Siska Anraeni

Authors

Aisyah, Aisyah; Anraeni, Siska; Universitas Muslim Indonesia, Indonesia

Abstract

Malaria adalah penyakit yang disebabkan oleh parasit protozoa dari genus plasmodium yang menginfeksi sel darah merah. Penyakit malaria menjadi masalah kesehatan masyarakat yang penting, karena penyakit ini dapat menimbulkan gangguan Kesehatan dan dapat menurunkan produktivitas kerja bahkan dapat mengakibatkan kematian. Penelitian ini menggunakan sebanyak 1000 dataset citra penyakit malaria terinfeksi dan malaria tidak terinfeksi. Dataset tersebut dikelola oleh U.S National Library of Medicine College Hospital hingga tahun 2018. Tujuan dari penelitian ini untuk menganalisis performa (akurasi, presisi, recall dan f-measure) pada dataset citra penyakit malaria terinfeksi dan malaria tidak terinfeksi. Tahapan yang dilakukan yaitu: deteksi tepi canny, ekstraksi fitur hu moment invariant, klasifikasi metode K-NN, serta menggunakan berbagai simulasi rasio dataset dan nilai K=2 sampai K=10. Hasil penelitian dari simulasi rasio dataset 80:20 memperoleh nilai akurasi 84%, presisi 88%, recall 92% dan f-measure 90% dengan menggunakan nilai K=6.

Related SDGs

Authors

Dessiaming, Takdir Zulhaq; Anraeni, Siska; Pomalingo, Suwito; Universitas Muslim Indonesia, Indonesia

Abstract

Data is a collection of information that contains a broad picture related to a situation. The amount of data is not necessarily better, because a large data set makes it difficult to convert data into information in a timely manner, especially in analyzing data which produces meaningful and relevant information which ultimately results in quick and appropriate action. Higher education management in Indonesia requires fast and accurate academic reports so that it can facilitate strategic decision making in order to improve the quality of education. This study aims to carry out a comprehensive process of analyzing academic data at universities to display them into interactive data visualizations, so that they can retrieve the information in it and make strategic decisions. The method used is a data visualization technique, which allows users to easily see the insights or insights contained in the data. The results obtained are data that has passed the preprocessing stage, can prepare data before being analyzed and processed to be used to make data visualization, so that the information obtained is more varied. This information can be used as a reference by academic managers to make strategic decisions.

Related SDGs

Authors

Samudra, Januaril Aditya; Anraeni, Siska; Herman, Universitas Muslim Indonesia, Jl. Urip Sumoharjo KM.05, Makassar, 90231, Indonesia

Abstract

Program Studi Teknik Informatika pada Universitas Muslim Indonesia merupakan salah satu program studi yang banyak diminati setiap tahun ajaran baru, namun peningkatan jumlah mahasiswa tidak sebanding dengan jumlah mahasiswa yang lulus tepat waktu sehingga menyebabkan penumpukan data mahasiswa. Berdasarkan data yang ditemukan, untuk angkatan 2015 terdapat 186 mahasiswa, sedangkan yang lulus tepat waktu hanya sebanyak 53 mahasiswa. Hal ini menjadi kendala bagi kemajuan serta menurunkan kualitas perguruan tinggi yang berdampak pada penilaian akreditasi. Penelitian ini menggunakan 141 dataset mahasiswa yang diperoleh dari Fakultas Ilmu Komputer, khususnya mahasiswa angkatan 2015 dan 2016. Atribut yang digunakan dalam proses prediksi kelulusan meliputi data akademik seperti IPS semester 1–4, jenis kelamin, jumlah SKS lulus, serta data tambahan seperti penghasilan orang tua per bulan dan keaktifan organisasi. Dataset kemudian dibagi menjadi dua bagian, yaitu data training yang terdiri dari 120 data mahasiswa angkatan 2015 dan data testing sebanyak 12 data mahasiswa angkatan 2016 untuk menentukan apakah mahasiswa lulus tepat waktu atau tidak menggunakan algoritma K-Nearest Neighbor. Algoritma ini digunakan untuk menghitung kedekatan antara kasus baru dengan kasus lama, di mana populasi terbanyak pada area K dengan nilai terdekat akan menentukan prediksi kelulusan mahasiswa. Hasil penelitian menunjukkan bahwa dari pengujian nilai K = 5 hingga K = 11, diperoleh hasil terbaik pada nilai K = 11 dengan tingkat akurasi sebesar 76%, precision 70%, dan recall 77% dalam klasifikasi kelulusan tepat waktu dan tidak tepat waktu.

Related SDGs

Authors

Anraeni, Siska; Melani, Erika Riski; Herman, Herman; Universitas Muslim Indonesia, Indonesia

Abstract

This study aims to build a system to identify the ripeness level of chayote that can be done easily and without damaging the quality of the chayote. This study employs digital image processing technology using Hue Saturation Intensity color feature extraction and texture feature extraction of Local Binary Pattern with K-Nearest Neighbor classification so that the process of identifying the ripeness level of chayote will be easier and more effective. This study uses 100 image datasets and is carried out by taking photos of chayote. The stages in this study include the input of chayote images followed by the image pre-processing stage. Next is feature extraction which is divided into three scenarios, namely HSI feature extraction, LBP feature extraction and a combination of the two feature extractions. The final stage is to classify objects that are closest to the object being tested using the KNN method. By determining the value of K in the KNN classification method, the results show that the use of the Chebyshev distance calculation model in LBP feature extraction with K = 5 is a test that has the best accuracy of 90%.

Related SDGs

Authors

Herdianti; Anraeni, Siska, Universitas Muslim Indonesia

Abstract

Peningkatan penggunaan antibiotik secara global termasuk di Indonesia, seringkali irasional dan tanpa resep berpotensi menyebabkan resistensi bakteri. Analisis sentimen data Twitter menggunakan query "antibiotik" dapat membantu mengungkap opini publik. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dengan kernel linear, RBF, dan polynomial, menggabungkan berbagai metode seperti pelabelan dengan RoBERTa, pelatihan dengan 5 cross validation, dan tokenizing bigram. Tiga skenario digunakan dalam penelitian ini dan yang menghasilkan nilai akurasi tertinggi yaitu skenario ketiga yang menggunakan slangword dari ramaprakoso dan stopword dari sastrawi sebagai refrensi library untuk filtering, nilai setiap kernel: akurasi 99,88%, presisi 99,88%, recall 99,88%, dan f1 score 99,88%. Metode SMOTE juga mempengaruhi hasil ini. Dari hasil pengujian, dapat disimpulkan bahwa SVM efektif untuk analisis sentimen.

Related SDGs

Authors

Anjasani, Ainul Yaqin; Anraeni, Siska; Kurniati, Nia, Universitas Muslim Indonesia, Jl. Urip Sumoharjo KM. 5, Makassar 90231, Indonesia

Abstract

Sinusitis merupakan inflamasi atau peradangan pada dinding sinus yang sering kali tidak disadari keberadaannya oleh penderitanya. Penelitian ini menggunakan metode Certainty Factor, yaitu metode yang menyatakan tingkat kepercayaan terhadap suatu kejadian (fakta atau hipotesis) berdasarkan bukti atau penilaian. Gejala yang digunakan dalam penelitian ini meliputi sakit kepala, demam, lesu, hidung tersumbat, ingus berwarna kuning kehijauan, penurunan fungsi indera penciuman, bau pada napas atau hidung, hidung berdarah, serta nyeri di beberapa area seperti dahi, mata, pipi, pangkal hidung, belakang kepala dan leher, serta pelipis. Berdasarkan uji coba terhadap 10 orang, sistem menghasilkan tingkat akurasi sebesar 70% dalam mendiagnosis penyakit sinusitis. Dengan demikian, aplikasi yang dikembangkan dapat membantu pengguna dalam mendiagnosis jenis penyakit sinusitis dengan lebih mudah.

Related SDGs

Authors

Mukhlis, Yusrina; Anraeni, Siska; As’ad, Ihwana; Universitas Muslim Indonesia, Indonesia

Abstract

Pengambilan keputusan untuk pemilihan menu makanan pada pasien balita yang mengalami kekurangan gizi di Puskesmas Maniangpajo hingga saat ini masih menggunakan pemilihan makanan secara manual seperti hanya memberikan saran menu makanan selingan saja melalui sosialisasi. Kemudian, dengan adanya kepercayaan orang tua yang asal memberikan makanan dengan harapan bayi akan cepat besar dan cepat kenyang meski tidak sesuai kebutuhan gizi. Selain itu, untuk saat ini belum ada sistem yang di gunakan untuk membantu pemilihan makanan di Puskesmas Maniangpajo. Penelitian ini bertujuan untuk membantu pemilihan menu makanan bagi balita yang mengalami kekurangan gizi. Metode yang digunakan adalah Metode TOPSIS yang melakukan perangkingan terhadap alternatif terpilih. Dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif. Hasil penelitian menunjukkan bahwa Alternatif Susu terpilih dalam rekomendasi pemilihan menu makanan bagi Balita atas nama Muh Adzan yang sesuai dengan penilaian kriteria

Related SDGs

Authors

Darwis, Herdianti; Pagala, Arya Nanda Pratama; Anraeni, Siska; Amaliah, Tazkirah; As'ad, Ihwana; Tenripada, Andi Ulfah, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Childfree is the choice to live without having or adopting children. This phenomenon is still considered a sensitive topic in Indonesia, where the prevailing belief holds that the primary goal of marriage is to have children. Numerous individuals share their perspectives on this matter through Twitter. In this research, 6654 raw data have been collected from Twitter using crawling techniques using Rapidminer and scraping using website scrape based on the keyword “childfree” which is preprocessed into clean data. The sentiment analysis model carried out includes categorizing childfree sentiment based on religious, medical and economic fields, then measuring the performance of the support vector machine, involving several methods such as RoBERTa labeling, bigram tokenizing, term frequency inverse document frequency weighting, 5 cross validation training, and synthetic minority over-sampling technique with edited nearest neighbors. The research results show that the economic category is the most influential field with 722 related sentiments, the accuracy performance of SVM gives a value of 75.95% on the linear kernel and the application of SMOTEENN gives a value of 95.94% on the linear kernel, it is proven that using SMOOTEENN can overcome data imbalance.

Related SDGs

Authors

Aszahrah, Hilma; Anraenia, Siska; Darwisa, Herdianti; Universitas Muslim Indonesia, Indonesia

Abstract

Pengenalan jenis kayu dapat dilakukan dengan melakukan pengamatan berdasarkan pada ciri-ciri tertentu yaitu dengan menggunakan parameter tekstur, berat, warna dan lain sebagainya. Begitupun dengan memilih jenis kayu sebagai bahan furniture, selama ini sering dilakukan adalah dengan melihat saja atau memegang kayu secara umum dengen memperhatikan teksturnya. Selain akurasi yang kurang, cara ini juga membutuhkan pengalaman yang cukup banyak apalagi dalam memilih kayu yang akan digunakan dalam membuat dekorasi rumah seperti jendela dan kursi dibutuhkan kayu yang kuat dan kokoh karena itu sistem pengenalan jenis kayu yang akurat dan praktis sangat penting untuk dikembangkan. Mengingat banyaknya jenis kayu yang memiliki kesamaan ciri sehingga sulit mengindetifikasi jenis kayu yang akan digunakan sebagai bahan furniture oleh karena itu dikembangkan suatu sistem teknik klasifikasi untuk identifikasi jenis kayu dengan metode GLCM. Metode ini merupakan suatu metode yang melakukan analisis terhadap suatu piksel pada citra dan mengetahui tingkat keabuan yang sering terjadi, metode yang paling sering digunakan untuk analisis tekstur yang didasarkan pada ciri statistik citra yang dimana dalam perhitungan statistiknya menggunakan distribusi derajat keabuan (histogram) dengan mengukur tingkat kekontrasan, granularitas, dan kekasaran suatu daerah dari hubungan ketetanggaan antar piksel di dalam citra. Hasil penelitian menunjukkan dari tahap pengujian dengan nilai K=1,K=7,K=10,K=12, dan K=15 dengan jumlah data training sebanyak 45 data didapatkan nilai K=1 sebagai nilai persentase tertinggi dengan tingkat akurasi sistem sebesar 91%.

Related SDGs

Authors

Mukhlis, Yusrina; Anraeni, Siska; As’ad, Ihwana; Universitas Muslim Indonesia, Indonesia

Abstract

Pengambilan keputusan untuk pemilihan menu makanan pada pasien balita yang mengalami kekurangan gizi di Puskesmas Maniangpajo hingga saat ini masih menggunakan pemilihan makanan secara manual seperti hanya memberikan saran menu makanan selingan saja melalui sosialisasi. Kemudian, dengan adanya kepercayaan orang tua yang asal memberikan makanan dengan harapan bayi akan cepat besar dan cepat kenyang meski tidak sesuai kebutuhan gizi. Selain itu, untuk saat ini belum ada sistem yang di gunakan untuk membantu pemilihan makanan di Puskesmas Maniangpajo. Penelitian ini bertujuan untuk membantu pemilihan menu makanan bagi balita yang mengalami kekurangan gizi. Metode yang digunakan adalah Metode TOPSIS yang melakukan perangkingan terhadap alternatif terpilih. Dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, tetapi juga memiliki jarak terpanjang dari solusi ideal negatif. Hasil penelitian menunjukkan bahwa Alternatif Susu terpilih dalam rekomendasi pemilihan menu makanan bagi Balita atas nama Muh Adzan yang sesuai dengan penilaian kriteria

Related SDGs

Authors

Mansyur, St. Hajrah; Anraeni, Siska, Universitas Muslim Indonesia

Abstract

Kota Makassar memiliki banyak skala usaha bisnis retail baik modern ataupun tradisional tetapi beberapa usaha hanya berjalan dalam waktu yang tidak lama dan beberapa calon pelaku usaha yang mempunyai modal sulit untuk menentukan jenis skala usaha bisnis retail baik modern ataupun tradisional Sehingga penelitian ini bertujuan untuk menentukan skala usaha bisnis retail yang akan menjadi rekomendasi calon pelaku usaha di Kota Makassar berbasis website. Metode yang digunakan adalah profile matching dengan menggunakan 2 alternatif yaitu retail modern dan tradisional. Adapun 9 kriteria yang harus dipenuhi dalam keputusan pengambilan yaitu Kepemilikan, Penggunaan Fasilitas, Promosi, Tenaga Kerja, Fleksibilitas operasi, Konsumen, Metode Pembayaran, Lokasi dan Keuangan. Hasil penelitian menunjukkan dari 50 data anggota aktif koperasi simpan pinjam berkat diperoleh hasil penilaian skala usaha sebesar 86% untuk retail modern dan 14 % pasar tradisional. Kemudian pengujian sistem dengan metode blackbox testing diperoleh data untuk aspek interface sebanyak 88%, Kinerja aplikasi 87,2%, Database 86,6%, Fungsi hilang atau rusak 36,4%, dan Inisialisasi 88%. Sehingga, rata-rata keseluruhan aplikasi yang dihasilkan indeks sebesar 78.4% yang termasuk dalam kriteria penilaian setuju.

Related SDGs

Authors

Anraeni, Siska; Alwi, Erick Irawadi; Belluano, Poetri Lestari Lokapitasari; Gaffar, Andi Widya Mufila; Satra, Ramdan; Syafie, Lukman, Fakultas Ilmu Komputer, Universitas Muslim Indonesia, Indonesia

Abstract

Saat ini, UPT PJP UMI telah memiliki website, namun pengelolaannya belum memenuhi standar penilaian webometrics, sehingga belum optimal dalam mempengaruhi peringkat webometrics UMI. Beberapa permasalahan muncul, seperti performa website yang mendapatkan nilai "B" berdasarkan pengukuran GTMetrix, jumlah backlink yang masih kurang, dan konten berita yang belum menggunakan standar SEO. Kegiatan pengabdian terfokus pada sosialisasi peningkatan pemeringkatan webometrics dan pendampingan dalam workshop manajemen konten website berbasis SEO. Hasil dari kegiatan ini mencakup peningkatan pemahaman pemeringkatan webometrics, peningkatan kemampuan pengelolaan website mitra, serta penyerahan modul "Pedoman Pengelolaan Website Berdasarkan Penilaian Webometrics" kepada UPT.PJP UMI. Hasil kegiatan ini berhasil mencapai tujuannya dengan memberikan kontribusi positif dalam meningkatkan kualitas pengelolaan website UPT.PJP UMI berdasarkan standar penilaian webometrics. Perolehan hasil persentase kuisioner pre dan posttest menunjukkan bahwa dari 10 orang peserta sosialisasi dan workshop mengalami peningkatan pemahaman tentang pemeringkatan webometrics dari 54% menjadi 76%. Diharapkan dengan peningkatan pemahaman peserta pelatihan dapat memberikan arah perubahan pemeringkatan webometrics UMI menjadi lebih baik di Tahun 2024 nantinya.

Related SDGs

Authors

B, Muliyadi; Anraeni, Siska; Herman, Herman; Universitas Muslim Indonesia, Indonesia

Abstract

Pendidikan sangatlah penting bagi kemajuan bangsa. Dalam proses pembelajaran secara Online pada saat musim pandemi ini, dosen pasti akan sulit untuk mendata setiap Mahasiswa yang hadir. Tujuan dalam penelitian ini adalah untuk membuat sebuah aplikasi, yang mana nantinya, dosen tidak repot lagi melakukan absensi secara manual, dan Mahasiswa dapat dengan mudah absensi dengan cara scan wajah atau Face Recognition, agar absensi dapat dilakukan secara jujur. Eigenface adalah salah satu algoritma pengenalan pola wajah yang berdasarkan pada Principle Component Analysis (PCA). Dalam metode Eigenface, decoding dilakukan dengan menghitung Eigenvector kemudian direpresentasikan dalam sebuah matriks yang berukuran besar. Setiap wajah sipresentasikan dalam kombinasi linear Eigenface. Berdasarkan hasil uji coba sistem yang telah dibuat maka dapat disimpulkan bahwa Aplikasi Absensi mampu melakukan proses absensi secara realtime dengan mendeteksi wajah melalui metode pengenalan wajah yaitu Eigenface PCA (Principle Component Analysis) dengan tingkat total akurasi keseluruhan dari Segi Pencahayaan adalah 75% dan Total Akurasi keseluruhan dari segi posisi Wajah adalah 33,34% .

Related SDGs

Authors

Anraeni,Siska; Herman; Universitas Muslim Indonesia, Indonesia

Abstract

The degree of accuracy and precision becomes an important part of engineering in classification method. In this research, the hybrid Lacunarity and Euclidean Distance (ED) is used for classification of human kidney condition. Meanwhile, the image datasets comprised of 10 images for training and 10 images for testing have been used. Based on the experimental results, Lacunarity method has been able to extract features of the iris image with a 16x16 size of box counting. Then, the classification of kidney health conditions (i.e., normal and abnormal) has been calculated using an algorithm Euclidean Distance (ED) with an accuracy rate of 70%.

Related SDGs

Authors

Nursafi’at; Anraeni, Siska; Hasnawi, Mardiyyah, Universitas Muslim Indonesia,Jl.Urip Sumoharjo KM. 05 , Makassar dan 90231 ,Indonesia

Abstract

Sistem informasi inventory ini bertujuan untuk membangun aplikasi yang dapat membantu UD. Arif Jaya dalam memprediksi jumlah bahan baku yang akan dipesan pada periode berikutnya serta menentukan waktu pemesanan kembali. Metode yang digunakan adalah Economic Order Quantity (EOQ), dan aplikasi dikembangkan berbasis desktop menggunakan bahasa pemrograman Java. Pengumpulan data dalam penelitian ini dilakukan melalui metode observasi, wawancara, dan kuesioner, dengan data yang digunakan berupa data bahan baku tahun 2018 untuk memprediksi kebutuhan tahun 2019. Hasil penelitian menunjukkan bahwa aplikasi mampu digunakan untuk menginput data bahan baku, memprediksi jumlah kebutuhan bahan baku pada periode berikutnya, serta menentukan batas minimal stok sebelum dilakukan pemesanan kembali. Berdasarkan hasil prediksi, kebutuhan bahan baku kardus pada tahun 2019 adalah sebanyak 1682 lembar, dengan batas minimal stok sebelum pemesanan kembali sebanyak 2352 lembar, serta frekuensi pemesanan sebanyak 27 kali dengan interval setiap 11 hari.

Related SDGs

Authors

Imada, Anugerah; Anraeni, Siska; Gaffar, Andi Widya Mufila, Universitas Muslim Indonesia

Abstract

Kenaikan harga cabai yang konsisten setiap tahunnya terutama saat perayaan seperti hari raya, sering kali menyebabkan kelangkaan dan peningkatan drastis dalam harga. Hal ini mendorong banyak petani, termasuk di Desa Buntu Pema, Kecamatan Curio, Kabupaten Enrekang, untuk menjadikan cabai sebagai hasil pertanian utama. Meskipun beragam jenis benih cabai digunakan oleh para petani, pemilihan bibit masih dilakukan secara manual, menyebabkan ketidaksesuaian dengan harapan pada saat panen. Tujuan penelitian ini adalah menerapkan metode Weighted Product sebagai sistem pendukung keputusan dalam pemilihan bibit cabai unggul. Data penelitian yang digunakan adalah data penilaian bibit cabai dengan kriteria potensi hasil, musim tanam, tekstur cabai, banyaknya ranting, dan ketahanan terhadap penyakit. Penelitian ini berhasil menerapkan metode Weighted Product untuk membantu petani dalam memilih bibit cabai unggul. Hasil penelitian menunjukan bahwa bahwa Cabai Lokal mendominasi peringkat tertinggi sebagai bibit yang paling unggul dengan nilai Vektor V sebesar 0,0606.

Related SDGs

Authors

Anraeni, Siska; Manga, Abdul Rachman, Universitas Muslim Indonesia

Abstract

Tujuan penelitian ini adalah untuk mengetahui untuk membantu masyrakat yang mengalami kecanduan dengan melakukan diagnosa terhadap kecanduan yang dialaminya lalu menerapkan solusi yang diberikan untuk mengatasi masalah kecanduan yang di alaminya. Dari hasil kajian dan hasil penelitian maka penulis berasumsi bahwa Pengaruh game online telah memberikan dampak positif dan negatif bagi para pemain game online. Dampak positifnya adalah memberikan kesenangan dan hiburan bagi pemain game online serta mengasah kinerja otak yang dapat menciptakan strategi bermain untuk meraih kemenangan dan skor tertinggi. Dampak negatifnya adalah banyaknya waktu yang terbuang hanya karena bermain game, kesehatan mata pemain terganggu, psikologis pemain juga terganggu, banyaknya pengeluaran biaya internet dan mempengaruhi moral pemain game seperti berbicara kasar terhadap tim atau lawan main. Perlu adanya sebuah sistem untuk masyarakat yang dapat mengukur tingkat kecanduan para pemain game online. Metode yang digunakan yaitu Backward Chaining dan Certainty Factor. Dengan adanya sistem ini maka diharapkan agar memberikan kesadaran dan edukasi terhadap tingkatan level kecanduan yang dialami. Dengan menggunakan kedua metode tersebut dalam mendiagnosa kecanduan game diharapkan sistem mampu memberikan hasil yang sesuai.

Related SDGs

Authors

Anraeni, Siska; Gaffar, Andi Widya Mufila, Universitas Muslim Indonesia

Abstract

Era globalisasi ini perkembangan teknologi dan ilmu pengetahuan di wilayah Kabupaten Muna ini begitu pesat dan berdampak bagi hampir semua bidang. Perkembangan ini memunculkan banyak media pembelajaran seperti aplikasi kamus digital yang membantu mempermudah pencarian kosakata bahasa asing sehingga pembelajaran bahasa asing menjadi mudah. Namun, perkembangan ini membuat penggunaan bahasa daerah Muna perlahan-lahan mulai ditinggalkan. Hal ini disebabkan karena media pembelajaran Bahasa Daerah Muna masih menggunakan buku kamus. Hal ini cukup sulit mengingat buku kamus digunakan dengan cara menyortir satu persatu daftar kosakata dalam sebuah abjad secara manual yang tentu ini sangat menyita banyak waktu. Ketersediaan aplikasi kamus digital bahasa daerah Muna diharapkan dapat membantu dalam mencari kosakata Bahasa Daerah Muna. Kamus digital ini dapat diakses melalui ponsel pintar android yang membuat penggunaannya sangat fleksibel. Dalam pengembangannya, kamus digital ini akan mengimplementasikan algoritma Knuth Morris Pratt sebagai string matching (pencocokan string), dimana perancangan database menggunakan Firebase yang merupakan sebuah database online yang berasal dari Google. Penelitian ini menghasilkan sebuah kamus digital bahasa daerah Muna berbasis android. Hasil penelitian ini diuji menggunakan teknik pengujian blackbox dan dibuat sebuah kuesioner penelitian dimana diperoleh persentase kepuasan pengguna aplikasi kamus digital bahasa daerah Muna sebesar 88,8% yang mengindikasikan pengguna merasa puas dengan aplikasi kamus digital ini.

Related SDGs

Authors

Pahendra, Muhammad Agung Maugi; Anraeni, Siska; Ilmawan, Lutfi Budi, Program Studi Teknik Informatika, Universitas Muslim Indonesia Jl. Urip Sumoharjo No.km.5, Makassar, 90231, Indonesia

Abstract

Traveloka, sebagai salah satu platform pemesanan perjalanan terkemuka, telah mencapai lebih dari 50 juta unduhan di Google Play Store. Pencapaian ini menunjukkan tingginya minat dan kepercayaan pengguna terhadap layanan yang ditawarkan. Namun, ulasan pengguna mengindikasikan adanya beberapa isu terkait performa dan kestabilan aplikasi yang perlu diperhatikan. Penelitian ini membandingkan performa metode Word Embedding Word to Vector (Word2vec) dan Embedding from Language Model (ELMo) menggunakan model Bidirectional Long Short Term Memory (BiLSTM) dalam analisis sentimen ulasan aplikasi Traveloka. Hasil penelitian menunjukkan bahwa model BiLSTM dengan Word2vec memiliki akurasi 76,13%, precision 75,22%, recall 77,99%, dan F1-measure 76,58%, lebih baik dibandingkan model dengan ELMo memiliki akurasi 74,38%, precision 70,49%, recall 78,77% dan F1-measure 74,40%. Model BiLSTM dengan Word2vec lebih efektif dalam analisis sentimen ulasan Traveloka, membantu mengidentifikasi dan menangani isu-isu pengguna guna meningkatkan kualitas layanan dan kepuasan pengguna.

Related SDGs

Authors

Troy, Muh Indra Endriartono Saputra; Jabir, Sitti Rahmah; Anraeni, Siska, Informatics Engineering, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Lung cancer is one of the deadliest diseases in the world with a mortality rate of 25% of all cancer-related deaths in 2021. Lung cancer is a lung disease caused by genetic changes in respiratory epithelial cells, resulting in uncontrolled cell proliferation. In an effort to improve diagnosis and treatment, this study proposes an approach for multiclass performance evaluation using K-Nearest Neighbors (KNN) and Support Vector Machine (SVM) algorithms based on 2024 data. in this study KNN is implemented conventionally while SVM applies 2 kernel processes, namely Linear and Polynominal. The data used is 1000 rows and uses 24 variables with a ratio of 70% training data and 30% testing data, the data in this study includes important information such as medical history, diagnostic test results, and clinical characteristics of patients. this study aims to determine which algorithm has the best performance by looking at the final results based on accuracy in identifying lung cancer data. Based on the research and discussion of SVM and KNN performance evaluation, the SVM algorithm produces an accuracy of 98.28%, surpassing the accuracy of the KNN algorithm of 97.25%. Therefore, the results show that the SVM algorithm is superior to the KNN algorithm. The KNN and SVM methods were implemented for multi-class classification of lung cancer, allowing identification of various subtypes of lung cancer with optimal accuracy.

Related SDGs

Authors

Anraeni, Siska; Mustari, Muhid; Ramdaniah; Kurniati, Nia; Mubarak, Syahrul,

Abstract

In response to the burgeoning need for advanced object recognition and classification, this research embarks on a journey harnessing the formidable capabilities of Convolutional Neural Networks (CNNs). The central aim of this study revolves around the precise identification and categorization of objects, with a specific focus on the critical task of distinguishing between fresh and spoiled chicken meat. This study's overarching objective is to craft a robust CNN-based classification model that excels in discriminating between objects. In the context of our research, we set out to create a model adept at distinguishing between fresh and rotten chicken meat. This endeavor holds immense potential in augmenting food safety and elevating quality control standards within the poultry industry. Our research methodology entails meticulous data collection, which includes acquiring high-resolution images of chicken meat. This meticulously curated dataset serves as the bedrock for both training and testing our CNN model. To optimize the model, we employ the 'adam' optimizer, while critical performance metrics, such as accuracy, precision, recall, and the F1-score, are methodically computed to evaluate the model's effectiveness. Our experimental findings unveil the remarkable success of our CNN model, with consistent accuracy, precision, and recall metrics all reaching an impressive pinnacle of 94%. These metrics underscore the model's excellence in the realm of object classification, with a particular emphasis on its proficiency in distinguishing between fresh and rotten chicken meat. In summation, our research concludes that the CNN model has exhibited exceptional prowess in the domains of object recognition and classification. The model's high accuracy signifies its precision in furnishing accurate predictions, while its elevated precision and recall values accentuate its effectiveness in differentiating between object classes. Consequently, the CNN model stands as a robust foundation for future strides in object classification technology. As we peer into the horizon of future research, myriad opportunities beckon. Our CNN model's applicability extends beyond chicken meat classification, inviting exploration across diverse domains. Furthermore, the model's refinement and adaptation for specific challenges represent an exciting avenue for future work, promising heightened performance across a broader spectrum of object recognition tasks.

Related SDGs

Authors

Iqbal, Iwi Kurnia; Anraeni, Siska; Sugiarti, Universitas Muslim Indonesia

Abstract

Toko Rifka adalah toko swalayan yang melakukan perhitungan stock opname dengan cara manual sehingga pihak toko kadang gagal dalam menentukan barang yang seharusnya menjadi prioritas restock untuk sebuah atau beberapa barang karena barang tersebut tidak tersedia. Tujuan penelitian ini adalah untuk menganalisa data penjualan agar proses perhitungan stock opname dapat dilakukan dengan optimal. Metode yang digunakan dalam proses mining adalah Analisa Pola Asosiatif menggunakan Apriori. Hasil penelitian menunjukkan bahwa pengujian fungsionalitas pada aplikasi dapat dikatakan berjalan dengan baik dan terbebas dari kesalahan atau pesan error, kemudian untuk pengujian data sebanyak 10 kali dengan jumlah data masing-masing 30 data transaksi ditemukan tingkat akurasi sebesar 70%, penulis juga menggunakan 300 (tiga ratus) data transaksi yang kemudian di proses untuk melihat asosiasi yang dihasilkan dan berdasarkan asosiasi yang dihasilkan Toko Rifka dapat mengambil masukan yang dapat digunakan sebagai saran dalam kegiatan stock opname-nya.

Related SDGs

Authors

Syailendra, Yudha Nugraha; Anraeni, Siska; Mubarak, Syahrul; Universitas Muslim Indonesia,Indonesia

Abstract

Saat ini terdapat berbagai macam strategi proses pembinaan. Salah satunya adalah dengan memanfaatkan perkembangan teknologi informasi. Manfaat dari perkembangan teknologi informasi yang semakin maju dapat dirasakan oleh berbagai macam sektor seperti ekonomi, teknologi, bisnis, dan lain-lain. Sektor sosial dan pendidikan merupakan salah satu sektor yang juga merasakan dampak positif dari perkembangan teknologi. Panti Asuhan merupakan sebuah yayasan yang menaungi anak yatim piatu sebagai manifestasi dan bentuk kepedulian anak-anak yatim piatu yang tidak mampu, dimana anak asuh dibiayai kebutuhan sehari- harinya seperti pemberian sembako, uang pembinaan setiap bulannya, dan bantuan dana pendidikan. Pemilihan anak asuh pada panti asuhan saat ini dilakukan dengan cara memberi rekomendasi anak asuh dari pengurus panti asuhan. Untuk mengatasi kendala pada saat pemilihan anak asuh agar menjadi tepat sasaran, maka diperlukan adanya suatu sistem yang mampu memberikan keputusan penerimaan anak-anak yang layak menjadi anak asuh berdasarkan kriteria tertentu.

Related SDGs

Authors

Amanah, Nur; Anraeni, Siska; Universitas Muslim Indonesia, Indonesia

Abstract

Lembaga kemahasiswaan suatu lembaga yang mempunyai peran, tugas dan fungsi kerjanya termasuk di Lembaga Badan Eksekutif Mahasiswa (BEM) Fakultas Ilmu Komputer, dan Adapun maasalah ialah adanya suatu program kerja dari bebebrapa bidang yang tidak terlaksana di sebabkan kuranganya evaluasi dari pengurus lembaga. Tujuan dari penelitian ini adalah menerapkan metode Profile Matching untuk melakukan pengukuran terhadap sistem evaluasi kinerja lembaga, berdasarkan hasil Penilaian Evaluasi dengan menggunakan Metode Profile Matcing didapatkan rangking kinerja sebagai berikut 1. Kewirausahaan dengan persentasi 4.774747, 2. Keorganisasian dengan persentasi 4.622727, 3. Kesekretariatan dengan persentasi 4.578283, 4. Kerohanian dengan persentasi 4.527273, 5. Pendidika dan Pelatihan dengan persentasi 4.513636, 6. Minat dan Bakat dengan persentasi 4.438384. Metode Profile Matching mampu mengambil keputusan dengan pengukuran setiap kriteria-kriteria yang berada di bidang Lembaga Badan Eksekutig Mahasiswa (BEM). Hasil dari penelitian ini adalah berdasarkan hasil kuesioner yang di berikan ke mahasiswa didapatkan tingkat persentase sebanyak 85,2% yang setuju dengan aplikasi tersebut.

Related SDGs

Authors

Fauzan, Muhammad Rifqi; Anraeni; Siska, Ilmawan; Lutfi Budiman, Universitas Muslim Indonesia, Makassar, Indonesia

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

Related SDGs

Authors

Septiawan, M.Fiqry; Anraeni, Siska; Ramdaniah, Informatics Engineering, Computer Sience, Universitas Muslim Indonesia, Indonesia

Abstract

Technological advancements have provided convenience for Generation Z in managing finances; however, many are still not accustomed to recording their financial activities regularly. Shopping receipts, which should serve as proof of transactions, are often ignored or poorly managed, despite their important role in tracking expenses. Therefore, this research aims to develop an Android-based financial recording application capable of handling both manual input and automated recording through receipt scanning using Optical Character Recognition (OCR) technology. The findings indicate that ChatGPT-4o significantly outperforms EasyOCR by providing more consistent accuracy and faster, stable processing, making it a more reliable solution for receipt-based financial recording. Developed using the Agile Kanban method, the application was validated through alpha testing and proven to function properly across all features. Beyond practical benefits for users, this research also contributes to the financial technology literature by demonstrating the integration of large language models (LLM) to enhance OCR performance in mobile finance applications.

Related SDGs

Authors

Abdullah, Syahrul Mubarak; Sumardin, Andi; Munira; Anraeni, Siska, Universitas Muslim Indonesia, Jl. Urip Sumiharjo KM.5, Makassar, 90231

Abstract

Industri halal berkembang pesat sebagai pilar pertumbuhan ekonomi global, termasuk di Indonesia, didorong oleh populasi Muslim yang besar, kesadaran akan konsumsi halal, dan dukungan program pemerintah. Sertifikasi halal menjadi aspek kritis, terutama bagi UMKM, namun masih terdapat kendala seperti keterbatasan akses dan pemahaman. Untuk mengatasi hal ini, Badan Penyelenggara Jaminan Produk Halal (BPJPH) meluncurkan program Sertifikat Halal Gratis (SEHATI) melalui aplikasi SIHALAL. Namun, implementasinya menghadapi tantangan, seperti minimnya pengetahuan pelaku usaha tentang prosedur sertifikasi. Studi ini dilakukan di Desa Pucak, Kabupaten Maros, dengan melibatkan pelaku UMKM dan aparat desa. Metode yang digunakan bersifat partisipatif dan edukatif, meliputi presentasi, simulasi penggunaan aplikasi SIHALAL, serta diskusi kelompok. Hasil evaluasi menunjukkan bahwa mayoritas peserta (48 orang) percaya SIHALAL akan membantu UMKM, dan 42 peserta menyatakan akan menggunakan layanan SIHALAL BPJPH. Namun, sebagian kecil responden masih ragu, menunjukkan perlunya sosialisasi lebih intensif. Hasil pelatihan ini berhasil meningkatkan pemahaman peserta tentang pentingnya sertifikasi halal dan penggunaan aplikasi SIHALAL. Meskipun demikian, upaya lebih lanjut dalam edukasi dan promosi diperlukan untuk meningkatkan penerimaan dan pemanfaatan layanan ini, sehingga dapat mendukung pertumbuhan industri halal di Indonesia.

Related SDGs

Authors

Muhsina; Anraeni, Siska; Asis, Muhammad Arfah, Universitas Muslin Indonesia

Abstract

UD Arif is a company engaged in the business of buying and selling shrimp, this company is located on Jalan Soreang No.127 Pitue, Desa Pitue, Kec. Ma'rang, Kab.Pangkep. The problem that is often experienced at UD Arif is the amount of shrimp availability that does not match customer demand because shrimp quickly deteriorate and sales fluctuate due to market demand, such as the size of the shrimp that must be stocked, the quality of the shrimp, and too much stock on the market resulting in Shrimp sales decline Therefore the aim of this study is to produce an application that can make UD Arif's youth easier in predicting shrimp sales. So the method used in this study is the least squares method, which is a method that can handle data that experiences ups and downs, where it is influenced by seasons and trends. The result of this research is to produce a website that can predict shrimp sales. These results are known by means of correlation, namely looking for a relationship between the original data and the predicted data calculated using Excel. From this correlation method, it is known that with 12 months of test data, it is possible to have a vannamei shrimp test with a MAPE result of 3.7%.

Related SDGs

Authors

Anraeni, Siska; Hasanuddin, Tasrif; Belluano, Poetri Lestari Lokapitasari; Fadhiel, Andi Muhammad,Teknik Informatika, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Permasalahan dalam penelitian ini adalah pelayanan administrasi kependudukan Kantor Desa Pucak masih bersifat konvensional. Maka penelitian ini bertujuan untuk merancang dan membangun suatu Sistem Informasi Pelayanan Administrasi Kependudukan tingkat desa guna meningkatkan kualitas pelayanan bagi aparat Kantor Desa Pucak terhadap warga setempat. Penelitian ini menggunakan model siklus hidup pengembangan sistem waterfalldan perancangan sistem informasi pelayanan desa berbasis web. Hasil penelitian yang didapatkan yaitu sistem telah berhasildibuat dan diterapkan pada Kantor Desa Pucak dalam pengelolaan data penduduk dan pelayanan penduduk atau warga setempat untuk pembuatan surat-surat keterangan/pengantar antara lain: Surat Keterangan Kematian, KTP, Surat Keterangan Tidak Mampu (SKTM), Akta Perkawinan, Akta Kelahiran, Izin Usaha, Surat Keterangan Catatan Kepolisian (SKCK), Izin Keramaian, dan Kepemilikan.

Related SDGs

Authors

Markas, Muhammad Salman Al; Anraeni, Siska; Ilmawan, Lutfi Budiman, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Penggunaan internet dengan media sosial mempengaruhi masyarakat terhadap kegiatan yang dilakukan saat ini. Salah satu media sosial yang sekarang ini sedang populer digunakan oleh masyarakat adalah X. Informasi yang disebarkan dapat merupakan berita, opini, komentar, serta kritikan. Data yang didapat dari tweet ini dapat menjelaskan tanggapan masyarakat terhadap pelayanan pajak dari X. Maka dari itu penelitian ini sangat efisien jika X menjadi media untuk pengambilan data mengenai komentar Masyarakat sehingga dapat memberikan efektivitas perubahan yang diberikan kepada instansi pemerintah. Analisis sentimen menjadi proses yang sangat penting dalam memahami isi data dengan tujuan mengolah komentar yang diberikan oleh pengguna melalui tweet di X mengenai sebuah produk, layanan, dan instansi. Karya ilmiah ini bertujuan untuk membandingkan fitur Vector Bag Of Word dan TF IDF untuk mengevaluasi seberapa penting suatu term dalam sebuah dokumen pada dokumen yang lebih besar. Seperti diketahui bahwa komputer hanya mampu memproses input yang numerik sehingga data opini public berupa teks perlu direpresentasikan sebagai nilai numerik yang dikenal dengan ekstraksi fitur dan dapat dilakukan menggunakan model Binary Bag of Words (BOW), Count BOW dan Term Frequency-Inverse Document Frequency (TF-IDF) dikarenakan kedua teknik tersebut sangat berperan baik dan sama-sama digunakan untuk merepresentasikan numerik dari data teks serta memiliki kekurangan dan kelebihan masing masing. Berdasarkan hasil analisis maka dapat disimpulkan dengan menganalisis statement dengan menggunakan Bag Of Word dan TF-IDF dapat mengetahui jumlah tiap kemunculan kata di setiap kalimat dan dari hasil yang didapatkan bahwa kata yang sering diucapkan dalam sentimen yaitu dengan bobot nilai TF-IDF sebesar 0.1403.

Related SDGs