p-Index From 2020 - 2025
10.809
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA Syntax Jurnal Informatika Jurnal Ilmu Komputer dan Agri-Informatika SITEKIN: Jurnal Sains, Teknologi dan Industri CESS (Journal of Computer Engineering, System and Science) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Informatika Jurnal CoreIT JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JOISIE (Journal Of Information Systems And Informatics Engineering) Building of Informatics, Technology and Science Progresif: Jurnal Ilmiah Komputer Zonasi: Jurnal Sistem Informasi Journal of Applied Engineering and Technological Science (JAETS) Jurnal Tekinkom (Teknik Informasi dan Komputer) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Teknik Informatika (JUTIF) Jurnal Restikom : Riset Teknik Informatika dan Komputer Information System Journal (INFOS) Jurnal Computer Science and Information Technology (CoSciTech) Jurnal UNITEK Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Informatika: Jurnal Pengembangan IT Jurnal Komtika (Komputasi dan Informatika)
Claim Missing Document
Check
Articles

Pengenalan Suara Paru-Paru dengan MFCC sebagai Ekstraksi Ciri dan Backpropagation sebagai Classifier Syafria, Fadhilah; Buono, Agus; Silalahi, Bib Paruhum
Jurnal Ilmu Komputer dan Agri-Informatika Vol 3, No 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (568.648 KB)

Abstract

Paru-paru merupakan organ vital manusia yang berperan dalam proses pernapasan. Jika paru-paru mengalami gangguan maka sistem pernapasan manusia juga akan mengalami gangguan yang bisa menyebabkan kecacatan bahkan kematian. Untuk mengevaluasi keadaan paru-paru dapat dilakukan dengan mendengarkan suara pernapasan dengan menggunakan stateskop. Teknik ini dikenal dengan teknik auskultasi. Teknik ini paling sering digunakan namun memiliki beberapa kelemahan yaitu suara paru-paru berada pada frekuensu rendah, masalah kebisingan lingkungan, kepekaan telinga, hasil analisa yang subjektif, dan pola suara yang hampir mirip. Karena faktor-faktor di atas kesalahan diagnosa bisa terjadi jika proses auskultasi tidak dilakukan dengan benar. Dalam penelitian ini, akan dibuat pengenalan suara paru-paru normal dan abnormal menggunakan Mel Frequency Cepstrum koefisien (MFCC) sebagai ekstraksi ciri dan Backpropagation sebagai classifier. Suara paru-paru akan dihitung Coeffisient Ceptral nya sebagai penciri dari masing-masing suara untuk selanjutnya dikenali dengan menggunakan Backpropagation. Metode yang diusulkan memberikan akurasi 93.97% untuk data latih dan 92.66% untuk data uji.Kata kunci: Backpropagation, MFCC, pengenalan suara paru-paru
SISTEM PENENTUAN PENCERAMAH MASJID PARIPURNA KOTA PEKANBARU MENGGUNAKAN ALGORITMA PENGKLASTERAN K-MEANS Silfia Silfia; Rahmad Kurniawan; Nazruddin Safaat Harahap; Elvia Budianita; Fadhilah Syafria; Iwan Iskandar
JURNAL TEKNIK INFORMATIKA Vol 14, No 2 (2021): JURNAL TEKNIK INFORMATIKA
Publisher : Department of Informatics, Universitas Islam Negeri Syarif Hidayatullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/jti.v14i2.23750

Abstract

There are 903 mosques in Pekanbaru City, Riau Province. In 2016, the Pekanbaru City Government formed a Paripurna Mosque program which the Pekanbaru Paripurna Mosque Management Agency manages. Each mosque holds religious activities which a preacher fills. The mosque has a regular schedule of lectures with a short transition period for each type of religious activity held. Based on observations, the mosque management did not get complete information regarding the profile of the preacher. Furthermore, many preachers have canceled lecture schedules due to distance issues and the suitability of the lecturer's profile with the congregations. Therefore, a recommendation system using the K-means algorithm is necessary based on coordinate points, location access, and appropriate types of religious activities for the Pekanbaru Paripurna Mosque. This study also employed one hot encoding technique for non-numeric data. Based on the experimental testing results on the five clusters, the silhouette coefficient value is 0.945. Based on the results, it can be concluded that the system for determining the preachers of the Pekanbaru City Paripurna Mosque has the potential to be used.
SISTEM PAKAR IDENTIFIKASI NYAMUK MENGGUNAKAN POHON KEPUTUSAN (STUDI KASUS: NYAMUK ANOPHELES BETINA ASAL ORIENTAL DI INDONESIA) Suwanto Sanjaya; Fadhilah Syafria
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 11, No 2 (2014): Juni 2014
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v11i2.755

Abstract

Penelitian ini mengusulkan pengembangan sistem pakar indentifikasi nyamuk Anopheles betina asal oriental di Indonesia. Metode yang digunakan untuk penarikan kesimpulan pada penelitian ini menggunakan pohon keputusan (decision tree). Metode tersebut digunakan karena buku kunci identifikasi nyamuk memiliki aturan-aturan seperti pohon keputusan. Forward chaining digunakan untuk menelusuri pohon keputusannya. Penelitian ini dilakukan untuk membantu laboran dalam mengidentifikasi nyamuk di Laboraturium Entomologi Kesehatan, Fakultas Kedokteran Hewan, Institut Pertanian Bogor. Variabel uji yang digunakan adalah bentuk morfologi tubuh nyamuk berdasarkan buku kunci identifikasi nyamuk Anopheles betina asal oriental di Indonesia. Berdasarkan hasil pengujian, decision tree dapat digunakan sebagai metode untuk menarik kesimpulan sistem pakar identifikasi nyamuk Anopheles betina asal oriental di Indonesia.
Pengenalan Suara Paru-Paru dengan MFCC sebagai Ekstraksi Ciri dan Backpropagation sebagai Classifier Fadhilah Syafria; Agus Buono; Bib Paruhum Silalahi
Jurnal Ilmu Komputer & Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (568.648 KB) | DOI: 10.29244/jika.3.1.27-36

Abstract

Paru-paru merupakan organ vital manusia yang berperan dalam proses pernapasan. Jika paru-paru mengalami gangguan maka sistem pernapasan manusia juga akan mengalami gangguan yang bisa menyebabkan kecacatan bahkan kematian. Untuk mengevaluasi keadaan paru-paru dapat dilakukan dengan mendengarkan suara pernapasan dengan menggunakan stateskop. Teknik ini dikenal dengan teknik auskultasi. Teknik ini paling sering digunakan namun memiliki beberapa kelemahan yaitu suara paru-paru berada pada frekuensu rendah, masalah kebisingan lingkungan, kepekaan telinga, hasil analisa yang subjektif, dan pola suara yang hampir mirip. Karena faktor-faktor di atas kesalahan diagnosa bisa terjadi jika proses auskultasi tidak dilakukan dengan benar. Dalam penelitian ini, akan dibuat pengenalan suara paru-paru normal dan abnormal menggunakan Mel Frequency Cepstrum koefisien (MFCC) sebagai ekstraksi ciri dan Backpropagation sebagai classifier. Suara paru-paru akan dihitung Coeffisient Ceptral nya sebagai penciri dari masing-masing suara untuk selanjutnya dikenali dengan menggunakan Backpropagation. Metode yang diusulkan memberikan akurasi 93.97% untuk data latih dan 92.66% untuk data uji.Kata kunci: Backpropagation, MFCC, pengenalan suara paru-paru
Random Forest Algorithm to Investigate the Case of Acute Coronary Syndrome Eka Pandu Cynthia; M. Afif Rizky A.; Alwis Nazir; Fadhilah Syafria
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 2 (2021): April 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (677.337 KB) | DOI: 10.29207/resti.v5i2.3000

Abstract

This paper explains the use of the Random Forest Algorithm to investigate the Case of Acute Coronary Syndrome (ACS). The objectives of this study are to review the evaluation of the use of data science techniques and machine learning algorithms in creating a model that can classify whether or not cases of acute coronary syndrome occur. The research method used in this study refers to the IBM Foundational Methodology for Data Science, include: i) inventorying dataset about ACS, ii) preprocessing for the data into four sub-processes, i.e. requirements, collection, understanding, and preparation, iii) determination of RFA, i.e. the "n" of the tree which will form a forest and forming trees from the random forest that has been created, and iv) determination of the model evaluation and result in analysis based on Python programming language. Based on the experiments that the learning have been conducted using a random forest machine-learning algorithm with an n-estimator value of 100 and each tree's depth (max depth) with a value of 4, learning scenarios of 70:30, 80:20, and 90:10 on 444 cases of acute coronary syndrome data. The results show that the 70:30 scenario model has the best results, with an accuracy value of 83.45%, a precision value of 85%, and a recall value of 92.4%. Conclusions obtained from the experiment results were evaluated with various statistical metrics (accuracy, precision, and recall) in each learning scenario on 444 cases of acute coronary syndrome data with a cross-validation value of 10 fold.
Implementation of Backpropagation Neural Network to Detect Suspected Lung Disease Fadhilah Syafria; Boni Iqbal; Elvia Budianita; Iis Afrianty
Indonesian Journal of Artificial Intelligence and Data Mining Vol 1, No 1 (2018): March 2018
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (519.707 KB) | DOI: 10.24014/ijaidm.v1i1.5023

Abstract

Many People were less concerned with lung health, it caused people identified as suffering from lung diseases. Early symptoms that often appear  was cough that took a long time and could be the beginning of more severe disease. Therefore it was necessary to create application that could detect suspected person contracted lung disease. The applications were made by using artificial neural network with Backpropagation with initial input data, symptoms by patients of lung diseases. The symptoms were 22, and kind of lung diseases as a diagnosis were asthma, pneumonia, pulmonary tuberculosis and lung cancer. It used medical records of lung disease as much as 110 data. Network training uses 3 different architectures [input neurons ; hidden neurons ; output neurons], liked [22; 22 ; 2], [22 ; 33 ; 2] and [22 ; 43 ; 2]. Testing with 2 training data sharing and test data, namely comparison 90:10 and 80:20. The Parameters values were used namely learning rate 0.1, 0.3, 0.5, 0.7 and 0.9. The number of epoch was used, that is 15 epoch, 25 epoch and 35 epoch. Based on the tests performed, it was obtained an accuracy system on the 90:10 data comparison of 82% and the 80:20 data ratio of 82% as well. Thus, backpropagation method could be applied in detecting suspected lung diseases.
K-Nearest Neighbor for Classification of Tomato Maturity Level Based on Hue, Saturation, and Value Colors Suwanto Sanjaya; Morina Lisa Pura; Siska Kurnia Gusti; Febi Yanto; Fadhilah Syafria
Indonesian Journal of Artificial Intelligence and Data Mining Vol 2, No 2 (2019): September 2019
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (635.888 KB) | DOI: 10.24014/ijaidm.v2i2.7975

Abstract

The selection of tomatoes can use several indicators. One of the indicators is the fruit color. In digital image processing, one of the color information that could be used in Hue, Saturation, and Value (HSV). In this research, HSV is proposed as a color model feature for information on the ripeness of tomatoes. The total data of tomato images used in this research were 400 images from four sides. The maturity level of tomatoes uses five levels, namely green, turning, pink, light red, and red. The process of divide data uses K-Fold Cross Validation with ten folds. The method used for classification is k-Nearest Neighbor (kNN). The scenario of the test performed is to combine the image size with the parameter value of the neighbor (k). The image sizes tested are 100x100 pixels, 300x300 pixels, 600x600 pixels and 1000x1000 pixels. The “k” values tested were 1, 3, 5, 7, 9, 11, and 13. The highest accuracy reached 92.5% in the image size 1000x1000 pixels with a parameter “k” is 3. The result of the experiment showed that the image size has a significant influence of accuracy, but the parameter value of neighbor (k) has an influence that is not too significant.
Penerapan Learning Vector Quantization 3 (LVQ 3) untuk Menentukan Penyakit Gangguan Kejiwaan Elvia Budianita; Fadhilah Syafria; Iis Afrianty
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (832.855 KB)

Abstract

Beberapa pendapat yang berkembang di kalangan masyarakat bahwa gangguan jiwa itu identik dengan gila (sakit jiwa), sedangkan gangguan jiwa tidak sama dengan sakit jiwa. Seseorang yang mengalami gangguan pada kesehatan mentalnya (gangguan jiwa), jika tidak segera ditangani akan berkembang menjadi sakit jiwa. Pasien yang mengalami sakit jiwa dirawat di rumah sakit (rawat inap), sedangkan pasien yang mengalami gangguan jiwa melakukan perawatan jalan atau diagnosa oleh Dokter yang memerlukan waktu hingga satu bulan. Oleh karena itu, untuk membantu masyarakat agar bisa dengan cepat mengetahui seseorang terkena gangguan jiwa, maka dibutuhkan suatu sistem penerapan dibidang teknologi informasi. Metode yang digunakan adalah Learning Vector Quantization 3 (LVQ3) dengan inputan 14 gejala dan hasil keluaran 5 jenis penyakit kejiwaan yaitu penyakit Skizofernia, Gangguan  Mental Organik (GMO), Gangguan mental dan perilaku akibat pengguna zat, Gangguan suasana perasaan dan Gangguan perkembangan psikologis. Parameter yang digunakan adalah learning rate 0.02, 0.025, 0.045, 0.050, 0.75, pengurangan learning rate 0.005, minimal learning rate 0.01, dan nilai window 0, 0.2, 0.4. Jumlah data yang digunakan yaitu 190 data latih dan 20 data uji. Berdasarkan hasil pengujian nilai window dan jumlah data latih mempengaruhi hasil akurasi. Akurasi tertinggi diperoleh adalah 95%. Metode Learning Vector Quantization 3 dapat diterapkan untuk menentukan jenis gangguan kejiwaan. Kata kunci: gangguan jiwa, learning vector quantization 3, window
Implementasi Algoritma Jaringan Syaraf Tiruan (Jst) Hopfield untuk Klasifikasi Kualitas Kesuburan Pria Elvia Budianita; Fadhilah Syafria
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (271.191 KB)

Abstract

Reproduksi adalah suatu proses dalam ilmu biologis untuk suatu individu agar dapat menghasilkan individu baru. Tingkat kesuburan (fertilitas) dalam setiap individu sangat mempengaruhi dalam sistem reproduksi. Masalah infertilitas (ketidak suburan) seringnya ditujukan pada pihak wanita, padahal pria juga cukup berpeluang infertilitas sebesar 30-40%. Dengan adanya masalah infertilitas (ketidak suburan) akan menyulitkan bagi pasangan suami istri untuk mendapatkan keturunan. Oleh sebab itu untuk mengatasi masalah tersebut dilakukan penelitian implementasi algoritma Jaringan Syaraf Tiruan (JST) Hopfield untuk klasifikasi kualitas kesuburan pria sehingga dapat mengatasi lebih awal masalah yang dihadapi oleh pria tentang kesuburannya. Parameter yang digunakan yaitu usia, penyakit pada masa anak-anak, kecelakaan atau trauma, operasi bedah, kosumsi alkohol dan kebiasaan merokok. Total data yang digunakan dalam penelitian ini 100 data. Jumlah kelas yang digunakan terdapat 2 kelas yaitu N (Normal) dan O (Altered). Hasil penelitian dengan menggunakan metode Hopfield menghasilkan akurasi tertinggi 88,51% dan 100 data dengan vektor inisialisasi N (0,1,0,0,1,-1) dan O (1,1,1,0,0,-1). Diperoleh kesimpulan bahwa metode Hopfield adalah metode yang dapat diimplementasikan untuk klasifikasi kesuburan pria.
A Web-Based Bitcoin Currency Price Forecasting System Using Multiple Linear Regression Algorithm Ismar Puadi; Rahmad Kurniawan; Benny Sukma Negara; Fadhilah Syafria; Fitra Lestari
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Keberadaan cryptocurrency memberikan kemajuan transaksi dalam bidang ekonomi. Salah satu jenis cryptocurrency adalah Bitcoin (BTC), BTC saat ini banyak digunakan oleh para pebisnis dan investor. BTC dapat diperjualbelikan setiap saat tanpa ada Batasan waktu, namun harga BTC berfluktuasi. Peramalan harga BTC yang cepat diperlukan oleh para investor untuk mencegah kerugian dalam jumlah besar. Peramalan secara manual sulit dilakukan karena harga BTC yang berfluktuasi BTC secara cepat. Oleh karena itu, diperlukan  Teknik yang cepat dan jitu menggunakan Machine Learning. Salah satu algoritma yang sederhana, cepat dan tepat dalam komputasi  untuk memprediksi harga BTC adalah Regresi Linear Berganda. Penelitian ini menggunakan data enam tahun yaitu tahun 2014-2021 sebagai data latih. Berdasarkan hasil eksperimen, diperoleh formula Y=-0,16780543+((-0,41658744)X1 )+((0,84132834)X2) + ((0,57040201)X3). Selanjutnya dari persamaan linear tersebut digunakan untuk pengujian. Berdasarkan hasil eksperimen, didapat bahwa sistem peramalan harga BTC menghasilkan tingkat kesalahan RMSE 405,23 dan MAPE sebesar 1,22. Sistem peramalan berbasis web ini berpotensi digunakan sebagai pertimbangan oleh pengguna dalam meramalkan harga BTC.
Co-Authors Abdul Aziz Abdullah, Said Noor Abdussalam Al Masykur Adrian Maulana Adzhima, Fauzan Afriyanti, Liza Agung Syaiful Rahman Agus Buono Agustina, Auliyah Ahmad Paisal Aji Pangestu Adek Akbar, Lionita Asa Alfin Hernandes Alwaliyanto Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Alwis Nazir Amalia Hanifah Artya Aminuyati Andre Suarisman Aprima, Muhammad Dzaky Ariq At-Thariq Putra Benny Sukma Negara Bib Paruhum Silalahi Boni Iqbal Che Hussin, Ab Razak Darmila Dede Fadillah Deny Ardianto Devi Julisca Sari Dina Septiawati Dodi Efendi Eka Pandu Cynthia Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Haerani Elin Hearani Ellin Haerani Elvia Budianita Faska, Ridho Mahardika Fatma Hayati Fauzan Adzim Febi Nur Salisah Febi Yanto Felian Nabila Fitra Lestari Fitri Insani Fitri Insani Fitri Wulandari Fratiwi Rahayu Gusrifaris Yuda Alhafis Gusti, Siska Kurnia Guswanti, Widya Habibi Al Rasyid Harpizon Hafez Almirza Hafsyah Hara Novina Putri Harni, Yulia Hertati Ibnu Afdhal Ihda Syurfi Iis Afrianty Iis Afrianty Iis Afrianty Iis Afrianty Iis Afrianty Iis Afrianty Iis Afrianty Ikhsan, Tomi Ikhsanul Hamdi Inggih Permana Irma Sanela Ismail Marzuki Ismar Puadi Isnan Mellian Ramadhan Israldi, Tino Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Iwan Iskandar Jasril Jasril Jasril Jasril Karina Julita Khair, Nada Tsawaabul Lestari Handayani Lestari Handayani Lili Rahmawati Liza Afriyanti Lola Oktavia Lola Oktavia M Fikry M. Afif Rizky A. Ma'rifah, Laila Alfi Masaugi, Fathan Fanrita Maulana Junihardi Mawadda Warohma Mazdavilaya, T Kaisyarendika Mhd. Kadarman Mori Hovipah Mori Hovipah Morina Lisa Pura Muhammad Affandes Muhammad Alvin Muhammad Fahri Muhammad Fikry Muhammad Hanif Abdurrohman Muhammad Ichsanul Bukhari Muhammad Syafriandi, Muhammad Muhammad Yusril Haffandi Muhammad Yusuf Fadhillah Mulyono, Makmur Muslimin, Al’hadiid Nabyl Alfahrez Ramadhan Amril Nailatul Fadhilah Nazir, Alwis Nazruddin Safaat H Neni Sari Putri Juana Nesdi Evrilyan Rozanda Nining Nur Habibah Novriyanto Novriyanto Nurainun Nurainun Okfalisa Okfalisa Permata, Rizkiya Indah Pizaini Pizaini Puspa Melani Almahmuda Putra, Fiqhri Mulianda Putri Mardatillah Putri, Widya Maulida Rahmad Abdillah Rahmad Abdillah Rahmad Kurniawan Rahmadhani, R. Raja Sultan Firsky Ramadhan, Aweldri Ramadhani, Siti Reski Mai Candra Reski Mai Candra Reski Mai Candra Reski Mei Candra Riska Yuliana Roni Salambue Said Nanda Saputra Satria Bumartaduri Silfia Silfia Siska Kurnia Gusti Siska Kurnia Gusti Siti Ramadhani Siti Sri Rahayu Suswantia Andriani Suwanto Sanjaya Syaputra, Muhammad Dwiky Teddie Darmizal Wulandari, Fitri Yusra, Yusra Yusril Hidayat Zabihullah, Fayat Zulastri, Zulastri