Article Per Year (5 Year)
p-Index From 2021 - 2026
2.225
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
Fakultas Ilmu Komputer, 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 : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
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.
PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA DENGAN METODE NAÏVE BAYES : (Studi Kasus Fakultas Ilmu Komputer Universitas Al Asyariah Mandar) Muslihan Muslihan; Ul khairat; arwansyah arda
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.
PERBANDINGAN KEAKURATAN ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS DALAM KLASIFIKASI TINGKAT KUALITAS CABAI BESAR Nur Fadhila Djamal; Muhammad Sarjan; Ul khairat; 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; Akhmad Qashlim; Ul khairat; 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
Co-Authors Abdul Azizul Hakim Akhmad Qashlim Amos Amos Andi Parenrengi Apriani, Wiwik Ariastuti Rahman arwansyah arda Ashabul Kahpi Aslam Mardin Assidiq, Muhammad Debora Debora Idhan Zaldy Imran Taufik Irmayanti Irmayanti Khairat, UL Mahyuddin Mahyuddin Mansur Mansur Muh. Rusli Said Muhammad Assidiq Muhammad Sarjan Nur Fadhila Djamal Putri Rezki Amalia Rahman, Ariastuti Rukmiati Rukmiati Supriadi Sahibu Syarli Syarli Syarli Syarli Syarli, Syarli Ul khairat Ul Khairat Khairat Yudhi Adhitya Yustira Y