,maka dari itu kami melakukan penelitian analis sentimen melalui data post twitter. Melalui teknologi machine learning, sentimen publik terhadap market place dapat diketahui dengan berbagai macam algoritma, salah satu algoritmanya yaitu algoritma random forest. Penelitian ini bertujuan untuk mengklasifikasi dan mengetahui tingkat akurasi sentimen publik terhadap berbagai macam market place menggunakan teknologi machine learning dengan algoritma random forest. Setelah dilakukan proses analisa dan klasifikasi menggunakan tools rapidminer, tingkat akurasi dari sentimen publik terhadap market place sebesar 68,56%
Perancangan Sistem IoT Smart Fisher Untuk Kelompok Budidaya Ikan Kaliwungu Rahayu Ramdhani, Yudi; Hariyanti, Ifani; Sandini, Dwi; Susanti, Sari; Najiyah, Ina
Jurnal Sosial & Abdimas Vol. 5 No. 1 (2023): Jurnal Sosial & Abdimas
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jsa.v5i1.1071

Abstract

Kelompok masyarakat yang memiliki mata pencaharian melalui budidaya ikan salah satunya adalah Kelompok Budidaya Ikan Kaliwungu Rahayu yang berlokasi di Dusun Panglajan Desa Cintaratu Kec Parigi Kabupaten Pangandaran. Berdasarkan hasil temuan yang didapatkan dari pembudidaya ikan, baik yang berfokus pada pembenihan maupun pembesaran sama-sama merasakan masa panen yang lama. Pada pembudidaya yang berfokus pada pembenihan masa panen kurang lebih dicapai selama 3 bulan, sedangkan untuk yang berfokus pada pembesaran dicapai selama 4 bulan. Masa panen yang kurang optimal dipengaruhi tidak adanya alat penunjang. Peralatan ini yang berpengaruh pada manajemen kualitas air, selama ini manajemen kualitas air dilakukan secara tradisional dan berdasarkan pengalaman yang diperoleh. Faktor tersebut juga menyebabkan bidang budidaya ikan dipandang memiliki nilai ekonomi yang rendah. Kegiatan pengabdian masyarakat ini bertujuan untuk membantu Kelompok Budidaya Ikan Kaliwungu Rahayu untuk menyelesaikan masalahnya. Metode yang yang digunakan dalam pengabdian masyarakat ini terdiri dari tahapan observasi, wawancara dengan mitra, survey lokasi kolam tempat budidaya ikan, serta sosialisasi hasil perancangan model teknologi yang akan dibuat. Hasil pengabdian masyarakat ini sebuah model perancangan sistem IoT yang akan diterapkan untuk manajemen kolam, pada Kelompok Budidaya Ikan Kaliwungu Rahayu.
Optimasi Fitur dengan Forward Selection pada Estimasi Tingkat Obesitas menggunakan Random Forest Alpiansah, Agung Bia; Ramdhani, Yudi
Sistemasi: Jurnal Sistem Informasi Vol 12, No 3 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i3.3125

Abstract

Obesitas remaja di Indonesia sedang meningkat, karena kebiasaan makan yang buruk dan gaya hidup yang kurang gerak. Obesitas meningkatkan risiko masalah kesehatan yang serius seperti penyakit jantung, stroke, diabetes, dan lain-lain yang memerlukan tindakan segera. Obesitas berkembang ketika jumlah kalori yang dikonsumsi melebihi jumlah kalori yang dibakar. Obesitas telah menjadi masalah kesehatan masyarakat yang sangat besar di seluruh dunia. Menurut Organisasi Kesehatan Dunia, sekitar 1,9 miliar orang berusia 18 tahun ke atas mengalami kelebihan berat badan, dengan 600 juta orang mengalami obesitas. Menurut Survei Kesehatan dan Morbiditas Nasional, wanita 29,6% lebih mungkin mengalami obesitas dibandingkan pria, dibandingkan dengan 25% pria. Dataset rekam medis gagal jantung akan ditangani dalam dua tahap percobaan berdasarkan validasi. Empat algoritma klasifikasi yang berbeda, termasuk Random Forest, K-Nearest Neighbor, Decision Tree, dan Naive Bayes, akan dicoba pada langkah pertama. Untuk Testing, metode Cross Validation yang menggunakan Random Forest mengungguli empat algoritma lainnya dalam Testing algoritma. Setelah Testing, metode algoritma Random Forest menghasilkan nilai akurasi tertinggi, dan dievaluasi kembali menggunakan Split Validation dan rasio split yang bervariasi dengan Forward Selection sebagai fitu seleksi. Hanya Testing yang menggunakan metode Forward Selection mengungguli Testing yang menggunakan algoritma Random Forest.
PENDEKATAN ALGORITMA NEURAL NETWORK DAN GENETIC ALGORITHM UNTUK PREDIKSI PENYAKIT GINJAL KRONIS Siswaja, Hendy D; Ramdhani, Yudi
Jurnal RESPONSIF: Riset Sains & Informatika Vol 6 No 2 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i2.1778

Abstract

Penyakit ginjal kronis (PGK) merupakan masalah kesehatan masyarakat global yang mempengaruhi sekitar 10% dari populasi dunia. Persentase prevalensi PGK di China adalah 10,8%, dan rentang prevalensinya adalah 10%-15% di Amerika Serikat. Seiring dengan perkembangan Artificial Intelligence (AI) dimana Machine Learning (ML) merupakan subbagian dari AI, penelitian ini mencoba memanfaatkan algoritma Neural Network, optimasi data berbasis Genetic Algorithm, dan k-fold Cross Validation dengan nilai k berkelipatan 10, yaitu 10, 20, 30, 40, dan 50 untuk memprediksi apakah seorang pasien mengidap PGK atau tidak dari dataset yang berisi hasil uji klinis pasien tersebut. Hasil penelitian ini mengungkapkan bahwa algoritma Neural Network dengan optimasi data berbasis GA mampu memperoleh tingkat akurasi sampai dengan 98,75% dan nilai AUC sebesar 0,999 sehingga dapat disimpulkan bahwa algoritma Neural Network dengan optimasi berbasis GA ini dapat dikembangkan lebih lanjut menjadi sebuah aplikasi ataupun bagian dari sistem kesehatan sehingga tingkat diagnosa pasien yang mengidap PGK dapat lebih cepat dilakukan dengan tingkat akurasi yang tinggi dan dapat meningkatkan peluang kesembuhan bagi pasien tersebut.
Sistem Penunjang Keputusan Menggunakan Metode Topsis untuk Menentukan Kelayakan Bantuan Rumah Tidak Layak Huni (RTLH): Pada Desa Sumbaga Hiya Nalatissifa; Yudi Ramdhani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 19 No. 2 (2020)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v19i2.638

Abstract

Memiliki rumah yang layak untuk dihuni merupakan keinginan setiap manusia, kemiskinan merupakan faktor utama seseorang tidak dapat memenuhi kebutuhan primer maupun sekundernya. Upaya pemerintah untuk meningkatkan kesejahteraan rakyat adalah dengan mengadakan berbagai program penanggulangan kemiskinan, salah satunya pemberian dana Rumah Tidak Layak Huni (RTLH) yang harus tepat sasaran kepada penduduk yang tidak mampu. Akan tetapi dalam pelaksanaannya petugas mengalami kesulitan dalam pengolahan data, sehingga diperlukan suatu Sistem Penunjang Keputusan (SPK) yang dapat membantu dalam menentukan penerima bantuan RTLH. Salah satu metode SPK adalah metode TOPSIS yang merupakan sebuah metode yang mampu membantu proses pengambilan keputusan yang optimal/praktis dengan konsep yang sederhana/mudah dipahami. Desa Sumbaga merupakan salah satu desa yang membutuhkan sebuah SPK dalam menentukan masyarakat yang berhak menerima bantuan dana RTLH. Pihak desa mengalami kesulitan dalam hal penetapan penerima bantuan karena banyaknya data calon penerima dan kriteria-kriteria yang harus dipertimbangkan dalam pengolahan datanya, pengambilan keputusan dilakukan secara subyektif atau mengandalkan perkiraan/prediksi, sehingga masih terdapat penyaluran bantuan yang tidak tepat sasaran. Hasil dari penelitian ini adalah sistem pendukung keputusan kelayakan bantuan rumah tidak layak huni (RTLH) dengan menggunakan metode TOPSIS yang dibangun sebagai alat bantu untuk penentuan kelayakan bantuan RTLH.
Evaluasi Strategi Peningkatan Daya Saing Usaha Mikro di Sektor Kuliner melalui Implementasi Modul CRM pada Sistem ERP Open Source Odoo Andini, Novia; Haerul, Haerul; Ce, Win; Ramdhani, Yudi
TIN: Terapan Informatika Nusantara Vol 6 No 9 (2026): February 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/tin.v6i9.8785

Abstract

Micro-enterprises play a crucial role in driving Indonesia’s national economic growth. To survive in an increasingly competitive environment and continue to develop, the adoption of technology has become an unavoidable necessity for business actors. This study aims to analyze the effectiveness of implementing the Customer Relationship Management (CRM) module within the Odoo Enterprise Resource Planning (ERP) system in supporting strategies to enhance the competitiveness of micro-enterprises. The research employs the Prototype method, which includes stages of requirements gathering, system design and configuration, implementation, User Acceptance Testing (UAT), as well as system deployment and strategic evaluation. The results indicate that the implementation of the CRM module provides measurable positive impacts on operational performance and customer relationship management. The frequency of recorded customer interactions increased from an average of 3 to 10 interactions per day, the number of new customers rose from 5 to 12 customers per week, and the number of repeat customers increased from 8 to 18 customers per week. In terms of operational efficiency, the time required for transaction recording was reduced from approximately 10 minutes to 4 minutes per transaction through process automation within the ERP system. In addition, access to data and reports that was previously manual and unstructured is now available automatically and in real time, thereby supporting faster and data-driven decision-making by business owners.Strategically, the implementation of ERP through the CRM module has proven to be an effective tool in strengthening the competitive position of micro-enterprises. This is reflected in improved quality of customer interactions, increased acquisition of new customers, and growing customer loyalty. These improvements were achieved through the optimal utilization of features available in the Odoo system, enabling the CRM module to be maximized in supporting the sustainability and development of micro-enterprises.
Co-Authors Achmad Nizar Hidayanto Ade Mubarok Adi Nurseptaji Adi Nurseptaji Adi Nurseptaji Ali Akbar Rismayadi Ali Akbar Rismayadi Alpiansah, Agung Bia Amin Fahri Andini, Novia Andre Prayoga Arey Arey Asti Herliana, Asti B. Hariyanto, Oda I. Cakra Mahendra Putra Ce, Win Cucu Ika Agustyaningrum Dhia Fauziah Apra Djaya Siswaja, Hendy Doni Purnama Alamsyah Doni Purnama Alamsyah Dwiniati, Dwiniati Dwiza Riana Dwiza Riana Dwiza Riana Erfian Junianto Fadila Andini Febriyanti Panjaitan Fitri Khoirunnisa Fitriyani Fitriyani Haerul, Haerul Hafizh Cahaya Putra, Vito Hariyanti, Ifani Hery Oktafiandi Hikmawati, Nina Kurnia Hiya Nalatissifa Hizaz Zakaria Yahya Iedam Fardian Anshori, Iedam Fardian Ina Najiyah Indriyati, Susana Irgi Mahendrata Saputra Kanugrahan, Ghanim Marko, Niki Mayya Nurbayanti Shobary Meirynda Lastika Rahimsyah Miftah Farid Adiwisastra Miftahul Rizal Moch Iqbal Tawakal Muckti, Masaldi Kharisma Muhamad Zakhy Syahaf Muhammad Amar Mustajab Mustajab, Muhammad Amar Nadia, Putri Nadiyah Hidayati Nanda Dwi Husna Sadikin Nandi Dwi Husni Sadikin Niki Marko Oktafiandy, Hery Oktaviani, Fani Rahma Permai, Antika Pratama Syahdan Nabil Pratiwi Pratiwi Rangga Sanjaya Rein Lantin Resdiana Pratama Riski Mardhianto Rizal Rosidin Rizki Tri Prasetio, Rizki Tri Sadikin, Nanda Dwi Husna Sadikin, Nandi Dwi Husni Salman Topiq Salsabila Ayuni Kaffah Sandini, Dwi Saputra, Irgi Mahendrata Sari Susanti Sari Susanti, Sari Satrio Rully Priyambodo Siti Rendani Anjaryanti Siti Utari, Diah Suherman, Himam Dwipratama Syarif Hidayatulloh Syarif Hidayatulloh Syarif Hidayatulloh Taufik Agung Pramana Tessa Putri Mallini Toni Arifin Wartika, Wartika