Article Per Year (5 Year)
p-Index From 2019 - 2024
5.047
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Komputasi Jurnal Teknoinfo Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Data Mining dan Sistem Informasi Jurnal Teknologi dan Sistem Informasi Journal Social Science And Technology For Community Service Jurnal Ilmiah Sistem Informasi Akuntansi (JIMASIA) Journal of Engineering and Information Technology for Community Service Jurnal Ilmiah Computer Science Jurnal Informatika: Jurnal Pengembangan IT Journal of Artificial Intelligence and Technology Information
Isnain, Auliya Rahman
Fakultas Teknik Dan Ilmu Komputer, Universitas Teknokrat Indonesia
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Penerapan Smart Village Dalam Peningkatan Pelayanan Masyarakat Menggunakan Metode Web Engeneering (Studi Kasus: Desa Sukanegeri Jaya) M Agung Saputra; Auliya Rahman Isnain
Jurnal Teknologi dan Sistem Informasi Vol 2, No 3 (2021): Volume 2 No. 3 September 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v2i3.940

Abstract

Smart village merupakan konsep desa pintar dengan maksud desa yang telah memanfaatkan perkembangan teknologi informasi smart government, smart community, dan smart environment. Smart village saat ini masih belum banyak diterapkan khususnya di desa, salah satunya adalah desa sukanegeri yang berlokasi di Kabupaten Tanggamus dengan jumlah penduduk 1016 jiwa dengan 226 kepala keluarga dan merupakan salah satu desa yang menjadi bagian dar agenda Gubernur Lampung untuk menerapkan smart village. Berdasarkan prosedur pengolahan data penduduk yang dilakukan terdapat permasalahan seperti proses pengolahan data yang dilakukan secara keseluruhan masih manual yaitu dengan pencatatan pada buku maupun media cetak melalui media office. Hal tersebut berdampak pada proses pengolahan data yang lambat, kerusakan data akibat data arsip berupa media kertas hingga kehilangan dan manipulasi data. Metode pengembangan sistem yang digunakan yaitu web engineering yang bertujuan untuk menerapkan konsep desa pintar dengan mengelola 3 bagian seperti informasi seni dan budaya permohonan surat dan produk BUMDES. Hasil penelitian ini mampu memberikan wadah bagi masyarakat untuk mempermudah melihat produk olahan desa serta permohonan surat yang dapat dilakukan secara online.Kata Kunci : Smart Village, Pelayanan Masyarakat, Metode Web Engineering.
ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS Zulfa Nabila; Auliya Rahman Isnain; Permata Permata; Zaenal Abidin
Jurnal Teknologi dan Sistem Informasi Vol 2, No 2 (2021): Volume 2 No. 2 Juni 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v2i2.868

Abstract

Coronavirus Diseases 2019 atau yang lebih dikenal dengan sebutan Covid19 adalah kasus pneumonia yang tidak diketahui penyebabnya yang ditemukan pertama kali pada akhir bulan Desember 2019 di Kota Wuhan, China. Ketika menyerang manusia, virus ini menyebabkan infeksi saluran pernafasan seperti flu. Tujuan dari penelitian ini adalah untuk menganalisis data kasus Covid-19 agar dapat mengetahui pengelompokkan pada masalah kasus Covid-19 di Provinsi Lampung. Pengelompokkan data kasus Covid-19 di Provinsi Lampung dilakukan menggunakan metode Clustering dengan algoritma K-Means dengan atribut Kabupaten/Kota, Suspek, Probable, Konfirmasi Positif, Selesai Isolasi, dan Kematian yang digunakan dalam proses perhitungan dan membagi data ke dalam 4 cluster yang dikategorikan sebagai Zona Merah, Zona Orange, Zona Kuning dan Zona Hijau. Serta validasi menggunakan Davies-Bouldin Index (DBI). Hasil validasi DBI menggunakan perhitungan secara manual dan menggunakan bantuan tools RapidMiner memiliki perbedaan, pada kasus ini perhitungan manual memiliki hasil yang lebih baik dibandingkan dengan menggunakan tools RapidMiner, tetapi hasil dari kedua perhitungan sama-sama mendekati 0 yang berarti klaster yang dievaluasi menghasilkan klaster yang baik.Kata Kunci: Covid-19, Data Mining, Clustering, K-Means, Davies-Bouldin Index (DBI)
Teks Dan Analisis Sentimen Pada Chat Grup Whatsapp Menggunakan Long Short Term Memory (LSTM) Deby Sintia Amelia; Ahmad Ari Aldino; Auliya Rahman Isnain
Jurnal Teknologi dan Sistem Informasi Vol 2, No 4 (2021): Volume 2 No. 4 Desember 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtsi.v2i4.1248

Abstract

AbstrakSemakin berkembangnya teknologi informasi yang sangat pesat, pada era sekarang teknologi berkirim pesan sudah tidak menggunakan pulsa lagi tetapi, sekarang sudah menggunakan aplikasi yang bernama WhatsApp dimana untuk menggunakan WhatsApp tersebut pengguna membutuhkan kuota internet dan sinyal yang bagus agar dapat berkomunikasi menggunakan WhatsApp dengan lancar. Selain digunakan untuk berkirim pesan WhatsApp juga dapat digunakan untuk mengirimkan video, pesan suara, gambar, dan dapat melakukan panggilan video atau yang disebut dengan video call. Didalam WhatsApp juga kita dapat membuat grup chat yang bisa terdiri dari beberapa anggota grup. Tujuan penelitian ini untuk melakukan analisis sentimen terhadap salah satu grup WhatsApp yaitu grup chat yang bernama Shinubi6 untuk dilakukan pemrosesan terhadap isi chat dari grup tersebut dengan menggunakan metode Long Short Term Memory. Metode LSTM digunakan untuk mengetahui tingkat akurasi terhadap data yang digunakan dan penelitian ini juga menggunakan fitur word2vec. Hasil yang didapat pada penelitian analisis sentimen ini yaitu, mendapatkan tingkat akurasi sebesar 99%, precision 99%, dan recall sebesar 1%. Metode LSTM ini memiliki akurasi yang baik pada pemrosesan analisis sentimen chat grup WhatsApp ini.Kata Kunci: Analisis Sentimen, WhatsApp, LSTM, dan Word2vec.
Bidirectional Long Short Term Memory Method and Word2vec Extraction Approach for Hate Speech Detection Auliya Rahman Isnain; Agus Sihabuddin; Yohanes Suyanto
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 14, No 2 (2020): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.51743

Abstract

Currently, the discussion about hate speech in Indonesia is warm, primarily through social media. Hate speech is communication that disparages a person or group based on characteristics such as (race, ethnicity, gender, citizenship, religion and organization). Twitter is one of the social media that someone uses to express their feelings and opinions through tweets, including tweets that contain expressions of hatred because Twitter has a significant influence on the success or destruction of one's image.This study aims to detect hate speech or not hate Indonesian speech tweets by using the Bidirectional Long Short Term Memory method and the word2vec feature extraction method with Continuous bag-of-word (CBOW) architecture. For testing the BiLSTM purpose with the calculation of the value of accuracy, precision, recall, and F-measure.The use of word2vec and the Bidirectional Long Short Term Memory method with CBOW architecture, with epoch 10, learning rate 0.001 and the number of neurons 200 on the hidden layer, produce an accuracy rate of 94.66%, with each precision value of 99.08%, recall 93, 74% and F-measure 96.29%. In contrast, the Bidirectional Long Short Term Memory with three layers has an accuracy of 96.93%. The addition of one layer to BiLSTM increased by 2.27%.
Sentiment Analysis Of Government Policy On Corona Case Using Naive Bayes Algorithm Auliya Rahman Isnain; Nurman Satya Marga; Debby Alita
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 15, No 1 (2021): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.60718

Abstract

 The Indonesian government has enforced the New Normal rule in maintaining economic stabilization and also restraining the spread of the virus during the Covid 19 pandemic. This has become a hot topic of conversation on social media Twitter, many people think positive and negative.The research conducted is a representation of text mining and text processing using machine learning using the Naive Bayes Classifier classification method, the objective of the analysis is to determine whether public sentiment towards the New Normal policy is positive or negative, and also as a basis for measuring the performance of the TF-IDF feature extraction and N-gram in machine learning uses the Naive Bayes method.The results of this study resulted in the accuracy rate of the Naive Bayes method with the TF-IDF feature selection. The total accuracy was 81% with a Precision value of 78%, Recall 91%, and f1-Score 84%. The highest results were obtained from the use of the Naive Bayes and Trigram algorithm parameters, namely 84%, namely 84% Precision, 86% Recall, and 85% f1-Score. The Naive Bayes algorithm with the use of the trigram type N-Gram feature extraction shows a fairly good performance in the process of classifying public tweet data.
Implementation of K-Nearest Neighbor (K-NN) Algorithm For Public Sentiment Analysis of Online Learning Auliya Rahman Isnain; Jepi Supriyanto; Muhammad Pajar Kharisma
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 15, No 2 (2021): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.65176

Abstract

This research was conducted to apply the KNN (K-Nearest Neighbor) algorithm in conducting sentiment analysis of Twitter users on issues related to government policies regarding Online Learning. Research using Tweet data as much as 1825 Indonesian tweet data data were collected from February 1, 2020 to September 30, 2020. Using the python library, Tweepy. word weighting using TF-IDF, will be classified into two classes of sentiment values, positive and negative. After testing with K of 20, the highest accuracy results were obtained when K = 10 with an accuracy value of 84.65% with a precision of 87%, a recall of 86% f measure 87% and an error rate of 0.12% and a tendency was also obtained. public opinion on online learning tends to be positive.
PENERAPAN NAÏVE BAYES CLASSIFIER UNTUK PENDUKUNG KEPUTUSAN PENERIMA BEASISWA Debby Alita; Indah Sari; Auliya Rahman Isnain; Styawati Styawati
Jurnal Data Mining dan Sistem Informasi Vol 2, No 1 (2021): Vol 2, No 1, Februari 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jdmsi.v2i1.1028

Abstract

Scholarships are the provision of assistance in the form of financial assistance provided to individuals with the aim of being used for the sustainability of the education achieved. The problem that occurs in this research is that the process of determining which is still carried out conventionally the student section must check one by one the scholarship application files submitted by students because each data will be compared one by one according to predetermined criteria, which results in the student section becoming difficult in the decision so that It takes a long time, therefore we need a decision support system that can help schools make decisions about scholarship recipients.The Naive Bayes Classifier method is a method that can be used in decision making to get better results on a classification problem. The purpose of this study is to build a scholarship recipient decision support system using the Naïve Bayes Classifier method. In this study, a problem analysis was carried out using PIECES analysis and for the system development method using.The result of this research is that applying the naïve Bayes method to the scholarship recipient's decision support system can assist the school in determining the scholarship recipient more quickly and accurately. The scholarship recipient's decision support system was built using the Java programming language and MySQL database. Keyword: Decision Support Systems, Naïve Bayes Classifier, Waterfall, Blackbox Testing, PIECES
SENTIMEN ANALISIS PUBLIK TERHADAP KEBIJAKAN LOCKDOWN PEMERINTAH JAKARTA MENGGUNAKAN ALGORITMA SVM Auliya Rahman Isnain; Adam Indra Sakti; Debby Alita; Nurman Satya Marga
Jurnal Data Mining dan Sistem Informasi Vol 2, No 1 (2021): Vol 2, No 1, Februari 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jdmsi.v2i1.1021

Abstract

Media sosial menjadikan masyarakat mengalami pergeseran perilaku baik budaya, etika dan norma yang ada, sehingga mereka dapat mengeluarkan opini-opini yang mereka miliki. Opini merupakan suatu pendapat dari pemikiran masayarakat mengenai suatu permasalahan yang sedang terjadi, saat ini Indonesia sedang dihadapkan oleh masalah mengenai virus Covid-19 yang memakan begitu banyak korban jiwa sehingga masyarakat mengeluarkan opini mereka mengenai virus tersebut dan kebijakan yang dilakukan pemerintah menghadapi virus tersebut.Penelitian ini bertujuan untuk mengetahui bagaimana sentiment publik terhadap kebijakan yang akan dilakukan pemerintah mengenai kebijakan lockdown ataupun pembatasan sosial berskala besar menggunakan metode Support Vector Machine denga ekstraksi fitur tf-idf  dengan pengujian yang nantinya akan dilihat bagaimana nilai accuracy, precision, Recall dan F1-Score.Penggunaan metode Support Vector Machine dan ekstraksi fitur dengan tf-idf yang membagi kelas menjadi sentiment positif 68,75% dan negative 31,25% menghasilkan nilai accuracy sebesar 74%, precision sebesar 75%, recall sebesar 92% dan F1-Score sebesar 83%.
PENDAMPINGAN DAN PELATIHAN PENGGUNAAN SMART VILLAGE GUNA MENINGKATKAN PELAYANAN DESA DI PEKON SUKANEGERI JAYA Heni Sulistiani; Agung Saputra; Auliya Rahman Isnain; Dedi Darwis; Yuri Rahmanto; Aprian Nuriansah; Aidil Akbar
Journal of Social Sciences and Technology for Community Service (JSSTCS) Vol 3, No 1 (2022): Volume 3, Nomor 1, 2022
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v3i1.1945

Abstract

Technological developments require all parties to be able to apply it in all fields. The village government must also apply information technology in managing its administrative activities and in terms of village services. For this reason, it is necessary to develop a smart village application for villages that want to progress. This service activity aims to provide assistance and training on the use of smart villages for the community and village officials in Pekon Sukanegeri Jaya. Pekon Sukanegeri Jaya already has a smart village application that is ready to be implemented for the community and village officials. The village office has also been equipped with wifi or a smooth internet network, so that it can be used by the community and village officials to implement the smart village application. However, the community and village officials have not fully understood and implemented smart villages in their work. Therefore, the service team needs to provide assistance and training on the use of smart villages for the community and village officials. With this service activity, it is hoped that it can improve the ability of the community and village officials to use the smart village application and there will be an increase in village office services
WORKSHOP DIGITAL MARKETING “TEMUKAN TEKNIK PEMASARAN SECARA DARING” Auliya Rahman Isnain; Sanriomi Sintaro; Donaya Pasha
Journal of Social Sciences and Technology for Community Service (JSSTCS) Vol 2, No 2 (2021): Vol 2, No 2 (2021): September 2021
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v2i2.1365

Abstract

SMK Gajah Mada Bandar Lampung, awal berdirinya bernama SMEA Gajah Mada dengan SK Menteri Pendidikan dan Kebudayaan Republik Indonesia No.4111/12B/4/1990 dengan status TERDAFTAR, yang berada dilokasi Jalan Soekarno Hatta No.1 Kelurahan Tanjung Senang, Kecamatan Tanjung Senang, Kota Bandar Lampung kemudian pada tahun 1990 berstatus DIAKUI, dan pada tahun 2006 statusnya menjadi TERAKREDITASI dengan dua jurusan yaitu Akuntansi mendapat nilai B dan Administrasi Perkantoran mendapat nilai C Kemudian pada tahun 2010 SMK Gajah Mada telah melaksanakan akreditasi ulang untuk jurusan Akuntansi, Administrasi Perkantoran dan Pemasaran (Marketing) dan telah selesai  dengan nilai “Terakreditasi B” sedangkan untuk jurusan Teknik Komputer dan Jaringan baru dibuka pada Tahun Pelajaran 2014/2015.Permasalahan yang dihadapi oleh SMK Gajah Mada  Bandar Lampung adalah kurangnya pengetahuan guru-guru dan siswa terhadap perkembangan teknologi untuk melakukan proses pemasaran secara online atau secara digital.  Dimasa pandemi covid-19 jurusan kewirausahaan SMK Gajah Mada terus mengembangakan teknik pembelajaran untuk memeberikan pengetahuan kepada siswa tentang pemasaran secara online. Seilain itu juga permasalhan yang dihadapai adalah sebagai berikut: 1) Kurangnya pemahaman serta media pembelajaran mengenai Digital Marketing, 2) Kurangnya pemahaman guru dan siswa terhadap konsep digitalisasi dalam pemasaran, 3) Kurangnya pemahaman guru dan siswa terhadap pola pemasaran dengan media digital.
Co-Authors Adam Indra Sakti Ade Dwi Putra Ade Surahman Adhie Thyo Priandika Ady Chandra Agung Deni Wahyudi Agung Saputra Agus Sihabuddin Ahmad Ari Aldino Aidil Akbar Alita, Debby Andi Nurkholis Aprian Nuriansah Bagus Miftaq Hurohman Bakti Eka Putra Deby Sintia Amelia Dedi Darwis Dinda Ayu Prasticha Donaya Pasha Elvano Delisa Mega Fatriade Saputra Fenty ariany Fikri Hamidy Heni Sulistiani Ikbal Yasin Ikbal Yasin Indah Sari Jepi Supriyanto Jepi Supriyanto Lili Andraini Linda Yunita M Agung Saputra Muhammad Indigo Muhammad Pajar Kharisma Muhammad Pajar Kharisma Putra Nadia Apriliza Neneng Neneng Nirwana Hendrastuty Nurman Satya Marga Nurman Satya Marga Nuroji Nuroji Permata Permata Priskilia Lovika Prita Dellia Qadhli Jafar Adrian Rahmanto, Yuri Rido Febriansyah Rika Mersita Sanriomi Sintaro Setiawansyah Setiawansyah Styawati Styawati Taufiq Martiwansyah Very Hendra Saputra Yasinta Ismi Yohanes Suyanto Yunita Yunita Zaenal Abidin Zulfa Nabila