Article Per Year (5 Year)
p-Index From 2019 - 2024
1.683
P-Index
This Author published in this journals
All Journal MAJAMATH: Jurnal Matematika dan Pendidikan Matematika InPrime: Indonesian Journal Of Pure And Applied Mathematics Journal of Applied Data Sciences Journal of Applied Computer Science and Technology (JACOST) The Indonesian Journal of Computer Science
Muhaza Liebenlito
Universitas Islam Negeri Syarif Hidayatullah
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Mathematics

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : The Indonesian Journal of Computer Science

 1 
Deteksi Kepribadian MBTI pada Diskusi Agama Islam di Twitter Indonesia 2009-2019 Nanira Annisa Fitri; Taufik Edy Sutanto; Muhaza Liebenlito
The Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): Indonesian Journal of Computer Science (IJCS) Volume 12 Number 5 (2023)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i5.3446

Abstract

Kepribadian adalah perilaku serta pemikiran seseorang yang dapat mempengaruhi orang lain dalam berinteraksi di berbagai situasi. Satu macam tes kepribadian yang populer adalah Myers-Briggs Type Indicator (MBTI) yang mengklasifikasikan kepribadian seseorang berdasarkan empat dimensi yaitu Introvert-Extrovert, Sensing-Intuitive, Thinking-Feeling, serta Judging-Perceiving. Sebagian besar penelitian sebelumnya mengenai prediksi MBTI yang telah dilakukan menggunakan dataset berbahasa Inggris. Penelitian ini melakukan analisa prediksi MBTI pengguna twitter dengan menggunakan data latih bahasa Indonesia yang berasal dari terjemahan model kecerdasan buatan. Empat model klasifikasi seperti Random Forest, Support Vector Machine (SVM), Logistic Regression, dan Bernoulli Naive Bayes digunakan untuk menganalisis efektivitas prediksi MBTI pada data yang digunakan. Hasil eksperimen menunjukkan bahwa model klasifikasi SVM menghasilkan akurasi tertinggi yaitu 90% untuk I-E, 93% untuk N-S, 88% untuk T-F, dan 84% untuk J-P. Model yang diajukan memiliki potensi untuk menjadi solusi untuk memprediksi MBTI secara cepat dan baik pada data yang besar dalam bahasa Indonesia.
Efektivitas Variabel Demografi Pengguna Twitter dalam Prediksi Pilpres Indonesia 2014 dan 2019 Muhammad Misbah Effendy; Taufik Edy Sutanto; Muhaza Liebenlito
The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i6.3477

Abstract

Twitter menjadi platform media sosial yang digunakan untuk menyuarakan dukungan terhadap calon pada Pemilihan Presiden (Pilpres) Indonesia 2014 dan 2019. Meskipun banyak analisis telah dilakukan pada Twitter, penelitian mengenai demografi pengguna masih jarang dilakukan. Masalah yang dihadapi dalam analisis demografi adalah keterbatasan informasi di Twitter. Selain analisis sentimen, penelitian ini menggunakan informasi demografi yaitu lokasi dan jenis kelamin yang diprediksi melalui nama pengguna Twitter. Menggunakan model BERT untuk analisis sentimen dan Random Forest untuk prediksi, data Pilpres 2014 diolah untuk memprediksi Pilpres 2019, yang kemudian dibandingkan dengan data resmi Komisi Pemilihan Umum (KPU). Dengan menggunakan variabel demografi, model memprediksi lebih baik 13.34% dibandingkan dengan model tanpa variabel demografi, dari 63.33% menjadi 76.67%. Berdasarkan hasil analisis variabel indikator, jumlah penduduk menjadi variabel demografi dengan nilai importance tertinggi. Hasil penelitian ini dapat digunakan sebagai acuan untuk meningkatkan hasil prediksi permasalahan lain yang serupa dan belum menggunakan informasi demografi.
Analisis Tweet Politik-Keagamaan pada Hasil Pemilihan Presiden Indonesia tahun 2014 dan 2019: Sebuah Studi Eksploratif Poppy Dalama Zain; Taufik Edy Sutanto; Muhaza Liebenlito
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3751

Abstract

Agama dan politik saling terkait dalam konteks pemilihan umum di Indonesia. Penggunaan isu agama dalam kegiatan politik merambah luas di pemilu Indonesia tahun 2014 dan 2019 di media sosial. Paper ini mengisi kekosongan di literatur untuk mengkaji fenomena penggunaan isu agama dalam politik secara kuantitatif. Data diambil menggunakan dari media sosial twitter menggunakan API secara legal dan menjaga privasi pengguna. Pengambilan data dilakukan dengan menggunakan kata kunci terkait agama seperti Islam, Al-Qur’an, Hadits, Halal, Shalat, dan sebagainya lalu di filter dengan berbagai kata kunci terkait politik. Melalui berbagai teknik eksplorasi data seperti analisis korelasi Spearman dan visualisasi geospasial, penelitian ini menemukan adanya hubungan signifikan antara banyaknya isu agama terkait politik dan perolehan suara calon presiden. Pada tahun 2014 korelasi untuk Prabowo dibandingkan korelasi untuk Jokowi lebih tinggi yaitu sebesar 0.72, lalu menurun pada tahun 2019 menjadi 0.56. Penelitian ini dapat dijadikan inspirasi untuk penurunan dan pencegahan terjadinya polarisasi di masyarakat akibat penggunaan isu agama dalam kegiatan politik.
Perbandingan Deteksi Alzheimer: ViT, CNN dan ViT dengan Bobot pada Citra Medis Aisyah Nur Salsabila; Muhaza Liebenlito; Dhea Urfina Zulkifli
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3765

Abstract

Penyakit Alzheimer merupakan suatu tipe demensia yang berpengaruh terhadap ingatan, cara berpikir, dan perilaku. Gejala-gejala tersebut dapat menjadi cukup parah sehingga dapat mempengaruhi kegiatan sehari-hari. Dalam penelitian ini, diperkenalkan aplikasi Convolutional Neural Network (CNN) sederhana dan pre-trained model Vision Transformer (ViT) untuk menganalisis data MRI Scan Alzheimer dengan empat kelas, yaitu Mild Demented, Moderate Demented, Non Demented, dan Very Mild Demented. Pada penelitian ini, dilakukan perbandingan pengaplikasian CNN dengan bobot dan ViT yang dilakukan dengan menggunakan dua cara, yaitu dengan bobot dan tidak. Hasil dari penelitian ini menunjukkan bahwa pengaplikasian ViT dengan bobot menghasilkan akurasi yang lebih tinggi dibanding dengan metode lainnya. Dari penelitian ini, diharapkan dapat menganalisa dan mendeteksi penyakit Alzheimer dalam bidang kesehatan dengan efisien.
Co-Authors Aisyah Nur Salsabila Anisa Salsabila Arlianis Arum Yesinta Arsy Arslina Dhea Urfina Zulkifli Esti Choerunnisa Hamid, Abdul Muhamad Irvan Septiar Musti Muhammad Misbah Effendy Nanira Annisa Fitri Nur Inayah Poppy Dalama Zain Rahmi Purnomowati Suma Inna Suma Inna Taufik Edy Sutanto Taufik Edy Sutanto Taufik Edy Sutanto Taufik Edy Sutanto Yanne Irene