Article Per Year (5 Year)
p-Index From 2019 - 2024
3.271
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi CALYPTRA : Jurnal Ilmiah Mahasiswa Universitas Surabaya Telematika : Jurnal Informatika dan Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Journal of Information Systems Engineering and Business Intelligence Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika dan Multimedia Indonesian Journal of Information System J-SAKTI (Jurnal Sains Komputer dan Informatika) Teknika J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informatika dan Multimedia
Mohammad Farid Naufal, Mohammad Farid
Jurusan Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Edukasi dan Penelitian Informatika (JEPIN)

 1 
Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning Alvin Eka Putra; Mohammad Farid Naufal; Vincentius Riandaru Prasetyo
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.58186

Abstract

Rempah merupakan salah satu kekayaan yang dimiliki oleh Indonesia. Berdasarkan data yang dimiliki Negari Rempah Foundation, terdapat sekitar 400 hingga 500 spesies rempah di dunia dan 275 jenis rempah terdapat di Asia Tenggara terutama di Indonesia. Jenis rempah beragam dan memiliki kemiripan satu dengan yang lain sehingga sulit untuk dibedakan. Maka dari itu untuk mempertahankan pengetahuan mengenai rempah-rempah yang dimiliki Indonesia, diperlukan aplikasi klasifikasi jenis rempah yang akurat sehingga pengetahuan masyarakat tentang rempah tetap terjaga. Selain itu di bidang industri dapat meningkatkan efisiensi dalam industri rempah. Penggunaan teknologi dalam klasifikasi jenis rempah dapat meningkatkan efisiensi dalam industri rempah. Dengan teknologi yang tepat, waktu yang dibutuhkan untuk mengidentifikasi jenis rempah dapat dipercepat, dan juga meminimalkan risiko kesalahan manusia. Keterbatasan citra rempah juga menjadi permasalahan pada klasifikasi jenis rempah. Convolutional Neural Network (CNN) dengan arsitektur transfer learning adalah metode klasifikasi citra yang memiliki performa yang baik pada dataset dengan jumlah yang terbatas. Eksperimen yang dilakukan menggunakan 6 arsitketur CNN, yaitu Xception, MobileNetV2, DenseNet201, VGG16, VGG19, dan ResNet50. Terdapat 10 jenis rempah yang diklasifikasikan yaitu jahe, kunyit, kunci, adas, merica, laos, jintan, kencur, temulawak, dan ketumbar. Berdasarkan hasil eksperimen yang dilakukan Xception adalah arsitektur terbaik dengan F1 Score sebesar 96.99%.
Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning Mohammad Farid Naufal; Selvia Ferdiana Kusuma
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.49951

Abstract

Kebijakan Pemberlakukan Pembatasan Kegiatan Masyarakat (PPKM) merupakan salah satu kebijakan pemerintah yang diambil untuk menekan laju persebaran Covid19. Tidak setiap kebijakan selalu berdampak positif untuk warga. Oleh sebab itu perlu adanya evaluasi terhadap setiap kebijakan. Saat ini banyak warga yang sering menanggapi kebijakan pemerintah melalui komentar-komentar di media sosial twitter. Komentar-komentar tersebut sebanarnya dapat dijadikan bahan evaluasi terhadap kebijakan yang telah diambil. Namun komentar-komentar tersebut perlu diklasifikasikan dahulu, komentar yang bersentimen positif, negative maupun netral. Proses pengklasifikasian secara manual tentunya akan menyita banyak waktu karena jumlah sangat banyak, bisa ribuah bahkan puluhan ribu. Perlu adanya otimatisasi pengklasifikasin sentimen dari twitter tersebut. Oleh sebab itu penelitian ini berfokus pada otomatisasi analisis sentimen komentar-komentar warga pada media sosial twitter terkait PPKM. Proses otomatisasi analisis sentimen terkait kebijakan PPKM ini berbasis deep learning. Semua data yang telah melalui preprocess dan pelabelan kemudian akan dimodelkan menggunakan algoritma Long Short Term Memory (LSTM). Model dibentuk berdasarkan uji coba paramater yang paling baik menggunakan algoritma grid search. Model yang terbentuk inilah yang digunakan untuk mengklasifikasikan sentimen tweet secara otomatis.  Berdasarkan eksperimen yang dilakukan, metode yang diusulkan berhasil mengklasifikasikan 37750 tweet sesuai dengan sentimennya dengan akurasi 87%.
Co-Authors - Subrata Alvin Eka Putra Alvin Fernando Susanto Ang Alexander Yoshua Aryo Budilaksono Astri Agustina Arius Christian Nathaneil Kansil Daniel Cristianindra R. Daniel Hary Prasetyo David Sugiarto Derry Alim Fernando Fania Alya Miranti Farrel Arghya Tito Prayoga Felix Handani Firman Herda Ramadhan Jeremy Owen Lieyanto Jessica Millenia Joko Siswantoro Joseph Kristiano Juan Timothy Soebroto Kevin Christian Tanus Mirella Mercifia Mohd Sanusi Bin Azmi Muhammad Ghifari Kusuma Wicaksono Nicky Setyawan Dinata Panji Yumadana Vernolyo Putu Aditya Riva Putra Raynaldy Valentino Sukiwun Rizka Febrina P. Selvia F Kusuma, Selvia F Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Septian Wijaya Aminulloh Sesilia Shania Sesilia Shania Solichul Huda Solichul Huda Stefan Axel Vincentius Riandaru Prasetyo Vincentius Riandaru Prasetyo Wibisono, Yudistira Rahadian Wisnu Aria Yustisia Yohanes Albert Lauwoto Yudistira Rahadian Wibisono Zefanya Ardya Prayuska