cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ramdan Satra
Contact Email
ramdan@umi.ac.id
Phone
+6285255680963
Journal Mail Official
linier@umi.ac.id
Editorial Address
Gedung Fakultas Ilmu Komputer Kampus II Universitas Muslim Indonesia Jln. Urip Sumoharjo KM.5, Makassar, Sulawesi Selatan, Makassar, Provinsi Sulawesi Selatan, 90231
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Linier: Literatur Informatika dan Komputer
Published by Universitas Muslim Indonesia
ISSN : -     EISSN : 30632218     DOI : https://doi.org/10.33096/linier.v1i1.2266
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mathematics
LINIER: Literatur Informatika dan Komputer encompasses all aspects of the latest outstanding research and developments in the field of Computer science including: Artificial intelligence, Computer networks, Software engineering.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 100 Documents
 6   7   8   9   10 
Analisis Sentimen Komentar Konten Kreator Gaming Menggunakan Metode Naive Bayes dan KNN M. Dimas Taufiqurahman; Siska Anraeni; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 1, No 4 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i4.2531

Abstract

Perkembangan teknologi telah membawa banyak pergeseran termasuk dalam transformasi media konvensional seperti radio dan televisi menjadi media online. Salah satu platform yang mengalami peningkatan signifikan adalah YouTube yang kini menjadi pilihan utama hiburan, terutama bagi anak-anak dan orang dewasa. YouTube, didirikan pada Februari 2005, memiliki 2.56 miliar pengguna per Januari 2022 dan memuat berbagai konten, termasuk video klip film, acara TV, dan video buatan pengguna. Di Indonesia, konten tutorial game menjadi salah satu yang paling sering ditonton, mencapai 7.1% dari total 19 jenis konten populer berdasarkan survei dari Asosiasi Penyelenggara Jasa Internet Indonesia (APJII). Penelitian ini bertujuan untuk mengekstrak data opini dan menganalisis sentimen netizen terhadap konten gaming di YouTube menggunakan pendekatan Naive Bayes dan KNN. Berdasarkan hasil klasifikasi kedua metode Naïve Bayes KNN didapatkan hasil akurasi 96% untuk metode Naïve Bayes dan akurasi 87% untuk metode KNN sehingga dapat disimpulkan bahwa metode Naïve Bayes memiliki akurasi yang lebih tinggi
Implementasi Metode YOLO Dalam Mendeteksi Jenis Sampah Berbasis Computer Vision Muh. Fachrisyam; Dolly Indra; Mardiyyah Hasnawi
LINIER: Literatur Informatika dan Komputer Vol 2, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i1.2788

Abstract

Dalam beberapa dekade terakhir, masalah lingkungan, termasuk masalah sampah, telah menjadi isu global . Pengolahan sampah bisa menjadi solusi dalam menangani permasalahan ini, salah satu tantangan utama dalam pengolahan sampah adalah pengenalan dan pemilahan jenis sampah. Oleh karenanya solusi untuk mengatasi masalah ini yaitu dengan memanfaatkan teknologi berbasis komputer, suatu sistem untuk mendeteksi jenis sampah organik dan anorganik, Metode yang digunakan adalah metode You Only Look Once (YOLO) salah satu algoritma pendeteksi objek yang dapat digunakan secara real-time. Sistem yang dirancang ini menggunakan metode YOLOv5 dengan penggunaan versi pre-trained model YOLOv5s. Penelitian ini dibuat melalui beberapa tahap termasuk pengumpulan dataset gambar sampah, pelabelan data, pelatihan model YOLOv5 hingga pengujian model.  Dataset yang digunakan terdiri dari kantong plastik, kertas, kaleng, kulit telur dan tomat. Selanjutnya model akan di muat pada aplikasi mobile untuk melakukan deteksi secara langsung menggunakan kamera smartphone. Output yang dihasilkan merupakan nama jenis sampah dengan kotak pembatas di sekitar objek yang terdeteksi
Perancangan Aplikasi Penentuan Pegawai Terbaik Menggunakan Metode Simple Additive Weighting Syahrul Bone; Lilis Nur Hayati; Sugiarti Sugiarti
LINIER: Literatur Informatika dan Komputer Vol 2, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i2.3112

Abstract

PT Rama Indonesia menghadapi tantangan dalam menentukan karyawan terbaik, terutama ditengah keberagaman karakteristik demografis yang dimiliki oleh tenaga kerjanya. Permasalahan yang sering muncul mencakup kesulitan dalam mempertahankan objektivitas selama proses penilaian, mengatasi bias yang tidak disadari, dan memastikan adanya kesempatan setara bagi semua karyawan untuk diakui dan berkembang. Penelitian ini bertujuan melakukan perancangan aplikasi penentuan pegawai terbaik menggunakan metode simple additive weighting. Hal ini merupakan salah satu solusi untuk mengatasi tantangan dalam menilai karyawan terbaik dengan menyediakan kerangka kerja yang terstruktur untuk evaluasi kinerja. Dengan menerapkan SAW, PT Rama Indonesia diharapkan dapat meningkatkan objektivitas dan efisiensi dalam proses penilaian kinerja, menciptakan lingkungan kerja yang lebih merata, dan meningkatkan kinerja perusahaan secara keseluruhan. Melibatkan kriteria seperti hadir terlambat tanpa ijin, disiplin waktu pulang, tidak masuk kerja tanpa ijin, tidak melakukan tugas, dikenai hukuman disiplin, pelaksanaan tugas pokok, kontribusi pada tugas tambahan, dan presisi laporan harian, SAW memberikan bobot relatif untuk masing-masing kriteria, memudahkan evaluasi kinerja karyawan secara holistic
Analisis Sentimen Review Aplikasi di Google Play Store Menggunakan Random Forest Muhammad Faiq Rahmatullah; Poetri Lestari Lokapitasari Belluano; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3149

Abstract

Google Play Store adalah salah satu platform distribusi aplikasi terbesar yang memungkinkan pengguna memberikan ulasan terhadap aplikasi yang mereka pakai. Di era digital saat ini, ulasan pengguna menjadi sumber data penting untuk menilai performa dan kualitas aplikasi. Namun, banyaknya jumlah ulasan membuat analisis secara manual menjadi kurang efisien. Oleh karena itu, peracangan ini ini mengadopsi pendekatan machine learning untuk mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, atau netral. Proses analisis meliputi beberapa tahap, seperti pengumpulan data, praproses teks, ekstraksi fitur dengan TF-IDF, pelatihan model menggunakan Random Forest, serta evaluasi kinerja model. Hasil evaluasi menunjukkan bahwa model yang dikembangkan berhasil mengklasifikasikan sentimen dengan akurasi sebesar 68.5%, dengan performa terbaik pada sentimen negatif. Selain itu, penerapan metode Random Forest juga membuka peluang untuk pengembangan sistem analitik otomatis yang dapat digunakan oleh pengembang aplikasi dalam meningkatkan kualitas layanan mereka. Dengan memahami kecenderungan opini pengguna secara cepat dan akurat, pengambilan keputusan dalam pengembangan fitur baru atau perbaikan bug dapat dilakukan secara lebih terarah. Implementasi metode ini juga berpotensi untuk diterapkan pada sektor lain seperti e-commerce, layanan publik, atau media sosial, di mana opini pengguna menjadi salah satu aspek penting dalam evaluasi layanan
Implementasi Support Vector Machine dan Random Forest Untuk Klasifikasi Angka dan Huruf BISINDO Andi Apryan Mallarangen; Dolly Indra
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3341

Abstract

Bahasa Isyarat Indonesia (BISINDO) adalah alat utama yang digunakan oleh orang-orang yang tidak bisa mendengar dalam berkomunikasi sehari-hari. Namun, banyak orang yang tidak memahami BISINDO, sehingga menyulitkan mereka untuk berinteraksi dengan orang lain. Karena itu, penelitian ini mencoba membuat sistem otomatis yang dapat menerjemahkan atau mengenali bahasa isyarat. Penelitian ini fokus pada pengembangan model yang dapat mengklasifikasikan gambar tangan BISINDO menggunakan metode pembelajaran mesin, yaitu Support Vector Machine (SVM) dan Random Forest. Dataset yang digunakan terdiri dari gambar tangan yang menunjukkan berbagai huruf dan angka dalam BISINDO. Gambar-gambar tersebut diproses menggunakan Histogram of Oriented Gradients (HOG) untuk menghasilkan fitur yang mampu merepresentasikan bentuk tangan secara akurat meskipun terjadi perubahan cahaya, ukuran, atau arah gambar. Pada tahap klasifikasi, SVM digunakan dengan kernel radial basis function (RBF) yang bisa menangani data yang tidak bersifat linear, sedangkan Random Forest menggunakan sejumlah pohon sebagai classifier ensemble untuk meningkatkan kemampuan model dalam pengenalan secara umum. Kedua metode ini dibandingkan untuk menentukan metode mana yang paling efektif dalam mengenali BISINDO. Hipotesis penelitian menyatakan bahwa Random Forest cenderung memberikan hasil yang lebih akurat jika data yang digunakan bersih dan terstruktur dengan baik, sedangkan SVM lebih stabil ketika menghadapi variasi dalam gambar tangan yang kompleks
Penerapan Metode User Centered Design Pada Sistem Pakar Diagnosis Penyakit Kulit Berbasis Web Andi Azizul Hidayat; Farniwati Fattah; Abdul Rachman Manga’
LINIER: Literatur Informatika dan Komputer Vol 1, No 2 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i2.2493

Abstract

Infeksi penyakit kulit merupakan salah satu masalah global kesehatan masyarakat yang memiliki berbagai bentukpengobatan dengan dampak yang minimal. Penyakit herpes adalah salah satu penyakit kulit yang sangat susah untuk diobatidan semua orang pasti bisa mengalaminya, Karakteristik penyakit ini ditandai dengan adanya vesikel unilateral yangberkelompok dengan nyeri yang ditandai dengan radikulopati sekitar dermatom. Pemanfaatan teknologi web dalammengembangkan sistem pakar telah menjadi solusi yang menarik. Dengan menggunakan platform web, sistem pakar dapatdiakses secara online oleh perawat atau bahkan pasien. User centered design merupakan desain yang digunakan karenamenyajikan pendekatan terbaik jika menggambarkan dari tahap awal suatu proses interaktif untuk mendiagnosis penyakitkulit. Dengan web ini tidak harus menunggu lama untuk mengantisipasi pengobatan secara cepat dan tepat. Caramenggunakan web ini yaitu pasien mendapatkan pertanyaan berupa gejala-gejala yang dialami oleh pasien, selanjutnyasistem akan mengolah semua jawaban pasien dan sistem akan mengeluarkan output berupa hasil diagnosa jenis penyakit.Sistem yang dibangun dapat membantu pasien dalam mengetahui jenis penyakit yang sedang diderita pasien dan sesuaidengan analisis pakar penyakit kulit.
Penerapan Metode Copras Pada Sistem Pendukung Keputusan Dalam Menentukan Supplier Bahan Kue Terbaik Toko Homecake Hilal Luthfi Hibatullah; Irawati Irawati; Abdul Rachman Manga’
LINIER: Literatur Informatika dan Komputer Vol 2, No 1 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i1.2783

Abstract

Penelitian ini bertujuan untuk mengimplementasikan Metode COPRAS (Complex Proportional Assessment) dalam Sistem Pendukung Keputusan (SPK) untuk memilih supplier bahan kue terbaik bagi Toko Homecake. Toko Homecake merupakan sebuah usaha yang membutuhkan bahan kue berkualitas tinggi untuk menjaga kualitas produknya. Dalam konteks ini, pemilihan supplier bahan kue menjadi faktor krusial dalam menjaga keberlangsungan usaha. Metode COPRAS digunakan karena dapat mengatasi kompleksitas dalam pengambilan keputusan dengan mempertimbangkan berbagai kriteria yang relevan. Kriteria-kriteria yang digunakan dalam penelitian ini antara lain adalah kualitas produk, harga, keandalan pengiriman, layanan purna jual, dan faktor-faktor lain yang relevan dengan kebutuhan Toko Homecake. Penelitian ini melibatkan proses pengumpulan data tentang kriteria-kriteria yang relevan dan informasi tentang setiap supplier yang dipertimbangkan. Selanjutnya, data tersebut diolah menggunakan Metode COPRAS untuk menghasilkan peringkat relatif dari setiap supplier. Hasil dari peringkat ini kemudian digunakan sebagai dasar dalam pengambilan keputusan untuk memilih supplier bahan kue terbaik. Diharapkan bahwa implementasi Metode COPRAS dalam SPK untuk pemilihan supplier bahan kue dapat membantu Toko Homecake dalam mengoptimalkan kinerja rantai pasoknya, meningkatkan kualitas produk, dan memperkuat daya saingnya di pasar. Penelitian ini juga dapat memberikan kontribusi pada pengembangan metode pengambilan keputusan yang efektif dalam konteks bisnis kuliner
Rancang Bangun Aplikasi Mobile Lost & Found Berbasis UCD untuk Meningkatkan Efisiensi Pencarian Barang di Kampus UMI Ridho Anugrah Albanjari; Lilis Nur Hayati; irawati irawati
LINIER: Literatur Informatika dan Komputer Vol 2, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i2.3107

Abstract

Kasus kehilangan barang di ruang lingkup kampus universitas muslim Indonesia (UMI) tidak terselesaikan secara maksimal. Hal ini disebabkan kurangnya informasi dan keterbatasan sistem pengelolaan. Untuk menindak lanjuti permasalahan tersebut, penelitian ini bertujuan untuk merancang aplikasi mobile lost found Fikom Kampus UMI berbasis User Centered Design (UCD) yang dapat meningkatkan keterlibatan dan efisiensi pengguna. Penelitian ini menggunakan pendekatan kualitatif dengan metode UCD yang mempunyai empat tahap yaitu: empati, definisi, ideasi, dan prototipe. Pada tahap empati, peneliti melakukan observasi dan wawancara kepada yang memiliki kepentingan untuk memahami kebutuhan dan permasalahan pengguna. Tahap definisi meniliti analasis data yang diperoleh untuk mengidentifikasi masalah utama dan membuat pesona pengguna. Tahap ideasi meneliti ide-ide Solusi untuk mengatasi masalah yang diidentifkasi. Pada tahap prototipe, peneliti merancang dan mengembangkan prototipe aplikasi mobile lost Found Fikom Kampus UMI. Hasil penelitian ini menunjukkan bahwa aplikasi ini yang dirancang dengan metode UCD dapat meningkatkan keterlibatan dan efisiensi pengguna dalam melakukan proses pencarian, pelaporan, dan pengembalian barang hilang dan ditemukan. Aplikasi ini diharapkan dapat membantu meningkatkan rasa aman dan nyaman bagi mahasiswa di lingkungan kampus UMI
Analisis Sentimen Tweet Netizen Terhadap Timnas Sepak Bola Indonesia di Era Shin Tae-Yong Menggunakan Algoritma Support Vector Machine (SVM) Muhammad Rifqi Fauzan; Siska Anraeni; Lutfi Budiman Ilmuwan
LINIER: Literatur Informatika dan Komputer Vol 2, No 3 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i3.3144

Abstract

Era kepelatihan Shin Tae-Yong menjadi momen penting bagi sepak bola Indonesia. Performa Timnas Indonesia di bawah asuhan Shin Tae-Yong menuai beragam respons di media sosial X. Penelitian ini bertujuan untuk menganalisis sentimen netizen terhadap timnas Indonesia di era Shin Tae-Yong dengan menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan dalam penelitian ini terdiri dari 398 tweet yang dikumpulkan dari platform media sosial X, namun setelah prosedur preprocessing, jumlah tersebut berkurang menjadi 391 tweet yang merepresentasikan opini dan pandangan netizen tentang timnas Indonesia di era Shin Tae-Yong. Dari data yang dianalisis, 200 data (51,15%) menunjukkan sentimen positif terhadap timnas Indonesia di era Shin Tae-Yong, sementara 191 data (48,85%) menunjukkan sentimen negatif. Proses pengumpulan data melibatkan pemilihan tweet yang relevan dengan menggunakan keyword terkait timnas Indonesia di era Shin Tae Yong, diikuti dengan tahap preprocessing untuk membersihkan data. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score setiap algoritma dalam mengklasifikasikan sentimen tweet sebagai positif atau negatif. Penerapan metode SVM dalam analisa sentimen tentang timnas Indonesia di era Shin Tae-Yong berhasil mencapai tingkat accuracy sebesar 63,29%, precision sebesar 65%, recall sebesar 65% dan F1-Score sebesar 63%. Hasil penelitian menunjukkan bahwa algoritma SVM secara signifikan relatif baik dalam mengenali dan mengklasifikasikan sentimen terkait timnas Indonesia di era Shin Tae-Yong. Penelitian ini dapat memberikan wawasan penting mengenai pemilihan algoritma machine learning yang optimal untuk analisis sentimen dan dapat membantu peneliti dalam memilih metode yang tepat untuk analisis sentimen di berbagai topik
Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Terhadap Fasilitas dan Pelayanan Bandara Sultan Hasanuddin Makassar Tenri Sa'nah; Dolly Indra; Abdul Rachman Manga’
LINIER: Literatur Informatika dan Komputer Vol 2, No 4 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i4.3336

Abstract

Transportasi udara memiliki peran vital dalam mendukung mobilitas dan perekonomian di Indonesia, khususnya di wilayah timur yang terhubung melalui Bandara Sultan Hasanuddin Makassar. Kualitas fasilitas dan pelayanan bandara menjadi faktor penting dalam membentuk pengalaman pengguna, yang dapat diukur melalui analisis sentimen terhadap ulasan publik di platform digital. Penelitian ini bertujuan membandingkan kinerja algoritma SVM dan Naïve Bayes dalam mengklasifikasikan sentimen positif dan negatif dari 4.049 ulasan pengguna berbahasa Indonesia yang dikumpulkan dari Google Maps periode 2021-2025. Penelitian ini juga menerapkan teknik Stratified k-fold Cross-validation dengan nilai k = 4 dan k = 5 Data. diproses melalui tahapan cleaning, case folding, normalisasi, stemming, filtering, tokenizing, serta pembobotan TF-IDF. Untuk mengatasi ketidakseimbangan kelas, digunakan metode SMOTE. Hipotesis penelitian ini adalah penerapan SMOTE dapat meningkatkan akurasi model, dan SVM akan menunjukkan performa lebih unggul dibanding Naïve Bayes. Hasil pengujian menunjukkan SVM dengan kernel linear dan parameter C=1 mencapai akurasi tertinggi sebesar 97,0% pada pembagian data 80:20, sedangkan Naïve Bayes terbaik meraih 94,3% pada skenario yang sama. Temuan ini mengonfirmasi hipotesis, menunjukkan bahwa SVM dengan penyeimbangan data memberikan kinerja optimal dalam analisis sentimen ulasan bandara

Page 8 of 10 | Total Record : 100

 6   7   8   9   10 

Filter by Year

2024 2025


Reset
Filter By Issues
All Issue Vol 2, No 4 (2025) Vol 2, No 3 (2025) Vol 2, No 2 (2025) Vol 2, No 1 (2025) Vol 1, No 4 (2024) Vol 1, No 3 (2024) Vol 1, No 2 (2024) Vol 1, No 1 (2024)