Claim Missing Document
Check
Articles

Found 21 Documents
Search

PENGATURAN DAN RUANG LINGKUP CONTEMPT OF COURT DI INDONESIA Syarif Nurhidayat
Jurnal Ius Constituendum Vol 6, No 1 (2021): APRIL
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jic.v6i1.2419

Abstract

Penelitian ini bertujuan memetakan kembali pengaturan dan ruang lingkup Contempt of Court (CoC) di Indonesia. CoC adalah istilah yang belum memiliki istilah yang sama persis dalam bahasa Indonesia. CoC sering disebut sebagai tindakan merendahkan otoritas atau keadilan. CoC lebih dipahami sebagai kejahatan, meskipun cakupannya harus lebih luas dari sekedar kejahatan. Ini membuatnya menarik dan penting untuk memetakan pengaturan perbuatan yang masuk kategori CoC dan pada saat yang sama memetakan ruang lingkupnya secara komprehensif. Penelitian ini merupakan penelitian normatif dengan pendekatan perundang-undangan dan konseptual. Berdasarkan hasil penelitian, setidaknya ada tiga peraturan yang mengatur tindakan CoC, yaitu Undang-Undang Hukum Pidana, Peraturan Mahkamah Agung, Hukum Pidana di luar KUHP, perturan persidangan, dan Kode Perilaku Hakim. Sebagai konsekuensi dari berbagai peraturan yang mengatur, ruang lingkup tindakan CoC dapat dipetakan menjadi tindakan di bidang etika, peraturan ketertiban, administrasi, dan pidana. Studi ini bermaksud memberikan gambaran besar tentang CoC sehingga diharapkan dapat menjadi acuan kebijakan penyusunan peraturan maupun penegakan hukum. 
Identifikasi Ujaran Kebencian Multilabel Pada Teks Twitter Berbahasa Indonesia Menggunakan Convolution Neural Network Aditya Perwira Joan Dwitama; Syarif Hidayat
Jurnal Sistem Komputer dan Informatika (JSON) Vol 3, No 2 (2021): Desember 2021
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v3i2.3610

Abstract

There has been a significant increase in communication activities between internet users in online media due to the increase in social media users. For instance, Twitter users may send messages via their tweets. However, tweets can also contain negative meanings. Therefore, it deserves special attention as it has the potential to contain hate speech. Even the government deems it necessary to publish regulations to deal with hate speech cases such as the Information and Electronic Transactions Law (ITE Law) issued in 2018 Article 28 paragraph 2 of the Hate Speech. Machine Learning (ML) is one of the techniques that can be used in identifying patterns. There are various types of data that ML can be applied to, including text (known as Text Analytic). Previous research has used the Support Vector Machine (SVM) method to identify hate speech on Twitter text with more than one label (multilabel). The purpose of this study was to identify hate speech on Twitter with a label of more than one (multilabel) via Convolutional Neural Network (CNN). The study obtained the best CNN model with an accuracy of 98.76% from the multi-label dataset on hate speech in Indonesian texts
Penerapan Algoritma Apriori Untuk Meningkatkan Conversion Rate Berdasarkan Transaksi Data Penjualan Prayudha Bryantama Nugraha; Syarif Hidayat
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract—penelitian ini dilatarbelakangi oleh pemanfaatan data transaksi penjualan yang tersimpan dan belum dimanfaatkan dengan maksimal. Dari hasil transaksi yang ada, hanya digunakan untuk keperluan administrasi. Padahal data itu jika diteliti, bisa menghasilkan banyak informasi yang bisa digunakan untuk menentukan strategi penjualan yang bisa meningkatkan kepuasan pembeli.Penelitian ini menggunakan metode association rules dengan algoritme apriori yang bisa digunakan untuk menemukan kombinasi item dari data tadi untuk menentukan kombinasi item dari data tadi.Untuk mengetahui produk-produk ini dibeli secara bersamaan, dapat menggunakan aturan asosiasi (association rule) adalah teknik data mining untuk menemukan aturan asosiatif suatu kombinasi item. Dimulai dari pengolahan data penjualan produk, kemudian dicari hubungan antar produk yang dibeli. kemudian diuji apakah kombinasi tersebut memenuhi parameter support dan confidence minimum yang merupakan nilai ambang yang diberikan oleh pengguna.Hasil dari penelitian ini yaitu berupa sistem informasi yang menentukan rekomendari menu yang sudah ditentukan dari kombinasi kombinasi item yang sering dibeli, dan hasil rekomendasi tadi bisa dijadikan sebagai strategi penjualan untuk meningkatkan kepuasan pembeli.Dari hasil itu, pelanggan bisa meningkatkan jumlah kedatangan dengan menyebarkan menu – menu hasil kombinasi yang sudah dibuat dengan algoritma apriori tadi
Implementasi regresi linear untuk prediksi penjualan pada aplikasi point of sales restoran Rahmana Dwi Shaputra; Syarif Hidayat
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Dalam data transaksi restoran sebenarnya terdapat berbagai macam informasi penting yang masih tersebar dan tersembunyi yang seharusnya dapat digunakan untuk berbagai kepentingan strategi bisnis restoran seperti penjualan.manajer restoran harus mengetahui makanan dan minuman yang lebih laris dengan memprediksi penjualan berdasarkan data penjualan bulan-bulan sebelumnya karena itu diperlukan sebuah algoritma untuk melakukan prediksi.Regresi linier merupakan sebuah algoritma yang memodelkan hubungan antara suatu variabel terikat dan variabel bebas yang dapat digunakan untuk melakukan peramalan berdasarkan data-data sebelumnya tujuan utamanya adalah untuk membantu manajer restoran untuk membuat keputusan yang tepat berdasarkan hasil prediksi dan data yang ada.
Implementasi Algoritma Apriori pada Transaksi Penjualan untuk Meningkatkan Minat Beli pada Restoran XYZ Ibnu Haidar; Syarif Hidayat
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Seiring berjalannya waktu, perkembangan dan kemajuan infrastruktur di Indonesia bisa dikategorikan sangat pesat. Salah satu faktor penunjangnya adalah teknologi informasi. Teknologi informasi dapat membantu pengguna untuk mempermudah dalam mendapatkan informasi secara cepat dan akurat. Dengan kelebihannya tersebut, teknologi informasi telah memasuki dunia bisnis. Sebagai salah satu contoh dari fenomena tersebut adalah bisnis restoran. Pada restoran XYZ menu masih disajikan secara per item maka lebih baik jika dibuat kombinasi item agar pihak restoran mendapatkan kombinasi menu baru. Tujuan dari penelitian ini adalah agar pihak restoran XYZ dapat mengetahui item menu apa saja yang paling sering dibeli dan selanjutnya dibuatkan kombinasi item menu baru agar bisa meningkatkan minat beli pelanggan. Hasil dari penggunaan algoritma apriori adalah mendapatkan 2 aturan asosiasi yaitu dengan minimum support 30% dan minimum confidence 70% adapun aturannya yaitu jika membeli Beef Burger maka membeli cappuccino dengan nilai confidence 100% dan jika membeli potato wedges maka membeli chicken burger dengan nilai confidence 75%.
Pengembangan Business Intelligence pada Sistem Informasi Distributor Natasya Ulfha Nabilla; Syarif Hidayat
AUTOMATA Vol. 2 No. 2 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengolahan data merupakan kegiatan penting dalam sebuah jenis usaha. Baik untuk pelaku usaha skala kecil seperti UMKM, hingga bisnis skala besar. Namun, prosesnya tidaklah mudah. Berbagai macam cara dapat digunakan untuk mengolah dan mengatur data. Salah satu bentuk aktivitas penyaluran barang ke konsumen adalah dengan melakukan sistem reseller.  Reseller dari pihak distributor tersebar di seluruh daerah dan mendapatkan harga khusus untuk dapat disalurkan kembali ke konsumen akhir. Semakin maraknya sistem penjualan dengan merekrut reseller sebanyak-banyaknya menimbulkan kesulitan dalam pengolahan dan pengaturan data. Permasalahan yang dihadapi adalah pihak distributor kesulitan dalam mengolah data yang dimiliki untuk dapat dimanfaatkan menjadi sebuah pengetahuan yang menjadi landasan dalam pengambilan sebuah keputusan. Permasalahan tersebut dapat diatasi dengan menerapkan konsep Business Intelligence dalam sebuah sistem informasi. Sistem informasi yang akan dikembangkan adalah sistem informasi distributor dengan memanfaatkan konsep Business Intelligence dengan mengintegrasikan sistem informasi dengan tools pada aplikasi power BI yang dapat membantu pihak distributor mengelola data menjadi informasi. Diantara data yang dapat diolah menjadi informasi sebagai acuan dalam pengambilan data adalah data wilayah, data reseller, data produk dan data penjualan. Dan informasi yang didapat dari data-data tersebut adalah mengetahui jumlah pendapatan dan profit per periode waktu tertentu, mengetahui reseller yang paling banyak melakukan pembelian, mengetahui daerah yang memberikan profit paling banyak dan paling sedikit. Berdasarkan informasi yang didapatkan distributor diharapkan dapat mengambil langkah yang tepat untuk melakukan pemasaran, dan keputusan lain yang dibutuhkan.
Pengembangan Business Intelligence pada Sistem Informasi Bengkel (Studi Kasus Bengkel Ban Motor XYZ) Muhammad Fahmi Aji; Syarif Hidayat
AUTOMATA Vol. 2 No. 2 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract—Sistem teknologi informasi yang dipadukan dengan Business Intelligence (BI) atau intelijen bisnis dapat membantu pemilik bengkel Ban Motor XYZ dalam memenuhi kebutuhan manajemen bengkel. Metode yang diterapkan pada penelitian menggunakan System Development Life Cycle (SDLC) yang terdiri dari: perencanaan, analisis, rancangan, penerapan dan penggunaan. Sistem informasi yang dipadukan dengan Intelijen Bisnis akan sangat baik dalam pengolahan sebuah data, sangat berguna bagi penyedia jasa dan retail seperti bengkel yang memiliki banyak pelanggan. Intelijen Bisnis berperan untuk mengumpulkan data dan kemudian diolah menjadi sebuah informasi, sehingga informasi yang ditampilkan pada dasbor lebih akurat. Intelijen Bisnis dapat membantu untuk melakukan prediksi data dan juga rekomendasi data. 
Pertanggungjawaban Pidana Korporasi pada Pembakaran Lahan Berdasarkan Teori Strict Liability Syarif Nurhidayat; Arif Rusman Sutiana
Undang: Jurnal Hukum Vol 1 No 1 (2018)
Publisher : Fakultas Hukum Universitas Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (155.908 KB) | DOI: 10.22437/ujh.1.1.43-63

Abstract

Burning of land is often done and become a corporate policy to reduce production costs. Although corporations have long been recognized as subjects of criminal law, proof of land-burning in practice is extremely difficult. This study intends to analyze whether corporations can be criminally accountable for the crime of burning land as stipulated in Article 108 Environmental Protection and Management Law (UUPPLH) based on the theory of strict liability? This research is normative research, collecting data is done by studying the literature and then the presentation is arranged in the form of descriptive qualitative. This study uses a conceptual and statute approach. The results show that corporations are normatively irresponsible criminal for the crime of burning of land based on the theory of strict liability, because in UUPPLH regulate that corporate liability with strict liability principle is very limited, only on material compensation, not on criminal liability. In the case of PT Surya Panen Subur (SPS), based on facts revealed in the trial did not prove to be an act of burning, but only the fact that there was a burning land. However, the judge stated that PT SPS was guilty based on the application of strict liability principles. Thus, the judge did not consider the decision carefully. In the future, consideration should be given to extending the application of the strict liability principle to the losses resulting from land fires. Abstrak Pembakaran lahan seringkali dilakukan dan menjadi kebijakan korporasi untuk mengurangi biaya produksi. Meski korporasi sudah menjadi subjek hukum pidana, pembuktiannya dalam praktek sangat sulit, termasuk dalam kejahatan pembakaran lahan. Artikel ini membahas apakah korporasi dapat turut dipertanggungjawabkan pidana terhadap tindak pidana pembakaran lahan sebagaimana diatur dalam Pasal 108 UU Perlindungan dan Pengelolaan Lingkungan Hidup (UUPPLH) berdasarkan teori strict liability. Penelitian ini bersifat normatif, pengumpulan data dengan mengkaji kepustakaan dan kemudian penyajian dilakukan dalam bentuk deskriptif kualitatif dengan pendekatan konseptual dan perundang-undangan. Hasil penelitian menunjukkan bahwa korporasi secara normatif tidak dapat dimintai pertanggungjawaban pidana atas tindak pidana pembakaran lahan, karena UUPPLH mengatur pertanggungjawaban korporasi dengan prinsip strict liability sangat terbatas, yaitu hanya pada penggantian kerugian materiil keperdataan dan bukan pada pertanggungjawaban yang bersifat pidana. Pada kasus PT Surya Panen Subur (SPS), berdasarkan fakta yang terungkap dalam persidangan tidak terbukti unsur perbuatan membakar, melainkan hanya fakta bahwa ada lahan terbakar. Meski demikian, hakim tetap menyatakan PT SPS bersalah berdasarkan prinsip strict liability. Dengan demikian, hakim tidak cermat dalam pertimbanganya. Ke depan, perlu dipertimbangkan perluasan penerapan prinsip strict liability atas akibat dari kebakaran lahan.
TEKNIK AUDIO FORENSIK DENGAN METODE MINKOWSKI UNTUK PENGENALAN REKAMAN SUARA PELAKU KEJAHATAN Muhamad Azwar; Syarif Hidayat; Fietyata Yudha
Cyber Security dan Forensik Digital Vol. 4 No. 1 (2021): Edisi Mei 2021
Publisher : Fakultas Sains dan Teknologi UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/csecurity.2021.4.1.2372

Abstract

Tindak pidana yang dilakukan pelaku kejahatan sedikit tidaknya terdapat barang bukti digital yang ditinggalkan berupa rekaman suara yang dihasilkan dari percakapan menggunakan telepon, algoritma dalam menganalisis suara rekaman banyak beredar di internet salah satunya algoritma KNN yang biasanya digunakan untuk klasifikasi, identifikasi dan prediksi. Penelitian ini menggunakan algoritma tersebut dengan metode Minkowski untuk melakukan pengenalan sampel suara rekaman percakapan pelaku kejahatan dengan sampel suara tersangka. Melibatkan dua responden yang berperan sebagai tersangka dan tiga responden berperan sebagai pelaku. Masing-masing responden akan melakukan dubbing (perekaman suara) dan dipotong menjadi sebelas bagian sebagai data latih dan data uji. sampel suara percakapan akan di extract menggunakan teknik MFCC untuk mendapatkan nilai spectrum yang selanjutnya akan diproses menggunakan algoritma KNN dan metode minkowski menggunakan Python. Hasil dari penelitian ini adalah dari sebelas sampel suara tersangka pertama ada beberapa sampel suara yang Identik dengan sampel suara pelaku dengan tingkat  akurasi sebesar 0.63 terlihat dari jarak terkecil yang dihasilkan karena sampel suara pelaku yang mirip dengan sampel suara tersangka pertama diperankan oleh responden yang sama. Sedangkan tingkat akurasi yang didapatkan dari tersangka kedua sebesar 0.18 karena ada dua sampel suara pelaku yang mendekati kemiripan dengan suara tersangka kedua namun diperankan oleh responden yang berbeda, algoritma KNN dengan metode Minkowski dapat digunakan untuk melakukan pengenalan rekaman suara pelaku dengan tersangka karena menghasilkan jarak terkecil yang mendekati kemiripan sehingga barang bukti berupa rekaman suara dapat dipertanggungjawabkan dalam persidangan.
Model Identifikasi Penyakit Pada Tumbuhan Padi Berbasiskan DenseNet Muhammad Pailus; Dhomas Hatta Fudholi; Syarif Hidayat
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 6, No 2 (2022): EDISI SEPTEMBER
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v6i2.478

Abstract

Errors in identifying diseases in rice plants can cause the potential for crop failure to increase by 18-80%, according to data from the Indonesian Ministry of Agriculture. This could be due to the lack of expertise in agriculture when compared to the amount of land in Indonesia. Recent research in the field of deep learning using neural networks has achieved remarkable improvements. Research on the identification of plant diseases in rice plants, using the MobileNet, NasNet and SqueezeNet architecture that supports mobile devices has been carried out. The experimental results show that the proposed architecture can achieve an accuracy of 93.3%. Motivated by previous research, this research will use DenseNet architecture (Dense Convolutional Network) to detect diseases in rice plants. The dataset used is relatively small, between 100-200 photos for each disease. To cover the lack of dataset augmentation is done to the dataset. The final results obtained are quite satisfactory with an accuracy of 96% with a Weighted Average of 97%.