Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Dinamika Rekayasa (DINAREK) Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI)
Hanifa, Aini
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
SISTEM PENDUKUNG KEPUTUSAN PEREKOMENDASIAN OLI MENGGUNAKAN FUZZY MADM Nugroho, Arief Kelik; Permadi, Ipung; Hanifa, Aini
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol 9, No 1 (2020)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v9i1.22959

Abstract

Perekomendasian oli secara manual, tanpa menggunakan perhitungan yang akurat cenderung bersifat subyektif serta cukup sulit mengenali karakteristik oli yang paling tepat untuk jenis motor tertentu. Proses analisis  data transaksi secara manual berdasarkan pada pengamatan akan mempengaruhi kualitas mesin. Sebagai contoh untuk memberikan rekomendasi oli terbaik bagi seorang konsumen, maka sebuah perusahaan/bengkel sepeda motor harus melihat data transaksi ganti oli yang lalu untuk mendapatkan data tentang oli yang digunakan untuk mengganti oli motor konsumen tersebut. . Penggunaan perangkat komputer dapat digunakan sebagai pendukung keputusan menjadi lebih cepat, tepat, dan akurat. Proses perekomendasian oli terbaik bagi kendaraan bermotor menggunakan metode fuzzy. Hasil perhitungan diperoleh direkomendasikan A3=0.72, A2 = 0.66, A1= 0.55, A4= 0.40.
Perbandingan Metode LSTM dan GRU (RNN) untuk Klasifikasi Berita Palsu Berbahasa Indonesia Hanifa, Aini; Fauzan, Sugih Ahmad; Hikal, Muhammad; Ashfiya, Muhammad Bahrul
Dinamika Rekayasa Vol 17, No 1 (2021): Jurnal Ilmiah Dinamika Rekayasa - Februari 2021
Publisher : Jenderal Soedirman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.dr.2021.17.1.436

Abstract

Berita telah menjadi konsumsi masyarakat setiap harinya, namun tidak semua berita yang beredar merupakan berita yang valid kebenarannya. Berita palsu dapat menggiring opini publik, dan berisiko terhadap keselamatan bangsa. Oleh karena itu diperlukan klasifikasi berita palsu untuk dapat meredamkan berita palsu yang beredar pada masyarakat. Penelitian sebelumnya telah dilakukan klasifikasi berita palsu menggunakan model Recurrent Neural Network (RNN) yaitu Long Short-Term Memories (LSTM), dengan nilai F1 sebesar 0,24 dan menyarankan untuk mencari parameter model sistem yang tepat agar dihasilkan kinerja model yang lebih baik. Maka pada penelitian ini dilakukan klasifikasi berita palsu berbahasa Indonesia dengan menggunakan perbandingan model Recurrent Neural Network yaitu LSTM dan Gated Recurrent Unit (GRU), serta mencari parameter terbaik untuk menghasilkan hasil kinerja klasifikasi paling optimal. Data yang digunakan merupakan berita mengenai kejadian yang terjadi di Indonesia dan berbahasa Indonesia. Didapatkan nilai parameter epochs: 15, fungsi optimizer gradient descent yaitu rmsprop, dan batch_size: 64 untuk mendapatkan kinerja optimal dalam klasifikasi berita palsu menggunakan metode LSTM. Nilai akurasi yang dihasilkan oleh model yaitu 73% untuk metode LSTM dan 64% dengan menggunakan metode GRU
Co-Authors Arief Kelik Nugroho, Arief Kelik Ashfiya, Muhammad Bahrul Fauzan, Sugih Ahmad Hikal, Muhammad Ipung Permadi