Article Per Year (5 Year)
p-Index From 2019 - 2024
2.391
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri JTT (Jurnal Teknologi Terpadu) Jurnal CoreIT Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi Krea-TIF: Jurnal Teknik Informatika JSAI (Journal Scientific and Applied Informatics) INFORMASI (Jurnal Informatika dan Sistem Informasi) JUKI : Jurnal Komputer dan Informatika Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Teknologi Terapan and Sains 4.0 SATIN - Sains dan Teknologi Informasi
Muhammad Fikry
Universitas Islam Negeri Sultan Syarif Kasim Riau
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Pemodelan Pengguna berdasarkan Klasifikasi SMS Menggunakan Support Vector Machine pada Perangkat Bergerak Android Muhammad Fikry
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 12, No 2 (2015): Juni 2015
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v12i2.1026

Abstract

Perangkat bergerak, seperti smartphone dan tablet, memiliki peranan penting dalam kehidupan sehari-hari penggunanya. Berdasarkan interaksi pengguna perangkat bergerak dapat dibuat suatu model yang merepresentasikan pengguna tersebut. Dalam penelitian ini, dilakukan pemodelan pengguna perangkat bergerak dengan implementasi proof-of-concept berupa rancang bangun aplikasi Android yang dapat digunakan untuk mengklasifikasikan SMS pada perangkat bergerak dengan menggunakan SVM (Support Vector Machine). Model klasifikasi SVM dibangun dengan menggunakan 640 SMS sebagai data latih dengan kernel gaussian RBF, serta pemilihan feature dengan metode DF. Dari hasil pengujian terhadap 160 SMS sebagai data uji, diperoleh akurasi untuk topik Pribadi sebesar 88.75%, diikuti topik Pekerjaan sebesar 5%.
Ekstrover atau Introver : Klasifikasi Kepribadian Pengguna Twitter dengan Menggunakan Metode Support Vector Machine Muhammad Fikry
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 16, No 1 (2018): DESEMBER 2018
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v16i1.5326

Abstract

Orang bertipe kepribadian ekstrover dan introver sama-sama menggunakan media sosial namun dalam tingkatan berbeda dan dengan alasan yang berbeda pula. Untuk dapat memahami seseorang, profil media sosialnya dapat digunakan sebagai sumber informasi. Pada penelitian ini, dilakukan klasifikasi kepribadian pengguna Twitter ke dalam kelas ekstrover atau introver dengan menggunakan metode Support Vector Machine (SVM). Profil pengguna Twitter diunduh melalui Twitter API sebanyak 46 akun. Pelabelan tipe kepribadian dilakukan berdasarkan hasil kuesioner kepribadian. Jumlah ciri yang digunakan sebanyak 17 ciri. Fungsi kernel yang digunakan adalah kernel RBF. Setelah melakukan seleksi parameter, dilakukan pelatihan untuk mendapatkan model terbaik. Model tersebut digunakan terhadap data uji. Dari hasil pengujian diketahui bahwa metode SVM dapat diterapkan untuk mengklasifikasi kepribadian ekstrover dan introver dengan akurasi sebesar 88,89%.
CAPTCHA (Completely Automated Public Turing Test to Tell Computers and Humans Apart) Menggunakan Pendekatan Drag and Drop Muhammad Fikry
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 13, No 1 (2015): Desember 2015
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v13i1.1327

Abstract

CAPTCHA merupakan suatu tes untuk membedakan pengguna situs web, apakah manusia atau program komputer. Umumnya, CAPTCHA dijawab dengan cara mengetikkan jawaban. Permasalahannya adalah aktifitas pengetikan dapat dilakukan baik oleh manusia maupun oleh program komputer. CAPTCHA dengan menggunakan pendekatan drag and drop diharapkan dapat meningkatkan keamanan situs web. Hal ini dikarenakan untuk menembus situs web, program komputer harus melakukan aktifitas drag and drop, dan untuk saat ini, aktifitas drag and drop masih memerlukan keterlibatan manusia. Hasil penelitian membuktikan bahwa CAPTCHA dengan menggunakan pendekatan drag and drop mudah diselesaikan oleh manusia. Rata-rata nilai tingkat kenyamanan yang diberikan pengguna saat pengujian pertama dan kedua yaitu untuk teks sebesar 8,425 dengan rata-rata waktu penyelesaian 12,245 detik, gambar sebesar 7,050 dengan rata-rata waktu penyelesaian 27,420 detik dan video sebesar 7,825 dengan rata-rata waktu penyelesaian 15,495 detik.
Aplikasi Pengecekan LJK untuk Tes Psikologi RMIB dengan Operasi Intensity Slicing Muhammad Fikry; Detha Yurisna; Inggih Permana
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 9, No 1 (2011): Desember 2011
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v9i1.602

Abstract

Tes RMIB merupakan salah satu tes psikologi yang sering digunakan untuk penentuan minat seseorang. Selama ini memerlukan waktu yang lama dalam pemeriksaan tes RMIB, yaitu sekitar 20 menit per testee. Studi ini bertujuan untuk mengatasi masalah tersebut. Dalam studi ini telah dibuat sebuah aplikasi pengecekan LJK tes RMIB yang menggunakan operasi pengolahan citra intensity slicing. Operasi pengolahan citra ini digunakan agar aplikasi ini mampu memeriksa LJK yang dijawab dengan menggunakan berbagai alat tulis dan warna. Dari 14 kali pengujian, aplikasi ini berhasil menghemat waktu pemeriksaan tes RMIB, yaitu hanya 65 detik per testee. Aplikasi ini juga mampu memeriksa LJK yang dijawab dengan berbagai alat tulis dan warna. 
REPRESENTASI DIAGRAM ER-MODEL BERBASIS NOTASI OBJEK JAVASCRIPT Muhammad Fikry; Ibnu Surya
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 14, No 1 (2016): Desember 2016
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v14i1.2274

Abstract

Perancangan ER-Model merupakan tahapan dalam pengembangan perangkat lunak, ER-Model dapat diterapkan di berbagai notasi seperti Notasi Chen, Crow's Foot, IDEF1X, Bachman, dan lain-lain. Pada notasi ER-Model belum pernah ada format standar digunakan untuk melakukan pertukaran data seperti yang dilakukan seperti GeoJSON dan Json-ML. Format spesifikasi ER-Model dipanggil dengan nama IERjson, Berdasarkan fakta di lapangan, aplikasi fokus terhadap masing-masing format  bawaan seperti Microsoft Visio, Smart Draw, MySQL Workbench, phpMyAdmin, Visual Paradigm dan ERDPlus. Terbentuknya IERjson dilakukan dengan analisa normalisasi bentuk objek entitas, relasi, atribut dan kardinalias. Hasil analisa format akan di implementasikan menggunakan prototype aplikasi  berbasis web. Berdasarkan hasil pengujian yang dilakukan menggunakan Black Box dan User Accepetance Test semua spesfikasi Notasi Chen berhasil diterapkan pada format spesifikasi IERjson.
Klasifikasi Kepribadian Big Five Pengguna Twitter dengan Metode Naïve Bayes Yusra Yusra; Muhammad Fikry; Rinaldi Syarfianto; Reski Mai Candra; Elvia Budianita
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (258.681 KB)

Abstract

Untuk dapat memahami kepribadian seseorang, postingannya di media sosial dapat digunakan sebagai sumber informasi. Pada penelitian ini, metode Naïve Bayes digunakan untuk mengklasifikasikan kepribadian pengguna Twitter ke dalam salah satu dari lima kelas, yaitu Openness, Conscientiousness, Extraversion, Agreeableness, dan Neuroticism. Tweet diunduh dari 15 akun Twitter dengan menggunakan Twitter API, dengan total keseluruhan sebanyak 1.500 tweet. Setiap akun ditetapkan sifat kepribadian dominannya berdasarkan hasil kuesioner kepribadian yang diinterpretasikan oleh seorang pakar psikologi. Setiap tweet dipraproses menjadi huruf kecil, dibersihkan, ditokenisasi menjadi kata, ditemukan kata dasarnya, kemudian dihilangkan kata-kata yang tidak penting. Setiap kata dibobot berdasarkan frekuensinya. Dataset dibagi menjadi data latih dan uji dengan perbandingan 60:40, 70:30, 80:20 dan 90:10. Setelah dilakukan pengujian, diperoleh akurasi tertinggi pada perbandingan data latih dan uji 70:30 sebesar 86,66%
Stemmer Bahasa Melayu Riau Berdasarkan Aturan Morfologi Muhammad Fikry; Yusra Yusra
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2021: SNTIKI 13
Publisher : UIN Sultan Syarif Kasim Riau

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

Abstract

Penggunaan Bahasa Melayu Riau semakin terpinggirkan. Hal ini mendorong pemerintah daerah melakukan upaya pelestarian kebudayaan Melayu Riau, termasuk penggunaan bahasa dan huruf Melayu di lingkungan pendidikan, media massa, pasar, dan perkantoran. Namun demikian, belum tersedia sumber daya bahasa Melayu Riau dalam bentuk digital yang dapat digunakan oleh peneliti dan pengembang perangkat lunak di bidang pemrosesan bahasa alami. Sumber daya bahasa yang dimaksud meliputi kumpulan data dan berbagai alat (tool) untuk mengelola dan memproses informasi apa pun yang mendokumentasikan atau menjelaskan bahasa Melayu Riau. Oleh karena itu, penelitian ini berfokus pada tahapan analisis pertama dalam pemrosesan teks, yaitu analisis leksikal. Salah satu tugas pemrosesan bahasa alami (NLP task) pada tahapan tersebut adalah stemming yang mereduksi suatu kata berimbuhan menjadi kata dasarnya. Hasil stemming dapat dimanfaatkan oleh tugas-tugas lain dalam pemrosesan teks. Dalam penelitian ini, telah dilakukan analisa dan perancangan algoritma stemming untuk teks berbahasa Melayu Riau berdasarkan aturan morfologi. Hasil implementasi sumber daya bahasa berupa stemmer bahasa Melayu Riau dalam bentuk PHP Extension. Berdasarkan pengujian, diperoleh tingkat akurasi 100% yang memperlihatkan bahwa stemmer ini dapat digunakan untuk pemrosesan teks berbahasa Melayu Riau.
PENERAPAN ALGORITMA EQUIVALENCE CLASS TRANSFORMATION (ECLAT) DALAM PENCARIAN ADVERSE EVENT OBAT DIPHENHYDRAMINE Putri Mardatillah; Alwis Nazir; Muhammad Fikry; Elin Haerani; Fadhilah Syafria
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 2 No 3 (2020): Desember
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v2i3.74

Abstract

Obat merupakan zat yang dapat menyembuhkan suatu penyakit. Peredaran obat di Indonesia diatur ke dalam beberapa golongan seperti obat golongan bebas, obat bebas terbatas, obat wajib apotik, obat keras, psikotropika dan narkotika. Obat golongan bebas dapat dibeli secara bebas oleh masyarakat untuk menangani suatu penyakit secara singkat. Obat diphenhydramine merupakan salah satu jenis obat golongan bebas yang berguna dalam menangani alergi, batuk, pilek dan obat tidur. Obat diphenhydramine memiliki banyak manfaat namun risiko, efek samping dan adverse event masih belum diketahui. Pada penelitian ini menggunakan data obat diphenhydramine Adverse Event Reporting System milik Food and Drug Administration Amerika Serikat (FAERS FDA) dari tahun 2016 hingga 2020 dengan 4 quarter pertahun serta 8 atribut dari 3 tabel untuk mencari adverse event dengan menggunakan algoritma Equivalence Class Transformation (ECLAT) dengan menerapkan metode Knowledge Discovery in Database (KDD). Pengujian yang dilakukan pada hasil penelitian ini menggunakan lift ratio untuk mengetahui kekuatan rule yang dihasilkan. Penelitian ini menghasilkan 2 jenis itemset, yaitu dengan menggunakan pengujian 2 itemset dengan mininum support 0.1% minimum cofidence 0.1% menghasilkan 416 rule, dan pengujian minimum support 1% minimum cofidence 1% menghasilkan 43 rule. Kemudian dilakukan pengujian dengan menggunakan 3 item set menggunakan minimum support 0.1% dan minimum cofidence 0.1% menghasilkan 882 rule.
Aplikasi Android untuk Tanda Tangan Digital (Studi Kasus di Jurusan Teknik Informatika, UIN Suska Riau) Muhammad Fikry; Yusra Yusra
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 19, No 2 (2022): Juni 2022
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v19i2.17275

Abstract

Sebagai upaya mencegah penyebaran Covid-19, seminar kerja praktek dan tugas akhir di Jurusan Teknik Informatika, UIN Suska Riau dilaksanakan secara daring menggunakan Google Meet atau Zoom. Penandatanganan dokumen seminar tidak lagi dilakukan di atas kertas, beralih ke digital berupa file PDF. Untuk memastikan keaslian tanda tangannya, dosen menggunakan tanda tangan digital berbasis sertifikat. Berdasarkan hasil observasi, ditemukan dua permasalahan. Permasalahan pertama adalah dosen tidak dapat menggunakan smartphone-nya untuk menandatangani secara digital berbasis sertifikat. Permasalahan kedua adalah tidak tersentralisasinya daftar tanda tangan yang dipercaya. Dalam penelitian ini, dilakukan rancang bangun aplikasi bergerak untuk membuat visible signature pada file PDF dengan menggunakan tanda tangan digital berbasis sertifikat. Tanda tangan pada file PDF dapat didaftarkan sebagai tanda tangan yang dipercaya, baik di perangkat itu sendiri maupun tersentralisasi. Hasil pengujian blackbox memperlihatkan bahwa aplikasi yang dibangun telah sesuai dengan hasil analisa dan perancangan. Berdasarkan User Acceptance Test, aplikasi yang dibangun telah memenuhi tujuan rancang bangunnya.
Algoritme Logistic Regression untuk Mendeteksi Ujaran Kebencian dan Bahasa Kasar Multilabel pada Twitter Berbahasa Indonesia Ayu Fransiska; Surya Agustian; Fitri Insani; Muhammad Fikry; Pizaini Pizaini
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 4 (2022): Agustus 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i4.4524

Abstract

Abstrak - Ujaran kebencian semakin meningkat bersamaan dengan banyaknya pengguna media sosial. Twitter merupakan salah satu media sosial yang membantu penyeberan ujaran ujaran melalui fitur twit-nya yang dilakukan berulang-ulang. Penelitian ini dilakukan untuk mengklasifikasi apakah sebuah twit mengandung ujaran kebencian atau bahasa kasar, dan jika terdeteksi mengandung ujaran kebencian maka akan diukur tingkatannya. Dataset yang digunakan diambil dari twitter sebanyak 13.126 twit asli. Klasifikasi menggunakan Algoritma logistic Regression dan fitur teks word embedding. Dilakukan beberapa kali percobaan untuk mendapatkan model terbaik agar pengujian didapatkan secara optimal. Rata-rata akurasi yang dari ketiga kelas sebesar 75,59%, untuk kelas hate speech 75,86%,kelas abusive 80,05%, kelas level 70,86% dengan komposisi 90:10.Kata kunci: Klasifikasi, Logistic Regression, Ujaran Kebencian, Twitter. Abstract - Hate speech is increasing along with the number of social media users. Twitter is one of the social media that helps spread utterances through its repeated tweet features. This study was conducted to classify whether a tweet contains hate speech or abusive language, and if it is detected to contain hate speech, the level will be measured. The dataset used was taken from twitter as many as 13,126 original tweets. Classification using Logistic Regression Algorithm and word embedding text feature. Several experiments were carried out to get the best model so that the test was obtained optimally. The average accuracy of the three classes is 75.59%, for the hate speech class is 75.86%, the abusive class is 80.05%, the level class is 70.86% with a composition of 90:10.Keyword : Classification, Logistic Regression, Hate Speech, Twitter.
Co-Authors Alga Prananda Alwis Nazir Ayu Fransiska Damayanti, Elok Detha Yurisna Elin Haerani Elin Haerani Elvia Budianita Fadhilah Syafria Febi Yanto Fitri Insani Ibnu Surya Inggih Permana Lola Oktavia Muhammad Irsyad Nanda Sepriadi Pizaini Pizaini Pizaini Putri Mardatillah Rahmat Rizki Hidayat Ramadanu Putra Reski Mai Candra Rinaldi Syarfianto Safwandi Safwandi Sayed Omas Tutus Arifta Sayed Sofiah Surya Agustian Suwanto Sanjaya Taufik Hidayat Tiara Dwi Arista Yani, Susmi Syahfrida Yuda Zafitra Fadhlan Yusra YUSRA YUSRA Yusra, Yusra