Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Paradigma JISICOM (Journal of Information System, Infomatics and Computing) Paradigma
Fadillah Said
Universitas Nusa Mandiri
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
DESAIN KONSEP FINITE STATE AUTOMATA (FSA) PADA SIMULASI VENDING MACHINE (VM) MASAKAN PADANG Syarif Hidayat; Fadillah Said; Fakihotun Titiani; Windu Gata
Journal of Information System, Informatics and Computing Vol 5 No 1 (2021): JISICOM : Volume 5, Nomor 1, Juni 2021
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v5i1.442

Abstract

Teori bahasa dan automata merupakan teori yang berkaitan dengan mesin-mesin abstrak yang di dalamnya terdapat sebuah kajian tentang Finite State Automata (FSA) yang dapat diimplementasikan dalam rancangan sebuah Vending Machine (VM). VM di Indonesia banyak beroperasi dengan produk seperti minuman kaleng, minuman botol plastik, kopi, makanan ringan, dan tiket. Dalam penelitian ini, akan diuraikan mengenai aplikasi simulasi VM masakan padang sebuah produk makanan daerah yang terkenal di seluruh dunia dengan citarasa masakan yang beraneka ragam dan bumbu khas daerah sehingga memiliki kenikmatan luar biasa, berdasarkan implementasi FSA. Kesimpulan yang didapat dalam penelitian ini yaitu bahwa FSA dapat dijadikan sebagai logika dasar untuk membuat simulasi VM. Penelitian ini juga mengusulkan penggunaan state yang lebih sedikit, penggunaan uang kertas sebagai input untuk meningkatkan efisiensi dan biaya desain Vending Machine.
Penerapan Finite State Automata Pada Mesin Tiket Otomatis Bus Damri Di Bandara Internasional Yogyakarta Khabib Astoni; Faruq Aziz; Fadillah Said; Dwi Andriyanto; Windu Gata
Paradigma Vol 23, No 2 (2021): Periode September 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (398.202 KB) | DOI: 10.31294/p.v23i2.11290

Abstract

Intisari—Sebagai sarana transportasi udara yang vital, Bandara Internasional Yogyakarta membutuhkan sarana alih moda transportasi darat untuk memudahkan penggunanya. Salah satunya adalah Perum Damri yang menyediakan airport shuttle yang melayani ke berbagai tujuan dengan sistem penjualan tiket yang masih dilakukan secara manual. Dalam penelitian ini, didesain mesin penjualan tiket otomatis berbagai jurusan dengan prinsip kerja menyerupai vending machine yang mengimplementasikan Finite State Automata. Mesin ini menerima pembayaran tunai dan non tunai dan mengeluarkan cetak tiket dan uang kembalian. Kesimpulan dari penelitian ini, Finite State Automata dapat dijadikan logika dasar untuk merancang desain mesin tiket otomatis serupa vending machine yang dapat menggantikan peran manusia dan meningkatkan efisiensi.
Aspect-Based Sentiment Analysis on Indonesian Presidential Election Using Deep Learning Fadillah Said; Lindung Parningotan Manik
Paradigma Vol. 24 No. 2 (2022): September 2022 Period
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (206.706 KB) | DOI: 10.31294/paradigma.v24i2.1415

Abstract

The 2019 presidential election is a presidential election that has been a hot topic of discussion for some time, and people have even talked about this topic since 2018 on the internet. In predicting the winner of the presidential election, previous research has conducted research on the aspect-based sentiment analysis (ABSA) dataset of the 2019 presidential election using machine learning algorithms such as the Support Vector Machine (SVM), Naive Bayes (NB), and K-Nearest Neighbors (KNN) and produces good accuracy. This study proposes a deep learning method using the BERT (Bidirectional Encoder Representation Form Transformers) and RoBERTa (A Robustly Optimized BERT Pretraining Approach) models. The results of this study indicate that the indobenchmark BERT and RoBERTa base-Indonesian single label classification models on target features with preprocessing produce the best accuracy of 98.02%. The indolem BERT model and the indobenchmark single label classification on the target feature without preprocessing produce the best accuracy of 98.02%. The BERT indobenchmark single label classification model on aspect features with preprocessing produces the best accuracy of 74.26%. The BERT indolem single label classification model on aspect features without preprocessing produces the best accuracy of 74.26%. The BERT indolem single label classification model on the sentiment feature with preprocessing produces the best accuracy of 93.07%. The BERT indolem single label classification model on the sentiment feature without preprocessing produces the best accuracy of 94.06%. The BERT indobenchmark multi label classification model with preprocessing produces the best accuracy of 98.66%. The BERT indobenchmark multi label classification model without preprocessing produces the best accuracy of 98.66%.
Co-Authors Dwi Andriyanto Fakihotun Titiani Faruq Aziz Khabib Astoni Lindung Parningotan Manik Syarif Hidayat Windu Gata