Admin Website UNIKOM

Tag: riset teknik informatika UNIKOM

  • Perbandingan Model Bidirectional-LSTM dan GRU untuk Analisis Sentimen dalam Bahasa Indonesia

    Penulis: Muhammad Rajab Fachrizal, Annisa Paramitha Fadillah, Lusi Melian

    DOI: 10.1109/INCITEST64888.2024.11121460

    Abstrak

    Bidirectional-LSTM dan GRU adalah model yang dapat digunakan untuk memproses data sekuensial, termasuk data teks. Penelitian ini membandingkan kedua model deep learning tersebut untuk mengklasifikasikan teks untuk analisis sentimen menggunakan Bahasa Indonesia. Dataset yang digunakan adalah data ulasan pengguna aplikasi mobile JKN BPJS Kesehatan yang diperoleh dari situs Google Play Store. Setelah pra-pemrosesan teks, jumlah data yang akan diproses adalah 93517 dengan tiga label target, positif, negatif, dan netral. Dengan menggunakan beberapa parameter model seperti Jumlah Unit, Aktivasi, Ukuran Batch, Dropout, dan parameter lainnya, hasil pengujian menunjukkan bahwa model Bidirectional-LSTM memiliki nilai akurasi sedikit lebih tinggi yaitu 96,70% dan nilai presisi, recall, dan F1Score lebih tinggi dibandingkan dengan model GRU. © 2024 IEEE.

    Kata kunci penulis

    Bahasa Indonesia; Bi-LSTM; pembelajaran mendalam; GRU; analisis sentimen; klasifikasi teks

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015853213  

  • Optimasi Deteksi Kebakaran Hutan Menggunakan PSO, 

    Jaringan Saraf Tiruan, dan Validasi Silang k-Fold

    Penulis: Nina Kurnia Hikmawati; Yudi Ramdhani; Doni Purnama Alamsyah
    DOI: 10.1109/ICIC64337.2024.10956756

    Abstrak

    Pencegahan kebakaran hutan dilakukan dengan mengidentifikasi kejadian berdasarkan kriteria tertentu menggunakan algoritma Jaringan Saraf Tiruan (JST). Untuk memastikan stabilitas hasil, data uji dan data latih dibagi menggunakan metode validasi silang k-fold dengan variasi nilai k-5, k-10, dan k-20. Kinerja algoritma JST terbukti meningkat secara signifikan setelah dioptimasi menggunakan Particle Swarm Optimization (PSO), dengan nilai akurasi rata-rata meningkat dari 97% menjadi 98,78% dan nilai AUC meningkat dari 0,997 menjadi 0,999. Studi bobot pada PSO menunjukkan adanya variabilitas nilai untuk setiap atribut, di mana atribut Hari dan Bulan tidak memberikan pengaruh signifikan terhadap klasifikasi. Hasil uji-t Berpasangan untuk Rata-rata menunjukkan bahwa penggunaan PSO meningkatkan akurasi secara signifikan. Penggabungan PSO dengan Jaringan Saraf Tiruan memberikan dampak positif yang cukup besar terhadap prediksi kebakaran hutan dan direkomendasikan untuk aplikasi yang membutuhkan akurasi tinggi. © 2024 IEEE.

    Kata kunci penulis
    Kebakaran Hutan; Pembelajaran Mesin; Jaringan Saraf Tiruan; Optimasi Kawanan Partikel

    Kata kunci terindeks
    Parameter rekayasa terkendali
    Kriteria stabilitas
    Parameter rekayasa tak terkendali
    Deteksi kebakaran hutan; Kebakaran hutan; Validasi silang k-fold; Pembelajaran mesin; Algoritma jaringan saraf tiruan; Jaringan saraf tiruan; Kawanan partikel; Optimasi kawanan partikel; Optimasi kawanan partikel – jaringan saraf tiruan; Optimasi kawanan partikel
    Subjek utama rekayasa
    Optimasi Kawanan Partikel (PSO)

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105004579202

  • Studi Komparasi Algoritma Menggunakan Dataset Titanic 

    untuk Prediksi Akurasi Terbaik

    Penulis: Wahyudin; Dwi Fitria Al Husaeni; R. Rasim; Hanhan Maulana; Shah Nazir
    DOI: 10.1109/ICIC64337.2024.10956979

    Abstrak
    Titanic adalah sebuah kapal pesiar asal Inggris yang diklaim sebagai kapal terbesar yang pernah dibangun dalam sejarah dunia. Kapal tersebut menabrak gunung es pada pelayaran perdananya melintasi Samudra Atlantik pada tahun 1912 dari Southampton menuju New York. Dari lebih dari 2.200 penumpang, hampir setengahnya meninggal dunia dalam tragedi nahas ini. Peristiwa terkenal ini mendorong para ilmuwan untuk melakukan penelitian lebih lanjut mengenai kejadian tersebut. Penelitian ini bertujuan untuk menganalisis data dan memahami faktor-faktor yang memengaruhi tingkat kelangsungan hidup penumpang. Dengan menggunakan teknik Pembelajaran Mesin dan kumpulan data yang terdiri dari 891 catatan, peneliti berupaya menentukan hubungan antara faktor-faktor seperti usia, jenis kelamin, kelas penumpang, dan harga tiket. Penelitian ini menggunakan berbagai algoritme pembelajaran mesin seperti Random Forest, Optimize Selection, dan Optimize Features untuk memprediksi akurasi dari masing-masing algoritme. Faktor-faktor tersebut diduga dapat memengaruhi tingkat kelangsungan hidup penumpang. Secara khusus, penelitian ini bertujuan untuk membandingkan algoritme berdasarkan persentase akurasi data uji. Hasil penelitian menunjukkan bahwa akurasi tertinggi dicapai oleh algoritme Random Forestdengan optimalisasi bobot menggunakan Particle Swarm Optimization (PSO). © 2024 IEEE.

    Kata kunci penulis
    Pertambangan Data; Optimalisasi Pembobotan; Particle Swarm Optimization; Random Forest

    Kata kunci terindeks
    Istilah terkendali teknik
    Particle swarm optimization (PSO)
    Istilah tak terkendali teknik
    Prediksi akurat; Studi algoritma; Kapal pesiar; Kapal besar; Optimalisasi pembobotan; Particle swarm; Optimasi kawanan partikel; Hutan acak; Tabrakan kapal; Optimasi kawanan
    Bidang utama teknik
    Random forests

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105004581469

  • Pengembangan Aplikasi Web Berbasis Masalah

    dengan Pendekatan Pembelajaran Berdiferensiasi

    Penulis: Wahyudin ; Dwi Fitria Al Husaeni ; Rasim R. ; Hanhan Maulana ; Shah Nazir

    DOI: 10.1109/INCITEST64888.2024.11121474

    Abstrak:
    Perkembangan teknologi digital dan internet memungkinkan pembelajaran multimedia untuk mendukung proses pembelajaran yang lebih fleksibel dan mudah diakses. Penelitian ini dilakukan untuk mengembangkan sistem pembelajaran berbasis masalah dengan pendekatan pembelajaran berdiferensiasi. Penyesuaian proses pembelajaran dilakukan melalui diferensiasi proses dan produk pembelajaran berdasarkan gaya belajar peserta didik, yaitu visual, auditori, dan kinestetik. Sistem pembelajaran dikembangkan dengan mengikuti sintaks pembelajaran berbasis masalah, yaitu: (i) orientasi terhadap masalah; (ii) pengorganisasian peserta didik; (iii) pembimbingan penyelidikan; (iv) pengembangan dan penyajian hasil kerja; serta (v) analisis dan evaluasi proses pemecahan masalah. Prosedur pengembangan sistem pembelajaran meliputi tahapan analisis, perancangan, pengembangan, dan evaluasi. Sistem pembelajaran ini terdiri atas fitur login, profil, perubahan kata sandi, dan logout. Selain itu, tersedia menu pembelajaran yang mencakup Pre-Test, Materi, dan Post-Test, penugasan, penilaian, bantuan, panduan, serta informasi pengembang. Hasil validasi materi menunjukkan skor sebesar 91,69% dan termasuk dalam kategori Sangat Baik. Sementara itu, hasil validasi media memperoleh nilai sebesar 93,66% dan termasuk dalam kategori Sangat Baik. Sistem pembelajaran ini telah mengadopsi pendekatan pembelajaran berdiferensiasi dengan skor uji validasi ahli sebesar 70,39% dan berada pada kategori Baik. Hasil penelitian ini menunjukkan bahwa sistem pembelajaran berbasis masalah dengan pendekatan pembelajaran berdiferensiasi dapat dikategorikan layak untuk diimplementasikan dalam proses pembelajaran di kelas. Diharapkan penelitian ini dapat menjadi rujukan dan sumber referensi bagi penelitian selanjutnya yang akan mengembangkan sistem pembelajaran berbasis masalah dengan pendekatan berdiferensiasi. © 2024 IEEE.

    Kata Kunci Penulis:
    pembelajaran berdiferensiasi; sistem pembelajaran; pembelajaran berbasis masalah; situs web

    Kata Kunci Terindeks:

    Istilah Terkendali (Engineering Controlled Terms):
    Pembelajaran berbantuan komputer; E-pembelajaran; Pendidikan teknik; Sistem pembelajaran; Sistem multimedia; Pemecahan masalah; Peserta didik

    Istilah Tidak Terkendali (Engineering Uncontrolled Terms):
    Pembelajaran berdiferensiasi; Teknologi digital; Pendekatan pembelajaran; Proses pembelajaran; Pembelajaran multimedia; Pembelajaran berbasis masalah; Berbasis masalah; Pembelajaran peserta didik; Aplikasi web; Aplikasi web

    Judul Utama (Engineering Main Heading):
    Situs web

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015853261?

  • Model Pembelajaran Berbasis Intelligent Tutoring System di Lingkungan Militer

    Penulis: Bobi Kurniawan; Meyliana; Harco Leslie Hendric Spits Warnars; Bambang Suharjo
    DOI: 10.1109/INCITEST64888.2024.11121483

    Abstrak

    Kemajuan teknologi mempengaruhi seluruh aspek kehidupan, khususnya di bidang pendidikan. Sebuah sistem bimbingan belajar cerdas, yang juga dikenal sebagai sistem pembelajaran cerdas, mulai diperkenalkan. Penerapan sistem bimbingan belajar cerdas (intelligent tutoring system) di lingkungan militer sangat diperlukan untuk menjalankan fungsi tutor bagi para siswa atau calon prajurit, yang dikemas dalam bentuk aplikasi interaktif, guna menghasilkan lulusan atau sumber daya manusia TNI yang berkualitas dan profesional. Implementasi teknologi Intelligent Tutoring System (ITS) di bidang kemiliteran telah banyak dilakukan di luar negeri, seperti di Amerika Serikat, Inggris, dan Australia. Sementara itu, peluang pembelajaran di lingkungan militer Indonesia masih sebatas rekomendasi dalam aturan pembelajaran dan belum terintegrasi ke dalam sistem pembelajaran. Penelitian ini bertujuan untuk mengetahui kondisi terkini terkait pemanfaatan ITS di lingkungan militer melalui tinjauan pustaka sistematis yang komprehensif. Tujuan kedua adalah untuk mengetahui perkembangan model ITS yang digunakan di bidang militer serta mengembangkan model dengan menambahkan deteksi tingkat kejenuhan dan kelelahan pada siswa atau calon prajurit dalam proses pembelajaran di lingkungan militer. Hasil penelitian menunjukkan bahwa pengembangan model ITS di bidang militer dapat dilakukan untuk meningkatkan akurasi dan efisiensi dalam proses pembelajaran di lingkungan militer yang adaptif. © 2024 IEEE.

    Kata kunci penulis
    sistem bimbingan belajar cerdas; ITS; militer; tinjauan pustaka sistematis

    Kata kunci terindeks
    Istilah terkontrol bidang teknik
    Pembelajaran berbantuan komputer; Komputasi pendidikan; Pendidikan teknik; Kontrol cerdas; Sistem cerdas; Sistem pembelajaran; Siswa; Pengajaran
    Istilah tidak terkontrol bidang teknik
    Bimbingan belajar cerdas; Sistem bimbingan belajar cerdas; Militer; Lingkungan militer; Bidang kemiliteran; Tinjauan pustaka sistematis; Sistem bimbingan belajar
    Topik utama bidang teknik
    Aplikasi militer

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015856945

  • Perancangan dan Pengembangan Model Sistem Tutor Cerdas untuk Sistem Pembelajaran di Lingkungan Tentara Nasional Indonesia

    Penulis: Bobi Kurniawan ; Meyliana ; Harco Leslie Hendric Spits Warnars ; Bambang Suharjo

    DOI: 10.1109/INCITEST64888.2024.11121466

    Abstrak:
    Penelitian ini bertujuan untuk merancang dan mengembangkan model Intelligent Tutoring System (ITS) yang berbasis personalisasi peserta didik dengan mempertimbangkan gaya belajar serta kondisi emosional selama proses pembelajaran di lingkungan Tentara Nasional Indonesia. Dengan sistem pembelajaran yang bersifat personal dan adaptif, diharapkan kualitas pendidikan yang diberikan kepada peserta didik di lingkungan Tentara Nasional Indonesia dapat meningkat. Penelitian ini disusun melalui identifikasi komponen dan subkomponen dalam model ITS. Pengembangan model ITS ini memperhitungkan keadaan serta kondisi emosional peserta didik dan mengevaluasi kinerja model yang dihasilkan. Melalui penelitian ini, diharapkan dapat memberikan pengetahuan atau wawasan baru mengenai implementasi Intelligent Tutoring System (ITS) dalam bidang pendidikan dan pelatihan militer, serta memberikan kontribusi yang signifikan terhadap pengembangan sistem pembelajaran di lingkungan Tentara Nasional Indonesia. © 2024 IEEE.

    Kata Kunci Penulis:
    pembelajaran adaptif; kecerdasan buatan dalam pendidikan; sistem pembelajaran Tentara Nasional Indonesia; sistem tutor cerdas; personalisasi pembelajaran

    Kata Kunci Terindeks:

    Istilah Terkendali (Engineering Controlled Terms):
    Instruksi berbantuan komputer; Komputasi pendidikan; Sistem cerdas; Sistem pembelajaran; Pengajaran

    Istilah Tidak Terkendali (Engineering Uncontrolled Terms):
    Pembelajaran adaptif; Angkatan bersenjata; Kecerdasan buatan dalam pendidikan; Sistem pembelajaran Tentara Nasional Indonesia; Tutor cerdas; Sistem tutor cerdas; Personalisasi pembelajaran; Personalisasi; Model sistem; Sistem tutor

    Judul Utama (Engineering Main Heading):
    Peserta didik

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015865594?

  • Sistem Ketelusuran Komoditas Minyak Sawit untuk Mendukung Implementasi Kebijakan EUDR di Indonesia

    Penulis: Julian Chandra Wibawa ; Muhammad Eko Utomo ; Vita Harlan Bachtiar ; Nizar Rabbi Radilya ; Rauf Fauzan

    DOI: 10.1109/INCITEST64888.2024.11121512

    Abstrak

    Sistem ketelusuran komoditas minyak sawit memungkinkan pelacakan jejak produk minyak sawit dari hulu hingga konsumen akhir. Tujuan penelitian ini adalah untuk meningkatkan nilai tambah produk minyak sawit Indonesia di pasar internasional yang semakin memprioritaskan keberlanjutan. Dengan memenuhi persyaratan dan standar global, produsen dan eksportir minyak sawit dapat mengakses pasar yang lebih luas dan meningkatkan daya saing produk mereka. Hal ini tidak hanya membantu menghindari penggunaan lahan ilegal dan deforestasi yang merugikan lingkungan, tetapi juga mendukung upaya pelestarian habitat dan keanekaragaman hayati yang sering terancam oleh perluasan perkebunan. Metode yang diterapkan dalam pengembangan sistem ini adalah metode prototipe, yang dimulai dengan analisis kebutuhan, diikuti oleh tahap desain, implementasi pengembangan, pengujian, dan diakhiri dengan tahap finalisasi. Hasil penelitian ini adalah menghasilkan sistem ketertelusuran komoditas minyak sawit untuk mendukung implementasi kebijakan EUDR di Indonesia. © 2024 IEEE.

    Kata kunci penulis:

    deforestasi; kebijakan EUDR; minyak sawit; ketertelusuran

    Kata kunci terindeks:

    Istilah terkontrol teknik:

    Persaingan; Pasar keuangan; Perdagangan internasional; Serpihan minyak; Pengenalan sidik sawit; Pembangunan berkelanjutan

    Istilah tidak terkontrol teknik:

    Nilai tambah; Konsumen akhir; Kebijakan EUDR; Indonesia; Pasar internasional; Analisis kebutuhan; Produsen minyak; Produk minyak; Ketertelusuran; Sistem ketertelusuran

    Judul utama teknik:

    Minyak sawit

    Artikel ini dapat diakses di: https://www.scopus.com/pages/publications/105015798356

  • Model Prediksi Penerimaan Beasiswa Mahasiswa di Universitas untuk Siswa K-12 Menggunakan Pembelajaran Pohon Keputusan

    Penulis: Agus Nursikuwagus, Tono Hartono, Agus Setiana, Muhammad Agil Alfariski, Refaldi Satria Gumelar, Muhammad Rizdky Maulady

    DOI: 10.1109/INCITEST64888.2024.11121501

    Abstrak

    Menerima beasiswa bagi siswa SMA merupakan salah satu proses kunci dalam memperoleh beasiswa di universitas; oleh karena itu, proses pemantauan dan evaluasi penerima beasiswa di tingkat SMA sangat diperlukan. Kita belum menggunakan pembelajaran mesin untuk prediksi. Proses yang adil dan sesuai sangat penting untuk mendukung pembenaran kandidat. Penelitian ini bertujuan untuk menyediakan model pembelajaran prediksi berdasarkan dataset yang diusulkan. Kami memanfaatkan teknik klasifikasi seperti pohon keputusan berbasis, pembelajaran naive bayes, dan pembelajaran support vector. Sebagai hasil dari tugas tersebut, kami memperoleh berbagai tingkat akurasi, mulai dari pembelajaran pohon hingga support vector machine. Setiap model menyajikan nilai akurasi 1,00, 1,00, 1,00, 0,81, dan 0,99, secara berurutan. SVM mengungguli model lain, khususnya dalam mengurangi prediksi palsu. Dataset terdiri dari 547 instance, dengan 70% di antaranya berada di dataset pelatihan dan 30% di dataset pengujian. Penelitian selanjutnya dapat memanfaatkan metode pembelajaran mendalam atau mesin bahasa besar. Menyediakan parameter penyetelan sangat penting untuk meningkatkan akurasi klasifikasi. © 2024 IEEE.

    Kata kunci penulis

    pembelajaran klasifikasi; matriks kebingungan; pohon keputusan; model; prediksi

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015870242 

  • Pemanfaatan Replikasi Basis Data untuk Peningkatan Kinerja dan Pencadangan Basis Data Sistem Informasi Akademik Perguruan Tinggi

    Penulis: Andri Heryandi

    DOI: 10.1109/INCITEST64888.2024.11121494

    Abstrak

    Saat ini, sebuah institusi pendidikan tinggi memiliki Sistem Informasi Akademik untuk mendukung pelaksanaan proses pendidikan. Seiring waktu, seiring penggunaan sistem informasi, jumlah data yang tersimpan juga meningkat. Hal ini menyebabkan layanan basis data menjadi lebih lambat, yang selanjutnya memengaruhi kinerja sistem informasi. Dari segi keamanan, basis data juga harus siap menghadapi potensi serangan atau gangguan yang dapat merusak. Oleh karena itu, basis data yang digunakan dalam sistem informasi harus mendukung langkah-langkah untuk meminimalkan dampak serangan atau gangguan tersebut, misalnya, melalui langkah-langkah pencadangan. Namun, penerapan prosedur pencadangan dalam basis data dapat memengaruhi kinerja keseluruhan sistem informasi, seperti menyebabkan waktu henti selama proses pencadangan. Penelitian ini menciptakan arsitektur server basis data yang dapat meningkatkan kinerja basis data (ketersediaan, kecepatan, dan keamanan), sehingga meningkatkan kinerja sistem informasi akademik sekaligus mendukung proses pencadangan tanpa mengorbankan kinerja sistem informasi menggunakan teknologi replikasi basis data. © 2024 IEEE.

    Kata kunci penulis

    sistem informasi akademik; pencadangan; basis data; replikasi; keamanan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015890567 

  • Sistem Optimasi Produksi Keripik Tempe Menggunakan Metode Simpleks

    Penulis: Gentisya Tri Mardiani, Rina Susanto

    DOI: 10.1109/INCITEST64888.2024.11121428

    Abstrak

    Dalam memproduksi keripik tempe, perusahaan memiliki keterbatasan seperti ketersediaan bahan baku dan kapasitas produksi harian. Metode simpleks digunakan untuk menghitung jumlah produksi optimal dalam satu hari dan mengetahui berapa banyak produk yang dihasilkan. Tujuan penelitian ini adalah untuk membantu Manajer Produksi dalam menghitung jumlah waktu produksi yang dilakukan dan mengetahui jumlah produk optimal yang dihasilkan dari setiap produksi. Berdasarkan hasil analisis ini, maka penerapan Metode Simpleks dapat diimplementasikan untuk menghasilkan 1x produksi keripik tempe asin dan 2x produksi keripik tempe manis dengan total produksi 3500 kilogram per hari sehingga perusahaan dapat memaksimalkan penggunaan bahan baku, mesin, dan kapasitas produksi serta mengoptimalkan jumlah produk yang dihasilkan. Sistem yang akan dibangun memiliki tiga pengguna, yaitu manajer produksi, staf produksi, dan staf gudang. Output dari sistem yang akan dibangun adalah untuk membantu manajer produksi dalam menghitung kebutuhan produksi optimal setiap hari, serta membantu dalam pengambilan keputusan rencana produksi untuk setiap hari. © 2024 IEEE.

    Kata kunci penulis

    sistem pengambilan keputusan; optimasi; produksi; bahan baku; metode simpleks

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015779398