IDENTIFIKASI MATAN HADITS MENGGUNAKAN NATURAL LANGUAGE PROCESSING DAN ALGORITMA KNUTH MORRIS PRATT BERBASIS WEB

Proses penentuan kesahihan hadits adalah proses yang memerlukan masa yang panjang, karena proses tersebut dilakukan secara manual. Penyidik hadits perlu merujuk dari satu kitab ke kitab lain. Oleh karena itu, untuk memudahkan pencarian hadits dibutuhkan sistem identifikasi hadits. Penelitian ini menggunakan metode natural language processing melalui tahap tokenizing, filtering, dan analisis serta algoritma knuth morris pratt. Menggunakan natural language processing sistem mampu memahami teks hadits yang dimasukan oleh setiap pengguna. Dengan menggunakan algoritma knuth morris pratt, dapat memberikan kemudahan dalam pencarian teks matan hadits yang memiliki kemiripan. Sehingga sistem mampu menghasilkan hadits yang sesuai dengan harapan dan dapat mengetahui kevalidasian hadits tersebut.

Penerapan Learning Vector Quantization Pada Pengelompokan Tingkat Kematangan Buah Tomat Berdasarkan Warna Buah

Tingkat kematangan buah tomat dapat dilihat dari warna buah. Pada penelitian sebelumnya pernah dilakukan penentuan tingkat kematangan buah tomat menggunakan fitur Hue, Saturation, dan Value (HSV), serta metode klasifikasi Learning Vector Quantization (LVQ). Pada penelitian tersebut menggunakan data citra buah tomat dari satu sisi. Pada kenyataanya, tidak semua buah tomat memiliki penyebaran warna yang sama disetiap sisinya. Oleh karena itu dibutuhkan teknik untuk merata-ratakan informasi warna dari beberapa sisi buah. Berdasarkan permasalahan tersebut, maka data citra buah tomat yang digunakan diambil dari empat sisi untuk setiap buahnya. Total data citra yang digunakan adalah 400 citra dari empat sisi dan setelah dirata-ratakan menjadi 100 data. Level kematangan buah tomat yang digunakan adalah 5 level yaitu green, breakers, turning, pink, light red, dan red. Proses pelatihan dan pengujian bobot optimal menggunakan K-Fold Cross Validation. Berdasarkan hasil pengujian, rata-rata akurasi tertinggi adalah mencapai 87,25% yang diuji menggunakan 400 citra setiap sisi buah. Berdasarkan hasil pengujian tersebut dapat disimpulkan nilai HSV yang dihasilkan dari rata-rata penggabungan citra empat sisi dapat dijadikan alternatif untuk menentukan tingkat kematangan buah tomat karena dapat meningkatkan akurasi walaupun tidak terlalu signifikan

Implementasi Business Intelligence Menentukan Daerah Rawan Gempa Bumi di Indonesia dengan Fitur Geolokasi

Gempa bumi merupakan bencana alam yang dapat menimbulkan banyak kerusakan. Secara geografis, Indonesia terletak pada kawasan cincin api (ring of fire), yaitu lokasi yang sering mengalami bencana gempa bumi dan letusan gunung berapi. Badan Nasional Penanggulangan Bencana (BNPB) adalah Lembaga yang memiliki data tentang bencana yang terjadi di Indonesia dalam ukuran besar. Agar data tersebut dapat diolah menjadi informasi yang lebih bernilai, diperlukan aplikasi yang dapat memvisualisasikan data-data tersebut. Sehingga dapat menampilkan informasi berupa provinsi yang rawan bencana dan aman dari bencana khususnya gempa bumi. Penerapan business inteligence sangat cocok untuk kasus ini agar BNPB dapat mengelompokkan bencana khususnya gempa bumi di setiap provinsi yang ada di Indonesia untuk mempermudah masyarakat mendapat informasi bencana gempa bumi yang terjadi. Penelitian ini menggunakan salah satu aplikasi business inteligence yakni QlikView untuk dapat mengelompokkan bencana gempa bumi yang terjadi di setiap provinsi di Indonesia serta menampilkan visualisasinya pada peta menggunakan fitur geolokasi.

Evaluasi Manajemen Keamanan Informasi Menggunakan Indeks Keamanan Informasi (KAMI) berdasarkan ISO 27001:2013 Pada Pusat Informasi dan Pangkalan Data Perguruan Tinggi X

Perguruan tinggi merupakan sebuah lembaga yang mengelola generasi penerus melalui berbagai data olahan yang tersimpan. Data yang tersimpan diolah menggunakan sebuah sistem yaitu sistem informasi akademik atau sering disebut pusat informasi sebagai pangkalan data. Sebuah sistem informasi seharusnya memiliki perlindungan agar terbebas dari berbagai ancaman dan bahaya. Dengan adanya permasalahan tersebut maka perlu evaluasi terhadap keamanan informasi yang ada. Evaluasi digunakan pada pangkalan data untuk mengetahui seberapa baik tingkat keamanan pada Sistem Informasi. Penelitian ini menggunakan metode pengumpulan data secara kuesioner yaitu indeks KAMI versi 3.1.berdasarkan ISO 27001:2013. Melalui penelitian ini juga dilakukan untuk menambah wawasan dan pengetahuan tentang keamanan pada Sistem Informasi. Hasil penelitian ini berupa skor pengukuran SE (Sistem Elektronik) pada sistem informasi akademik perguruan tinggi X adalah 22, yang termasuk kedalam kategori tinggi. Jumlah total semua skor dari 5 area indeks KAMI yang diiukur adalah 577, dengan arti bahwa indeks keamanan informasi pada pustipanda adalah cukup baik. Rincian area indeks KAMI sebagai berikut, Tata kelola III+, Pengelolaan Risiko IV+, Kerangka Kerja Keamanan Informasi II, Pengelolaan Aset III dan Teknologi dan Keamanan Informasi III. Hasil penilaian kelima area yang menunjukkan nilai sebesar 577, dengan hasil nilai tingkat penggunaan sistem elektronik sebesar 22 maka perguruan tinggi X sudah dapat dikatakan matang dan sesuai dengan standar ISO 27001:2013 karena sudah mencapai level IV+.

Sistem Pakar Untuk Mendiagnosa Gangguan Anxietas Dengan Menggunakan Teorema Bayes

Gangguan Anxietas atau gangguan kecemasan merupakan salah satu penyakit yang sering dijumpai didalam ilmu kejiwaan. Gangguan anxietas ini dimiliki oleh semua orang, baik dari bayi hingga orang yang sudah tua sekalipun. Beberapa orang masih banyak yang mengabaikan gangguan anxietas ini dikarenakan kurangnya informasi mengenai gangguan anxietas yang apabila dibiarkan secara terus-menerus akan berdampak negatif pada kehidupan mereka, seperti rutinitas hidup jadi terganggu, menurunkan prestasi akademik dan juga berdampak pada kualitas hidup serta kondisi psikologi orang tersebut. Sistem pakar ini akan mendiagnosa gangguan anxietas dengan cara menghitung jumlah nilai-nilai dari gejala yang dialami. Sistem pakar ini menggunakan Teorema Bayes untuk melakukan Implementasi dan pembuatan sistem menggunakan bahasa pemrograman PHP dan database MySQL. Pada pengujian Black Box tidak ditemukannya error didalam sistem dan telah sesuai dengan output. Sedangkan pada pengujian User Acceptence Test (UAT) terhadap 10 responden sistem berhasil menambah wawasan serta informasi kepada user. Perhitungan manual Teorema Bayes dan beberapa pertanyaan yang diberikan kepada pakar menunjukkan hasil yang sama terhadap sistem. Oleh karena itu, dapat disimpulkan bahwa sistem pakar untuk mendiagnosa gangguan anxietas ini layak untuk digunakan.