Zulfikar, Muhammad Fahmi
Unknown Affiliation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

SISTEM MONITORING KEADAAN DARURAT BERDASARKAN CAPTION INSTAGRAM MENGGUNAKAN NAÏVE BAYES DENGAN JARAK LEVENSHTEIN Zulfikar, Muhammad Fahmi; Budiyanto, Utomo
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 8 No 1 (2025): Jurnal SKANIKA Januari 2025
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v8i1.3299

Abstract

In this digital era, Instagram is not only the most popular photo and story sharing platform, but also acts as a source of important and critical information such as information about emergency situation. This research aims to utilize caption data from Instagram posts to produce a map showing the location of emergency situations in South Jakarta. From 1088 captions, 204 of them were successfully identified as informative and relevant texts for this study. The informative data then processed and visualized as a geographic information system using the OpenStreetMap map and the Overpass Turbo API, so that the resulting information can be more easily understood and can be used as material for further analysis by the public or authorities. This research combines the TF-IDF and Multinomial Naïve Bayes methods for classifying informative or uninformative captions on Instagram posts, as well as the Levenshtein Distance Algorithm for cleaning the dataset by correcting typos to reduce dimensions and improve the quality of the data that are going to be analyzed. The challenge in overcoming data imbalance is by implementing three text augmentation techniques, namely synonym replacement, random swap, and random deletion. From the model training process, an accuracy rate of 92,6% was obtained. This result shows that the proposed method is not only effective in improving classification accuracy, but also successfully provides informative visualizations related to the location and frequency of emergencies in South Jakarta.
Functional Testing of Nganjuk Runners Website Using Black Box Testing Method Irawan, Dicky; Ruliyanti, Aprilia Dwi; Zulfikar, Muhammad Fahmi; Fu'adhi, Muhammad Zainul; Rozi, Moch. Fachru; Kholifah, Miftahul; Thoib, Imam
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/ht6zeq23

Abstract

Ketergantungan global yang meningkat pada platform web untuk mengelola komunitas, transaksi, dan acara khusus menuntut validasi fungsional yang ketat guna memastikan keandalan sistem dan kepuasan pengguna. Studi ini bertujuan untuk menganalisis secara kuantitatif kualitas fungsional Website Nganjuk Runners dengan memverifikasi kinerjanya secara sistematis terhadap persyaratan fungsional dan teknis yang telah ditetapkan. Penelitian ini menggunakan pendekatan evaluatif kuantitatif dengan metode Black Box Testing. Kasus uji dirancang secara sistematis menggunakan teknik Equivalence Partitioning dan Boundary Value Analysis untuk mencakup semua domain input dan delapan modul fungsional inti secara komprehensif. Sebanyak 193 Kasus Uji dieksekusi, mereplikasi skenario interaksi pengguna di seluruh fungsi penting, termasuk Registrasi, Manajemen Profil, dan Tiket Event. Validasi fungsional keseluruhan mengungkapkan tingkat keberhasilan yang rendah, yaitu hanya 64,77% (125 kasus uji berhasil dari 193 total kasus). Angka ini secara signifikan berada di bawah ambang batas penerimaan standar industri yang umum (>85%). Kegagalan kritis terkonsentrasi pada Modul Manajemen Profil (47,22% keberhasilan), yang mengungkap risiko integritas data pengguna dan keamanan, serta Modul Pendaftaran Event (57,63% keberhasilan), yang mengindikasikan cacat operasional dalam fungsi bisnis inti sistem. Penelitian ini menyumbangkan metrik kuantitatif untuk kesiapan sistem dalam konteks platform komunitas. Implikasinya adalah rekomendasi terprioritas yang jelas untuk segera dilakukan debugging dan regression testing yang berfokus pada 68 kegagalan yang teridentifikasi guna mengurangi risiko operasional yang tinggi, meningkatkan stabilitas sistem, dan mencapai metrik kualitas minimal sebelum platform dinyatakan siap untuk penggunaan resmi.