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 218 Documents
 18   19   20   21   22 
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.
Aplikasi Sistem Monitoring Produksi dengan Diagram Kontrol Fuzzy Multivariat Berbasis Alpha-cut dan Transformasi Median Safitriani, Nur Rezky; Widyaningrum, Erlyne Nadhilah; Putri, Rizka Amalia; Khoirunnisa, Husna Afanyn; Fathan, Morina A.
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i3.2874

Abstract

Pengendalian kualitas produksi yang adaptif menjadi kebutuhan mendesak dalam menghadapi data multivariat dengan ketidakpastian, disertai tuntutan untuk meningkatkan kualitas produk. Hal ini dapat diatasi menggunakan teori himpunan fuzzy melalui alat Statistical Process Control berupa diagram kontrol. Penelitian ini mengembangkan aplikasi sistem monitoring produksi menggunakan diagram kontrol multivariat fuzzy T2 Hotelling berbasis alpha-cut dan transformasi median. Aplikasinya dilakukan pada industri material bangunan di UD Tiga Beton sebagai penghasil batako press. Monitoring dilakukan pada dua karakteristik kualitas yang saling berkorelasi, yaitu kondisi fisik dan bidang permukaan, yang direpresentasikan dalam bentuk linguistik. Data pengamatan dikonversi ke dalam bilangan fuzzy menggunakan Triangular Fuzzy Number dan proses defuzzifikasi melalui transformasi median serta tambahan alpha-cut sebesar 0,6 agar dapat monitoring pergeseran mean yang kecil. Hasil penerapannya menunjukkan bahwa empat pengamatan terdeteksi berada di luar batas sehingga mengindikasikan proses produksi berada dalam keadaan out of control. Dengan demikian, aplikasi sistem ini terbukti mampu mendeteksi penyimpangan proses secara lebih akurat dan praktis. Diagram kontrol fuzzy multivariat berbasis alpha-cut dan transformasi median menjadi alternatif yang adaptif dalam pengendalian kualitas pada berbagai produksi.
Evaluasi Kinerja Model Adaptive Response Rate Exponential Smoothing dalam Memprediksikan Harga Beras Gaffar, Ismail; Arisandi, Arwini; Makkulawu, Andi Ridwan
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i3.2901

Abstract

Penelitian ini bertujuan untuk mengidentifikasi model peramalan terbaik untuk memprediksi harga beras di Kota Makassar dengan membandingkan metode Adaptive Response Rate Exponential Smoothing (ARRES) dengan metode Single Exponential Smoothing (SES). Data harga beras harian untuk beras medium dan premium dari Januari hingga Juni 2025, yang terdiri dari 166 pengamatan, dianalisis menggunakan kedua metode tersebut dengan perangkat lunak RStudio. Analisis data menunjukkan bahwa harga beras premium cenderung lebih tinggi dan lebih stabil dibandingkan harga beras medium. Metode ARRES, yang dilengkapi dengan parameter smoothing adaptif yang merespons kesalahan terbaru, menunjukkan respons yang lebih baik terhadap fluktuasi harga beras dibandingkan metode SES dengan parameter konstan. Evaluasi menggunakan Mean Absolute Percentage Error (MAPE) menunjukkan bahwa ARRES lebih unggul dibandingkan SES, dengan nilai MAPE masing-masing 0,379% dan 0,420% untuk beras medium, serta 0,283% dan 0,317% untuk beras premium. Hasil ini menunjukkan bahwa ARRES memberikan akurasi peramalan yang lebih baik, diklasifikasikan sebagai akurasi sangat tinggi (MAPE10%), menjadikannya alat yang menjanjikan untuk peramalan harga beras guna mendukung pengambilan keputusan oleh pemerintah dan pemangku kepentingan di Makassar.
Evaluasi kinerja AI Prompt dalam proses pembuatan Video Game pada Game Engine GDevelop Fauzan, Arief; Sudirman, Sudirman
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i2.2798

Abstract

Penelitian ini bertujuan untuk mengeksplorasi kemampuan AI Prompt pada Game Engine Gdevelop. Penelitian dilakukan dengan melakukan eksperimen pada proses pembuatan sebuah video game dengan genre Platformer. Metode yang digunakan pada eksperimen yang dilakukan adalah dengan menginputkan Prompt detail, yang berisi perintah untuk membuat level game dengan kondisi tertentu, seperti genre game yang diinginkan, bentuk karakter utama, setting lokasi, objektif dalam game, dan penyediaan background musik serta efek suara pada kolom AI Prompt Gdevelop. Beberapa parameter yang dievaluasi pada penelitian ini yaitu: fungsionalitas game, kualitas Grafis, dan kualitas Audio. Dari hasil penelitian, penulis mendapati bahwa output game yang dihasilkan sudah dapat memenuhi ekspektasi penulis. Sebab jika dilihat dari sisi Fungsionalitas maupun Grafis serta Audio yang ada pada game yang dihasilkan tersebut, kualitasnya sudah cukup memadai. Namun, game yang dihasilkan oleh AI Prompt tersebut sejatinya hanya cocok untuk menjadi sebuah prototipe saja. Sebab perlu lebih banyak polesan lagi pada game yang dihasilkan tersebut agar dapat menjadi sebuah game yang menarik dan siap pakai. Penelitian ini diharapkan dapat memberikan konfirmasi kepada khalayak umum bahwa pembuatan video game dengan memanfaatkan Generative AI, terkhusus pada Game Engine Gdevelop, belum bisa memberikan hasil yang maksimal.
Systematic Literature Review: Pemanfaatan Cloud Computing dalam Pengembangan Kecerdasan Buatan Putri, Gabriela Calista Vania; Saputera, Ericson; Kesuma, Dorie Pandora
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i3.2813

Abstract

Cloud computing menyediakan sumber daya komputasi seperti penyimpanan, pemrosesan, dan jaringan melalui internet yang dapat diakses kapan saja. Model layanan cloud computing yang umum digunakan meliputi Infrastructure as a Service (IaaS), Platform as a Service (PaaS), dan Software as a Service (SaaS). Penelitian ini bertujuan untuk meninjau pemanfaatan cloud computing dalam pengembangan kecerdasan buatan (AI) dengan menggunakan pendekatan Systematic Literature Review (SLR). Artikel yang dianalisis dipublikasikan antara tahun 2019 hingga 2025 dan diperoleh dari dua basis data utama, yaitu Google Scholar dan Garuda Dikti. Dari 52 artikel yang ditemukan, sebanyak 40 artikel lolos seleksi berdasarkan kriteria inklusi dan eksklusi, dan 19 artikel dinyatakan relevan setelah melalui penilaian kualitas. Hasil analisis menunjukkan bahwa platform cloud yang paling sering digunakan dalam pengembangan AI adalah Google Cloud (36,8%), diikuti oleh AWS (26,3%) dan Microsoft Azure (21,1%). Pemanfaatan cloud computing dalam pengembangan AI memberikan berbagai manfaat seperti skalabilitas, efisiensi biaya, dan kemudahan akses terhadap layanan AI canggih. Namun, tantangan utama yang dihadapi meliputi isu keamanan dan privasi data, kompleksitas integrasi sistem, serta biaya operasional yang tidak terduga. Temuan ini menekankan pentingnya pengembangan strategi integrasi yang efektif untuk mengoptimalkan sinergi antara cloud computing dan kecerdasan buatan dalam konteks industri maupun penelitian di masa mendatang.
Analisis Trend dan Single Exponential Smoothing dalam Meramalkan Harga Komoditas Beras di Kota Makassar Arisandi, Arwini; Gaffar, Ismail; Mayapada, Retno; Nurhaliza, Sitti
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 6, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v6i2.2807

Abstract

Page 21 of 22 | Total Record : 218

 18   19   20   21   22 

Filter by Year

2020 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