Articles

Found 12 Documents
Search

METODE HYBRID MAXIMUM TSALLIS ENTROPY DAN HONEY BEE MATING OPTIMIZATION UNTUK PENCARIAN MULTILEVEL THRESHOLD PADA CITRA GRAYSCALE Azhar, Yufis; Maskur, Maskur; Kholimi, Ali S
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 10, No 1, Januari 2012
Publisher : Teknik Informatika, ITS Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Thresholding merupakan metode yang cukup populer untuk segmentasi suatu gambar. Untuk mensegmentasi suatu gambar grayscale menjadi gambar biner, bi-level thresholding bisa digunakan. Sedangkan untuk mensegmentasi citra grayscale ke dalam beberapa varian digunakanlah multi-level thresholding. Metode Maximum Tsallis Entropy (MTT) adalah salah satu metode yang bisa digunakan.untuk pencarian multi threshold pada suatu citra grayscale. Akan tetapi metode ini memiliki waktu komputasi yang sangat besar jika jumlah threshold yang dicari semakin banyak. Oleh karena itu, suatu metode baru diusulkan dalam penelitian ini yang merupakan penggabungan antara metode Maximum Tsallis Entropy dan algoritma Honey Bee Mating Optimization (HBMO) untuk mendapatkan multilevel threshold dari suatu citra grayscale dalam waktu yang relatif singkat. Metode penggabungan yang diusulkan ialah dengan memfungsikan algoritma MTT sebagai alat untuk mencari nilai fitness dari suatu individu dalam algoritma HBMO. Semakin baik nilai fitness yang dimiliki oleh individu, semakin baik pula threshold yang ditemukan. Hasil yang didapat dari ujicoba menunjukkan bahwa algoritma hybrid ini mampu mencari multi threshold dengan tingkat akurasi mencapai 98% dan waktu komputasi hingga 10 kali lebih cepat dibandingkan dengan waktu komputasi dari metode MTT untuk mencari 3 level threshold.
OTOMATISASI PERBANDINGAN PRODUK BERDASARKAN BOBOT FITUR PADA TEKS OPINI Azhar, Yufis; Arifin, Agus Zainal; Purwitasari, Diana
Jurnal Ilmu Komputer Vol 6, No 2: September 2013
Publisher : Jurnal Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Proses otomatisasi perbandingan produk berdasarkan teks opini dapat dilakukan dengan caramengekstrak fitur yang dimiliki produk tersebut. Fitur-fitur inilah yang umumnya dinilai kemudian digunakanuntuk membandingkan suatu produk dengan produk yang lain. Banyak peneliti yang menggunakan kamus kataopini untuk mengekstrak fitur tersebut. Akan tetapi hal tersebut tidak efektif karena sangat bergantung padakelengkapan kamus kata yang digunakan. Oleh karena itu, dalam penelitian ini diusulkan suatu metode untukmembandingkan produk berdasarkan bobot fitur produk tanpa harus menggunakan kamus kata opini yanglengkap. Caranya adalah dengan menjumlahkan bobot dari fitur-fitur unggul yang dimiliki oleh suatu produkuntuk mendapatkan skor tiap produk. Hasil yang didapat menunjukkan bahwa penerapan metode tersebut dapatmeningkatkan akurasi dari proses perbandingan dua buah produk sebesar 81% dari pada metode sebelumnyayang hanya 71%.
Pelabelan Klaster Fitur Secara Otomatis pada Perbandingan Review Produk Rozi, Fahrur; Wijoyo, Satrio Hadi; Isanta, Septiyan Andika; Azhar, Yufis; Purwitasari, Diana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1, No 2 (2014)
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (711.042 KB)

Abstract

Abstrak Penggunaan review produk sebagai suatu sumber untuk mendapatkan informasi dapat dimanfaatkan untuk mengoptimalkan pemasaran suatu produk. Situs belanja online merupakan salah satu sumber yang dapat digunakan untuk pengambilan review produk. Analisa terhadap produk dapat dilakukan dengan membandingkan antara dua buah produk berbeda berdasarkan fitur produk tersebut. Fitur dari suatu produk didapatkan melalui ekstraksi fitur dengan metode double propagation. Fitur yang terdapat dalam sebuah review sangat banyak serta terdapat beberapa kata yang memiliki arti yang sama yang mewakili suatu fitur tertentu, sehingga diperlukan suatu pengelompokan terhadap fitur tersebut. Pengelompokan suatu fitur produk dapat dilakukan secara otomatis tanpa memperhatikan kamus kata, yaitu dengan menggunakan teknik clustering. Hierarchical clustering merupakan salah satu metode yang dapat digunakan untuk pengelompokan terhadap fitur produk. Pengujian dengan metode hierarchical clustering untuk pengelompokan fitur menunjukkan bahwa metode average linkage memiliki nilai recall dan f-measure yang paling tinggi. Sementara untuk pengujian pelabelan menunjukkan bahwa semantic similarity antar fitur lebih berpengaruh dari pada kemunculan fitur di dokumen. Kata kunci: clustering, fitur produk, pelabelan Abstract Product review can be used as a source for acquire information and to optimize the marketing of product. Online shopping sites are one of source that can be used to get product reviews. Analysis of the product can be done by comparing two different products based on product’s features. Features of a product can be obtained through extraction of features with double propagation method. In the product review there are many feature that can be found, and there are some words that have the same meaning which represents a particular feature, so we need a grouping on the feature. Hierarchical clustering is one method that can be used for grouping the features of the product. Based on testing, hierarchical clustering method for grouping feature indicate that the average linkage method has the highest recall and f-measure. As for testing in labeling indicates that the semantic similarity between features is more influential than the appearance of features in the document. Keywords: clustering, features of the product, labeling
SISTEM REKOMENDASI PENYEWAAN PERLENGKAPAN PESTA MENGGUNAKAN COLLABORATIVE FILTERING DAN PENGGALIAN ATURAN ASOSIASI Indah Marthasari, Gita; Azhar, Yufis; Kurnia Puspitaningrum, Dwi
Jurnal Simantec Vol 5, No 1 (2015)
Publisher : Jurnal Simantec

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAKE-commerce berbasis web merupakan salah satu media yang efektif dalam jual beli. Banyak usaha yang telah memanfaatkan fasilitas ini. Salah satunya adalah bidang jasa persewaan alat-alat pesta. Untuk memberikan layanan yang lebih baik, e-commerce dilengkapi dengan fitur lain antara lain sistem rekomendasi. Sistem ini memudahkan konsumen menentukan barang untuk dibeli dengan cara menampilkan produk yang terkait dengan salah satu produk lain yang dibeli atau dilihat konsumen. Salah satu mekanisme untuk membangun sistem ini adalah collaborative filtering. Cara kerja collaborative filtering adalah dengan membangun sebuah basis data yang menyimpan produk-produk yang disukai konsumen. Transaksi baru yang dibuat oleh seorang konsumen akan dicocokkan dengan basis data tersebut untuk mengetahui data historis mana yang paling sesuai dengan data baru tersebut. Data historis yang paling sesuai akan ditampilkan sebagai rekomendasi bagi konsumen yang melakukan transaksi tersebut.Salah satu teknik yang dapat digunakan adalah penggalian aturan asosiasi menggunakan Algoritma Apriori. Pada penelitian ini, dibuat sebuah website persewaan alat-alat pesta dengan menerapkan sistem rekomendasi. Sistem rekomendasi dibangun menggunakan aturan-aturan yang dihasilkan oleh Algoritma Apriori. Untuk dapat menampilkan barang rekomendasi digunakan nilai support 20, sedangkan nilai confidence digunakan untuk menentukan N-teratas barang untuk direkomendasikan.Kata kunci : sistem rekomendasi, collaborative filtering, algoritma apriori. ABSTRACTWeb-based e-commerce is an effective media for buying and selling. Many businesses have taken the advantages of this facility. One of them is the party tools rental services. To provide better service, e-commerce is equipped with other features such as a recommendation mechanism. Thismechanism allows consumers specify the goods to be purchased by displaying products that are related to another purchased product or customer visits. One mechanism for establishing this system is collaborative filtering. Collaborative filtering works by building a database that stores the products which are preferred by consumers. New transactions made by a consumer will be matched with the database to find out which data are related the most. The most appropriate historical data to be displayed as a recommendation for consumers who conduct such transactions. One technique that can be used is extracting association rules using Apriori Algorithm. In this study, a website of party tools rental service is created to implement the recommendation system. A recommendation system built using rules generated by Apriori Algorithm. To be able to display items used on the value of the support 20, while the confidence value is used to determine the N-top items to be recommended.Keywords: recommender system, collaborative filtering, apriori algorithm.
APLIKASI WIRELESS SENSOR NETWORK UNTUK SISTEM MONITORING DAN KLASIFIKASI KUALITAS UDARA Arya, Tri Fidrian; Faiqurahman, Mahar; Azhar, Yufis
SISTEMASI Vol 7, No 3 (2018): SISTEMASI
Publisher : Fakultas Teknik dan Ilmu Komputer Universitas Islam Indragiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (742.308 KB) | DOI: 10.32520/stmsi.v7i3.312

Abstract

Indonesia merupakan salah satu negara yang memiliki perkembangan yang pesat pada sektor industri, hal tersebut tentunya berpengaruh pada lingkungan hidup termasuk kualitas udara. Polusi udara yang dikeluarkan dari cerobong asap kawasan industri apabila tidak dikelola dengan baik maka akan berdampak buruk pada kesehatan manusia. Diantaranya dapat berpengaruh terhadap status faal paru-paru, perubahan respon kekebalan tubuh, bahkan menyebabkan kematian pada makhluk hidup. monitoring tingkat polusi udara menjadi suatu hal yang urgent dilakukan. Pada penelitian ini dibuat aplikasi berbasis Wireless Sensor Network (WSN) untuk monitoring dan klasifikasi kualitas udara secara online, dengan menggunakan modul NRF24L01 untuk komunikasi antara sensor node dan base station yang biayanya relatif cukup terjangkau dan murah.
The Analysis of Proximity Between Subjects Based on Primary Contents Using Cosine Similarity on Lective Al-rizki, Muhammad Andi; Wicaksono, Galih Wasis; Azhar, Yufis
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 2, No 4, November-2017
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (663.327 KB) | DOI: 10.22219/kinetik.v2i4.271

Abstract

In education world, recognizing the relationship between one subject and another is imperative. By recognizing the relationship between courses, performing sustainability mapping between subjects can be easily performed.  Moreover, detecting and reducing any duplicated contents in several subjects will be also possible to execute. Of course, these conveniences will benefit lecturers, students and departments. It will ease the analysis and discussion processes between lecturers related to subjects in the same domain. In addition, students will conveniently choose a group of subjects they are interested in. Furthermore, departments can easily create a specialization group based on the similarity of the subjects and combine the courses possessing high similarity. In this research, given a good database, the relationship between subjects was calculated based on the proximity of the primary contents of the subjects. The feature used was term feature, in which value was determined by calculating TF-IDF (Term Frequency Inverse Document Frequency) from each term. In recognizing the value of proximity between subjects, cosine similarity method was implemented. Finally, testing was done utilizing precision, recall and accuracy method. The research results show that the precision and accuracy values are 90,91% and the recall value is 100%.
Peringkasan Tweet Berdasarkan Trending Topic Twitter Dengan Pembobotan TF-IDF dan Single Linkage Angglomerative Hierarchical Clustering Annisa, Annisa; Munarko, Yuda; Azhar, Yufis
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 1, No 1, May-2016
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (539.422 KB) | DOI: 10.22219/kinetik.v1i1.7

Abstract

Fitur yang paling sering digunakan pada Twitter ialah Trending Topic. Trending Topic merupakan fitur yang menampilkan beberapa hashtag berisi topik yang sedang trend saat ini. Jika pengguna ingin mengetahui informasi mengenai suatu trending topic, pengguna bisa mengklik salah satu hashtag dan barulah muncul beberapa tweet terkait dengan hashtag tersebut. Agar menghemat waktu pengguna Twitter dalam membaca suatu trending topic tanpa perlu membaca beberapa tweet terlebih dahulu, maka dilakukanlah analisa dengan tujuan membuat text summarization untuk trending topic pada Twitter menggunakan algoritma TF-IDF dan Single Linkage Agglomerative Hierarchical Clustering. Penelitian ini menggunakan 100 trending topic untuk data tes pada sistem dan setiap trending topic terdiri atas 50 tweet berbahasa indonesia, sedangkan untuk pengujian digunakan 30 data trending topic diambil secara acak (data mewakili trending topic dengan sub tema minimal 2 dan maksimal 9 dari 100 data tes pada sistem). Dari 30 data pengujian, 1 data menghasilkan semua ringkasan sama persis dengan ahli,  dan 29 data menghasilkan 1-4  ringkasan sama persis dengan ahli (terdiri atas 2-9 ringkasan untuk setiap trending topic).
IBM PENINGKATAN DAYA SAING PENGUSAHA TRAVEL DI MALANG RAYA Azhar, Yufis
Jurnal Dedikasi Vol 15 (2018): Mei
Publisher : Jurnal Dedikasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (213.207 KB)

Abstract

Tidak dapat dipungkiri bahwa ketersediaan modal menjadi salah satu faktor utamadalam ketahanan suatu usaha, demikian pula usaha travel. Banyak pengusaha traveldengan modal kecil akhirnya harus gulung tikar karena tidak mampu bersaingdengan usaha sejenis yang memiliki modal besar. Perlu ada strategi jitu daripengusaha-pengusaha dengan modal kecil ini agar usahanya tetap eksis meskipundengan dana yang minim. Salah satu cara yang bisa dilakukan adalah denganpenerapan teknologi informasi untuk meningkatkan kualitas pelayanan kepadakonsumen serta alat bantu untuk memasarkan jasanya. Sistem aplikasi mobile yangdapat digunakan oleh konsumen untuk memesan jasa layanan travel dapat menjadijawaban atas permasalahan tersebut. Dengan penggunaan aplikasi ini, diharapkankualitas pelayanan pada konsumen bisa meningkat, sehingga berpengaruh terhadappenambahan kuantitas konsumen yang dapat dilayani. Selain itu, diusulkan pulasuatu konsep pemasaran baru yang terinspirasi dari skema MLM (Multi LevelMarketing) yang banyak digunakan oleh perusahaan-perusahaan kosmetik atau alatkesehatan dalam memasarkan produknya. Sistem pemasaran ini juga akan dibantuoleh aplikasi mobile agar mudah penggunaannya. Diharapkan dengan adanyasistem pemasaran seperti ini, pangsa pasar dari suatu usaha travel akan lebih luassehingga kuantitas konsumen yang menggunakan jasa travel tersebut juga akansemakin bertambah.
Aplikasi Wireless Sensor Network untuk Sistem Monitoring dan Klasifikasi Kualitas Udara Arya, Tri Fidrian; Faiqurahman, Mahar; Azhar, Yufis
Jurnal Sistem Informasi Vol 14 No 2 (2018): Jurnal Sistem Informasi (Journal of Information System)
Publisher : Faculty of Computer Science Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (904.932 KB) | DOI: 10.21609/jsi.v14i2.652

Abstract

Indonesia merupakan salah satu negara yang bergerak di sektor industri, hal tersebut memungkinkan lingkungan hidup termasuk kualitas udara. Polusi udara yang dikeluarkan dari cerobong asap kawasan industri tidak dapat dilakukan dengan baik maka akan berdampak buruk pada kesehatan manusia. Pemantauan kualitas udara yang digunakan saat ini yaitu hanya terdapat satu alat saja yang digunakan untuk melakukan monitoring terhadap suatu cakupan lokasi tertentu, sehingga akan kurang sesuai untuk menggambarkan kondisi kualitas udara yang ada pada suatu cakupan lokasi tersebut. Sementara untuk instalasi lebih dari satu alat akan membutuhkan biaya yang besar. Pada penelitian ini diaplikasikan konsep wireless sensor network (WSN) untuk pemantauan kualitas udara dengan pemasangan node sensor lebih dari satu perangkat pada lokasi tertentu dan terdapat satu sink yang bertindak untuk mengumpulkan data dari node sensor dan mengirimkannya ke server. Data kualitas udara yang didapatkan oleh node sensor kemudian diklasifikasikan menggunakan metode klasifikasi pada data mining yaitu k-nearest neighbor (K-NN). Sebelum dilakukan klasifikasi menggunakan K-NN, dilakukan normalisasi data untuk penyamaan skala datanya, didapatkan normalisasi decimal scaling yang memiliki performansi yang baik untuk data kualitas udara. Nilai k yang digunakan untuk klasifikasi K-NN yaitu 5. Didapatkan tingkat akurasi yang dihasilkan oleh sistem sebesar 94,28%, presisi sebesar 85,16% dan recall sebesar 93,35%.
Feature Selection on Pregnancy Risk Classification Using C5.0 Method Azhar, Yufis; Afdian, Riz
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 3, No 4, November 2018
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (209.111 KB) | DOI: 10.22219/kinetik.v3i4.703

Abstract

The maternal mortality rate in Indonesia is still relatively high. This is caused by several factors, including the ignorance of pregnant women about the risk status of pregnancy. Several methods are proposed for early detection of the risk of a mothers pregnancy. However, no one has highlighted what features are most influential in the process of classifying the risk of pregnancy. In this research, we use data of pregnant women in one of the health centers in Malang, Indonesia, as a dataset. The dataset has 107 features, therefore, feature selection is needed for the classification process. We propose to use the C5.0 method to select important features while classifying dataset into low, high, and very high risk of pregnancy. C5.0 was chosen because this method has a better pruning algorithm and requires relatively smaller memory compared to C4.5. Another classification method (SVM, Naive Bayes, and Nearest Neighbor) is then used to compare the accuracy values between datasets that use all features with datasets that only use the selected features. The test results show that feature selection can increase accuracy by up to 5%.