Article Per Year (5 Year)
p-Index From 2019 - 2024
1.347
P-Index
This Author published in this journals
All Journal ULUL ALBAB MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) OPSI Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Mantik Jurnal Mnemonic Journal of Computer Networks, Architecture and High Performance Computing Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer
Ririen Kusumawati
Unknown Affiliation
Religion Arts Humanities Computer Science & IT Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
MESIN PENCARI AYAT AL QURAN MENGGUNAKAN INEXACT STRING MATCHING Anwar, Agus Sofiyan; Abidin, Zainal; Kusumawati, Ririen
MATICS MATICS (Vol. 4 No. 3
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (512.752 KB) | DOI: 10.18860/mat.v0i0.1569

Abstract

Dengan adanya teknologi digital, al Quran yang dahulu berupa teks manual sekarang sudah dapat dijumpai versi digitalnya. Hal tersebut memicu pengembangan perangkat lunak yang membantu mendapatkan informasi dari teks al Quran, seperti: pencarian ayat berdasarkan kata, frase maupun tema, terjemahan al Quran, tafsir al Quran. Dalam kaitannya dengan pencarian ayat berdasarkan kata atau frase, pada umumnya perangkat lunak yang ada menggunakan teknik exact string matching, yaitu teknik pencarian ayat yang sesuai dengan kata inputan secara tepat. Teknik tersebut sangat sesuai jika pemakai perangkat lunak mengetikkan kata atau frase yang akan dicari dengan benar. Tetapi jika pemakai salah dalam mengetikkan kata inputan, perangkat lunak tidak memberikan solusi atau kemungkinan-kemungkinan dari ayat yang dimaksud. Penelitian ini memadukan teknik stemming dan teknik exact string matching. Stemming berperan sebagai preprocessing untuk exact string matching. Stemming digunakan untuk menemukan kata dasar dari kata berimbuhan dengan cara menghilangkan semua imbuhan baik yang terdiri dari prefiks, sufiks, infiks, konfiks, transfiks, maupun interfiks, namun pada penelitian ini hanya menghilangkan prefiks dan sufiks saja, sebagai contoh jika kata berimbuhan adalah يسطرون maka kata dasarnya adalah سطر. Exact string matching adalah  pencocokan string secara tepat dengan susunan karakter dalam string yang dicocokkan memiliki jumlah maupun urutan karakter yang sama, sebagai contoh kata سطر akan menunjukkan kecocokan hanya dengan kata سطر. Dalam kaitannya dengan pencarian ayat, hasil stemming akan digunakan sebagai kata kunci (keyword) pencarian pada database indeks al Quran. Perpaduan tersebut dimaksudkan untuk meningkatkan hasil pencarian ayat, dan selanjutnya dapat dikategorikan sebagai teknik inexact string matching. Hasil uji coba membuktikan bahwa teknik inexact string matching dapat diimplementasikan untuk mendukung pencarian ayat al Quran dengan nilai F-measure tertinggi pada data uji coba adalah 100 % dan nilai F-measure terendah adalah 66.66 %. Uji coba juga membuktikan bahwa teknik inexact string matching lebih banyak memberikan solusi/kemungkinan dari ayat yang dimaksud dari pada teknik exact string matching. Kata kunci: Arabic Stop Word, Arabic Stemming, Exact String Matching, Inexact Matching
PERINGKASAN TEKS OTOMATIS BERITA BERBAHASA INDONESIA MENGGUNAKAN METODE MAXIMUM MARGINAL RELEVANCE Mustaqhfiri, Muchammad; Abidin, Zainal; Kusumawati, Ririen
MATICS MATICS (Vol. 4 No. 4
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (441.932 KB) | DOI: 10.18860/mat.v0i0.1578

Abstract

Perkembangan teknologi internet berdampak bertambahnya jumlah situs berita berbahasa Indonesia dan menciptakan  ledakan informasi. Hal tersebut menuntut semua informasi bisa diakses dengan cepat dan tidak harus membutuhkan banyak waktu dalam membaca sebuah headline berita.Teknologi peringkas teks otomatis menawarkan solusi untuk membantu pencarian isi berita berupa deskripsi singkat (summary). Penelitian dia­wali dengan lima tahap text preprocessing: pemecahan kalimat,case folding, tokenizing, filtering, dan stemming. Proses selanjutnya menghitung bobot tf-idf, bobot query relevance dan bobot similarity. Ringkasan dihasilkan dari ekstraksi kalimat dengan menggunakan metode maximum marginal relevance. Metode ekstraksi maximum marginal relevance me­rupakan metode yang digunakan untuk mengurangi redudansi dalam perangkingan kali­mat pada multi dokumen. Data uji coba diambil dari surat kabar berbahasa Indonesia on-line sejumlah 30 berita. Hasil pengujian dibandingkan dengan ringkasan manual yang menghasilkan rata-rata recall  60%, precision 77%, dan f-measure 66%.  Kata kunci: peringkasan, text preprocessing, tf-idf, query relevance, similarity, maximum marginal relevance
FUZZY LOGIC METODE MAMDANI UNTUK MEMBANTU DIAGNOSA DINI AUTISM SPECTRUM DISORDER Matondang, Fithriani; Kusumawati, Ririen; Abidin, Zainal
MATICS MATICS (Vol. 4 No. 3
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (163.845 KB) | DOI: 10.18860/mat.v0i0.1571

Abstract

Autism Spectrum Disorder (autis) merupakan gangguan yang dimulai dan dialami pada masa kanak-kanak, yang membuat dirinya tidak dapat membentuk hubungan sosial atau komunikasi yang normal, akibatnya anak tersebut terisolasi dari manusia lain. Perkembangan yang terganggu terutama dalam komunikasi, interaksi sosial dan perilaku. Namun permasalahan yang muncul adalah bagaimana cara mengetahui seorang anak menderita autis atau tidak, begitu juga cara penanganannya yang optimal. Seiring dengan kemajuan teknologi saat ini, berbagai permasalahan yang ada dapat diselesaikan dengan memanfaatkan teknologi. Salah satunya dengan membangun aplikasi sistem pakar untuk mendiagnosa Autism Spectrum Disorder (ASD) dengan fuzzy logic. Input sistem adalah gejala autis, sedangkan output sistem adalah Anak Normal (bukan autis) dan Anak Autis. Proses perhitungan sistem dilakukan dengan 4 tahapan mamdani yaitu: Pembentukan himpunan fuzzy, Implikasi aturan, Komposisi aturan dan Defuzzyfikasi. Dari hasil uji coba sistem, diperoleh data error sebanyak 40 data dari 1287 data uji coba jika dibandingkan dengan hasil uji coba manual. Dari hasil perbandingan uji coba tersebut, diperoleh persentase Error sebanyak 3.11 %, Recall sebesar 69%, dan Presisi sebesar 99%. Kata Kunci : Autism Spectrum Disorder, Fuzzy Logic, Gejala Autis , Mamdani
KECERDASAN BUATAN MANUSIA (ARTIFICIAL INTELLIGENCE); TEKNOLOGI IMPIAN MASA DEPAN Kusumawati, Ririen
ULUL ALBAB Jurnal Studi Islam Vol 9, No 2 (2008): Islamic Studies
Publisher : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1711.382 KB) | DOI: 10.18860/ua.v9i2.6218

Abstract

The computer technology has incredibly increased. Computer software and hardware compete to meet the customer's needs. The research intends to spread the knowledge of information technology, specifically, on the artificial intelligence. The concept of artificial intelligence is adopting and imitating human form, character, and habit which to be implemented on the computer. Using natural approach, the research aims to investigate whether artificial intelligence (AI) will produce the duplication of God's creation. Another important reason of other reseaches on AI is to create a computer which is smart and able to understand human brain working system. Hence, AI has been designed into more practical with faster CPU, cheaper mass memory, and sophisticated software tool. The concept of integrating AI science or collaborative art among sub-fields of technology will stimulate and lead to further AI researches, and it will be an interesting topic for AI researchers for developing AI technology in the future.
Utilizing the game design factor questionnaire to develop engaging games for adaptive learning in the serious educational game: the Ma'had Sari, Nur Fitriyah Ayu Tunjung; Kusumawati, Ririen; Karami, Ahmad Fahmi; A, Miftahul Hikmah Putri Samudera
OPSI Vol 17, No 1 (2024): ISSN 1693-2102
Publisher : Jurusan Teknik Industri Fakultas Teknologi Industri UPN "Veteran" Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/opsi.v17i1.11322

Abstract

This study explores the unique mandatory residence, Ma'had Sunan Ampel Al Alyi (MSAA), at the State Islamic University (UIN) Maulana Malik Ibrahim Malang, aiming to develop Quranic reading competence in new students. The varying educational backgrounds of admitted students lead to differences in their Quranic reading capabilities, highlighting the need for adaptive learning. In response to this diversity, adaptive learning using artificial intelligence is employed, implemented through the serious education game "The Ma'had." Survey results from expert individuals using a Game Design Factor Questionnaire reveal the game's substantial potential. The results show high agreement (100%) on clear goals, engaging gameplay, and a sense of freedom, with 67% strongly agreeing on improved understanding. Challenges are motivating, and the game successfully sparks curiosity. "The Ma’had" Game proves effective, but further research is recommended to explore variations in player engagement and compare results with expert test subjects, employing alternative quantitative testing methods for a comprehensive analysis.
EVALUASI CLUSTERING K-MEANS DAN K-MEDOID PADA PERSEBARAN COVID-19 DI INDONESIA DENGAN METODE DAVIES-BOULDIN INDEX (DBI) Fathurrahman, Fathurrahman; Harini, Sri; Kusumawati, Ririen
Jurnal Mnemonic Vol 6 No 2 (2023): Mnemonic Vol. 6 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i2.6642

Abstract

Tingginya persebaran Covid-19 di Indonesia, dan persebaran di tiap-tiap daerah yang berbeda-beda, menjadikan perlu adanya pengelompokan daerah dengan masing-masing tingkat penyebarannya, untuk mengetahui kemiripan karakteristik atau kriteria dari setiap daerah dengan tingkat penyebaran Covid-19 yang akan terkumpul dalam suatu cluster tertentu. Penelitian ini menggunakan komparasi analisis cluster menggunakan K-Means dan K-Medoid untuk menganalisis perseberan virus Covid-19 di indonesia. Analisis komparasi kedua algoritma dibuktikan dengan adanya nilai davies bouldin index (DBI) sebagai parameter evaluasi menggunakan Bahasa Pemrograman Python Version 3 yang dijalankan pada tools Jupyter Notebook. Langkah penelitian dimulai dari import library atau modul yang digunakan dalam berbagai tahapan dalam penelitian ini. Tahapan yang dilakukan antara lain melakukan pre-processing berupa proses binning data hingga normalisasi data. Selanjutnya, menampilkan visualisasi data sebaran Covid-19. Kemudian, melakukan modeling Algoritma K-Means dan K-Medoids. Hingga diakhiri dengan langkah terakhir berupa evaluasi menggunakan Davies-Bouldin Index (DBI). Setelah dilakukan evaluasi DBI, K-Means mendapatkan nilai 0.9762331449809145, sedangkan K-Medoids mendapatkan nilai 0.9809235412405508. Karena K-Means memiliki nilai DBI yang lebih rendah dibandingkan K-medoids, maka dapat dikatakan K-Means menghasilkan klasterisasi yang lebih baik dalam klasterisasi data sebaran Covid-19 di Indonesia.
SISTEM REKOMENDASI MATERI PEMROGRAMAN WEB PADA MEDIA PEMBELAJARAN BERBASIS WEB MENGGUNAKAN MULTI-CRITERIA RECOMMENDER SYSTEM Wahyuliningtyas, Lia; Miftachul Arif, Yunifa; Kusumawati, Ririen
Jurnal Mnemonic Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i1.8128

Abstract

Dalam kurikulum merdeka, pembelajaran yang dilakukan fokus terhadap pengembangan karakter, kompetensi siswa dan mengasah minat bakat. Sehingga jumlah materi pembelajaran yang diberikan kepada siswa tidak harus tuntas atau lebih sedikit. Selain itu pada kurikulum merdeka tidak lagi membebani siswa dengan ketercapaian skor minimal karena penilaian tidak lagi menggunakan nilai Kriteria Ketuntasan Minimal (KKM). Hal tersebut menyebabkan guru kesulitan menentukan apakah materi yang telah dijelaskan sudah dapat dipahami karena nilai tidak menjadi patokan dalam keberhasilan seorang siswa. Padahal apabila guru tidak mengetahui pemahaman seoarang siswa, guru akan kesulitan untuk lanjut pada materi selanjutnya. Implementasi Multi-Criteria Recommender System (MCRS) dapat memberikan kemudahan guru untuk dapat memprediksi apakah siswa dapat lanjut ke materi selanjutnya dan merekomendasikan modul mana yang cocok untuk siswa tersebut. Sistem rekomendasi yang akan dibangun berupa media pembelajaran berbasis web agar siswa dapat lebih tertarik dan dapat membantu guru dalam meningkatkan hasil belajar. Metode yang digunakan adalah collaborative filtering dengan membandingkan antara adjusted cosine similarity, cosine based similarity dan spearman rank order correlation. Berdasarkan implementasi MCRS menggunakan metode collaborative filtering menunjukkan bahwa hasil sistem rekomendasi tersebut memberikan dampak yang baik untuk proses belajar mengajar. Berdasarkan 3 algoritma yang diimplementasikan bahwa hasil prediksi yang paling baik adalah cosine based similarity karena nilai MAE yang didapatkan paling rendah yaitu sebesar 1,19 dan nilai akurasi sebesar 76%.
Comparison of Different Classification Techniques to Predict Student Graduation Subarkah, Aan Fuad; Kusumawati, Ririen; Imamudin, M
MATICS: Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Vol 15, No 2 (2023): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v15i2.24095

Abstract

Every year, the number of students accepted at the Maulana Malik Ibrahim State Islamic University of Malang continues to increase. Still, not all students can graduate on time according to the specified study period, resulting in a buildup of students who have not graduated according to their graduation period. One of the aspects evaluated in the Study Program accreditation process is the student graduation rate. Apart from that, for each semester, Study Programs are also required to report educational data to DIKTI, and student graduation is one of the factors considered in the report. There is an imbalance between the number of students graduating each year and the number of new students accepted. To overcome this problem, it is necessary to predict student graduation to determine whether they will graduate on time. In science and data analysis, predictions are often used to make predictions based on existing data and information. Classification models in predicting student graduation include the Nave Bayes method, Support Vector Machine SVM, and Random Forest, as well as the level of accuracy of these three methods. From the results of experiments and model evaluations carried out, with data from 458 Informatics Engineering Study Program students with details of 366 training data and 92 testing data, it was obtained that the SVM model had the highest accuracy, reaching around 87% and Random Forest also had good accuracy, around 82%. At the same time, the Naïve Bayes model has lower accuracy, around 76%.
IMPLEMENTASI METODE ALGORITMA COLLABORATIVE FILTERING DAN K-NEAREST NEIGHBOR PADA SISTEM REKOMENDASI E-COMMERCE Dita Aisha; Ririen Kusumawati
Jurnal ilmiah Sistem Informasi dan Ilmu Komputer Vol. 2 No. 3 (2022): November : Jurnal ilmiah Sistem Informasi dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juisik.v2i3.314

Abstract

E-Commerce termasuk dari salah satu alternative pilihan bagi sebuah toko yang digunakan sebagai media informasi guna memudahkan adanya interaksi antar penjual dan konsumen. Banyaknya sebuah produk keberagaman produk dalam sebuah e-commerce, sering kali membuat konsumen merasa kebingungan memilih produk yang dibutuhkannya. Hal tersebut mengakibatkan proses transaksi ya. ng beru. lang-ulang sehingga membu.tuhkan waktu yang cukup lama. Konsumen sering kali juga kebingungan dalam mencari info rating dari produk yang ingin dibeli oleh user. Pada Penelitian ini dibuat system rekomendasi E-Commerce yang mampu memberi rekomendasi secara otomatis kepada user. Metode yang digunakan adalah metode Collaborative Filtering dengan menggunakan Addjusted Cossine Similarity dan K-Nearest Neighbor sebagai alat atau metode perhitungan kemiripan antar user, kemudian algoritma weigted sum sebagai perhitungan predikasinya. Collaborative Filtering digunakan untuk membantu user dalam memilih item yang sesuai berdasarkan rating yang diberikan user lain. Hasil waktu eksekusi yang dibutuhkan dipengaruhi oleh jumlah item dan ranting, sistem ini telah diuji menggunakan metode blackbox.
Determining recipients of uninhabitable house rehabilitation program assistance using the classification method Silfiyah, Chilmiatus; Kusumawati, Ririen; Crysdian, Cahyo
Jurnal Mantik Vol. 8 No. 1 (2024): May: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mantik.v8i1.5184

Abstract

The data used in this study amounted to 15182 datasets consisting of 14 variables. Existing variables are divided into basic variables and additional variables. The basic variables consist of 5 variables namely Home ownership, Roof type, Wall type, Floor type, Defecation facilities. While the additional variables consist of 9 variables, namely employment, having money / livestock / jewelry deposits and others, welfare deciles, education, recipients of non-cash food assistance, recipients of productive assistance for micro enterprises, recipients of cash social assistance, recipients of family hope programs, and recipients of basic necessities. Using the naïve bayes algorithm classification method, the values of accuracy, precision, recall, and f-measure are 67.61%, 67.97%, 93.71% and 78.79%. The addition of additional variables to the basic variables resulted in an accuracy of 68.29% in the additional variables of education. This shows that by adding additional variables, the accuracy results are higher than using only basic variables, so that this study can be used as a recommendation in decision making on the implementation of determining the beneficiaries of the rehabilitation program for uninhabitable houses
Co-Authors A, Miftahul Hikmah Putri Samudera Agus Sofiyan Anwar, Agus Sofiyan Cahyo Crysdian Dita Aisha Fathurrahman Fathurrahman Fithriani Matondang, Fithriani Hidayah, Ika Arofatul Hidayah Imamudin, M Karami, Ahmad Fahmi M Imamuddin Miftachul Arif, Yunifa Muchammad Mustaqhfiri, Muchammad Santoso , Irwan Budi Sari, Nur Fitriyah Ayu Tunjung Silfiyah, Chilmiatus Sri Harini Subarkah, Aan Fuad totok chamidy Wahyuliningtyas, Lia Yuwono, Dwi Purbo Zainal Abidin Zainal Abidin