Article Per Year (5 Year)
p-Index From 2019 - 2024
2.724
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) snimed Jurnal Teknoin Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Perfecting a Video Game with Game Metrics Proceeding of the Electrical Engineering Computer Science and Informatics JOIN (Jurnal Online Informatika) International Journal of Artificial Intelligence Research JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Linguistik Komputasional Jurnal Informatika dan Rekayasa Elektronik Journal of Computer System and Informatics (JoSYC) Automata
Ahmad Fathan Hidayatullah, Ahmad Fathan
Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Deteksi Cyberbullying pada Cuitan Media Sosial Twitter Nassharih Abdulloh; Ahmad Fathan Hidayatullah
AUTOMATA Vol. 1 No. 1 (2020)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tujuan dari penelitian ini adalah mengidentifikasi konten yang mengandung makna perundungan secara daring (Cyberbullying) pada media sosial. Dalam kasus ini, penulis memilih media sosial Twitter sebagai obyek penelitian. Setidaknya, ada 1971 baris data yang telah dikumpulkan. Data - data tersebut berisi dua jenis cuitan baik cuitan yang memiliki kecenderungan Cyberbullying dan yang tidak. Untuk mencapai tujuan penelitian, peneliti menggunakan lima langkah penelitian, yaitu pengumpulan data, preprocessing, ekstraksi fitur, klasifikasi, dan evaluasi. Empat algoritma Machine Learning diimplementasikan dalam penelitian ini, yaitu K-Nearest Neighbor (KNN), Multinomial Naïve Bayes, Logistic Regression, dan Support Vector Machine with linear kernel (SVM). Dapat disimpulkan bahwa keempat algoritma tersebut memiliki performa yang relatif sama. Akurasi dari masing masing algoritma dituliskan sebagai berikut Multinomial Naïve Bayes 0.9616, Logistic Regression 0.9949, Support Vector Machine with linear kernel 0.9975, and K-Nearest Neighbor (KNN) 0.9188.
Identifikasi Cyberbullying pada Media Sosial Twitter Menggunakan Metode LSTM dan BiLSTM Habib Faizal Fadli; Ahmad Fathan Hidayatullah
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Cyberbullying merupakan masalah yang harus menjadi perhatian penting oleh masyarakat. Cyberbullying termasuk kebiasaan buruk yang berdampak mengerikan, mulai dari gangguan psikologis korban, hingga munculnya kasus bunuh diri. Tujuan dari penelitian ini adalah mengidentifikasi konten yang mengandung makna perundungan secara daring (cyberbullying) pada media sosial khususnya Twitter. Dalam kasus ini, sumber data penelitian ini berasal dari media sosial Twitter. Setidaknya, ada 6835 data yang telah dikumpulkan. Data tersebut terdiri dari dua jenis cuitan dengan masingmasing cuitan memiliki kecenderungan cyberbullying dan noncyberbullying. Tujuan penelitian akan tercapai dengan melakukan beberapa langkah yang pertama yaitu pengumpulan data, lalu preprocessing, kemudian ekstraksi fitur, setelah itu klasifikasi, dan terakhir evaluasi. Dua algoritma deep learning diimplementasikan dalam penelitian ini, yaitu LSTM dan BiLSTM. Sehingga, disimpulkan bahwa keduua algoritma tersebut memiliki performa yang relatif sama. Akurasi dari masing masing algoritma dituliskan sebagai berikut Long Short Term Memory 81,60 % dan Bidirectional Long Short Term Memory 81,78 %. Lalu, untuk nilai dari F1-Score dari masingmasing algoritma sebagai berikut Long Short Term Memory 77,88 % dan Bidirectional Long Short Term Memory 77,89 %.
Kajian Literatur Named Entity Recognition pada Domain Wisata Annisa Zahra; Ahmad Fathan Hidayatullah; Septia Rani
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Saat merencanakan perjalanan wisata, pencarian destinasi wisata merupakan hal yang umumnya dilakukan. Proses tersebut seringkali dilakukan menggunakan bantuan mesin pencari, yaitu dengan membaca artikel yang tersedia di internet dan ditulis oleh orang lain. Pada proses pencarian informasi tersebut, terkadang dibutuhkan waktu yang tidak sedikit karena perlu membaca artikel-artikel yang tersedia untuk memperoleh informasi yang relevan. Named Entity Recognition (NER) dapat digunakan dalam mendeteksi entitas nama pada suatu teks sehingga dapat membantu pengguna dalam menemukan informasi yang diinginkan. Makalah ini mengkaji sebanyak 8 literatur mengenai NER pada domain wisata yang didapat dari hasil pencarian pada Google Scholar dengan kata kunci “Tourism Named Entity Recognition”. Dari kajian literatur yang telah dilakukan, diperoleh informasi bahwa model NER yang paling banyak digunakan pada domain wisata adalah Bidirectional Encoder Representations from Transformers (BERT). Model BERT bertujuan untuk melakukan pelatihan representasi kata menggunakan konverter dua arah dengan menyesuaikan konteks pada sisi kiri dan kanan semua lapisan. Sehingga, penggunaan BERT dapat membantu mencegah terjadinya ambiguitas pada suatu kata yang mengakibatkan kesalahan pengenalan entitas. Hasil penelitian ini diharapkan dapat membantu dalam pengembangan NER pada domain wisata selanjutnya.
Keterangan Gambar Otomatis Berbahasa Indonesaia dengan CNN dan LSTM Amiin Majiid Nugroho; Ahmad Fathan Hidayatullah
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Image captioning adalah proses untuk menghasilkan suatu kalimat atau lebih untuk menjelaskan konten visual dari suatu gambar. Image Captioning bermanfaat untuk kebutuhan dimasa mendatang untuk membantu kegiatan manusia memahami konten visual seperti keterangan pada citra medis, interaksi manusia dengan robot dan membantu mendeskripsikan gambar kepada tunanetra. Untuk menghasilkan suatu deskripsi gambar dibutuhkan gabungan antara Computr Vision dan Natural Language Procssing. Penelitian ini bertujuan untuk menghasilkan deskripsi gambar (captiom) berbahasa Indonesia sekaligus menganalisis seberapa baik metode yang diterapkan dalam menghasilkan caption tersebut.  Penelitian ini menggunakan dataset  gambar dari MSCOCO. Pada penelitian ini menggunakan dua buah metode yaitu CNN dan LSTM untuk mengasilkan caption dari gambar. Beberapa caption sesuai dengan gambar yang sitampilkan dan hasil caption yang didapat pada penelitian ini memperoleh skor BLEU {1,2,3,4} sebesar {0.29, 0.47, 0.56, 0.60}.
Tinjauan Literatur : Identifikasi Dialek Dengan Deep Learning Rheza Daffa Pamungkas; Ahmad Fathan Hidayatullah
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Identifikasi dialek merupakan sebuah sub-bagian dari identifikasi bahasa yang lebih fokus dalam bagian dialek yang memiliki tingkat kemiripan dalam satu bahasa. Identifikasi dialek diperuntukkan untuk membedakan dan mengklasifikasikan dialek kedalam kelas yang diinginkan. Melalui penelitian ini, peneliti mengkaji literatur pada tahun 2016 hingga 2020 mengenai identifikasi dialek. Didapati pada umumnya identifikasi dialek dilakukan dengan dua pendekatan yaitu pendekatan machine learning dan pendekatan deep learning. Tinjauan literatur ini memiliki tujuan untuk dapat digunakan sebagai referensi untuk pengembangan penelitian identifikasi dialek yang belum pernah dilakukan.
Tinjauan Literatur : Named Entity Recognition pada Ulasan Wisata Muhammad Fakhri Despawida Aulia Putra; Ahmad Fathan Hidayatullah
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia memiliki banyak sekali tempatwisata, membuat orang-orang antusias untuk mengunjunginya.Beberapa orang memilih untuk melihat ulasan wisata terlebihdahulu sebagai pertimbangan. Tetapi banyaknya tempat wisatamembuat orang-orang kesulitan menemukan informasi yangdiinginkan dari ulasan tersebut. Named Entity Recognition(NER) berguna untuk mengekstraksi informasi pada sebuahteks sehingga dapat lebih memudahkan orang-orang untukmengetahui informasi yang terdapat pada suatu teks maupundokumen. NER dapat digunakan untuk mempermudahmenemukan informasi yang diinginkan seperti nama wisata,nama lokasi dan fasilitas. Saat ini NER sudah diterapkan padabiomedis, berita, medis, twitter dan tourism. Dalam melakukanNER metode LSTM, BiLSTM, CNN maupun CRF biasaditerapkan pada NER. Hasil penelitian ini diharapkan bisadigunakan untuk membantu mengembangkan penelitian NERselanjutnya. Tinjauan literatur ini dibuat untuk mengkajiliteratur sebelumnya tentang NER dengan deep learning danNER pada bidang tourism sehingga dapat membantupengembangan penerapan NER selanjutnya.
Deteksi Email Spam dan Non Spam Bahasa Indonesia Menggunakan Metode Naïve Bayes Azmiardhy Zulkifli Farmadiansyah; Ahmad Fathan Hidayatullah; Fayruz Rahma
AUTOMATA Vol. 2 No. 2 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penggunaan email yang mudah saat ini banyak sekali dimanfaatkan banyak orang sehingga menimbulkan dampak positif maupun negatif. Email negatif biasa kita sebut dengan email spam yang berisi berupa iklan, penipuan, virus dan malware yang berpotensi untuk merugikan orang lain. Sehingga masalah tersebut memerlukan penanganan untuk mengatasinya.  Penelitian ini bertujuan untuk membuat sebuah model klasifikasi email spam dan non spam berbahasa Indonesia dengan menggunakan algoritma Naïve Bayes. Berdasarkan hasil penelitian yang telah dilakukan bahwa algoritma Naïve Bayes dengan menggunakan fitur N-gram telah berhasil melakukan klasifikasi sangat baik dengan nilai akurasi 89% hingga 94%, Nilai precision 89% hingga 99%, recall 97%, dan F-Score 97%
Tinjauan Literatur : Named Entity Recognition pada Resep Makanan Indonesia Febrianto Eko Saputro; Ahmad Fathan Hidayatullah
AUTOMATA Vol. 2 No. 2 (2021)
Publisher : AUTOMATA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam kehidupan kita sehari-hari makanan merupkan hal yang sangat penting. Masakan juga merupakan percerminan budaya dan tradisi dari beberapa daerah dan hampir seluruh masakan kaya akan bumbu yang berasal dari rempah-rempah seperti: kemiri, cabai, kunyit, kelapa, kencur dan gula aren. Tidak semua masyarakat tahu tentang cara memasak suatu makanan ataupun mengenali resep suatu masakan. Hal tersebut terjadi karena mereka kekuragan pengetahuan untuk mengeolah bahan masakan yang sudah tersedia di rumah. Metode Named Entity Recognition adalah salah satu subtugas ekstraksi informasi yang berfokus pada mengenali dan mengidentifikasi unit informasi seperti nama orang dan nama makanan. Literatur ini mengkaji 8 referensi literatur mengenai NER pada domain masakan yang didapat melalui Google Scholar dengan kata kunci pencarian “Named Entity Recognition for Food Ingredients”. Tinjauan literatur NER terbanyak ditemukan di bidang kuliner dengan menggunakan model CNN (Convolutional Neural Network). Hasil dari penelitian ini diharapkan dapat membantu pengembangan NER pada bidang wisata. 
Deep Learning for Aspect-Based Sentiment Analysis on Indonesian Hotels Reviews Siwi Cahyaningtyas; Dhomas Hatta Fudholi; Ahmad Fathan Hidayatullah
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vo. 6, No. 3, August 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/kinetik.v6i3.1300

Abstract

Tourism is one of the fastest-growing industries. Many travelers book hotels and share their experiences using travel e-commerce sites. To improve the quality of products and services, we can take advantage by analyzing their reviews. We can see the good and the bad thing reviews in every aspect of the hotel. However, research to analyze sentiment in every aspect using Indonesian hotel reviews is still relatively new. In this work, we propose to create an Aspect-based Sentiment Analysis (ABSA) using Indonesian hotel reviews to solve the problem. This research consists of four steps: collecting data, preprocessing, aspect classification, and sentiment classification. Our classification process compares with eight deep learning methods (RNN, LSTM, GRU, BiLSTM, Attention BiLSTM, CNN, CNN-LSTM, and CNN-BiLSTM). In aspect classification, we have six classes of aspects which are harga (price), hotel, kamar (room), lokasi (location), pelayanan (service), and restoran (restaurant). In sentiment analysis, we compared two scenarios to classify sentiments as positive or negative. The first one is to classify sentiment in all aspects, and the second one is to classify sentiment in every aspect. The results showed that LSTM achieved the best model for aspect classification with an accuracy value of 0.926. For sentiment classification, our experiments showed that classify sentiment in every aspect achieved a better result than classify sentiment in all aspects. The result showed that the CNN model gets an average accuracy score of 0.904.
Bidirectional long-short term memory and conditional random field for tourism named entity recognition Annisa Zahra; Ahmad Fathan Hidayatullah; Septia Rani
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 11, No 4: December 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v11.i4.pp%p

Abstract

The common thing to do when planning a trip is to search for a tourist destination. This process is often done using search engines and reading articles on the internet. However, it takes much time to search for such information, as to obtain relevant information, we have to read some available articles. Named entity recognition (NER) can detect named entities in a text to help users find the desired information. This study aims to create a NER model that will help to detect tourist attractions in an article. The articles used for the dataset are English articles obtained from the internet. We built our NER model using bidirectional long-short term memory (BiLSTM) and conditional random fields (CRF), with Word2Vec as a feature. Our proposed model achieved the best with an average F1-Score of 75.25% compared to all scenarios tested.
Co-Authors Adityo Permana Wibowo Ahmad Rafie Pratama Amiin Majiid Nugroho Anas Satria Lombu Annisa Zahra Azmiardhy Zulkifli Farmadiansyah Cahyaningtyas, Siwi Chairullah Naury Chanifah Indah Ratnasari Dantik Puspita Sari, Dantik Puspita Dhomas Hatta Fudholi Dimas Bintang Prasetyo Fayruz Rahma Febrianto Eko Saputro Fudholi, Dhomas Hatta Habib Faizal Fadli Kartika Rizqi Nastiti Kartika Rizqi Nastiti Muhammad Fakhri Despawida Aulia Putra Muhammad Fakhri Despawida Aulia Putra Muhammad Rifqi Ma'arif Nassharih Abdulloh Naury, Chairullah Nuli Giarsyani Pamungkas, Rheza Daffa Prasetyo, Alan Dwi PRATIWI, INTAN Rheza Daffa Pamungkas Ridho Rahmadi Satrio Wisnugroho Septia Rani Siwi Cahyaningtyas Yurio Windiatmoko