Articles
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 : Department of Informatics, Institut Teknologi Sepuluh Nopember
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (607.459 KB)
|
DOI: 10.12962/j24068535.v10i1.a28
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.
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)
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 productâs 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
Klasifikasi Akun Prostitusi Berdasarkan Skoring Tweet
Azhar, Yufis
Network Engineering Research Operation [NERO] Vol 3, No 1 (2017): NERO
Publisher : Universitas Trunojoyo Madura
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Keberadaan media sosial dewasa ini juga dimanfaatkan oleh sebagian orang untuk melakukan tindakan prostitusi online, termasuk juga twitter. Di media tersebut, sering dijumpai akun-akun yang secara terang-terangan menjajakan dirinya ataupun memposting testimoni dari para pelanggan yang telah menggunakan jasanya. Keberadaan akun-akun semacam ini cukup meresahkan bagi sebagian kalangan karena dikhawatirkan memberikan dampak buruk bagi generasi muda. Pihak pemerintah sudah berupaya meminimalisir penyebaran akun-akun seperti ini dengan cara melakukan blokir permanen, akan tetapi karena jumlahnya yang sangat banyak, tidak semua akun mampu diblokir oleh pemerintah. Dalam penelitian ini, diusulkan suatu sistem yang mampu mengidentifikasi akun prostitusi online  secara otomatis pada media sosial twitter. Cara yang dilakukan untuk melakukan identifikasi ini adalah dengan mengekstrak tweet dari sebuah akun yang dicurigai untuk kemudian dianalisa apakah tweet dari akun tersebut mengandung unsur prostitusi ataukah tidak. Jika sebuah akun sering memposting tweet yang memiliki unsur prostitusi, maka akun tersebut akan digolongkan ke dalam akun prostitusi. Diharapkan dengan adanya sistem ini, mampu membantu pihak pemerintah dalam mengidentifikasi tindak prostitusi online  dalam ranah media sosial.Kata kunci: Klasifikasi Tweet, Skoring Tweet, Prostitusi Online
KLASIFIKASI FITUR DALAM DOKUMEN REVIEW PRODUK DENGAN METODE LOCAL POINTWISE MUTUAL INFORMATION
Azhar, Yufis
Network Engineering Research Operation [NERO] Vol 2, No 1 (2015): Nero
Publisher : Universitas Trunojoyo Madura
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
Ekstraksi fitur produk dalam suatu dokumen review merupakan permasalahan yang telah menarik perhatian banyak peneliti untuk memecahkannya. Permasalahan utama pada topik ini adalah bagaimana mengekstrak fitur yang relevan. Salah satu cara yang umumnya dilakukan adalah dengan mengkategorikan fitur-fitur yang telah terekstrak ke dalam kelas-kelas tertentu. Akan tetapi metode klasifikasi yang digunakan biasanya memiliki akurasi cukup rendah, hal ini dikarenakan sifat dokumen opini yang sangat bergantung pada domain yang sedang dibicarakan, Sehingga metode klasifikasi yang digunakanpun harus mampu beradaptasi dengan sifat tersebut. Dalam penelitian ini diusulkan suatu metode Local Pointwise Mutual Information (LPMI) yang merupakan modifikasi dari teknik PMI yang selama ini digunakan. Letak perbedaan utamanya adalah pada area pencarian PMI yang bersifat local (hanya di dataset) sehingga tidak keluar dari domain yang sedang dibicarakan oleh pemberi opini. Hasil pengujian menunjukkan bahwa teknik ini memiliki nilai precision dan recall yang baik dengan rata-rata di atas 80%.Kata Kunci: feature-based opinion mining, ekstraksi fitur, klasifikasi fitur, pointwise mutual information.
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
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
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).
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
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%.
Re-Ranking Image Retrieval on Multi Texton Co-Occurrence Descriptor Using K-Nearest Neighbor
Azhar, Yufis;
Eko Minarno, Agus;
Munarko, Yuda
Proceeding of the Electrical Engineering Computer Science and Informatics Vol 5: EECSI 2018
Publisher : IAES Indonesia Section
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (419.448 KB)
|
DOI: 10.11591/eecsi.v5.1683
Some features commonly used to conduct image retrieval are color, texture and edge. Multi Texton Co-Occurrence Descriptor (MTCD) is a method which uses all three features to perform image retrieval. This method has a high precision when doing retrieval on a patterned image such as Batik images. However, for images focusing on object detection like corel images, its precision decreases. This study proposes the use of KNN method to improve the precision of MTCD method by re-ranking the retrieval results from MTCD. The results show that the method is able to increase the precision by 0.8% for Batik images and 9% for corel images.
METODE LEXICON-LEARNING BASED UNTUK IDENTIFIKASI TWEET OPINI BERBAHASA INDONESIA
Azhar, Yufis
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol 6, No 3 (2017)
Publisher : Jurusan Pendidikan Teknik Informatika Universitas Pendidikan Ganesha
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (287.234 KB)
|
DOI: 10.23887/janapati.v6i3.11739
Media sosial telah lama digunakan masyarakat untuk menyampaikan opini maupun fakta terhadap suatu kejadian, khusunya twitter. Banyak metode yang diusulkan untuk mengekstrak tweet yang berisi opini. Diantaranya mengunakan pendekatan identifikasi kata kunci dalam suatu tweet yang lebih dikenal dengan istilah lexicon based. Meskipun metode ini memiliki nilai presisi yang cukup tinggi dalam mengidentifikasi suatu tweet opini, akan tetapi nilai recall yang dihasilkan cukup rendah. Hal ini karena keterbatasan lexicon yang digunkan sebagai identifier. Dalam penelitian ini, diusulkan kombinasi metode lexicon based dan machine learning dalam mengoptimalkan hasil identifikasi tweet opini. Hasil pengujian menunjukkan peningkatan nilai recall yang cukup signifikan jika dibandingkan dengan metode lexicon based dengan tetap menjaga nilai precision.
IBM PENINGKATAN DAYA SAING PENGUSAHA TRAVEL DI MALANG RAYA
Azhar, Yufis
Jurnal Dedikasi Vol 15 (2018): Mei
Publisher : Direktorat Penelitian dan Pengabdian Kepada Masyarakat
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (213.207 KB)
|
DOI: 10.22219/dedikasi.v15i0.6438
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.