Article Per Year (5 Year)
p-Index From 2021 - 2026
1.853
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar Journal Peqguruang: Conference Series
Muslihan, Muslihan
Universitas Al Asyariah Mandar
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Economics, Econometrics & Finance Education Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences Other

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

Found 12 Documents
Search

 1   2 
Analisis Tren Penelitian Neuro Linguistic Programming Menggunakan Pendekatan Automatic Text Annotation Ian, Muslihan; Sahibu, Supriadi; Taufik, Imran
Journal Peqguruang: Conference Series Vol 6, No 1 (2024): Peqguruang, Volume 6 Nomor 1 Mei 2024
Publisher : Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jp.v5i2.4857

Abstract

Analisis tren penelitian merupakan jenis pengolahan bahasa alami untuk menarik suatu kata kunci dari penelitian mahasiswa tentang topik tertentu. Analisis tren penelitian melibatkan dalam membangun sebuah sistem untuk mengumpulkan dan memeriksa topik penelitian mahasiswa yang dibuat dalam repository perpustakaan atau jurnal pada suatu lembaga Pendidikan.Tujuan dari penelitian ini adalah untuk menentukan tren penelitian pada jurnal penelitian suatu lembaga pendidikan, dengan menerapkan pendekatan Automatic Text Anotation dapat menfilter kalimat yang ingin ditemukan dalam suatu jurnal dengan cepat dan efisien.Hasil dari penelitian dari Penelitian ini Melalui penggunaan algoritma LSTM ini, berbagai publikasi dengan tema Sentimen Analisis berhasil dikumpulkan yaitu jurnal nasional dan jurnal internasional tahun tahun 2020-2022 dan diolah secara otomatis untuk mengidentifikasi tren dari penelitian seperti Focus, domain dan Technique yang digunakan dalam penelitian tersebut memperoleh hasil penelitian yakni, dengan menggunakan Skenario split dataset sebesar 90% data latih dan 10% data testing dengan epoch 200 maka didapatkan tingkat akurasi dari permodelan LSTM yaitu sebaesar 93.73%. dan diperoleh validasi akurasi 94.94% dan diperoleh nilai Loss sebesar 0.189% dan validasi Loss sebesar 0.195%. maka dapat disimpulkan bahwa model LSTM dapat melakukan prediksi atau Automatic Text Annotation dikarenakan memiliki akurasi sebesar 100% dari hasil pengujian algoritma.
IDENTIFIKASI JUMLAH SEBARAN PPPK GURU PADA POLEWALI MANDAR BERBASIS GEOGRAFIS MANSUR, MANSUR; Assidiq, Muhammad; Muslihan, Muslihan
Journal Peqguruang: Conference Series Vol 6, No 2 (2024): Peqguruang
Publisher : Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jp.v6i2.5476

Abstract

Penyebaran Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) guru di Polewali Mandar menjadi aspek krusial dalam menentukan kualitas pendidikan di wilayah tersebut. Penelitian ini bertujuan untuk mengidentifikasi jumlah sebaran PPPK guru di Polewali Mandar berbasis geografis. Metode analisis melibatkan pemetaan lokasi menggunakan Gis, guru serta evaluasi faktor-faktor yang memengaruhi penempatan mereka. Data dianalisis untuk memahami distribusi guru di berbagai kecamatan dan sekolah penempatan. Temuan menunjukkan bahwa distribusi PPPK guru cenderung merata, meskipun perbedaan antara wilayah perkotaan dan pedesaan dapat diamati. Faktor-faktor seperti ketersediaan infrastruktur dan kebutuhan pendidikan lokal mempengaruhi penempatan guru. Implikasi dari penyebaran ini terhadap kualitas pendidikan dan aksesibilitas layanan pendidikan juga dievaluasi. Penelitian ini memberikan wawasan penting bagi pengembangan kebijakan pendidikan yang berkelanjutan di Polewali Mandar.
PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA DENGAN METODE NAÏVE BAYES : (Studi Kasus Fakultas Ilmu Komputer Universitas Al Asyariah Mandar) Muslihan, Muslihan; khairat, Ul; arda, arwansyah
JURNAL ILMU KOMPUTER Vol 10 No 2 (2024): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v10i2.316

Abstract

Penelitian ini bertujuan untuk memprediksi kelulusan tepat waktu mahasiswa menggunakan metode Naïve Bayes. Sistem yang dikembangkan akan mengklasifikasikan kelulusan mahasiswa dengan mengevaluasi kinerja mereka pada tahun pertama dan kedua. Data mahasiswa yang dianalisis mencakup atribut Program Studi, gender, Indeks Prestasi Semester (IPS) Semester 1-5, Indeks Prestasi Kumulatif (IPK) Semester 5, dan usia. Data ini dikumpulkan, dibersihkan, dan dianalisis menggunakan algoritma Naïve Bayes yang diimplementasikan di platform Google Colaboratory. Hasil penelitian menunjukkan bahwa metode Naïve Bayes memiliki kemampuan yang baik dalam memprediksi kelulusan tepat waktu mahasiswa dengan tingkat akurasi keseluruhan sebesar 83%. Model ini menunjukkan nilai precision 1.00, recall 0.75, dan F1-score 0.86 untuk kelas "Tidak Lulus Tepat Waktu". Untuk kelas "Lulus Tepat Waktu", model memiliki nilai precision 0.67, recall 1.00, dan F1-score 0.80. Secara keseluruhan, rata-rata makro (macro avg) menunjukkan precision 0.83, recall 0.88, dan F1-score 0.83, sementara rata-rata tertimbang (weighted avg) menunjukkan precision 0.89, recall 0.83, dan F1-score 0.84. Temuan ini menunjukkan bahwa metode Naïve Bayes dapat dijadikan alat bantu yang efektif bagi perguruan tinggi dalam memantau dan meningkatkan kelulusan tepat waktu mahasiswa.
SISTEM KALKULASI PENGUKURAN GROSS TONNAGE (GT) AND NET TONNAGE (NT) MENGGUNAKAN TEKNIK MODELING PADA KAPAL IKAN TRADISIONAL Rahman, Ariastuti; Kahpi, Ashabul; Muslihan, Muslihan; Parenrengi, Andi
JURNAL ILMU KOMPUTER Vol 11 No 1 (2025): Edisi April
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i1.346

Abstract

Proses mengeluarkan surat ukur kapal nelayan tradisional masih dilakukan pengukuran Tonnage Kotor (GT) dan Tonnage Bersih (NT) secara manual oleh ahli ukur kapal sehingga kurang optimal dan efisien dalam proses perhitungan Tonnage Kotor dan Tonnage bersih sebuah kapal nelayan teradisional maka penulis mencoba membuat System Perhitunga Gross Tonnage / GT (Tonnage Kotor) dan Net Tonnage / NT (Tonnage Bersih) Pada Kapal Nelayan yang berfungsi menghitung Tonnage Kotor dan Tonnage Bersih secara otomatis setelah di lakukan pengukuran kapal sehingga ahli ukur kapal dapat mengetahui secara cepat serta akurat Tonnage Kotor dan Tonnage Bersih Kapal Nelayan tradisional. Tujuan penelitian ini adalah untuk merancang sebuah sistem pengukuran Gross Tonnage menggunakan Teknik Modeling yang di mana dapat mempermudah ahli ukur kapal dalam menentukan Gross Tonnage pada kapal sebagai syarat dalam menerbitkan sertifikat surat-surat Kapal. Pada Kantor Unit Penyelenggara Pelabuhan Kelas I Mamuju. Sehingga dapat mempermudah perhitungan GT kapal dengan menggunakan metode pendekatan modeling pada kapal ikan. Pengukuran GT kapal ikan dengan bantuan sebuah aplikasi yang akan menghasilkan nilai koefisien yang nantinya digunakan untuk menghitung GT kapal ikan sebagai syarat terbitnya SertifikatSurat –surat Kapal Nelayan. Hasil Penelitian Ini Adalah dalam Sistem Kalkulasi Pengukuran Gross Tonnage (GT) Dan Net Tonnage (NT) Pada Kapal Nelayan Berbasis Website menggunakan teknik Modeling” Menggunakan Bahasa Pemograman Php Dan Mysql, Hasil pengukuran dan dokumentasi yang dilakukan di lapang kemudian di gambar dengan menggunakan maxsurf untuk mengetahui nilai koefisiennya yang digunakan untuk mendapatkan nilai GT kapal. Nilai GT kapal yang didapatkan dari pengukuran langsung akan dibandingkan dengan nilai GT kapal yang ada disurat ukur kapal yang dimiliki oleh masing masing kapal ikan
IMPLEMENTASI ALGORITMA BOYER MOORE PADA PENCARIAN LOWONGAN KERJA BERBASIS GIS Khairat, Ul; Kahpi, Ashabul; Muslihan, Muslihan; Debora, Debora
JURNAL ILMU KOMPUTER Vol 11 No 1 (2025): Edisi April
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i1.347

Abstract

Pencarian lowongan kerja menjadi kegiatan penting bagi para pencari kerja dalam menjelajahi pasar kerja. Namun, dengan volume data yang besar dan variasi kriteria pencarian, pencarian efektif sering kali menjadi tantangan. Dalam konteks ini, implementasi algoritma Boyer-Moore pada pencarian lowongan kerja berbasis GIS menjanjikan solusi yang efisien dan cepat. Algoritma pencocokan string ini dikenal karena kecepatannya dalam mencari pola dalam teks. Dengan mengintegrasikan algoritma ini ke dalam sistem pencarian lowongan kerja berbasis Geographic Information System (GIS), pengguna dapat dengan mudah menemukan lowongan kerja yang sesuai dengan preferensi mereka dan juga lokasi geografis yang diinginkan. Paper ini akan membahas tentang bagaimana algoritma Boyer-Moore diimplementasikan dalam sistem pencarian lowongan kerja berbasis GIS. Kami akan menjelaskan langkah-langkah praktis dalam mengintegrasikan algoritma Boyer-Moore ke dalam sistem, termasuk pengumpulan dan pemrosesan data, integrasi dengan GIS, antarmuka pengguna, serta evaluasi kinerja. Selain itu, kami juga akan membahas potensi manfaat dari implementasi tersebut, seperti peningkatan kecepatan pencarian, efisiensi, akurasi, dan pengalaman pengguna yang lebih baik. Hasil Penelitian ini berupa implementasi algoritma Boyer-Moore pada pencarian lowongan kerja berbasis GIS, diharapkan dapat memberikan kontribusi positif dalam mempermudah pencarian pekerjaan bagi para pencari kerja, serta meningkatkan efisiensi dan kualitas proses pencarian secara keseluruhan
SISTEM INFORMASI TREND PENYAKIT PADA PUSKESMAS MAMBI Muslihan, Muslihan; Syarli, Syarli; Khairat, Ul; Apriani, Wiwik
JURNAL ILMU KOMPUTER Vol 11 No 1 (2025): Edisi April
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i1.351

Abstract

Pentingnya pengembangan sistem informasi dalam konteks kesehatan publik, khususnya di Puskesmas Mambi, Kabupaten Mamasa. Dalam era Revolusi Industri 4.0, di mana teknologi informasi semakin maju, penerapan sistem informasi yang efektif dapat meningkatkan efisiensi, akurasi, dan kualitas layanan kesehatan. Namun terdapat puskesmas yang ada dikabupaten mamasa masih menggunakan kerja manual, menulis data serta membuat laporan dengan tulisan tangan. Selain itu, system informasi ini menggunakan metode penelitian perangkat lunak ini adalah waterfall sebagai pendekatan dalam penelitian ini menunjukkan kebutuhan akan pendekatan yang terstruktur dan terencana dalam mengembangkan sistem informasi. Sistem informasi ini menawarkan berbagai fitur yang ada seperti pendaftaran pasien yang modern, membuat laporan hingga menampilkan diagram data trend penyakit dibulan tertentu. Hasil penelitian ini menampilakan trend penyakit pada puskesmas mambi.
PERBANDINGAN KEAKURATAN ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS DALAM KLASIFIKASI TINGKAT KUALITAS CABAI BESAR Djamal, Nur Fadhila; Sarjan, Muhammad; khairat, Ul; Muslihan, Muslihan
JURNAL ILMU KOMPUTER Vol 11 No 2 (2025): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i2.359

Abstract

Cabai besar memiliki nilai ekonomi yang tinggi, namun kualitasnya sangat bergantung pada pemilihan dan klasifikasi yang akurat. Penelitian ini telah berhasil mengembangkan model klasifikasi otomatis untuk mendeteksi kualitas cabai menggunakan dua metode, yaitu Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Hasil penelitian menunjukkan bahwa model SVM mencapai akurasi tertinggi sebesar 92% untuk masing-masing kategori cabai: "Cabai Baik", "Cabai Buruk", dan "Tidak Terdeteksi". Sementara itu, KNN juga memberikan hasil yang baik, dengan akurasi masing-masing mencapai 88% untuk kelas "Cabai Baik" dan "Tidak Terdeteksi", serta 86% untuk "Cabai Buruk". Hasil ini menegaskan efektivitas kedua model dalam mengklasifikasikan cabai berdasarkan fitur visualnya, yang dapat memberikan manfaat signifikan bagi para petani dan distributor dalam menentukan kualitas produk mereka
IMPLEMENTASI SVM UNTUK KLASIFIKASI TINGKAT KRIMINAL MENGGUNAKAN PENGENALAN WAJAH PADA TAHANAN LAPAS POLEWALI MANDAR Mahyuddin, Mahyuddin; Qashlim, Akhmad; khairat, Ul; Muslihan, Muslihan
JURNAL ILMU KOMPUTER Vol 11 No 2 (2025): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i2.360

Abstract

Saat ini data tahanan lapas hanya berada pada buku tahanan dan juga komputer lapas yang dimana data itu masih kurang efektif karena tidak adanya sistem pengenalan yang dapat langsung mengetahui identitas tahanan. Masalah yang di hadapi sekarang adalah Lapas Tidak memiliki data berdasarkan kasus dan tingkat kriminal, Tidak dapat melihat data criminal dengan cepat. Penelitian ini mengunkan metode Histogram of Oriented Gradient (HOG) sebagai bentuk Pengenalan wajah dan membantu untuk proses identifikasi wajah. Dan metode Support Vector Machine (SVM) merupakan teknik yang sangat berguna untuk klasifikasi data. Solusi yang ditawarkan adalah Klasifikasi Data Tahanan berdasarkan Kasus dan Tingkat Kriminal, Untuk optimalisasi proses klasisfikasi maka digunakan data wajah karena peluang manipulasi sangat kecil. Hasil penelitian menunjukkan bahwa sistem mampu bekerja dengan baik dan akan di kelompokkan ke dalam 3 kategori pelangaran rigan, sedang dan berat
ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN RECENCY FREQUENCY AND MONETARY (RFM) BERBASIS PYTHON Rahman, Ariastuti; Said, Muh. Rusli; Muslihan, Muslihan; Amalia, Putri Rezki
JURNAL ILMU KOMPUTER Vol 11 No 2 (2025): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i2.364

Abstract

Dalam dunia bisnis, memahami perilaku pelanggan merupakan hal yang krusial untuk mempertahankan loyalitas dan meningkatkan strategi pemasaran. Salah satu metode yang dapat digunakan untuk menganalisis perilaku pelanggan adalah metode RFM (Recency, Frequency, and Monetary), yang mengelompokkan pelanggan berdasarkan seberapa baru transaksi terakhir dilakukan, seberapa sering mereka melakukan transaksi, dan seberapa besar nilai transaksinya. Penelitian ini bertujuan untuk membangun sistem segmentasi pelanggan menggunakan metode RFM berbasis Python guna membantu perusahaan dalam mengidentifikasi nilai dan karakteristik pelanggan secara lebih efektif. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data transaksi pelanggan, perhitungan nilai RFM, pemberian skor pada masing-masing aspek, serta pengelompokan pelanggan ke dalam beberapa segmen berdasarkan kombinasi skor tersebut. Sistem dibangun dengan menggunakan bahasa pemrograman Python serta didukung oleh library seperti Pandas dan NumPy untuk pengolahan data. Hasil penelitian menunjukkan bahwa sistem mampu mengelompokkan pelanggan ke dalam berbagai segmen seperti Loyal Customer, At Risk Customer, dan Potential Loyalist secara otomatis dan akurat. Pengujian dengan metode Black Box dan White Box membuktikan bahwa sistem berjalan sesuai fungsinya dan dapat digunakan sebagai alat bantu analisis pelanggan dalam pengambilan keputusan strategis oleh perusahaan.
SISTEM SMART LOCK BERBASIS ANDROID UNTUK KEAMANAN RUMAH Muslihan, Muslihan; Qashlim, Akhmad; Y, Yustira
JURNAL ILMU KOMPUTER Vol 11 No 2 (2025): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i2.367

Abstract

Penelitian ini bertujuan untuk merancang sistem smart lock berbasis Android yang terintegrasi dengan teknologi Internet of Things (IoT) guna meningkatkan keamanan rumah. Sistem ini memungkinkan pengguna mengontrol pintu secara jarak jauh melalui aplikasi Android dan menerima notifikasi real-time dari Firebase jika terjadi aktivitas mencurigakan. Perangkat yang digunakan meliputi NodeMCU ESP8266, RFID RC522, solenoid lock, serta sensor ultrasonik dan kamera. Metode pengembangan sistem menggunakan pendekatan waterfall, dimulai dari perencanaan hingga pengujian. Hasil uji menunjukkan sistem mampu merespon cepat terhadap perintah buka/tutup pintu dan memantau keadaan pintu dengan akurat. Penelitian ini juga melibatkan bimbingan dari Muslihan, S.Kom., M.Kom. dan Akhmad Qashlim, S.Kom., M.Kom., sebagai kontribusi akademik dalam penguatan konsep dan pengujian keamanan sistem.
Co-Authors Abdul Azizul Hakim Akhmad Qashlim, Akhmad Amalia, Putri Rezki Andi Parenrengi Apriani, Wiwik arda, arwansyah Ashabul Kahpi Assidiq, Muhammad Debora Debora Djamal, Nur Fadhila Khairat, UL Mahyuddin Mahyuddin Mansur Mansur Mardin, Aslam Muhammad Sarjan Rahman, Ariastuti Sahibu, Supriadi Said, Muh. Rusli Syarli, Syarli Taufik, Imran Y, Yustira Zaldy, Idhan