Research Publications

Authors

Darwis, Herdianti; Purnawansyah; Umalekhoa, Alfi Syahrin; Adnan, Adam; Umar, Fitriyani; AR, Muh. Aqil Fajar, Universitas Muslim Indonesia, Jl. Urip Sumoharjo KM 5, 90231, Makassar, Indonesia; Salim, Yulita, Universiti Kuala Lumpur, 1016 Jl. Sultan Ismail, Bandar Wawasan, 50250, Kuala Lumpur, Malaysia; Raja, Roesman Ridwan, Kyushu Institute of Technology, 680-4 Kawazu, Iizuka, 820-8502, Fukuoka, Japan

Abstract

This research investigates the application of clustering techniques to network congestion data at Universitas Muslim Indonesia, employing a hybrid metric approach based on packet loss and delay. The study utilized two algorithms, K-Means and K-Medoid, applied in a semi-supervised scenario to group 255,147 network data points into 3, 4, and 5 clusters, considering 10 principal variables. During the pre-processing phase, data cleansing was conducted to address missing values, followed by normalization to standardize the scale of numerical variables, thereby preparing the data for the clustering process. Model validation was performed using four cluster evaluation methods: Gap Statistic, Davies-Bouldin Index, and Elbow Method. The evaluation results indicate that both algorithms were capable of forming valid and reliable clusters. However, the K-Means algorithm demonstrated superior performance compared to K-Medoid, particularly when utilizing three Quality of Service variables: throughput, packet loss, and delay. In this configuration, K-Means yielded more stable clusters, a clearer separation between clusters, and a more structured visualization. Consequently, K-Means is considered more optimal for classifying network congestion levels and presents an effective approach for network data segmentation

Related SDGs

Authors

S, Muhammad Ikhsan.; Hayati, Lilis Nur; Widyawati, Dewi, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Berbagai industri termasuk ritel telah berubah sebagai akibat dari kemajuan teknologi informasi. Alfagift sebuah aplikasi yang dikembangkan oleh Alfamart untuk membantu pelanggannya berbelanja secara digital dan salah satu platform yang tengah berkembang pesat. Tujuan penelitian ini adalah untuk melakukan analisis sentimen masyarakat terhadap sistem perbelanjaan Alfagift dengan menggunakan metode Naive Bayes. Metode Naïve Bayes ini dipilih karena kemampuannya untuk mengklasifikasikan teks berdasarkan probabilitas, yang memungkinkan untuk menghasilkan hasil yang akurat dengan data yang relatif kecil. Data yang digunakan untuk penelitian ini adalah komentar atau ulasan pengguna tentang aplikasi Alfagift yang diambil dari platform review aplikasi. Analisis sentimen mencakup pengumpulan data, Preprocessing, serta penerapan Naive Bayes untuk membagi sentimen menjadi dua kategori utama yaitu positif dan negatif. Penelitian ini mengumpulkan 6.650 data ulasan pengguna dan didapatkan 4.937 kelas sentimen positif dan 1.713 kelas sentimen negatif. Naïve Bayes Classifier dalam mengklasifikasi data mendapatkan akurasi tertinggi saat pembagian data latih dan data uji dengan perbandingan sebesar 90:10 memperoleh Accuracy 85.94%, recall 81.81%, Precision 91.83% dan F1-Score sebesar 86.52%. Hasil dari analisis ini menunjukkan bagaimana respon masyarakat terhadap fitur-fitur yang ada dalam aplikasi, serta memberikan wawasan tentang kekuatan dan kelemahan dari sistem perbelanjaan Alfagift. Penelitian ini juga membuktikan efektivitas metode Naive Bayes dalam menganalisis sentimen secara otomatis dan memberikan insight yang berbasis data

Related SDGs

Authors

Ningsih, Sulistia; Satra, Ramdan; Gaffar, Andi Widya Mufila, Universitas Muslim Indonesia

Abstract

Di era digital, akses terhadap internet dan jaringan lokal nirkabel (Wireless LAN) menjadi sangat penting, khususnya di lingkungan akademik, salah satunya di Fakultas Agama Universitas Muslim Indonesia.Tujuan penelitian iniuntuk mengetahui area blank spotatau sinyal yang lemah berdasarkan jaringan Wireless LANdan memberikan rekomendasi penempatan Access Point. Penelitian ini menggunakan metode jenis pendekatan eksperimen, dengan menggunakan metode lapangan yang melibatkan pengumpulan data melalui observasi. Hasil penelitian ditunjukkan dengantiga hasil simulasi access pointdengan menggunakan parameter RSL (Received Signal Level) SIR (Signal to Interferance Ratio) yang telah diimpelementasikan dengan menggunakan 8 access point(AP), dimana masing-masing 4AP pada lantai 2 dan 3 Fakultas Agam UMI menggunakan aplikasi NetSpot.Adapun hasil dari nilai RSL untuk simulasi Apada lantai 2dan 3 adalah -41,02 dBm dan -41,20 dBm, simulasi B pada lantai 2 dan 3 adalah -41,07 dBm dan -42,95 dBm, simulasi C pada lantai 2 dan 3 adalah -41,35 dBm dan -43,02 dBm. Sedangkan hasil SIR untuk simulasi A pada lantai 2 dan 3 adalah 47,62 dB dan 46,37 dB, simulasi B pada lantai 2 dan 3 adalah 48,27 dB dan 47,55 dB, simulasi C pada lantai 2 dan 3 adalah 48,87 dB dan 47,95 dB. Dari hasil penelitian maka dapat disimpulkan bahwa simulasi C memberikan hasil optimisasi terbaik dengan presentasi coverage areaterbaik. Hasil rata-rata RSL dan SIR termasuk dalam kategori kekuatan sinyal “Very Good” (Sangat Bagus), yang menunjukkan bahwa penempatan Access Pointpada simulasi C mampu memberikan performa jaringan yang sangat memadai di kedua lantai tersebut.

Related SDGs

Authors

Faradibah, Amaliah; Widyawati, Dewi; Belluano, Poetri Lestari Lokapitasari; Tenripada, A. Ulfah; Utami, Aulia Putri; Fatahillah, Furqon; Tuasamu, Fatimah A.R.

Abstract

The use of Information Technology has penetrated various sectors, including education. In the digital era, video editing applications are among the most widely used tools, as students tend to be more engaged with video-based content than with text-based learning materials. This study aims to improve teaching methods by empowering teachers to create engaging learning videos using digital applications. The program was implemented at SDN 133 Inpres Paririsi Takalar, involving 27 elementary school teachers with diverse educational backgrounds, teaching subjects, and teaching experience. A Practical and Participatory training model was applied over a two-month period. Evaluations were conducted before and after the training to assess its effectiveness in enhancing teachers’ video editing skills. The results showed a significant improvement in teachers' abilities to use video editing applications and increased confidence in delivering digital-based learning content. The main challenges faced by teachers included limited initial digital literacy and time constraints during implementation. This study contributes to addressing the digital content creation skill gap among elementary school teachers. The expected outputs include: (1) a user guide module for video editing applications, (2) publication in an accredited national journal, and (3) enrichment materials for the Multimedia Systems course. Further research is recommended to explore the long-term impact of the training and its applicability to other educational levels.

Related SDGs

Authors

Rahmatullah, Muhammad Faiq; Belluano, Poetri Lestari Lokapitasari; Darwis, Herdianti, Universitas Muslim Indonesia, Makassar, Indonesia

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

Related SDGs

Authors

Belluano, Poetri Lestari Lokapitasari, Department of Electrical Engineering and Informatics, Universitas Negeri Malang, Indonesia; Department of Informatics Engineering, Universitas Muslim Indonesia, Makassar, Indonesia; Patmanthara, Syaad; Ashar, Muhammad, Department of Electrical Engineering and Informatics, Universitas Negeri Malang, Indonesia; Kurniawan, Fachrul, Department of Informatics Engineering, Universitas Islam Negeri Maulana Malik Ibrahim, Malang, Indonesia; Kurubacak, Gulsun, Department of Distance Education, Anadolu University, College of Open Education, Eskisehir 26470, Turkey

Abstract

This study introduces a clustering-driven adaptive User Experience (UX) architecture for e-learning systems, aligning machine learning segmentation with the 21st-century 4C educational framework (critical thinking, communication, collaboration, creativity). The objective is to dynamically personalize digital learning interactions through a microservices architecture responsive to users' UX profiles. A quantitative survey was conducted involving 50 active users of Shopee and Tokopedia, whose interaction feedback was mapped using the User Experience Questionnaire (UEQ). Three unsupervised clustering techniques—KMeans, Agglomerative, and DBSCAN—were compared. KMeans outperformed the others with a silhouette score of 0.157, compared to 0.146 for Agglomerative and −0.017 for DBSCAN, identifying three meaningful clusters representing high, medium, and low UX proficiency. A one-way ANOVA test confirmed statistically significant differences (p < 0.01) among the clusters in dimensions such as error clarity, support responsiveness, and user confidence. These UX profiles were then mapped to individualized microservices: Cluster 0 received autonomous content with minimal support, Cluster 1 was offered guided prompts, and Cluster 2 was provided with simplified interfaces and proactive assistance. Each cluster was aligned with specific 4C competencies to ensure pedagogical relevance. The proposed architecture, built with gRPC-based microservices, enabled asynchronous, low-latency personalization based on user cluster membership. The novelty of this research lies in its dual alignment—technological (microservices + machine learning) and educational (4C competency mapping)—to construct a scalable and responsive e-learning environment. The system design, although validated through simulation, demonstrates a practical foundation for future deployment in platforms like Moodle or OpenEdX. By linking behavioral UX clustering to pedagogical intervention strategies, this study offers a model for adaptive, data-informed instructional systems that are both scalable and learner-centered.

Related SDGs

Authors

Fauzi, Muh Hilmy Noor; Belluano, Poetri Lestari Lokapitasari; Hasnawi, Mardiyyah, Universitas Muslim Indonesia, Makassar

Abstract

Penelitian ini bertujuan mengembangkan teknik pemodelan desain aplikasi mobile untuk memantau pengiriman sampah daur ulang dengan menggabungkan dua metode yaitu Rapid Prototyping dan User-Centered Design (UCD). Aplikasi yang dikembangkan untuk meningkatkan efektivitas pengiriman sampah daur ulang serta memastikan keterlibatan pengguna dalam proses pengelolaan limbah. Pemodelan aplikasi mobile dengan pendekatan Rapid Prototyping dalam pembuatan prototipe interaktif secara cepat sementara User Centre Design diterapkan dalam hal pemahaman secara mendalam terhadap kebutuhan pengguna. Kombinasi Teknik pemodelan antara Rapid Prototyping dan User Centre Design menghasilkan prototipe aplikasi yang baik dalam memonitor pengiriman sampah daur ulang, memberikan kontribusi positif dalam mengatasi permasalahan monitoring pengiriman sampah dan dampak positif pada industri daur ulang dimana pengujian akhir prototipe Efficiency, Effectiveness, Satisfaction, dan Usability yang telah dikembangkan berhasil menunjukkan hasil yang sangat positif. Proses pengembangan prototipe aplikasi mobile melalui beberapa tahapan antara lain analisis awal, perancangan prototipe, verifikasi dan pengujian awal, iterasi dan perbaikan, serta evaluasi akhir desain. Hasil Penelitian ini menunjukkan bahwa tingkat Efficiency dan Effectiveness pada pengujian akhir prototipe aplikasi sangat tinggi, dengan rata-rata nilai 5.00 sedangkan dari sisi Satisfaction dan Usability memperoleh rata-rata nilai sebesar 4.75.

Related SDGs

Authors

B, Poetri Lestari Lokapitasari; Patmanthara, Syaad, Department of Electrical Engineering and Informatics, Faculty of Engineering, State University of Malang, Malang, Indonesia; Ashar, Muhammad, Department of Informatics Engineering, Faculty of Science and Technology, Maulana Malik Ibrahim State Islamic University, Malang, Indonesia; Kurniawan, Fachrul, Department of Informatics Engineering, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia.

Abstract

This paper evaluates the user experience of a microservices-based e-learning platform created for technopreneurship education using the User Experience Questionnaire (UEQ). Microservices present new chances to improve system performance, dependability, and learner involvement when educational systems choose modular and scalable designs. The study presents a benchmarking strategy by contrasting the newly created platform with two extensively utilized commercial platforms, Shopee and Tokopedia, which both use scale microservices. Fifty undergraduates participated in the study and evaluated six fundamental UX dimensions: attractiveness, perspicuity, efficiency, dependability, stimulus, and novelty. Quantitative research shows that the e-learning system works well in terms of pragmatic quality (clarity, efficiency, and reliability) and hedonic quality (stimulus and creativity). Comparatively, in perspicuity and efficiency, T-test comparisons reveal statistically significant benefits of the e-learning platform over Tokopedia; similarly, in stimulation and novelty, over Shopee. These findings imply that the microservices-based design improves emotional involvement and perceived innovation in the learning environment and supports functional performance. The study indicates that tools usually used in commercial environments allow one to assess user experience in education effectively. It also emphasizes how the design of learner-centred digital platforms can be guided by benchmarking against industry systems. The results provide helpful information for teachers trying to match educational technologies with user expectations moulded by actual digital experiences and for e-learning developers.

Related SDGs

Authors

Manga, Abdul Rachman; Atmajaya, Dedy; Faradibah, Amaliah, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Agriculture utilizes biological resources to produce food, industrial raw materials, energy sources, and manage the environment. This sector plays a strategic role in national economic development. This research aims to design an automatic spraying system for shallot plants based on soil moisture using soil moisture sensors. This system utilizes soil moisture sensors to detect the water content in the soil as well as soil moisture sensors to measure the air humidity around the plants. Data from both sensors are processed by the microcontroller to regulate the timing and duration of the spraying. The prototype of this system was built using soil moisture sensors, soil moisture sensors, microcontrollers, water pumps, solenoid valves, and other supporting components. Testing was conducted in the field with red onion plants as the test subjects. The results show that the system is capable of functioning effectively in watering plants based on soil moisture levels. The sensor works accurately in measuring water content, while the microcontroller successfully controls the spraying optimally. The implementation of this system has proven to increase water usage efficiency and support better growth of red onion plants. Thus, this automatic spraying system offers an environmentally friendly and efficient solution for irrigation based on soil moisture and soil moisture sensors.

Related SDGs

Authors

Kurniati, Nia; Hasnawi, Mardiyyah; Abdullah, Syahrul Mubarak; Hasanuddin, Tasrif, Program Studi Teknik Informatika, Universitas Muslim Indonesia, Makassar, Indonesia; Puspitasari, Andi, Program Studi Pendidikan Bahasa & Sastra Indonesia, Universitas Muslim Indonesia, Makassar,Indonesia.

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) yang berjudul Transformasi Literasi Ilmiah bagi Guru di SDIT Wahdah Islamiyah 01 Makassar melalui Pelatihan Menulis Berbasis Teknologi Digital dilaksanakan untuk menjawab kebutuhan peningkatan kompetensi guru dalam literasi ilmiah dan pemanfaatan teknologi digital dalam pembelajaran. Perkembangan teknologi menuntut guru tidak hanya mampu menulis secara ilmiah, tetapi juga memahami dan memanfaatkan berbagai platform digital yang menunjang proses penulisan, kolaborasi, serta pengelolaan dokumen. Namun, sebagian guru masih memiliki keterbatasan dalam penggunaan Google Tools seperti Google Docs, Google Scholar, Google Drive, dan Google Classroom, sehingga proses pembelajaran dan administrasi belum berjalan secara optimal. Pelatihan ini dirancang dengan metode observasi, wawancara, studi pustaka, pelatihan teknis, pendampingan langsung, serta evaluasi melalui penyebaran kuesioner. Materi pelatihan mencakup teknik penulisan ilmiah, pengolahan dokumen digital, pencarian referensi ilmiah, penyimpanan dan berbagi dokumen secara kolaboratif, serta pemanfaatan platform digital untuk pembelajaran. Pelatihan berlangsung interaktif dengan praktik langsung yang dibimbing oleh dosen dan mahasiswa pendamping. Hasil kegiatan menunjukkan peningkatan signifikan pada pemahaman dan keterampilan guru dalam menulis ilmiah berbasis teknologi digital. Guru mampu menghasilkan draft artikel ilmiah, mengelola dokumen secara daring, dan memanfaatkan Google Tools dalam pembelajaran. Respon kuesioner menunjukkan bahwa peserta merasa pelatihan bermanfaat, relevan, dan mudah diterapkan dalam tugas sehari-hari. Meskipun terdapat kendala seperti perbedaan kemampuan digital dan gangguan internet, kegiatan tetap berjalan efektif. Secara keseluruhan, PkM ini berhasil mendorong transformasi literasi ilmiah dan kompetensi digital guru, serta menjadi langkah penting bagi sekolah dalam mewujudkan pembelajaran modern yang kreatif, kolaboratif, dan berbasis teknologi.

Related SDGs

Authors

Syah, Fathurrahman Putra; Hasanuddin, Tasrif; Kurniati, Nia, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Perkembangan media sosial, khususnya Twitter, telah menjadi sarana utama bagi masyarakat Indonesia dalam menyampaikan opini dan pandangan terhadap berbagai isu, termasuk politik. Analisis sentimen menjadi metode yang efektif untuk memahami kecenderungan opini publik melalui media sosial. Penelitian ini bertujuan untuk menganalisis sentimen tweet netizen terkait isu politik di Indonesia dengan menerapkan algoritma Naïve Bayes Classifier. Data dikumpulkan dari tweet yang membahas isu politik dan diproses melalui tahap preprocessing, seperti pembersihan data, normalisasi kata, serta penghapusan kata yang tidak relevan. Hasil penelitian menunjukkan bahwa model Naïve Bayes memiliki akurasi sebesar 72% setelah dilakukan optimasi, dengan kinerja yang baik dalam mendeteksi sentimen positif dan netral, namun masih menghadapi tantangan dalam mengidentifikasi sentimen negatif akibat ketidakseimbangan data. Sentimen negatif umumnya berisi kritik terhadap kebijakan pemerintah, sementara sentimen positif mencerminkan harapan dan dukungan terhadap proses politik. Kelemahan dalam penelitian ini disebabkan oleh asumsi independensi fitur dalam Naïve Bayes serta kompleksitas bahasa dalam tweet, seperti sarkasme dan konteks yang ambigu. Oleh karena itu, penelitian lebih lanjut disarankan untuk mengembangkan pendekatan yang lebih canggih, seperti deep learning atau model hibrida, guna meningkatkan akurasi klasifikasi sentimen politik di media sosial

Authors

Septiani, Berlian; Hasanuddin, Tasrif; Astuti, Wistiani, Universitas Muslim Indonesia, Makassar, 90231, Indonesia

Abstract

Lontara script is a traditional writing system of the Bugis-Makassar people in South Sulawesi, used to write the Bugis, Makassar, and Mandar languages. This system is based on an abugida, in which each letter represents a consonant with an inherent vowel. It was once used to record history, customary law, and literature, but its use has declined due to the influence of the Latin alphabet. Today, the Lontara script is preserved through education and digitization as part of the cultural heritage of the Indonesian archipelago. In this article, the researchers attempt to use a dataset of handwritten Lontara Bugis-Makassar characters. The process begins with the collection of character datasets, which are then processed through Canny segmentation and Hu Moment feature extraction to obtain a representation of the shape that is invariant to rotation and scale. The processed data was divided into training and testing data, then classified using the K-NN, Decision Tree, and Random Forest algorithms. The results showed that the KNN algorithm with 6 neighbors achieved the highest accuracy, precision, and recall of 98%. The Decision Tree algorithm achieved an accuracy of 96.67%, precision of 96.22%, recall of 95.33%, and an F1-score of 95.98%. Meanwhile, Random Forest showed an accuracy of 96.67%, precision of 96.34%, recall of 96%, and an F1-score of 95.98%.

Related SDGs

Authors

Rahman, Agussalim; Sadariah, Sadariah; Rasyid, Abd; Kurniaty, Kurniaty, Manajemen, STIE Tri Dharma Nusantara, Makassar; Satra, Ramdan, Teknik Komputer, Universitas Muslim Indonesia, Makassar

Abstract

UPZ Masjid Babul Firdaus adalah sebagaimana UPZ dan pengelola zakat lainnya menghadapi tingkat pengumpulan dan pendistribusi zakat yang belum optimal. Tujuan dari pelaksanaan kegiatan pengabdian kepada masyarakat ini adalah untuk memberdayakan UPZ Masjid Babul Firdaus sebagai lembaga pengelola zakat di kelurahan Batangkaluku agar dapat berperan dalam mengelola zakat melalui pembuatan Sistem Informasi Zakat supaya UPZ dapat melakukan pengumpulan dari masyarakat yang wajib zakat (muzakki) dan menyalurkannya kepada masyarakat yang berhak menerima zakat (mustahik) terutama dalam pengentasan kemiskinan. Pembuatan Sistem Informasi Zakat telah melewati serangkaian tahapan kegiatan yaitu: 1) Sosialisasi kepada pemerintah setempat, 2) sosialisasi dan edukasi zakat kepada masyarakat, 3) pelatihan dan pembekalan kepada Tim Konsultan Zakat, 4) pendataan dan pemetaan status zakat masyarakat sebagai muzakki, munfiq atau mustahik, 5) penerapan teknologi melalui pembuatan Sistem Informasi Zakat. Selanjutnya akan dilaksanaka pemdapingan kepada UPZ Masjid Babul Firdaus untuk memastikan program ini berkelanjutan. Dengan adanya Sistem Informasi Zakat maka pengelolaan Zakat oleh Unit Pengumpul Zakat (UPZ) Masjid Babul Firdaus dapat lebih efisien, efektif, transparan dan akuntabel sehingga kehadiran UPZ berkontribusi dalam menciptakan sinergitas masyarakat kategori muzakki menyelesaikan permasalahan masyarakat lainnya terutama dalam pengentasan kemiskinan.

Related SDGs

Authors

Amaluddin, Amaluddin; Satra, Ramdan; Gaffar, Mufila, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Pot tanaman pintar berbasis Internet of Things merupakan sistem yang dapat mendeteksi dan memonitoring kelembaban tanah melalui smartphone. Kemajuan teknologi ini dapat mempermudah masyarakat dalam merawat tanaman hiasnya. Penelitian ini bertujuan untuk merancang pot tanaman pintar brbasis Internet of Things (IoT) untuk tanaman hias Aglonema. Pot ini dilengkapi dengan fitur monitoring kelembaban tanah, ketinggian air pada tangki penampungan, dan sistem peringatan berbasis Buzzer. Dengan memanfaatkan sensor DHT22, Cavacitive Soil Moisture, dan Ultrasonik HC-SR04, data lingkungan seperti kelembaban tanah, suhu, dan ketinggian air pada tangki dapat dipantau secara real-time melalui aplikasi Blynk IoT. Mikrokontroller NodeMCU, ESP8266 digunakan sebagai pusat pengendalian sistem, memungkinkan penyiraman otomatis ketika kelembaban tanah berada dibawah ambang batas. Hasil pengujian menunjukkan bahwa sistem ini efektif dalam memantau kondisi tanaman serta menghemat waktu dan tenaga pengguna dalam merawat tanaman hias. Pot tanaman pintar ini diharapkan menjadi solusi inovatif bagi pecinta tanaman hias untuk meningkatkan keberhasilan perawatan tanaman hias Aglonema

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

Afriani; Alwi; Erick Irawadi, Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia, Jl. Urip Sumoharjo km.05, Makassar dan 90231, Indonesia

Abstract

KALAM is a web-based online learning platform provided by Universitas Muslim Indonesia (UMI) and hosted on servers managed by the Center for Data and Information Technology (PDTI). In practice, KALAM still exhibits security weaknesses that could be exploited by unauthorized parties for personal gain. One identified weakness lies on the login page, which lacks a CAPTCHA mechanism, thereby enabling brute-force and SQL injection attacks. Potential abuses include altering and exfiltrating data. The researcher employed initial seed data in the form of usernames to identify accounts that could be forcibly accessed. Two outcomes were observed: a response value of 200 indicates that the account can be attacked, whereas a value of 303 signifies that the account is blocked by the firewall

Related SDGs