Claim Missing Document
Check
Articles

Found 23 Documents
Search

Deteksi Berita Online Hoax Covid-19 Di Indonesia Menggunakan Metode Hybrid Long Short Term Memory dan Support Vector Machine Dwi Fitriaini Nur Anisa; Imam Mukhlash; Mohammad Iqbal
Jurnal Sains dan Seni ITS Vol 11, No 3 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i3.83227

Abstract

Fokus masyarakat Indonesia tidak lepas dari kasus pandemi Coronavirus Disease 2019 (COVID-19) dengan mengikuti setiap informasi terkait perkembangannya setiap hari. Hal ini yang mendorong banyak pihak terlebih pemerintah untuk menyediakan layanan informasi terkini terkait COVID-19. Namun, banyak berita online menyajikan informasi palsu yang dikenal dengan berita hoax tentang COVID-19 yang dapat menyebabkan keresahan masyarakat. Pada Tugas Akhir ini, dilakukan deteksi terhadap berita–berita online seputar informasi COVID-19 di Indonesia yang dibagi menjadi dua kategori, yaitu berita hoax dan berita fakta. Proses deteksi berita online dilakukan dengan metode penggabungan Long-Short Term Memory dan Support Vector Machine (hybrid LSTM-SVM). LSTM menghasilkan fitur teks representatif yang selanjutnya digunakan untuk proses klasifikasi berita oleh SVM yang menghasilkan persentase nilai akurasi mencapai 94%. Nilai tersebut lebih tinggi dibandingkan dengan hanya mengimplementasikan Metode LSTM atau Metode SVM saja.
Desain dan Implementasi Perangkat Lunak Untuk Abstraksi Berhingga Sistem Max-Plus-Linear dengan Tree Tanpa Fungsi Rekursif Muhammadun; Dieky Adzkiya; Imam Mukhlash
Contemporary Mathematics and Applications (ConMathA) Vol. 5 No. 1 (2023)
Publisher : Universitas Airlangga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20473/conmatha.v5i1.44274

Abstract

Sistem Max-Plus-Linear (MPL) adalah suatu kelas sistem event diskrit dengan ruang keadaan kontinu mengkarakterisasi sekuensial kejadian diskrit yang mendasari. Di literatur, ada pendekatan untuk analisis yang didasarkan pada abstraksi berhingga model MPL yang autonomous. Prosedur ini telah diimplementasikan dalam MATLAB dengan struktur data list/matriks/vektor. Kekurangan dari implementasi ini, operasi membuat transisinya membutuhkan waktu komputasi yang lama. Kemudian dilakukan perbaikan terhadap implementasi sebelumnya dalam JAVA dengan struktur data tree. Implementasi ini berhasil mempercepat waktu komputasinya tetapi membutuhkan alokasi memori yang lebih besar karena fungsi-fungsinya bersifat rekursif. Penelitian ini membahas implementasi prosedur abstraksi berhingga model MPL autonomous dalam C++ dengan menggunakan struktur data tree tanpa fungsi rekursif. Dari beberapa percobaan yang dilakukan, implementasi pada penelitian ini berhasil mempercepat waktu komputasi VeriSiMPL 2.0 secara signifikan
A Bibliometric Analysis of Metaheuristic Research and Its Applications Hendy Hendy; Mohammad Isa Irawan; Imam Mukhlash; Samsul Setumin
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 9 No 1 (2023): January
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v9i1.2675

Abstract

Metaheuristic algorithms are generic optimization tools to solve complex problems with extensive search spaces. This algorithm minimizes the size of the search space by using effective search strategies. Research on metaheuristic algorithms continues to grow and is widely applied to solve big data problems. This study aims to provide an analysis of the performance of metaheuristic research and to map a description of the themes of the metaheuristic research method. Using bibliometric analysis, we examined the performance of scientific articles and described the available opportunities for metaheuristic research methods. This study presents the performance analysis and bibliometric review of metaheuristic research documents indexed in the Scopus database between the period of 2016-2021. The overall number of papers published at the global level was 3846. At global optimization, heuristic methods, scheduling, genetic algorithms, evolutionary algorithms, and benchmarking dominate metaheuristic research. Meanwhile, the discussion on adaptive neuro-fuzzy inference, forecasting, feature selection, biomimetics, exploration, and exploitation, are growing hot issues for research in this field. The current research reveals a unique overview of metaheuristic research at the global level from 2016-2021, and this could be valuable for conducting future research.