cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Abdul Rachman Manga'
Contact Email
abdulrachman.manga@umi.ac.id
Phone
-
Journal Mail Official
jurnal.busiti@umi.ac.id
Editorial Address
Jl. Urip Sumiharjo KM. 05
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Buletin Sistem Informasi dan Teknologi Islam
Published by Universitas Muslim Indonesia
ISSN : -     EISSN : 27210901     DOI : http://dx.doi.org/10.33096/busiti.v3i1.949
Core Subject : Science,
Computer Science & IT
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) is an Indonesian scientific journal published by the Department of Information Technology, Faculty of Computer Science, Universitas Muslim Indonesia. BUSITI covers all aspects of the latest outstanding research and developments in the field of Computer science, including: Artificial intelligence; Data science; Databases; Computer performance analysis Computer security and cryptography; Computer networks; Parallel and distributed systems; Microcontroller; Internet of Things; Software engineering. BUSITI is issued four times a year in February, May, August and November. Each article submitted to BUSITI will be peer-reviewed, and articles stated worthy of publication by the reviewer and editor will be published in BUSITI.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol 6, No 1 (2025)" : 5 Documents clear
Menganalisis Ulasan Mobile Legends: Analisis Kinerja Berdasarkan Opini Pengguna dengan Naive Bayes Kariyamin, Kariyamin; Alyakin, Muh. Ikhsan; Alyandi, La Ode
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i1.2475

Abstract

This research explores sentiment analysis on user reviews of the game Mobile Legends: Bang Bang using the Naïve Bayes method. With the rapid growth in user numbers, the reviews received reflect a diverse range of positive, negative, and neutral sentiments. One of the main challenges is the data imbalance among the three sentiments, which can affect the model's accuracy. Data was collected through scraping techniques from the Google Play Store, followed by preprocessing to enhance data quality. The analysis results show that the Naïve Bayes model achieved an accuracy of 75.28%, demonstrating good performance in identifying negative reviews, although there is still room for improvement in the positive and neutral categories. These findings are expected to provide valuable insights for game developers in understanding user experiences and improving application features based on sentiment analysis. 
Analisis Sentimen Media Sosial X terhadap Gerakan Muhammadiyah Menggunakan Algoritma Naïve Bayes Putri, Salsabilla Azahra; Kencana, Nagala Wangsa; Khoirudin, Azaki
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i1.2569

Abstract

Media sosial merupakan sumber data yang kaya untuk memahami persepsi publik terhadap berbagai isu, termasuk organisasi keagamaan seperti Muhammadiyah. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Gerakan Muhammadiyah di Media Sosial X menggunakan algoritma Naïve Bayes. Sebanyak 617 unggahan dikumpulkan dan diklasifikasikan ke dalam tiga kategori sentimen utama: positif, negatif, dan netral. Tahapan analisis dimulai dengan preprocessing data, seperti penghapusan stop words, stemming, serta penanganan slang dan teks tidak terstruktur. Data teks kemudian direpresentasikan menggunakan metode TF-IDF sebelum diterapkan pada algoritma Naïve Bayes. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 87,5%, dengan kinerja yang sangat baik dalam mengidentifikasi sentimen positif (45%) dan negatif (30%), sementara sentimen netral (25%) sering memiliki pola yang ambigu. Sentimen positif didominasi oleh apresiasi terhadap kontribusi Muhammadiyah dalam bidang pendidikan, kesehatan, dan penanganan bencana. Sebaliknya, sentimen negatif sebagian besar terkait dengan kritik terhadap biaya pendidikan, pelayanan kesehatan, dan distribusi bantuan sosial yang dinilai kurang optimal. Sentimen netral mencakup unggahan informatif tanpa opini emosional. Penelitian ini menunjukkan bahwa analisis sentimen menggunakan algoritma Naïve Bayes efektif dalam memahami persepsi publik terhadap Muhammadiyah. Temuan ini memberikan wawasan strategis bagi Muhammadiyah untuk meningkatkan citra positif dan mengelola kritik publik melalui pendekatan yang lebih adaptif di era digital.
Implemetasion of Nearest Neigbord method in Case Based Reasoning for Early identification of Dengue Fever Disease Adawiyah, Rabiah; Mardiawati, Mardiawati; Sya’ban, Kharis
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i1.2511

Abstract

Pada tahun 2021 tercatat di Badan Pusat statistik provinsi sulawesi tenggara tercatat sebanyak 824 kasus. Meningkatnya kasus setiap tahunnya menjadikan penyakit DBD ini masuk kategori KLB. Saat ini masyarakat kecamatan Tanggetada belum mempunyai model Artificial Intelegence (AI) berbasis CaSe Based Reasoning (CBR) untuk mendapatkan informasi terkait deteksi dini penyakit DBD, sehingga model ini dianggap perlu untuk dikembangkan agar dapat membantu memberikan informasi sejak dini kepada masyarakat tentang penyakit DBD. Metode yang digunakan untuk mendeteksi penyakit DBD yaitu Nearest Neighbor serta Teknik pengembangan sistem yang digunakan yaitu waterfall. Penelitian ini menghasilkan sebuah sistem berbasis AI dengan metode CBR yang mampu mendiagnosis gejala dini penyakit demam berdarah dengan hasil pengujian blackbox yang menunjukkan sistem dinyatakan valid dan terbebas dari kesalahan fungsional sistem, serta menghasilkan pengujian akurasi sistem sebesar 90%.
Implementasi Naive Bayes dalam Analisis Sentimen Komentar Game Honor of Kings di Playstore Alyandi, La Ode; Hadiani, La; Irma, Irma
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i1.2589

Abstract

Penelitian ini menganalisis sentimen ulasan pengguna game Honor of Kings di Playstore menggunakan algoritma Naive Bayes. Sebanyak 500 ulasan terbaru dikumpulkan melalui teknik scraping dan diproses melalui tahapan cleaning , casefolding , tokenizing , stopword removal , dan stemming . Data kemudian diklasifikasi sentimen menjadi positif atau negatif dengan algoritma Naive Bayes, menggunakan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Hasil menunjukkan akurasi model sebesar 71%, dengan distribusi sentimen yang hampir seimbang: 50,5% positif dan 49,5% negatif. Kata-kata dominan pada ulasan positif mencerminkan aspek positif seperti "bagus" dan "seru", sedangkan ulasan negatif berisi keluhan terkait fitur atau masalah teknis. Penelitian ini memberikan wawasan penting bagi pengembang game untuk meningkatkan kualitas produk dan menanggapi kebutuhan pengguna berdasarkan analisis sentimen.
String Matching dengan Knuth-Morris Pratt pada Aplikasi Pengecekan Kemiripan Judul Project PAK Santi, Santi; Aryasa, Komang
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i1.2737

Abstract

Pembuatan Aplikasi Konsentrasi (PAK) merupakan salah satu mata kuliah wajib pada Universitas Dipa Makassar. Pada mata kuliah ini, setiap mahasiswa diwajibkan membuat satu project/aplikasi yang tidak boleh sama dengan mahasiswa lainnya. Penilaian judul project dilakukan secara langsung oleh dosen pengampu mata kuliah. Hal ini rentan terhadap terjadinya kesalahan atau pun kekeliruan dan bahkan bisa menghabiskan banyak waktu karena dosen masih berpikir dan berusaha mengingat judul-judul apa saja yang sudah pernah dipamerkan pada semester-semester sebelumnya. Selain dosen, mahasiswa juga terkadang kebingungan mengenai judul yang akan mereka ajukan, sehingga banyak diantara mereka yang mengajukan judul lebih dari satu untuk menghindari penolakan, terutama penolakan karena judul tersebut telah banyak diaplikasikan oleh mahasiswa-mahasiswa sebelumnya. Oleh karena itu, penelitian ini bertujuan untuk merancang sebuah aplikasi berbasis web yang dapat mengecek kesamaan/kemiripan judul project mahasiswa dengan menerapkan algoritma Knuth- Morris Pratt (KMP). Algoritma ini melakukan pencocokan karakter (string matching) yang ada pada judul yang diajukan dengan judul-judul yang sudah ada di dalam database sistem. Hasil pengujian menunjukkan bahwa penerapan algoritma KMP dapat dengan cepat dan akurat mendeteksi tingkat kemiripan judul Project sehingga, baik dosen maupun mahasiswa, dapat mengevaluasi sebuah judul Project yang akan dikerjakan.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 6, No 4 (2025) Vol 6, No 3 (2025) Vol 6, No 2 (2025) Vol 6, No 1 (2025) Vol 5, No 4 (2024) Vol 5, No 3 (2024) Vol 5, No 2 (2024) Vol 5, No 1 (2024) Vol 4, No 4 (2023) Vol 4, No 3 (2023) Vol 4, No 2 (2023) Vol 4, No 1 (2023) Vol 3, No 4 (2022) Vol 3, No 3 (2022) Vol 3, No 2 (2022) Vol 3, No 1 (2022) Vol 2, No 4 (2021) Vol 2, No 3 (2021) Vol 2, No 2 (2021) Vol 2, No 1 (2021) Vol 1, No 4 (2020) Vol 1, No 3 (2020) Vol 1, No 2 (2020) Vol 1, No 1 (2020) More Issue