Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi FRAMEWORK Jurnal Ilmu Komputer dan Informatika
Muhammad Yusuf
Universitas Muhammadiyah Sorong
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN UNTUK REKOMENDASI CALON PENERIMA PROGRAM INDONESIA PINTAR (PIP) BERBASIS WEBSITE (STUDI KASUS: SMA NEGERI 1 KOTA SORONG) Romdhana Dwi Fitriyani; Rendra Soekarta; Muhammad Yusuf; Fitriyani Tella
Framework : Jurnal Ilmu Komputer dan Informatika Vol. 1 No. 02 (2023): Framework : Jurnal ilmu komputer dan Informatika
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/jiki.v1i02.2371

Abstract

Program Indonesia Pintar ialah bantuan berupa uang tunai dari pemerintah yang diberikan kepada peserta didik dan mahasiswa yang berasal dari keluarga miskin atau rentan miskin. Kategori pertama yang berhak mendapat beasiswa ini ialah peserta didik yang berasal dari keluarga yang tercatat dalam Data Terpadu Kesejahteraan Sosial (DTKS) dan kategori kedua ialah masyarakat miskin atau rentan miskin yang tidak tercatat dalam DTKS yang diusulkan oleh Dinas Pendidikan setempat atau pemangku kepentingan atau lembaga lainnya dan ditetapkan oleh Pusat Layanan Pembiayaan Pendidikan [1]. SMA Negeri 1 Kota Sorong masih melakukan penentuan calon rekomendasi penerima beasiswa PIP dengan cara manual, yang mana seleksi dilakukan secara subjektif dengan memeriksa berkas kelengkapan secara satu per satu sehingga cara tersebut dianggap kurang efektif dan tidak tepat target karena dapat mengakibatkan kinerja yang lambat serta dapat terjadi kesalahpahaman antara pihak sekolah dan wali murid maka dari itulah, diperlukan sebuah Sistem Pendukung Keputusan yang dapat membantu proses penentuan calon rekomendasi penerima beasiswa PIP. Sistem Pendukung Keputusan dibangun menggunakan metode pengembangan software Extreme Programming dan menerapkan Multifactor Evaluation Process sebagai algoritma pengambil keputusan. Kriteria penilaian yang digunakan yaitu Kepemilikan SKTM, Status Peserta Didik, Sumber Biaya Peserta Didik, Jumlah Penghasilan dan Jumlah Saudara Kandung. Penelitian ini menghasilkan sebuah Sistem Pendukung Keputusan MFEP berbasis website dan dari data 24 siswa yang dijadikan sebagai kasus uji terdapat 6 siswa yang dinyatakan layak untuk menjadi siswa rekomendasi penerima PIP yang akan diajukan oleh sekolah kepada Puslapdik Indonesia.
Deteksi Teks Berita Hoax Bahan Bakar Minyak (BBM) Menggunakan Metode K-Nearest Neighbor NABILLA RIZQI AMALIA NUR ASRI; Rendra Soekarta; Muhammad Yusuf
Framework : Jurnal Ilmu Komputer dan Informatika Vol. 1 No. 02 (2023): Framework : Jurnal ilmu komputer dan Informatika
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/jiki.v1i02.2746

Abstract

Hoax is information that is untrue and dangerous because it deceives people into believing something that is not true. Hoaxes can make people uneasy because of information that is not known to be true. because the development of information and communication technology also allows hoaxes to circulate quickly. In this research a system is needed that aims to minimize anxiety that will occur by distinguishing hoax news from non-hoax news. Text mining is a type of data mining that looks for interesting patterns in collections of text data. The method used in text mining is k-nearest neighbor (KNN). The process of detecting hoax news can be done with the data collection stage, data preprocessing dividing the data by 80% data train and 20% test data then classifying with k-nearest neighbors with a value of k = 1. The accuracy results obtained are 70.83%.
Sistem Pakar Menggunakan Metode Natural Language Processing Untuk Mendiagnosa Penyakit Tanaman Cabai Merah Keriting Yusuf, Muhammad; Murpri, Diajeng Samantha; Ernas, Khumairah Awaliyah
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 14, No 1: April 2025
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v14i1.2524

Abstract

Curly red chili (Capsicum annuum L.) is one of the main horticultural commodities in Indonesia that often experiences a decrease in productivity due to pest and disease attacks. The main problem faced by farmers is the limited knowledge in recognizing disease symptoms and determining the right treatment, which often results in crop failure. To address this challenge, this research developed an expert system based on the Natural Language Processing (NLP) method implemented in a website with a chatbot consultation feature. The system analyzes disease symptom descriptions using NLP algorithms, then provides diagnoses and treatment recommendations quickly and accurately. The development results show that this expert system is effective in providing diagnoses of curly red chili plant diseases and facilitating farmers in taking appropriate control measures. Datasets were obtained from agricultural experts, and system development was carried out using the forward chaining method. Keywords: Curly red chili; Chatbot; Natural Language Processing; Website Abstrak Tanaman cabai merah keriting (Capsicum annuum L.) merupakan salah satu komoditas hortikultura utama di Indonesia yang sering mengalami penurunan produktivitas akibat serangan hama dan penyakit. Permasalahan utama yang dihadapi petani adalah keterbatasan pengetahuan dalam mengenali gejala penyakit dan menentukan penanganan yang tepat, yang seringkali mengakibatkan gagal panen. Untuk menjawab tantangan tersebut, penelitian ini mengembangkan sistem pakar berbasis metode Natural Language Processing (NLP) yang diterapkan dalam sebuah website dengan fitur konsultasi chatbot. Sistem menganalisis deskripsi gejala penyakit menggunakan algoritma NLP, lalu memberikan diagnosa dan rekomendasi penanganan secara cepat dan akurat. Hasil pengembangan menunjukkan bahwa sistem pakar ini efektif dalam memberikan diagnosa penyakit tanaman cabai merah keriting dan memfasilitasi petani dalam mengambil tindakan pengendalian yang tepat. Dataset diperoleh dari pakar pertanian, dan pengembangan sistem dilakukan dengan metode Forward Chaining. 
Co-Authors Ernas, Khumairah Awaliyah Fitriyani Tella Murpri, Diajeng Samantha NABILLA RIZQI AMALIA NUR ASRI Romdhana Dwi Fitriyani Soekarta, Rendra