Article Per Year (5 Year)
p-Index From 2021 - 2026
1.037
P-Index
This Author published in this journals
All Journal SKANIKA: Sistem Komputer dan Teknik Informatika JAMI: Jurnal Ahli Muda Indonesia Jurnal Informatika Polinema (JIP) Riau Jurnal Teknik Informatika
Saiful Nur Budiman
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Library & Information Science Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
ANALISIS PEMILIHAN MEDIA PROMOSI DIGITAL BERDASARKAN PERILAKU KONSUMEN MENGGUNAKAN APRIORI M.Taufiq Sauma Hendy; Saiful Nur Budiman; Haris Yuana
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1180

Abstract

Associatian Rule merupakan metode data mining untuk menentukan asosiasi berbasis aturan dan menentukan korelasi antar variabel dalam suatu kumpulan data. Pada penelitian ini penggunaan metode association rule dipilih karena bertujuan untuk mengetahui penerapan algoritma apriori pada penelitian analisis dan juga mengetahui hasil pengujian dari pemilihan media promosi digital berdasarkan perilaku pembelian pelanggan. Dengan demikian melalui penelitian ini, pelaku UKM bisa mengetahui media digital yang paling tepat untuk mempromosikan produk kepada pelanggan yang sekarang lebih menyukai berbelanja secara online. Hasil penelitian menunjukkan bahwa 2 kombinasi itemset media yang cocok digunakan sebagai media promosi yang efektif, dimana media yang memiliki asosiasi terkuat adalah yaitu Instagram dan influenser. Kuatnya ikatan antar media yang meyakinkan dan dapat dijadikan acuan karena ketepatan kombinasi itemset yang saling berkorelasi dan validitas yang dihasilkan. Menetapkan nilai support minimal 0,3 dan confidence minimal 0,8 untuk menghitung metode association rule, terlihat bahwa komponen (D,H) yang mewakili Instagram dan influencer memiliki nilai support sebesar 0,388889 dan nilai confidence sebesar 0,807692.Kemudian untuk hasil pengujian didapatkan hasil lift ratio lebih besar dari 1 yaitu sebesar 1,615385 yang menunjukkan adanya sinergi antara Instagram dengan influencer. Dengan demikian, para UKM dapat menjadikan hasil penelitian ini sebagai alat bisnis digital melalui Instagram dan influencer untuk meningkatkan penjualan produknya.
Analisis Sentimen Berdasarkan Hasil Review Lokasi Google Map Menggunakan Natural Language Toolkit TextBlob dan Naïve Bayes Saiful Nur Budiman; Sri Lesanti; Erwan
JAMI: Jurnal Ahli Muda Indonesia Vol. 5 No. 2 (2024): Desember 2024
Publisher : Akademi Komunitas Negeri Putra Sang Fajar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46510/jami.v5i2.311

Abstract

Metode analisa sentimen adalah metode yang digunakan untuk memberikan pemahaman tentang perasaan atau opini yang terkandung dalam suatu teks. Seiring dengan perkembangan teknologi di era digital saat ini, data yang dihasilkan semakin melimpah salah satunya merupakan data yang dihasilkan oleh platform review seperti Google Maps. Google Maps adalah salah satu aplikasi yang populer dengan kemampuannya mencari lokasi, memberikan rute hingga memberikan ulasan atau review terhadap tempat yang dikunjungi. Dengan adanya review yang bisa diberikan pada Google Maps maka dapat dilakukan analisa sentimen yang bertujuan untuk mengetahui bagaimana perasaan atau opini dari para pengguna terhadap suatu tempat atau layanan. Metode yang umum digunakan untuk menganalisis sentimen adalah dengan menggunakan Natural Language Toolkit dan Naive Bayes. Natural Language Toolkit adalah toolkit untuk pemrosesan bahasa alami yang dibangun dengan python, sedangkan Naive Bayes adalah salah satu algoritma simple tetapi powerful untuk analisis sentimen Naive bayes bekerja dengan asumsi setiap fitur independent satu sama lain yaitu setiap kata independent dan dapat dijadikan prediksi sentimen dengan kata kunci tertentu. Studi ini membahas mengenai analisis sentimen terhadap review pengguna google maps terhadap Cafe berdasarkan review article menggunakan kombinasi Natural Language Toolkit, TextBlob, dan Naive Bayes. Studi ini bertujuan untuk mengenali sentimen ulasan pengguna menjadi positif, negatif, dan netral. Dataset yang digunakan berjumlah 253 data latih dan 64 data uji dari hasil review pelanggan pada platform Google Maps . Hasil penelitian menunjukkanbahwa model yang dibangun memiliki akurasi sebesar 94% dan metode yang digunakan cukup efektif dalam menjalankan pengklasifikasian ulasan pelanggan. Studi ini dapat memberikan informasi kepada manajemen Cafe dalam memahami persepsi pelanggan, studi ini juga dapat menjadi referansi untuk melakukan analisis sentimen sentimen pada review lokasi lainnya.
SiPuTiH: Model Convolutional Neural Network untuk Sistem Pengenalan Tulisan Tangan Hijaiyah Saiful Nur Budiman; Sri Lestanti; Sandi Widya Permana
JAMI: Jurnal Ahli Muda Indonesia Vol. 6 No. 2 (2025): Desember 2025
Publisher : Akademi Komunitas Negeri Putra Sang Fajar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46510/jami.v6i2.390

Abstract

This research presents the development of SiPuTiH (Handwritten Hijaiyah Character Recognition System) using the Convolutional Neural Network (CNN) algorithm to address the challenges of handwriting variability in Arabic scripts. The methodology includes dataset acquisition and preprocessing, CNN architecture design, model training, and performance evaluation. The dataset consists of 1,680 handwritten images representing 30 Hijaiyah characters, divided into 80% training and 20% testing data. The proposed CNN architecture employs four convolutional and pooling layers with a total of 6.8 million trainable parameters. Experimental results show that SiPuTiH achieved a 99.7% accuracy rate in recognizing Hijaiyah characters, with only one misclassification between ‘ta’ (ت) and ‘tsa’ (ث) due to morphological similarity. The trained model was implemented in an interactive Streamlit-based application that includes learning modules, quizzes, and real-time handwriting prediction. SiPuTiH demonstrates high reliability not only as a handwriting recognition system but also as an engaging educational platform for learning Arabic letters. This study confirms the effectiveness of CNNs in handling the morphological complexity of Hijaiyah characters and contributes to the development of intelligent educational tools. Future work may explore larger datasets, transfer learning architectures, and contextual (word-level) recognition to enhance system scalability and performance.
Pengembangan Sistem Informasi Geografis untuk Digitalisasi Pemetaan Tanah Letter C Desa Menggunakan Framework Laravel dan Mapbox Untuk Meningkatkan Efisiensi Layanan Publik di Tingkat Desa Hilga Satria Pambudi; Indyah Hartami Santi; Saiful Nur Budiman
Riau Jurnal Teknik Informatika Vol. 4 No. 3 (2025): November 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i3.3868

Abstract

Latar Belakang: Perkembangan teknologi informasi di era digital telah mendorong transformasi signifikan menuju konsep desa digital yang bertujuan memperbaiki kualitas layanan publik sekaligus mendukung pembangunan masyarakat berkelanjutan. Salah satu aspek krusial dalam digitalisasi desa adalah penerapan Sistem Informasi Geografis (SIG) untuk mengelola arsip pertanahan, khususnya dokumen Letter C yang merupakan bukti kepemilikan tanah turun-temurun. Tujuan: Penelitian ini bertujuan mengembangkan sistem informasi geografis untuk mendukung digitalisasi Letter C di Desa Pandanarum menggunakan framework  Laravel dan Mapbox dengan metode Rapid Application Development (RAD). Metode: Penelitian menggunakan pendekatan kuantitatif dengan jenis Research and Development (R&D). Populasi terdiri dari tiga kategori: ahli IT untuk validasi teknis (3 ahli), perangkat desa yang terlibat dalam administrasi tanah (4 staf), dan masyarakat desa sebagai pengguna akhir (2 warga), dipilih melalui purposive sampling. Instrumen pengumpulan data meliputi kuesioner terstruktur untuk penilaian ahli dan User Acceptance Testing (UAT), serta protokol Blackbox Testing untuk evaluasi fungsional sistem. Teknik analisis data menggunakan mixed methods yang menggabungkan analisis kuantitatif dan kualitatif. Hasil: Sistem mencapai tingkat keberhasilan fungsional 98,15% dari Blackbox Testing, skor penilaian ahli 76,67%, dan tingkat penerimaan pengguna 83,33% melalui UAT. Sistem berhasil mengintegrasikan 5 blok pemetaan dengan 100 sampel data pemilik tanah dalam satu platform terpadu. Kesimpulan: Sistem SIPROSA berhasil mengintegrasikan lima blok pemetaan dengan 100 sampel data kepemilikan tanah, mencapai tingkat keberhasilan fungsional 98,15% dan penerimaan pengguna 83,33%, sekaligus mentransformasi proses pencarian data dari jam menjadi menit untuk mendukung program digitalisasi desa nasional.
IMPLEMENTASI MEL-FREQUENCY CEPSTRAL COEFFICIENTS DAN CONVOLUTIONAL NEURAL NETWORK UNTUK PENGENALAN HURUF HIRAGANA Muhammad Yusuf Ibrahim Ramadhani; Saiful Nur Budiman; Udkhiati Mawaddah
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 9 No 1 (2026): Jurnal SKANIKA Januari 2026
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v9i1.3600

Abstract

Japanese language learning has gained increasing interest in Indonesia; however, learners often experience difficulties in mastering Hiragana characters due to their large number and phonetic similarities. Speech recognition technology can be utilized as a supportive learning medium, particularly for improving pronunciation and enhancing learners’ understanding of Hiragana characters. This study aims to develop a Hiragana speech recognition system based on Mel-Frequency Cepstral Coefficients (MFCC) for feature extraction and Convolutional Neural Networks (CNN) for classification. The dataset consists of 46 Hiragana characters, with each character recorded 20 times by four speakers, resulting in a total of 3,680 audio samples. The research stages include audio signal preprocessing, MFCC feature extraction, data augmentation, CNN model training, and performance evaluation using classification metrics. Experimental results indicate that the proposed model achieves an accuracy of 95% on the test data, with most Hiragana characters being correctly recognized. Misclassifications mainly occur among characters with similar phonetic characteristics. These results demonstrate that the MFCC-based CNN approach is effective for Hiragana speech recognition and has potential to be applied as an interactive digital learning medium for Japanese language education.
Co-Authors Erwan Hilga Satria Pambudi Indyah Hartami Santi M.Taufiq Sauma Hendy Muhammad Yusuf Ibrahim Ramadhani Sandi Widya Permana Sri Lesanti Sri Lestanti Udkhiati Mawaddah Yuana, Haris