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 
A Web Service Model for Signing Documents Using Certificate-Based Digital Signature Muhammad Fikry; Yusra Yusra
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 20, No 2 (2023): June 2023
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.v20i2.19912

Abstract

Semenjak masa pandemi Covid-19, dokumen seminar di Jurusan Teknik Informatika, UIN Sultan Syarif Kasim Riau beralih dari kertas ke digital berupa file PDF. Untuk membuat tanda tangan digital berbasis sertifikat, dosen menggunakan aplikasi pengolah PDF seperti Adobe Acrobat, atau aplikasi mobile berbasis Android yang dikembangkan pada penelitian sebelumnya. Sayangnya, dosen-dosen yang menggunakan iPhone belum memiliki aplikasi dengan fungsionalitas serupa. Untuk mendukung transformasi digital di jurusan, perlu dirancang bangun aplikasi mobile berbasis iOS untuk tanda tangan digital. Namun demikian, bahasa pemrograman Swift tidak mendukung penandatanganan file PDF dengan sertifikat digital, dan third-party library tidak murah, sehingga penandatanganan tidak dapat dilakukan di perangkat. Oleh karena itu, dibuat suatu model sistem tanda tangan digital berbasis client-server yang memiliki layanan web agar penandatanganan dapat dilakukan di sisi server. Suatu model arsitektur dan prototipe dalam bahasa pemrograman PHP, melibatkan open source library Apache PDFBox, dikembangkan dan diuji dengan aplikasi mobile berbasis iOS yang juga dirancang bangun dalam penelitian ini. Hasil pengujian blackbox terhadap fungsionalitas layanan web dan aplikasi mobile yang dibangun telah sesuai dengan harapan. Hasil User Acceptance Test memperlihatkan bahwa fungsionalitas yang dimiliki sistem tanda tangan digital telah sesuai dengan kebutuhan pengguna.
Analisis sentimen larangan penggunaan obat sirup menggunakan algoritma naive bayes classifier Fitri Wulandari; Elin Haerani; Muhammad Fikry; Elvia Budianita
Computer Science and Information Technology Vol 4 No 1 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i1.4781

Abstract

The Indonesian government made a policy to stop consuming syrup as a form of prevention against acute kidney failure, which affects many people in Indonesia. However, the policy has caused a lot of comments from the public. These public comments can be found on YouTube, because YouTube has a large data source opportunity to be used as a research material. These comments can be processed directly without using a machine, but it is less effective and efficient. Thus, the comments are processed using machine learning methods. Based on the earlier research, the naive bayes classifier algorithm tends to be simple and easy to use. In addition, this algorithm also has a high accuracy. The amount of data used in this study is 1000 YouTube comment data related to videos regarding the policy of prohibiting the use of syrup medicine, the comments are divided into 2 category, which are positive class and negative class. The results of labeling 1000 comments obtained 704 negative comments and 296 positive comments. Based on the experiments conducted using python programming language, the highest accuracy was obtained at 74% in 70:30 data split. Furthermore, in the balanced dataset (296 positive and 296 negative comments), the highest accuracy was obtained at 64.70% with in 80:20 data split. These results represent that the naive bayes classifier algorithm is good enough at sentiment analysis about the policy of prohibiting the use of syrup drugs.
Analisis Sentimen Review Aplikasi Mypertamina Menggunakan Word Embedding Fasttext Dan Algoritma K-Nearest Neighbor Nanda Sepriadi; Elvia Budianita; Muhammad Fikry; Pizaini
INFORMASI (Jurnal Informatika dan Sistem Informasi) Vol 15 No 1 (2023): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Publisher : LPPM STMIK Indonesia Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37424/informasi.v15i1.222

Abstract

Pertamina adalah’ perusahaan yang dimilik negara bergerak di bidang energi seperti minyak, gas serta energi baru dan energi terbarukan. Pertamina juga telah menciptakan sebuah aplikasi yang dapat diakses secara mobile yang tersedia di Play Store untuk memudahkan konsumen dalam bertransaksi pembayaran bahan bakar minyak (BBM) yang dapat diakses melalui aplikasi MyPertamina yang dapat di download melalui App Store dan Play Store. Playstore adalah platform Google yang menyediakan aplikasi mobile dan fasilitas pengguna untuk berbagi ulasan. Dalam penelitian ini, pendekatan yang digunakan untuk analisis sentimen adalah menggunakan kamus Lexicon Based dan metode K-Nearest Neighbor. Kamus leksikon yang diterapkan yaitu vader yang memberikan label secara otomatis, sementara metode K-Nearest Neighbor digunakan untuk melakukan pengelompokan atau klasifikasi. Maksud penelitian ini dilakukan adalah untuk memahami bagaimana pengelompokan tanggapan masyarakat terhadap aplikasi MyPertamina dan mengetahui performa terbaik metode K-NN dengan 3 perbandingan data latih dan data uji. Penelitian ini menggunakan data berjumlah 8000 data, data ini kemudian dikelompokkan menjadi tiga bagian data latih dan data uji , dengan bagian 90/10, 80/20 dan 70/30. Diperoleh hasil pelabelan menghasilkan 1405 data dengan label positif, 1698 data dengan label netral, dan 4897 data dengan label negatif. Akurasi tertinggi diperoleh dataset B dengan porsi data 80/20 dengan nilai K = 9 yang menghasilkan akurasi sebesar 73%, presision sebesar 70% dan recall sebesar 73% tanpa mengunakan Undersampling. Sedangkan data yang sama menggunakan Undersampling diperoleh akurasi sebesar 57%, presision sebesar 73% dan recall sebesar 57%. Penurunan akurasi ini disebabkan oleh pengurangan jumlah data training akibat menggunakan undersampling.
Klasifikasi Sentimen Masyarakat di Twitter terhadap Kenaikan Harga BBM dengan Metode K-NN Tiara Dwi Arista; Yusra Yusra; Muhammad Fikry; Lola Oktavia
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 1 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2023
Publisher : Yayasan Kita Menulis

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

Abstract

Kenaikan harga Bahan Bakar Minyak (BBM) di Indonesia merupakan isu besar yang menjadi topik utama hingga saat ini. Kenaikan harga BBM di Indonesia telah belangsung sejak awal September 2022. Kebijakan pemerintah menaikkan harga BBM kemudian menimbulkan banyak opini dari kalangan masyarakat. Opini masyarakat terkait kebijakan pemerintah adanya sentimen positif dan negatif yang dapat dilihat melalui media sosial, seperti Twitter. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen masyarakat terhadap kenaikan harga BBM di Twitter. Jumlah data yang digunakan adalah 3000 tweet yang dikumpulkan berdasarkan kata kunci yaitu “Kenaikan BBM” dan “BBM naik”. Menerapkan metode K-Nearest Neighbor (K-NN), Feature Weighting (TF-IDF), dan Feature Selection (Threshold) akan dilakukan implementasi dengan menggunakan tools yaitu Google Collab . Berdasarkan hasil pengujian metode K-NN menggunakan matriks konfusi pada 10 nilai K yang berbeda (3,5,7,9,11,13,15,17,19,21) dengan mekanisme perbandingan yang digunakan 70:30, 80:20, dan 90:10 diperoleh akurasi paling tinggi sebesar 83,3% pada K=13 dan K=15 untuk perbandingan data training dan testing 90:10.
Klasifikasi Sentimen Masyarakat di Twitter terhadap Ganjar Pranowo dengan Metode K-Nearest Neighbor Sayed Omas Tutus Arifta Sayed; Yusra; Muhammad Fikry
JSAI (Journal Scientific and Applied Informatics) Vol 6 No 2 (2023): Juni
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v6i2.5414

Abstract

There are many types of social media to gather information, share information and share news, one of which is Twitter. In this study, sentiment-based classification is carried out in two categories, namely positive and negative, by applying the k-Nearest Neighbor method to the figure of the governor of Central Java, Mr. Ganjar Pranowo. K-Nearest Neighbor is a method of classifying objects based on training data that uses the smallest distance or similarity from the object. At the learning stage, this algorithm stores only characteristic vectors and classifies the learning data. During the classification stage, the same features are calculated for the test data, the class of which is unknown. The distance from this new vector to the training data vector is calculated and the next K is taken. This study aims to obtain the value of accuracy using 4,000 data with negative and positive sentiment, each of which amounted to 2,000. After the tweet data is successfully retrieved from Twitter, the data is still raw and requires a preprocessing stage to produce clean data and ready for processing at a later stage. Calculation of the value of accuracy by classifying public sentiment on Twitter against Ganjar Pranowo using the K-Nearest Neighbor method in testing accuracy produces a pretty good accuracy value of 81% precision 81% recall 81%.
Klasifikasi Sentimen Masyarakat di Twitter terhadap Kenaikan Harga Bahan Bakar Minyak dengan Metode Modified K-Nearest Neighbor Sofiah; Yusra; Muhammad Fikry; Lola Oktavia
SATIN - Sains dan Teknologi Informasi Vol 9 No 1 (2023): SATIN - Sains dan Teknologi Informasi
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (963.796 KB) | DOI: 10.33372/stn.v9i1.988

Abstract

Kenaikan harga Bahan Bakar Minyak menjadi salah satu tranding topic di kalangan masyarakat Indonesia, baik di dunia nyata maupun dunia maya khususnya di media sosial Twitter. Perkembangan teknologi informasi yang sangat pesat memudahkan masyarakat dalam menyebarkan informasi di sosial media. Naiknya harga BBM memunculkan opini masyarakat yang mengandung sentimen positif dan negatif. Penelitian ini dilakukan untuk mengetahui sentimen publik terkait kebijakan pemerintah yang menaikkan harga BBM serta menerapkan metode Modified K-Nearest Neighbor dalam pengklasifikasian sentimen pengguna Twitter terhadap kenaikan harga BBM. Modified K-Nearest Neighbor merupakan salah satu metode klasifikasi berdasarkan kemunculan kelas terbanyak pada data latih. Data yang digunakan adalah tweet dalam bahasa Indonesia berdasarkan kata kunci “kenaikan BBM” dengan jumlah dataset sebanyak 3.000 tweet. Pembobotan kata dengan menggunakan TF-IDF untuk melakukan klasifikasi sentimen ke dalam dua kelas positif dan negatif. Hasil dari penelitian ini adalah klasifikasi sentimen terhadap kenaikan harga BBM. Akurasi tertinggi didapat 83.33% pada data opini menggunakan perbandingan 90:10 dan K=3.
Penerapan Metode SVM pada Klasifikasi Sentimen terhadap Anies Baswedan sebagai Bakal Calon Presiden 2024 Ramadanu Putra; Yusra Yusra; Muhammad Fikry
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30355

Abstract

Twitter is one of the most popular and rapidly growing platforms. Through Twitter, users can write and share various activities and opinions, including opinions about 2024 presidential candidates. Several candidates who are suitable to replace the president of Indonesia in 2024 have become the talk of the news media. Anies Baswedan is one of the presidential candidates who has been proposed by the National Democratic Party (NasDem) on October 3, 2022. The opinions of Twitter users can be seen through tweets about Anies Baswedan as a 2024 presidential candidate. These tweets can be analyzed to obtain information on public sentiment towards Anies Baswedan as a 2024 presidential candidate. Therefore, this study aims to apply the Support Vector Machine method in classifying sentiment towards Anies Baswedan as a 2024 presidential candidate. The dataset amounted to 3400 with positive labels as many as 2130 tweets and negative labels as many as 1270 tweets. Labeling is done manually with crowdsourced labelling techniques, obtained a kappa value of 0.68 which shows the level of agreement is relatively strong. Text preprocessing process is carried out. The dataset is divided into training data and test data with a ratio of 90:10. The SVM model with RBF kernel using C=9 and γ=2 parameter pairs has successfully produced good results in validation and evaluation. The accuracy results obtained were 90.61%, precision of 90.67%, recall of 90.61% and f1-score of 90.61%.
Klasifikasi Sentimen Masyarakat di Twitter Terhadap Ganjar Pranowo dengan Metode Modified K-Nearest Neighbor Yuda Zafitra Fadhlan; Yusra Yusra; Muhammad Fikry
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30686

Abstract

Dalam menyambut pesta demokrasi tahun 2024 banyak politisi mulai melakukan kampanye di setiap daerah yang menimbulkan banyak sentimen positif dan negatif yang berbeda pada setiap masyarakat Indonesia. Ganjar Pranowo merupakan salah satu politisi yang akan ikut andil sebagai bakal calon presiden 2024 yang membuat warganet di twitter banyak yang memberikan opini terhadapnya. Tujuan penelitian ini adalah untuk mengklasifikasikan sentimen masyarakat di Twitter terhadap Ganjar Pranowo dengan menggunakan 4000 data tweet. Klasifikasi dibedakan menjadi dua kelas yaitu positif dan negatif menggunakan metode Modified K-Nearest Neighbor yang dikombinasi dengan feature weighting, feature selection menggunakan teknik pendekatan supervised learning. Hasil dari penelitian ini setelah melewati tahap dari pengambilan, pelabelan data, preprocessing, feature weighting, feature selection, MK-NN dan evaluasi akurasi mendapatkan nilai akurasi tertinggi di 83,8% dengan perbandingan 90:10 dengan nilai k=3.
Aplikasi Android untuk Alih Aksara Latin ke Arab Melayu dengan Pendekatan Berbasis Aturan Yusra, Yusra; Fikry, Muhammad; Yani, Susmi Syahfrida; Irsyad, Muhammad; Sanjaya, Suwanto
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 6, No 2 (2020): Desember 2020
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (478.821 KB) | DOI: 10.24014/coreit.v6i2.11645

Abstract

Bahasa Indonesia didasarkan dari bahasa Melayu yang dapat dituliskan dengan menggunakan aksara Latin dan aksara Arab Melayu. Saat ini, generasi muda di Riau lebih memahami penggunaan aksara Latin daripada aksara Arab Melayu. Meskipun mereka mendapatkan pelajaran baca tulis Arab Melayu di sekolah, ketidaktahuan dan kurang pahamnya aturan dalam menulis Arab Melayu akan menyebabkan kesalahan penulisan. Untuk mencegah terjadinya kesalahan penulisan, dipergunakan aplikasi transliterasi (alih aksara). Transliterasi melakukan penyalinan dengan penggantian huruf dari abjad yang satu ke abjad yang lain. Aplikasi alih aksara dirancang berdasarkan aturan-aturan yang ada di buku Pedoman Umum Tulisan Arab Melayu, dan dibangun menggunakan bahasa pemrograman Java (Android). Pengujian dilakukan dengan membandingkan keluaran dari aplikasi terhadap hasil alih aksara oleh pakar aksara Arab Melayu. Akurasi dari hasil pengujian sebesar 95,5%. Persentase akurasi menunjukkan bahwa hasil validitasnya pada kriteria Sangat Valid.
Pembangkitan Formulir Web Berdasarkan Metadata SQL dan Spesifikasi W3C Fikry, Muhammad; Yusra, Yusra; Hidayat, Taufik
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol 3, No 2 (2017): Desember 2017
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (623.053 KB) | DOI: 10.24014/coreit.v3i2.4417

Abstract

Dalam membangun sistem informasi berbasis web, terdapat di dalamnya sebuah tahapan membangun formulir data isian sebagai representasi basis data didalam sistem informasi. Formulir menjadi jalan utama untuk memasukkan data kedalam basis data melalui sistem informasi. Dalam membangun formulir sistem informasi berbasis web, seorang user interface programmer akan merancang formulir dengan elemen-elemen HTML yang sesuai dengan struktur basis data. Penelitian ini membahas tentang bagaimana membangun aturan-aturan pembangkitan formulir dan mengimplementasikan aturan-aturan tersebut kedalam aplikasi pembangkit formulir. penelitian dilakukan terhadap standar bahasa SQL dan standar penulisan tag HTML, kemudian dilakukan pemetaan elemen SQL menjadi elemen formulir HTML sebagai acuan dalam membangun aturan-aturan membangkitkan formulir. Setelah itu dilakukan analisa terhadap model hubungan data pada RDBMS serta menganalisa dampaknya terhadap formulir. Hasil analisa aturan-aturan pembangkitan formulir akan diimplementasikan kedalam aplikasi pembangkit formulir berbasis web berdasarkan metadata SQL. Berdasarkan hasil pengujian yang dilakukan menggunakan Black Box dan User Acceptance Test, aplikasi pembangkit dapat dibangun dan berjalan dengan baik dalam membangkitkan formulir HTML.Kata kunci - Basis Data, HTML, Pembangkit Formulir Web, SQL, iraise, keluhan, klasifikasi, rapidminer, support vector machine 
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