Article Per Year (5 Year)
p-Index From 2019 - 2024
3.014
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Edukasi dan Penelitian Informatika (JEPIN) JUITA : Jurnal Informatika JOIN (Jurnal Online Informatika) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika Universitas Pamulang KOMPUTIKA - Jurnal Sistem Komputer JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Repositor
Christian Sri Kusuma Aditya
Universitas Muhammadiyah Malang
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Dentistry Education Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Public Health Social Sciences

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
EKSTRAKSI TRENDING ISSUE DENGAN PENDEKATAN DISTRIBUSI KATA PADA PEMBOBOTAN TERM UNTUK PERINGKASAN MULTI-DOKUMEN BERITA Aditya, Christian Sri Kusuma; Fatichah, Chastine; Purwitasari, Diana
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 14, No. 2, Juli 2016
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v14i2.a570

Abstract

Penggunaan trending issue dari media sosial Twitter sebagai kalimat penting efektif dalam proses peringkasan dokumen dikarenakan trending issue memiliki kedekatan kata kunci terhadap sebuah kejadian berita yang sedang berlangsung. Pembobotan term dengan TFIDF yang hanya berbasis pada dokumen itu tidak cukup untuk menentukan in-deks dari suatu dokumen. Penentuan indeks yang akurat juga bergantung pada nilai informatif suatu term terhadap kelas atau cluster. Term yang sering muncul di banyak kelas atau cluster seharusnya tidak menjadi term yang penting meskipun nilai TFIDF-nya tinggi. Penelitian ini bertujuan untuk melakukan peringkasan multi dokumen berita menggunakan ekstraksi trending issue dengan pendekatan term distribution on centroid based (TDCB) pada pembobotan fitur dan mengintegrasikannya dengan query expansion sebagai kata kunci dalam peringkasan dokumen. Metode TDCB dilakukan dengan mempertimbangkan adanya kemunculan sub topic dari cluster hasil pengelompokan tweets yang dapat dijadikan nilai informatif tambahan dalam penentuan pembobotan kalimat penting penyusunan ringkasan. Tahapan yang dilakukan untuk menghasilkan ringkasan multi dokumen berita antara lain ekstraksi trending issue, query expansion, auto labelling, seleksi berita, ekstraksi fitur berita, pembobotan kalimat penting dan penyusunan ringkasan. Hasil percobaan menunjukan metode peringkasan dokumen dengan menambahkan nilai informatif sub topic trending issue NeFTIS-TDCB menunjukan nilai rata-rata max-ROUGE-1 terbesar 0.8615 untuk n=30 dari seluruh varian topik berita.
Semi-supervised approach for detecting distributed denial of service in SD-honeypot network environment Fauzi Dwi Setiawan Sumadi; Christian Sri Kusuma Aditya; Ahmad Akbar Maulana; Syaifuddin Syaifuddin; Vera Suryani
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 11, No 3: September 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v11.i3.pp1094-1100

Abstract

Distributed Denial of Service (DDoS) attacks is the most common type of cyber-attack. Therefore, an appropriate mechanism is needed to overcome those problems. This paper proposed an integration method between the honeypot sensor and software defined network (SDN) (SD-honeypot network). In terms of the attack detection process, the honeypot server utilized the Semi-supervised learning method in the attack classification process by combining the Pseudo-labelling model (support vector machine (SVM) algorithm) and the subsequent classification with the Adaptive Boosting method. The dataset used in this paper is monitoring data taken by the Suricata sensor. The research experiment was conducted by examining several variables, namely the accuracy, precision, and recall pointed at 99%, 66%, and 66%, respectively. The central processing unit (CPU) usage during classification was relatively small, which was around 14%. The average time of flow rule mitigation installation was 40s. In addition, the packet/prediction loss occurred during the attack, which caused several packets in the attack not to be classified was pointed at 43%.
Peringkasan Berita Online Corona Virus dengan Metode Lexical Chain dan Word Sense Disambiguation Nisrina Arintia Maghfiroh; Galih Wasis Wicaksono; Christian Sri Kusuma Aditya
Komputika : Jurnal Sistem Komputer Vol 10 No 2 (2021): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v10i2.4499

Abstract

Automatic news summarizes are the activity of extracting the core from the news without compromising the significance contained in the news. In the automatic news release there are several methods that can be used, one of which is the Lexical Chain method. This method performs well in summarizes text by determining the highest chain. However, this method has the disadvantage of not being able to identify ambiguous words contained in news sentences. Therefore, to correct the shortcomings of the Lexical Chain method weaknesses, the study was equipped with Word Sense Disambiguation to identify ambiguous words. This study used 100 news about Covid-19 sourced from the most popular online news portals. Accuracy testing of automatic news releases used in this study using Recall-Oriented Understudy for Gisting Evaluation (ROUGE), while the evaluation used in this study there are three kinds of precission, recall, and f-measure. The evaluation results obtained an average precission value of 0.62, recall of 0.20, and f-measure of 0.30.
Implementasi Website Profil Madrasah Muhammadiyah Al-Munawarroh Malang Sebagai Media Informasi Bagi Masyarakat Didih Rizki Chandranegara; Christian Sri Kusuma Aditya; Fauzi Dwi Setiawan Sumadi
JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) VOL. 4 NOMOR 2 SEPTEMBER 2020 JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat)
Publisher : Lembaga Publikasi Ilmiah dan Penerbitan (LPIP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (572.798 KB) | DOI: 10.30595/jppm.v4i2.6095

Abstract

Madrasah Muhammadiyah Al-Munawarroh adalah madrasah yang terletak di Malang dan salah satu madrasah yang berkembang. Untuk menunjang perkembangan tersebut, dibuat sebuah website profile yang dapat memberikan informasi kepada masyarakat secara cepat. Metode yang digunakan dalam pembuatan website adalah metode RAD (Rapid Application Development). Metode ini digunakan karena kami ingin melibatkan pihak madrasah dalam pembuatan website, agar website yang dibuat dapat bermanfaat secara penuh dan sesuai dengan kebutuhan penyebaran informasi bagi madrasah. Hasil dari pembuatan website profile menunjukkan bahwa pihak madrasah dapat dengan mudah menyebarkan informasi-informasi penting seperti jadwal pendaftaran siswa, informasi mengenai madrasah hingga informasi lowongan pekerjaan yang ada di madrasah.
Sentiment Analysis from Indonesian Twitter Data Using Support Vector Machine And Query Expansion Ranking Hasbi Atsqalani; Nur Hayatin; Christian Sri Kusuma Aditya
JOIN (Jurnal Online Informatika) Vol 7 No 1 (2022)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v7i1.669

Abstract

Sentiment analysis is a computational study of a sentiment opinion and an overflow of feelings expressed in textual form. Twitter has become a popular social network among Indonesians. As a public figure running for president of Indonesia, public opinion is very important to see and consider the popularity of a presidential candidate. Media has become one of the important tools used to increase electability. However, it is not easy to analyze sentiments from tweets on Twitter apps, because it contains unstructured text, especially Indonesian text. The purpose of this research is to classify Indonesian twitter data into positive and negative sentiments polarity using Support Vector Machine and Query Expansion Ranking so that the information contained therein can be extracted and from the observed data can provide useful information for those in need. Several stages in the research include Crawling Data, Data Preprocessing, Term Frequency – Inverse Document Frequency (TF-IDF), Feature Selection Query Expansion Ranking, and data classification using the Support Vector Machine (SVM) method. To find out the performance of this classification process, it will be entered into a configuration matrix. By using a discussion matrix, the results show that calcification using the proposed reached accuracy and F-measure score in 77% and 68% respectively.
Rancang Bangun Sistem Informasi Berbasis WEB Pada Asrama Mahasiswa Kalimantan Selatan (AMKS) Mandastana Malang Menggunakan Arsitektur HMVC (Hierarchical, Model, View, Controller) Christian Sri Kusuma Aditya; Ilyas Nuryasin; Vinna Rahmayanti Setyaning Nastiti; Muhammad Robby Fathuda
Jurnal Repositor Vol 1 No 2 (2019): Desember 2019
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v1i2.879

Abstract

Asrama Mahasiswa Kalimantan Selatan (AMKS) Mandastana Malang merupakan fasilitas yang diberikan oleh Pemerintah Provinsi Kalimantan Selatan untuk mahasiswa yang menempuh pendidikan di kota Malang. Pengolahan data merupakan komponen penting dalam suatu organisasi. Pengelolaan data dan penyampaian informasi yang lambat juga akan menjadi kendala yang akan datang dan semua pelaporan data atau informasi juga belum terkomputerisasi. Semua proses yang masih menitik beratkan kepada sistem manual membuat pengolahan data dan informasi menjadi kurang efesien. Pada penelitian ini dilakukan perancangan sebuah sistem informasi berbasis web pada AMKS Mandastana Malang yang berfungsi untuk pengelolaan data dan informasi dari kegiatan-kegiatan organisasi asrama serta pelaporan data kepada Pemerintah Provinsi Kalimantan Selatan. Sistem ini menggunakan framework codeigniter modular extensions atau sering disebut HMVC (Hierarchical, Model,View,Controller) sebagai struktur yang memudahkan untuk perancangan, perawatan dan pengembangan. Metode waterfall digunakan sebagai metode pengembangan dalam sistem ini. Pengujian sistem menggunakan blackbox testing, requirement test dan UAT (User Acceptance Test) menghasilkan sistem yang berjalan dengan baik.
Analisa Sentimen Tweet Berbahasa Indonesia Dengan Menggunakan Metode Lexicon Pada Topik Perpindahan Ibu Kota Indonesia Abdul Hadiy Dyo Fatra; Nur Hayatin Hayatin; Christian Sri Kusuma Aditya
Jurnal Repositor Vol 2 No 11 (2020): November 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i11.933

Abstract

Pada pertengahan tahun 2019 Presiden Republik Indonesia resmi memutuskan bahwa Ibu kota dipindahkan ke luar pulau Jawa. Hal ini menyebabkan banyak respon dari masyarakat yang menyikapi pada keputusan ini. Respon masyarakat tersebut banyak kita lihat di media sosial terutama twitter. Untuk melihat kenyataan respon masyarakat Indonesia dibutuhkan sebuah penelitian yang dapat mengambil kesimpulan dari banyaknya respon masyarakat. Maka dari masalah ini penelitian ini dilakukan untuk mencari kebenaran darirespon masyarakat terkait dengan keputusan perpindahan Ibu kota Indonesia dengan menggunakan metode lexicon. Penelitian ini juga ingin melihat perbandingan pengaruh proses stemming terhadap Analisa sentiment yangakan dilakukan. Untuk mengukur performa dari metode Lexicon, dalam penelitian ini akan diuji dengan seorang pakar. Kemudian hasil dari pakar akan dimasukan kedalam confusion matrix. Dari perhitungan dengan confusion matrix di dapatkan hasil bahwa respon masyarakat Indonesia banyak yang setuju dengan keputusan pemindahan Ibu kota Indonesia.
Sentimen Analisis Tweet Berbahasa Indonesia Pada Pilkada Serentak 2020 Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Adam Novrisal; Gita Indah Marthasari; Christian Sri Kusuma Aditya
Jurnal Repositor Vol 3 No 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i2.1169

Abstract

Analisis sentiment merupakan cabang dari text mining, fokus utamanya merupakan menganalisa dokumen berupa teks. Tweet yang berupa teks tersebut dibagi menjadi dua class yaitu class positif dan negatif. Algoritma yang digunakan pada penelitian ini yaitu Naïve Bayes berbasis Particle Swarm Optimization yang digunakan untuk mengetahui apakah terdapat peningkatan akurasi pada hasil klasifikasi. Dataset yang digunakan sebanyak 1000 dan diujikan menggunakan 10 Fold Cross Validation. Hasil klasifikasi yang didapatkan dari penelitian ini menghasilkan akurasi sebesar 81%. Hasil tersebut lebih baik dibandingkan dengan hasil klasifikasi menggunakan Naïve Bayes tanpa ada proses seleksi fitur dengan Particle Swarm Optimization dengan hasil akurasi sebesar 74.14%
Perbandingan Feature Selection Chi-Square Dan Query Expansion Ranking (QER) Pada Analisis Sentimen Terkait Revitalisasi Monas Menggunakan Metode Naïve Bayes Classifier Roni Hadi Wijaya; Gita Indah Marthasari; Christian Sri Kusuma Aditya
Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.1314

Abstract

Monumen Nasional menjadi salah satu destinasi yang cukup populer. Di awal tahun 2020, taman Monumen Nasional dilakukan revitalisasi. Dengan adanya kebijikan tersebut, mengundang banyak kalangan untuk memberikan tanggapan secara langsung maupun lewat social media. Dengan demikian, penelitian ini mencoba menganalisis ulasan dari masyarakat dengan metode naive bayes classifier dan membandingkan penggunaan seleksi fitur chi-square dan query expansion ranking untuk mengoptimalkan kinerja klasifikasi pada penelitian. Hasil klasifikasi naïve bayes classifier yang didapatkan dengan seleksi fitur query expansion ranking sebesar 80% dengan variasi rasio seleksi fitur 75%. Hasil tersebut lebih baik dibandingkan dengan hasil klasifikasi naïve bayes classifier dengan seleksi fitur chi-square menggunakan variasi rasio 75% dengan akurasi 79%.
Perbandingan Algoritma Selection Feature Query Expansion Ranking dan Symmetrical Uncertainty Pada Instagram Terkait Sengketa ZEE di Perairan Natuna Dzur Rifqi Aziz; Nur Hayatin; Christian Sri Kusuma Aditya
Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.1328

Abstract

Algoritma Naïve Bayes adalah untuk menggabungkan probabilitas kata-kata dan kategori untuk memperkirakan probabilitas kategorikan dokumen. Naïve Bayes ini merupakan algoritma klasifikasi yang sering digunakan dalam sebuah penelitian salah satunya penelitian mengenai Sentimental Analysis. Dengan demikian, penelitian ini mencoba menganalisis ulasan dari masyarakat dengan metode naive bayes classifier dan membandingkan penggunaan seleksi fitur Symmetrical Uncertainty dan query expansion ranking untuk mengoptimalkan kinerja klasifikasi pada penelitian. Hasil pengujian yang diperoleh dengan menggunakan symmetrical uncertainty adalah tingkat accuracy sebesar 76%, precision sebesar 76%, dan recall sebesar 61%. Sedangkan hasil pengujian yang diperoleh dengan menggunakan query expansion ranking adalah tingkat accuracy sebesar 75%, precision sebesar 75%, dan recall sebesar 56%.
Co-Authors Abdul Hadiy Dyo Fatra Adam Novrisal Ahmad Akbar Maulana Ahmad Rizky Habibullah Chandranegara, Didih Rizki Chastine Fatichah Dati Nafa Alfiana Diana Purwitasari Dzur Rifqi Aziz Evi Dwi Wahyuni Fatahillah Arsyad Fatimah Defina Setiti Alhamdani Galih Wasis Wicaksono Gian Bagus Sadewa Gita Indah Marthasari Hardianto Wibowo Hasbi Atsqalani Hilman Abi Sarwan Heryawan Ilyas Nuryasin Indra Puja Laksana Muhammad Abizar Muhammad Ferry Septian Ihzanor Syahputra Muhammad Robby Fathuda Nisrina Arintia Maghfiroh Novia Adelia Ujilast Nur Hayatin Nuris Sabila Firdausita Qori Raditya Damayanti Raffi Ainul Afif Roni Hadi Wijaya S, Vinna Rahmayanti Sumadi, Fauzi Dwi Setiawan Syaifuddin Syaifuddin Trifebi Shina Sabrila Vera Suryani Wicaksono, Galih Wasis Wildan Suharso Yufis Azhar