Article Per Year (5 Year)
p-Index From 2020 - 2025
1.99
P-Index
This Author published in this journals
All Journal JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Teknologi Informasi dan Ilmu Komputer Cyberspace: Jurnal Pendidikan Teknologi Informasi International Journal of Community Service (IJCS) Transcendent Journal of Mathematics and Applications J-SIGN (Journal Of Informatics, Information System, And Artificial Intelligence)
Husaini Husaini
Department of Informatics, Universitas Syiah Kuala, Banda Aceh, 23111, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
ANALISIS SENTIMEN MENGGUNAKAN ARSITEKTUR LONG SHORT-TERM MEMORY (LSTM) TERHADAP FENOMENA CITAYAM FASHION WEEK Laina Farsiah; Alim Misbullah; Husaini Husaini
CYBERSPACE: Jurnal Pendidikan Teknologi Informasi Vol 6, No 2 (2022)
Publisher : UIN Ar-Raniry

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22373/cj.v6i2.14687

Abstract

Analisis sentimen pada teks bertujuan untuk melihat sebuah teks mengandung emosi positif, negatif, atau netral. Hasil analisis dapat digunakan sebagai bahan pertimbangan untuk mengambil keputusan terhadap sebuah isu. Seperti fenomena Citayam Fashion Week yang ramai diperdebatkan di Indonesia, khususnya pada bulan Juli 2022, sangat dibutuhkan analisis sentimen terhadap fenomena tersebut. Dataset yang digunakan berasal dari tweet masyarakat Indonesia dengan kata kunci Citayam Fashion Week. Selanjutnya, setiap tweet akan dilabeli dengan kelas positif, negatif, atau netral berdasarkan leksikal bahasa Indonesia. Penelitian ini menghasilkan model yang dapat digunakan untuk memprediksi setiap tweet bahasa Indonesia ke dalam kategori sentimen positif, negatif, atau netral terkait pandangan dan pendapat masyarakat tentang fenomena Citayam Fashion Week. Metode membangun model yang digunakan, yaitu Long Short Term Memory (LSTM). Akurasi model yang dihasilkan menggunakan LSTM cukup baik, yaitu sebesar 88%.
Empowering Creativity and Entrepreneurial Spirit: A Service-Learning Approach for MTs Students Halim, Hendra; Sri Utami Permata; Teuku Meldi Kesuma; M. Ridha Siregar; Muhammad Haris Riyaldi; Burhanis Sulthan DM; Husaini
IJCS: International Journal of Community Service Vol. 3 No. 1 (2024): January-June
Publisher : PT Inovasi Pratama Internasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55299/ijcs.v3i1.800

Abstract

This community service program aimed to cultivate creativity and entrepreneurial spirit among 7th-grade students at MTsN 2 Aceh Besar through a Service-Learning approach. The program, conducted on May 23, 2023, at Aula Madrasah Terpadu Tungkob, involved interactive sessions and practical exercises to enhance students' understanding of entrepreneurship. The program included sessions on the definition and categories of entrepreneurship, brainstorming for business ideas using simple materials, the importance of entrepreneurship education, and basic financial recording for businesses. The activities encouraged students to think critically and creatively, providing them with practical skills for future endeavors. Collaboration between faculty members from Universitas Syiah Kuala, Universitas Sulawesi Barat, and researchers from the Pusat Riset Komunikasi Pemasaran, Pariwisata & Ekonomi Kreatif, Universitas Syiah Kuala, ensured a comprehensive and impactful program. The conclusion highlighted the success of the program in achieving its objectives and its positive impact on students and the community.
Sistem Identifikasi Pembicara Berbahasa Indonesia Menggunakan X-Vector Embedding Misbullah, Alim; Saifullah Sani, Muhammad; Husaini; Farsiah, Laina; Zahnur; Martiwi Sukiakhy, Kikye
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 2: April 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241127866

Abstract

Penyemat pembicara adalah vektor yang terbukti efektif dalam merepresentasikan karakteristik pembicara sehingga menghasilkan akurasi yang tinggi dalam ranah pengenalan pembicara. Penelitian ini berfokus pada penerapan x-vectors sebagai penyemat pembicara pada sistem identifikasi pembicara berbahasa Indonesia yang menggunakan model speaker identification. Model dibangun dengan menggunakan dataset VoxCeleb sebagai data latih dan dataset INF19 sebagai data uji yang dikumpulkan dari suara mahasiswa dan mahasiswi Informatika Universitas Syiah Kuala angkatan 2019. Fitur-fitur yang digunakan diekstrak dari dataset audio dengan menggunakan dua jenis konfigurasi mel frequency cepstral coefficients (MFCC). Untuk membangun model, fitur-fitur diekstrak dengan menggunakan MFCC, dihitung voice activity detection (VAD), dilakukan augmentasi dan normalisasi fitur menggunakan cepstral mean and variance normalization (CMVN) serta dilakukan filtering. Sedangkan proses pengujian model hanya membutuhkan fitur-fitur yang diekstrak dengan menggunakan MFCC dan dihitung VAD. Selanjutnya, dibangun empat model dengan cara mengombinasikan dua jenis konfigurasi MFCC dan dua jenis arsitektur Deep Neural Network (DNN) yang memanfaatkan Time Delay Neural Network (TDNN). Model terbaik dipilih berdasarkan akurasi tertinggi yang dihitung menggunakan metrik equal error rate (EER) dan durasi ekstraksi x-vectors tersingkat dari keempat model. Nilai EER dari model yang terbaik untuk dataset VoxCeleb1 bagian test sebesar 3,51%, inf19_test_td sebesar 1,3%, dan inf19_test_tid sebesar 1,4%. Durasi ekstraksi x-vectors menggunakan model terbaik untuk dataset data train berdurasi 6 jam 42 menit 39 detik, VoxCeleb1 bagian test berdurasi 2 menit 24 detik, inf19_enroll berdurasi 18 detik, inf19_test_td berdurasi 25 detik, dan inf19_test_tid berdurasi 9 detik. Arsitektur DNN kedua dan konfigurasi MFCC kedua yang telah dirancang menghasilkan model yang lebih kecil, akurasi yang lebih baik terutama untuk dataset pembicara berbahasa Indonesia, dan durasi ekstraksi x-vectors yang lebih singkat.
Implemantasi Mask R-CNN pada Perhitungan Tinggi dan Lebar Karang untuk Memantau Pertumbuhan Transplantasi Karang Alkhalis, Naufal; Husaini, Husaini; Haekal Azief Haridhi; Maretna, Cut Nadilla; Nur Fadli; Haditiar, Yudi; Nanda, Muhammad; Ulfah, Maria; Kris Handoko; Intan Malayana; Arsa Cindy Safitri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 3: Juni 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.938374

Abstract

Indonesia merupakan negara kepulauan dengan terumbu karang yang tinggi dan keanekaragaman hayati laut yang kompleks. Namun, setidaknya 45% dari terumbu karang di Indonesia dalam kondisi terancam disebabkan oleh beberapa faktor seperti ulah manusia, perubahan iklim, lingkungan sekitar, lambatnya laju pertumbuhan dan lain sebagainya. Transplantasi karang telah menjadi salah satu pendekatan yang dilakukan untuk konservasi. Penelitian ini mengimplementasikan algoritma Mask Region-based Convolutional Neural Network (Mask R-CNN) dengan Pustaka Detectron2 dalam deteksi dan segmentasi objek untuk menghitung tinggi dan lebar karang transplantasi melalui citra. Metode penelitian melibatkan pengumpulan dataset, pembagian dataset, anotasi dataset, implementasi model, evaluasi model, dan mengitung laju pertumbuhan karang. Implementasi model melibatkan 7 backbone segmentasi instance dengan jadwal laju pembelajaran sebesar 3 kali. Hasil penelitian menunjukkan bahwa dari ketujuh backbone yang diuji X101-FPN dan R101-DC5 menghasilkan presisi dan recall yang lebih baik. Selisih Average Presision (AP) antara kedua model terbaik tersebut untuk segmentasi mask pada Intersection over Union (IoU) maksimum sebesar 2,2% sedangkan untuk deteksi box sebesar 5,8%. Sedangkan selisih Average Recall (AR) untuk segmentasi mask sebesar 8,3% dan deteksi box sebesar 5,2%. Hasil segmentasi X101-FPN dipilih untuk mengukur tinggi dan lebar karang yang telah di transplantasi, sehingga dapat digunakan untuk memantau laju pertumbuhan dari transplantasi karang.
Analisis Performa Segmentasi Citra MRI Tumor Otak dengan Arsitektur U-Net dan Res-UNet Misbullah, Alim; Mursyida, Waliam; Farsiah, Laina; Nazaruddin, Nazaruddin; Sukiakhy, Kikye Martiwi; Husaini, Husaini; Basrul, Basrul
J-SIGN (Journal of Informatics, Information System, and Artificial Intelligence) Vol 2, No 02 (2024): November
Publisher : Department of Informatics, Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/j-sign.v2i02.41358

Abstract

Diagnosis tumor otak melalui MRI menghadapi tantangan akibat keterbatasan dalam visualisasi morfologi, lokasi, dan batas-batas tumor. Format MRI yang biasanya dua dimensi memerlukan interpretasi manual oleh radiolog, yang meningkatkan risiko kesalahan manusia. Untuk meningkatkan akurasi segmentasi MRI, pendekatan pembelajaran mendalam seperti Convolutional Neural Networks (CNN) telah diterapkan untuk menyoroti area-area penting. Studi ini membandingkan dua arsitektur CNN, U-Net dan Res-UNet, untuk segmentasi tumor otak menggunakan dataset Brain Tumor Segmentation Challenge (BraTS) 2020. Kedua model dilatih dengan pengaturan yang serupa dan dievaluasi berdasarkan kemampuannya mengidentifikasi area kunci, termasuk inti tumor, edema, dan area tumor yang mengalami peningkatan. Model ini menggunakan optimizer Adam dan fungsi loss categorical crossentropy, dengan metrik evaluasi termasuk akurasi. Hasil menunjukkan bahwa U-Net mencapai performa optimal pada 35 epoch dengan ukuran batch 64 dan learning rate 0,001, menghasilkan nilai loss terendah (0,0140) dan akurasi tertinggi (99,5%). Meskipun Res-UNet juga mencapai akurasi tinggi (99,3%), nilai loss yang lebih tinggi menunjukkan bahwa model ini kurang efektif dibandingkan U-Net.
Pengembangan Website Informasi Diploma 3 Manajemen Informatika Menggunakan Framework Laravel Ihsan, Mahyus; Rahmadsyah, Rizki; Husaini, Husaini
J-SIGN (Journal of Informatics, Information System, and Artificial Intelligence) Vol 2, No 02 (2024): November
Publisher : Department of Informatics, Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/j-sign.v2i02.38290

Abstract

Penggunaan situs web informasi akademik sangat penting untuk semua program studi di Universitas Syiah Kuala, termasuk Program Studi Diploma 3 Manajemen Informatika (PSMI). Situs web Informasi Akademik tidak hanya membantu dalam dokumentasi, tetapi juga menyediakan berita yang akurat dan terbaru. Namun, sistem informasi akademik PSMI saat ini memiliki beberapa masalah seperti fitur manajemen konten yang terbatas, tidak responsif, ketidakcocokan dengan berbagai perangkat, kurangnya manajemen situs web, dan tidak adanya integrasi dengan platform media sosial. Untuk mengatasi masalah ini, penelitian ini bertujuan mengembangkan situs web informasi akademik yang kaya fitur dan responsif menggunakan kerangka kerja Laravel. Proses pengembangan mengikuti model waterfall, yang meliputi tahapan analisis kebutuhan, desain, implementasi, dan pengujian. Koordinasi dengan koordinator program, staf administrasi, dan mahasiswa sangat penting sela-ma tahap analisis kebutuhan dan desain. Situs web baru ini mencakup fitur-fitur yang meningkatkan mana-jemen konten dan memastikan kompatibilitas dengan berbagai perangkat. Hasil pengujian, termasuk pengujian responsif dan black box, menunjukkan bahwa situs web berfungsi dengan baik. Akhirnya, situs web baru ini di-harapkan dapat meningkatkan efisiensi dan efektivitas manajemen informasi akademik di PSMI.
A Threshold-based Cloud Resource Allocation Framework with Quality of Services Considerations Husaini, Husaini; Misbullah, Alim; Farsiah, Laina
Transcendent Journal of Mathematics and Applications Vol 2, No 1 (2023)
Publisher : Syiah Kuala University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24815/tjoma.v2i1.31694

Abstract

Allocating the number of resources needed by cloud applications is very crucial concern in the cloud environment. If the resource allocation is not managed precisely, the cloud services may starve during the peak load time or waste the resources during the off-peak time. Auto-scaling mechanism is one approach used in cloud environment in which service providers can maintain the resources and reduce waste resources by automatically increasing or decreasing them when needed. It is still difficult to predict the client-side experience which later will cause in decreasing performance because of lacking computing instances. This paper focuses on allocating resources at the application level for the efficient resource utilization and presents a novel cloud resource management framework. The proposed system monitored the end-users response time directly from client-side. Several thresholds were defined with Quality of Services (QoS) considerations which include response time and error rates sampling to optimize the decision of reallocating the virtual resources. The results dynamically allocate the virtual resources among the cloud applications based on their workload. Based on the experimental results, the recommendation threshold is 0.6 for the cloud system, as it can improve performance while minimizing costs.
PENERAPAN HIERARKI CERTIFICATE AUTHORITY DAN PUBLIC KEY INFRASTRUCTURE UNTUK MEMPERKUAT KEAMANAN JARINGAN Husaini, Husaini; Ramadhan, Teuku Hafiez; Ihsan, Mahyus
CYBERSPACE: Jurnal Pendidikan Teknologi Informasi Vol 9, No 1 (2025)
Publisher : UIN Ar-Raniry

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22373/cj.v9i1.27159

Abstract

Dewasa ini, keamanan jaringan telah menjadi semakin krusial terutama dalam lingkungan bisnis yang saling terhubung secara global. Komunikasi antara kantor cabang dan kantor pusat melalui jaringan global memunculkan risiko seperti pencurian data, pengawasan, dan serangan siber. Hal ini tentu akan menjadi ancaman yang nyata terhadap kerahasiaan dan integritas informasi sensitif perusahaan. Untuk mengurangi risiko ini, penelitian ini mengusulkan implementasi sistem hierarki Certificate Authority (CA) dan Public Key Infrastructure (PKI) dengan memanfaatkan kunci asimetris untuk meningkatkan keamanan. Sistem hierarki CA memastikan langkah-langkah keamanan yang kuat melalui praktik manajemen kunci yang efektif. Tujuan utama dari penelitian ini adalah untuk meningkatkan keamanan jaringan dengan melindungi komunikasi antara kantor cabang dan kantor pusat menggunakan Site-to-Site Virtual Private Network (VPN) yang diimplementasikan dengan teknologi OpenVPN. Pendekatan komprehensif ini melibatkan berbagai metodologi, termasuk simulasi Graphical Network Simulator-3 (GNS3) untuk pengujian arsitektur jaringan, evaluasi ketat terhadap keamanan sertifikat digital, pemantauan lalu lintas yang berkelanjutan, pengujian kinerja jaringan secara menyeluruh, dan protokol keamanan server yang teliti. Hasil yang diharapkan dari penelitian ini diharapkan dapat memberikan wawasan berharga bagi organisasi yang bertujuan untuk mengurangi risiko keamanan jaringan secara efektif. Selain itu, temuan penelitian ini diharapkan dapat memberikan kontribusi signifikan terhadap pengembangan kerangka kerja keamanan jaringan yang disesuaikan dengan kebutuhan lingkungan bisnis yang terhubung secara global.
SISTEM REKOMENDASI PEMILIHAN PROGRAM STUDI BERBASIS HYBRID MENGGUNAKAN PENDEKATAN DEEP LEARNING Misbullah, Alim; Akbar, Mufid; Nazaruddin, Nazaruddin; Farsiah, Laina; Husaini, Husaini; Zulfan, Zulfan
CYBERSPACE: Jurnal Pendidikan Teknologi Informasi Vol 9, No 1 (2025)
Publisher : UIN Ar-Raniry

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22373/cj.v9i1.28944

Abstract

Education plays a critical role in shaping career decisions for the future. However, many students encounter difficulties in selecting suitable academic programs, often stemming from a lack of confidence in their ability to make appropriate decisions. Consequently, students may choose study programs that do not align with their personal characteristics. This study emphasizes the importance of providing comprehensive information about various academic programs offered in higher education and developing tools to assist prospective students in making informed decisions. To address these challenges, a recommendation system using Hybrid Filtering technology has been developed. The system integrates Content-Based Filtering and Collaborative Filtering methods within the TensorFlow Recommenders System (TFRS) framework. The study utilized data from undergraduate students of the Faculty of Mathematics and Natural Sciences (FMIPA) across seven academic programs. By employing 10 features representing students' interests and talents, the recommendation system generated accurate and tailored suggestions for study programs. The model was trained and evaluated using both real and augmented (augmented) datasets with predefined hyperparameters. Results demonstrated that using only the real dataset achieved a Top-1 accuracy of 0.59 and a Top-5 accuracy of 0.97. When incorporating the augmented dataset, the Top-1 accuracy improved to 0.66, while the Top-5 accuracy reached 1.0. The findings reveal that combining real and augmented datasets enhances average accuracy by approximately 10% compared to using the real dataset alone. Additionally, the study program recommendations produced by the model showed significant improvement in quality. A web-based recommendation system utilizing the TFRS model was developed and positively evaluated by FMIPA students. User feedback indicated high satisfaction with the system's recommendations, demonstrating its effectiveness in guiding students toward suitable academic programs.
Penerapan Metode Forward Chaining untuk Sistem Pakar Diagnosis Penyakit Ginjal Berbasis Website Husaini; At-Tharfi’in, Khairunnisa; Misbullah, Alim; Zahnur
JSI: Jurnal Sistem Informasi (E-Journal) Vol 17 No 1 (2025): Vol 17, No 1 (2025)
Publisher : Jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/jsi.v17i1.191

Abstract

An expert system is used to replicate the knowledge and reasoning of an expert to assist in decision-making, diagnosis, prediction, and problem-solving in a specific field. Expert systems have been applied across various domains, including healthcare, such as for diagnosing kidney diseases. In this case, the web-based expert system for kidney disease diagnosis is designed to help analyze symptoms and provide an initial diagnosis based on the knowledge and rules of an expert. The system is designed to be utilized by the public, allowing users to input their symptoms, after which the system will provide a diagnosis. It is expected that this expert system can help the public detect kidney disorders early by applying expert knowledge integrated within the system. Another benefit of this system is that it makes it easier for users to perform self-diagnosis and detect potential kidney issues early based on the symptoms they experience. This expert system is developed using the forward chaining method, leveraging the Laravel framework and MySQL database. Forward chaining is a reasoning technique that starts by using available facts and then progresses through relevant premises to reach a conclusion. The use of this method ensures a systematic and accurate reasoning process for generating diagnoses or decisions based on the input information. Testing of the application shows that the developed expert system has successfully met expectations in helping the public accurately and easily identify kidney diseases. Additionally, the application of forward chaining allows the system to provide precise diagnoses based on the symptoms entered by the user, improving the ease of access to health information efficiently.
Co-Authors . Zulfan Akbar, Mufid Alim Misbullah Alkhalis, Naufal Arsa Cindy Safitri At-Tharfi’in, Khairunnisa Basrul, Basrul Burhanis Sulthan DM Farsiah, Laina Haekal Azief Haridhi Halim, Hendra Hanifiah, Jessy Intan Malayana Kris Handoko Laina Farsiah M. Ridha Siregar Mahyus Ihsan Maretna, Cut Nadilla Maria Ulfah Martiwi Sukiakhy, Kikye Misbullah, Alim Muhammad Haris Riyaldi Mursyida, Waliam N. Nazaruddin Nahyadi, TWK. Muhammad Akbar Nanda, Muhammad Nur Fadli Rahmadsyah, Rizki Ramadhan, Teuku Hafiez Saifullah Sani, Muhammad Saputra, Kurnia Sri Utami Permata sukiakhy, kikye martiwi Teuku Meldi Kesuma Yudi Haditiar Yunardi, Dalila Husna Zahnur