Article Per Year (5 Year)
p-Index From 2021 - 2026
4.77
P-Index
This Author published in this journals
All Journal MEDIA ELEKTRIKA Transmisi: Jurnal Ilmiah Teknik Elektro JURNAL SISTEM INFORMASI BISNIS Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Journal of Telematics and Informatics Jurnal Transformatika Proceeding of the Electrical Engineering Computer Science and Informatics TRANSISTOR Elektro dan Informatika AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Community Services Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Pengabdian kepada Masyarakat Nusantara Community Empowerment JAST Prosiding University Research Colloquium Prosiding Seminar Riset Mahasiswa Jurnal Ilmiah Sultan Agung Jurnal Rekayasa Sistem Informasi dan Teknologi JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Sam Farisa Chaerul Haviana
Universitas Islam Sultan Agung
Religion Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search
Journal : TRANSISTOR Elektro dan Informatika

 1   2 
Deteksi Similarity Tugas Akhir Mahasiswa Menggunakan Cosine Similarity Putra, Yustian Dikma Eka; Subroto, Imam Much Ibnu; Haviana, Sam Farisa Chaerul
TRANSISTOR Elektro dan Informatika Vol 5, No 3 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.3.122-130

Abstract

Tugas akhir (TA) atau tesis merupakan sebuah mahakarya tertulis berupa rangkaian tulisan ilmiah yang mempresentasikan hasil dari sebuah penelitian guna membahas suatu masalah di dalam suatu bidang keilmuan tertentu dengan menggunakan kaidah-kaidah penulisan yang berlaku di suatu bidang ilmu pengetahuan tertentu. Sementara dalam pembuatan tugas akhir sendiri sering ditemui tindak plagiarisme, tindakan ini sendiri bertujuan untuk mencuri hasil pikiran orang lain. Metode cosine similiarity  digunakan untuk menghitung similiarity atau kemiripan dokumen dari tugas akhir dengan tujuan untuk menghitung seberapa besar tingkat similiarity-nya sehingga nantinya dapat digunakan sebagai salah satu cara mengidentifikasi apakah dokumen tersebut plagiat atau tidak. Pada perhitungan metode cosine jika semakin mendekati angka 1 maka dokumen tersebut bisa dianggap plagiat dan sebaliknya jika mendekati angka 0 maka similiarity atau kesamaan dokumen tersebut rendah.
Klasifikasi Bidang Ilmu Publikasi Ilmiah Terindeks SINTA Menggunakan Metode Naïve Bayes Nurnasikha, Kusuma; Haviana, Sam Farisa Chairul; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 5, No 3 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.3.147-154

Abstract

Publikasi ilmiah menjadi tuntutan akademik untuk menunjukkan tanggangjawab sebagai peneliti. Di Indonesia salah satu kegiatan yang berkaitan dengan status peneliti adalah publikasi yang terindeks SINTA (Science and technology Index). Secara garis besar besar judul-judul dapat diklasifikasikan ke dalam lima bidang ilmu yaitu Arts & Humanities, Engineering & Technology, Life Sciences & Medicine, Natural Sciences, and Social Sciences & Management. Permasalahannya adalah judul penelitian belum terklasifikasikan secara otomastis. Tujuan penelitian ini adalah untuk menerapkan dan menguji kinerja Naive Bayes dalam klasifikasi lima bidang ilmu pada publikasi terindeks Scopus. Naïve Bayes merupakan klasifikasi prediksi yang mudah diinterpretasikan. Naïve Bayes memudahkan peneliti mengklasifikasikan lima bidang ilmu karena modelnya sederhana dan cukup fleksibel meningkatkan kualitas keputusan dihasilkan. Berdasarkan hasil dari perhitungan menggunakan algoritma Naive Bayes, diperoleh nilai pada akurasi 0,425 recall 0,20 dan presisi 0,05. Namun hasil tersebut masih cukup rendah jika digunakan pada sistem SINTA dikarenakan  pada saat pelabelan dataset yang digunakan belum optimal.
Prediksi Penghematan Biaya Listrik Berdasarkan Global Horizontal Irradiance (GHI) Menggunakan Model Long Short Term Memory Network (LSTM) Ilham Pradipta, Muhammad; Chaerul Haviana, Sam Farisa
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025): Agustus : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

Energi surya semakin diakui sebagai solusi utama dalam memenuhi kebutuhan energi global yang terus meningkat. Salah satu manfaat utama pemanfaatan energi surya adalah potensi penghematan biaya listrik, terutama dengan prediksi yang akurat terhadap produksi energi dari sistem fotovoltaik. Untuk mengestimasi potensi penghematan biaya listrik, diperlukan pemodelan yang tepat berdasarkan perhitungan Global Horizontal Irradiance (GHI), yaitu parameter yang merepresentasikan jumlah radiasi matahari yang diterima pada permukaan horizontal bumi.. Namun, prediksi GHI menghadapi tantangan akibat faktor atmosferik yang dinamis, seperti suhu, kelembapan, dan kecepatan angin. Untuk mengatasi tantangan ini, penelitian ini mengembangkan model prediksi GHI menggunakan algoritma Long Short-Term Memory (LSTM), sebuah jenis jaringan saraf tiruan yang efektif dalam mengolah data sequensial dengan ketergantungan jangka panjang. Selain itu, hasil prediksi GHI (Wh/m²) dikonversi menjadi energi listrik (kWh) untuk mengestimasi potensi penghematan biaya listrik. Penelitian ini juga merancang aplikasi berbasis web yang memungkinkan visualisasi interaktif hasil prediksi, sehingga dapat membantu pengambilan keputusan dalam perencanaan energi surya. Model yang dikembangkan menunjukkan performa yang tinggi dengan nilai R² sebesar 0.96, MAE sebesar 0.021, dan RMSE sebesar 0.03. Dengan pendekatan ini, penelitian diharapkan dapat memberikan kontribusi dalam optimalisasi energi surya dan mendukung transisi menuju sistem energi yang lebih berkelanjutan.
IMPLEMENTASI FINE-TUNING UNTUK PREDIKSI SOLUSI DARI KALIMAT MASALAH PADA ARTIKEL ILMIAH MENGGUNAKAN LARGE LANGUAGE MODELS (LLM) Nurinayah, Alfiyatu; Chaerul Haviana, Sam Farisa
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

Prediksi solusi kalimat masalah dalam artikel ilmiah merupakan suatu tantangan karena tidak semua kalimat masalah dalam artikel menyebutkan solusi secara eksplisit. Penelitian ini mengembangkan model berbasis fine-tuning Llama 3.2 1B Instruct untuk memprediksi solusi dari kalimat masalah. Model dilatih dengan 99 pasangan kalimat masalah-solusi untuk memahami pola hubungan keduanya. Evaluasi menggunakan ROUGE menunjukkan skor ROUGE-1 sebesar 0,611, ROUGE-2 sebesar 0,496, dan ROUGE-L sebesar 0,576. Selama pelatihan, loss menurun dari 0.4394 pada epoch pertama menjadi 0.0286 pada epoch kelima, menunjukkan peningkatan pemahaman model. Namun, model mengalami kesulitan dalam memprediksi solusi dari permasalahan di luar cakupan data latih dan hasilnya terkadang kurang relevan saat diterapkan dalam aplikasi, kemungkinan karena keterbatasan komputasi. Penelitian lebih lanjut diperlukan untuk meningkatkan akurasi dan stabilitas model pada sistem dengan sumber daya terbatas
Implementasi Few-Shot Learning Untuk Prediksi Kalimat Solusi Dari Masalah Pada Artikel Ilmiah Menggunakan Model Large Language Models (LLM) Azizah, Eka Nurul; Chaerul Haviana, Sam Farisa
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025): Agustus : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

Pesatnya pertumbuhan jumlah artikel ilmiah menghadirkan tantangan baru dalam mengekstraksi informasi yang relevan, khususnya dalam mengidentifikasi hubungan antara permasalahan dan solusinya. Penelitian ini bertujuan untuk mengembangkan model prediksi solusi menggunakan Large Language Models (LLM) dengan pendekatan Few-Shot Learning. Model yang diterapkan adalah Llama 3.2, yang telah disesuaikan dengan dataset hasil ekstraksi dari 100 artikel ilmiah, diklasifikasikan ke dalam empat kategori utama: Problem-Solution, Tantangan-Jawaban, Peluang-Jawaban, dan Kelemahan-Peningkatan. Proses pengolahan data mencakup tahapan pre-processing, seperti case folding, tokenizing, filtering, dan stemming, guna meningkatkan kualitas data sebelum model dilatih. Evaluasi model dilakukan menggunakan metrik ROUGE untuk menilai akurasi prediksi solusi yang dihasilkan. Hasil penelitian menunjukkan bahwa pendekatan Few-Shot Learning mampu mengenali pola hubungan masalah-solusi dengan lebih efektif dibandingkan metode konvensional. Selain itu, sistem berbasis website juga dikembangkan untuk mempermudah akses dan pemanfaatan model oleh mahasiswa dalam menyelesaikan tugas akhir. Walaupun model menunjukkan kinerja yang baik, tantangan dalam menangani pertanyaan yang berbeda jauh dari contoh yang diberikan masih menjadi kendala yang perlu disempurnakan dalam penelitian mendatang.
IMPLEMENTASI ZERO-SHOT LEARNING UNTUK PREDIKSI SOLUSI DARI KALIMAT MASALAH PADA ARTIKEL ILMIAH MENGGUNAKAN LARGE LANGUAGE MODELS (LLM) Nada, Anita Soffiyun; Chaerul Haviana, Sam Farisa
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

Peningkatan jumlah publikasi ilmiah yang mencapai 2,6 hingga 3 juta artikel per tahun menimbulkan tantangan dalam mengekstraksi informasi penting, terutama dalam mengidentifikasi permasalahan dan solusinya yang sering kali tidak dinyatakan secara eksplisit. Proses manual yang memakan waktu dan rentan terhadap kesalahan manusia, sehingga mendorong perlunya solusi berbasis kecerdasan buatan. Penelitian ini mengusulkan pendekatan Zero-Shot Learning (ZSL) menggunakan model Llama 3 untuk memprediksi solusi dari kalimat masalah dalam artikel ilmiah tanpa memerlukan pelatihan tambahan. Model ini hanya mengandalkan pemrosesan berbasis prompt untuk menghasilkan solusi tanpa menggunakan dataset pelatihan. Evaluasi dilakukan dengan membandingkan hasil prediksi model terhadap solusi referensi (ground truth) menggunakan metrik ROUGE. Hasil evaluasi menunjukkan bahwa skor ROUGE-1, ROUGE-2, dan ROUGE-L berada dalam rentang 3,5% hingga 22%, mengindikasikan bahwa meskipun kesamaan berbasis kata masih terbatas, model tetap mampu menghasilkan solusi yang relevan secara kontekstual. Dengan demikian, sistem berbasis Zero-Shot Learning dan Large Language Model ini diharapkan dapat mendukung analisis pola solusi dalam artikel ilmiah serta menjadi dasar bagi pengembangan model prediksi yang lebih akurat di masa depan.
Implementasi Deteksi Pakaian BerbudAI Menggunakan Metode Single Shot Multibox Detector di Lingkungan Kampus UNISSULA Semarang Adhi, Anjas Restu Mulia; Haviana, Sam Farisa Chaerul
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025): Agustus : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

Universitas Islam Sultan Agung Semarang merupakan sebuah institusi pendidikan yang berlandaskan pada nilai – nilai Islam. “Membangun Generasi Khaira Ummah”. Jika dilihat dari perkembangan era digital, mayoritas mahasiswa ataupun mahasiswi cenderung mengikuti trend dalam berpakaian. Bahkan beberapa diantara mereka merasa lebih percaya diri saat memakai pakaian yang berbeda sehingga mereka ingin dipandang dan diperhatikan. Sesuai dengan startegi pada kampus sangat penting berpakaian sesuai dengan Budaya Akademik Islami yang telah ada pada lingkugan kampus. Pakaian BerbudAi merupakan sebuah gerakan yang diterapkan untuk semua civitas akademika Universitas Islam Sultan Agung Semarang guna menerapkan cara berpakaian yang benar sesuai dengan ajaran nilai – nilai dari agama Islam. Untuk meminimalsir terjadi pelanggaran tata cara berpakaian, pada penelitian ini mengimplementasikan sebuah sistem deteksi pakaian berbudaAI secara real time menggunakan metode Single Shot Multibox Detector dengan VGG16. Hasil dari pengujian Nilai threshold model terbaik di penelitian kali ini diangka 0.7 dengan F1-score tertinggi (0,918), yang mencerminkan keseimbangan terbaik antara precision (0,85) dan recall (1,0). Dengan mengunakan metode Single Shot Multibox Detector untuk mengimplementasikan deteksi secara real time pada pakaian budAI mendapatkan hasil akurasi yang sangat baik.
Identifikasi Bidang Kepakaran Program Studi Informatika Berdasarkan Rekam Jejak Publikasi di Indonesia menggunakan Rake Fadhilah, Achmad Naufal; Subroto, Imam Much Ibnu; Haviana, Sam Farisa Chaerul
TRANSISTOR Elektro dan Informatika Vol 5, No 2 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.2.%p

Abstract

Program studi pada universitas di Indonesia baik universitas swasta maupun universitas negeri terkadang memiliki bidang kepakaran yang berbeda meskipun nama program studi tersebut terlihat sama, hal ini karena program studi diberbagai universitas sangat tergantung dengan kepakaran dosen pada universitas tersebut. Untuk itu, diperlukan sebuah sistem yang memuat informasi tentang bidang kepakaran program studi khususnya Informatika untuk membantu para calon mahasiswa untuk lebih mudah memperoleh informasi program studi informatika dan universitas mana yang sesuai dengan minat para calon mahasiswa tersebut. Dengan memanfaatkan metode RAKE dapat mewujudkan kemudahan memperoleh informasi. Metode ini dipilih karena sangat cocok untuk digunakan meranking seberapa tinggi bidang kepakaran program studi informatika di Indonesia. Pembuatan sistem diawali dengan mengumpulkan data dari beberapa website seperti SINTA Kemendikbud dan Scopus, implementasi metode dan pembuatan sistem dengan bahasa pemrograman python dan MySQL, dan pengujian sistem. Hasil penelitian menunjukkan bahwa sistem informasi dapat berjalan dengan baik setelah pengujian dan menunjukkan hasil berupa informasi kepakaran program studi ketika user memasukkan keyword ataupun nama program studi yaitu informatika. sistem berhasil menampilkan sistem informasi kepakaran program studi berdasarkan universitas yang dipilih dengan menampilkan kata kunci yang berhasil dihitung berjumlah 2716 dari 5 universitas di Indonesia dan kata kunci setiap universitas hanya ditampilkan sebanyak 20 kata kunci sesuai perhitungan mean average precision@k
Co-Authors A Asyhari Achya Puji Sari Adhi, Anjas Restu Mulia Akhsinatul Laeliyah Andi Riansyah Arief Budiman Ariyanto, Bagas Afza Joko Asyhari Asyhari Asyhari Asyhari, Asyhari Asyhari, A Azizah, Eka Nurul Badie'ah, Badie'ah Badieah Assegaf Badie’ah, Badie’ah Dedy Kurniadi Dedy Kurniadi Dedy Kurniadi Dedy Kurniadi Ellisa Mu'alifah Fadhilah, Achmad Naufal Fahmi Arif Dewoputro Fatimah, Akmalia Ghozi Fidaul Haq Hermawan, Hildan Mulyo Huda, Rizky Miftachul Ilham Pradipta, Muhammad Ilhamsyah, Muhamad Reynaldi Imam Much Ibnu Subroto Komsiyah Afri Maryuliana Maryuliana Milasanti, Denina Moch Taufik Muhammad Nur Gofinda Muhammad Taufik Munir, Abdulloh Nada, Anita Soffiyun Najma Nora Agustina Novianto, Andika Nur Fatahna Nurinayah, Alfiyatu Nurnasikha, Kusuma Nurwidiana Nurwidiana Nurwidiana, N Poetro, Bagus Satrio Waluyo Putra, Ardan Nur Chaiya Putra, Yustian Dikma Eka Riansyah, Andi Rifqy Ramdhani Hakim Riziq, Alvin Yusuf Salwa Ahla Amania Sigit Ardianto Sri Mulyono Sri Mulyono Sri Mulyono Sulaiman, Noor Suhana Suryani Alifah Taufik, Muhammad Ushuludin, Mohammad Wicaksono, Yusuf Arief Widhya Nugroho Satrioajie Wiwiek Fatmawati Yacob, Azliza Yasni, Loura Yusuf Arief Wicaksono Yusuf Arief Wicaksono