Article Per Year (5 Year)
p-Index From 2021 - 2026
2.765
P-Index
This Author published in this journals
All Journal Litera Syntax Jurnal Informatika Indonesian Journal of Science and Technology JITK (Jurnal Ilmu Pengetahuan dan Komputer) JMM (Jurnal Masyarakat Mandiri) Indonesian Journal of Applied Informatics Jurnal Linguistik Komputasional Academic Journal of Computer Science Research (AJCSR) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Digital Transformation Technology (Digitech) JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Hipotenusa: Journal of Mathematical Society Jurnal Abmas
Wibisono, Yudi
Universitas Pendidikan Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Penerapan Large Languange Models Dalam Pembaruan Artikel Biografi Wikipedia Najma Qalbi Dwiharani; Yudi Wibisono; Yaya Wihardi
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.499

Abstract

Wikipedia merupakan sumber informasi daring yang sangat populer di Indonesia, namun pembaruan artikelnya masih sangat bergantung pada kontribusi penyunting. Pada kategori artikel biografi, pembaruan informasi secara berkala sangat penting karena adanya perkembangan karier dan peristiwa terkini dari tokoh yang bersangkutan. Penelitian ini bertujuan untuk mengeksplorasi penerapan Large Language Models (LLM) dalam menambahkan informasi baru ke artikel biografi Wikipedia Indonesia dengan referensi dari satu artikel berita daring. Model utama yang digunakan adalah Gemma 3 yang kemudian dibandingkan dengan model baseline Phi-3-mini. Penelitian ini juga menguji efektivitas lima strategi prompting yang berbeda, yaitu simple prompt, system prompt (en), system prompt (id), one-shot, dan prompt chaining untuk mengarahkan model dalam menghasilkan keluaran yang relevan dan sesuai dengan gaya Wikipedia. Proses fine-tuning dilakukan menggunakan data berbentuk kombinasi artikel Wikipedia sebelum diperbarui, artikel berita sebagai referensi, dan teks berisi informasi baru yang relevan untuk ditambahkan ke dalam artikel Wikipedia sebagai target keluaran. Evaluasi dilakukan dengan metrik ROUGE untuk mengukur kesamaan antara hasil keluaran model dan referensi dari penyunting Wikipedia. Hasil penelitian menunjukkan bahwa fine-tuning model Gemma 4B secara signifikan meningkatkan performa, khususnya pada strategi prompt chaining dengan rata-rata skor ROUGE-1 sebesar 0.3687. Dibandingkan dengan baseline Phi-3-mini, model Gemma memberikan hasil yang lebih konsisten dan relevan. Temuan ini menunjukkan bahwa pendekatan berbasis LLM dapat menjadi solusi potensial dalam membantu proses pembaruan artikel biografi Wikipedia.
Integrasi YOLOv11 dan Intersection-Based Method Untuk Estimasi Karakteristik Parkir Berdasarkan Parking Lot Surveillance Video Muhammad Kamal Robbani; Yudi Wibisono; Eddy Prasetyo Nugroho
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.502

Abstract

The rapid growth of vehicles without a corresponding increase in parking space availability has led to various issues such as traffic congestion, fuel waste, and excessive emissions. This study develops a computer vision-based parking analysis system using the YOLOv11 model to automatically detect vehicles in parking areas. The system integrates an intersection-based method and the BoT-SORT object tracking algorithm to classify parking spot availability. The classification results are then used to extract parking characteristic data. Video data were obtained from a publicly accessible livestream on YouTube in Kusatsu, Japan, and used for training and evaluating the model. The model achieved an mAP@50-95 of 0.926 under bright lighting conditions and 0.859 in low-light conditions. Additionally, estimation accuracy was evaluated using MAE and R² metrics, showing promising results, with MAE of 1.27 and R² of 0.989 during daytime, and MAE of 0.91 and R² of 0.91 at night.
Analisis Sentimen dan Pemodelan Topik pada Post tentang Merek Teknologi di X Menggunakan Fine-tuning IndoBERT dan BERTopic Muhammad Rayhan Nur; Yudi Wibisono; Rani Megasari
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.508

Abstract

Media sosial telah menjadi wadah bagi konsumen untuk menyampaikan persepsi dan opini. Opini yang beredar tersebut berpotensi menjadi sumber data yang berharga bagi brand, termasuk Xiaomi, dalam memahami persepsi publik terhadap produk mereka. Penelitian ini bertujuan untuk menganalisis sentimen dan mengidentifikasi topik diskusi pada unggahan (post) mengenai merek teknologi Xiaomi di platform X (sebelumnya Twitter) dengan pendekatan berbasis Transformer. Dua metode utama yang digunakan adalah fine-tuning IndoBERT untuk model klasifikasi sentimen dan BERTopic untuk pemodelan topik. Data yang berhasil dikumpulkan sebanyak 10.130 post dari bulan Mei 2023 hingga Mei 2025 yang dilanjutkan menuju tahapan praproses serta pelabelan. Model klasifikasi dilatih dengan berbagai kombinasi konfigurasi hyperparameter, dengan hasil pengujian terbaik menghasilkan nilai accuracy 79,8%, precision 73,0%, recall 67,7%, dan f1-score (macro) sebesar 0,699. Distribusi sentimen dalam data menunjukkan dominasi sentimen netral, sedangkan BERTopic berhasil menghasilkan 16 cluster topik dengan rata-rata nilai coherence (C_v) sebesar 0,5437. Topik paling dominan dengan jumlah anggota cluster terbanyak membahas mengenai produk Xiaomi Series dan Poco. Sementara itu, topik dengan persentase sentimen negatif tertinggi berkaitan dengan layanan service center dan sentimen positif tertinggi mengenai produk komputer tablet (tab) Xiaomi. Penggabungan hasil analisis sentimen dan topik memberikan pemahaman yang lebih mendalam terhadap isu yang dibicarakan serta persepsi konsumen. Penelitian ini membuktikan bahwa kombinasi IndoBERT dan BERTopic efektif dalam menganalisis opini konsumen di media sosial serta memberikan wawasan strategis yang relevan bagi perusahaan untuk mengidentifikasi kekuatan dan potensi peningkatan yang dapat dilakukan.
Peringkasan Otomatis Risalah Rapat DPR RI Menggunakan IndoNanoT5 dan LongT5 TGlobal Alghaniyu Naufal Hamid; Yudi Wibisono; Rasim
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.772

Abstract

Meeting minutes of the Indonesian House of Representatives DPR RI are lengthy, dialogic, and distribute important information across many sections, making it difficult for readers to quickly identify core discussions, decisions, and follow up actions. This study develops and evaluates an abstractive summarization system for 200 DPR RI meeting minutes using a meeting domain based staged training strategy. Domain adaptation is performed through intermediate pre training on the AMI Meeting Corpus translated into Indonesian, followed by fine tuning on the DPR RI minutes dataset. Two approaches are compared. The first approach employs LongT5 with Transient Global Attention TGlobal as an end to end long context model. The second approach uses IndoNanoT5 with chunking and sliding window, a chunk size of 1024 tokens, 127 token overlap, and aggregation of 256 token chunk summaries into a final summary of up to 1024 tokens. Evaluation is conducted using ROUGE 1, ROUGE 2, ROUGE L, and Word F1 metrics. Validation results show that LongT5 TGlobal achieves the best performance after fine tuning, with ROUGE 1 of 0.3031, ROUGE 2 of 0.0924, ROUGE L of 0.1427, and Word F1 of 0.2721. IndoNanoT5 improves after fine tuning, achieving ROUGE 1 of 0.1437, ROUGE 2 of 0.0483, ROUGE L of 0.1098, and Word F1 of 0.1264, but remains affected by context fragmentation and repetition caused by overlap and summary aggregation. This approach supports improved accessibility of legislative meeting information for the public, researchers, journalists, and policymakers in sustainable democratic governance contexts.
Implementasi Blockchain Menggunakan Multi-Signature Approval dan Merkle Tree untuk Sistem E-Voting Pemilu Villeneuve Andhira; Yudi Wibisono; Rizky Rahman
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.782

Abstract

The implementation of conventional general elections in Indonesia still faces significant challenges, including high logistical costs, risks of data manipulation, and a lack of process transparency, which triggers public distrust. This research aims to design a future e-voting system prototype by proposing a Hybrid Voting Framework based on Ethereum blockchain technology and the InterPlanetary File System (IPFS). Scalability and privacy issues are addressed through the integration of the Merkle Tree data structure, where only a 32-byte root value is stored on-chain, while sensitive data is managed off-chain. To mitigate the risk of authority centralization, the system implements a concept from Proof of Authority (PoA) consensus mechanism with a multi-signature approval scheme, requiring the consensus of the majority of validators (>50%) for every administrative action. The test results show that the system is capable of maintaining voting integrity through the one-person-one-vote principle with a stable block creation time of under 10 seconds. Furthermore, the Recent Activity Log and "Verify My Vote" features successfully provide real-time transparency by utilizing event logs from smart contracts. Overall, this prototype proves that the use of blockchain can create a secure, accountable, and efficient voting system, while simultaneously providing maximum privacy protection for voters through robust cryptographic proof.
Peringkasan Teks Berita Berbahasa Indonesia Menggunakan LSTM dan Transformer Christina Prilla Rosaria Ardyanti; Yudi Wibisono; Rani Megasari
IJAI (Indonesian Journal of Applied Informatics) Vol 8, No 2 (2024)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v8i2.78856

Abstract

Abstrak Pertumbuhan informasi di internet membuat volume data tekstual semakin besar. Hal ini membuat manusia kesulitan dalam mengolah informasi dengan cepat. Peringkasan teks dapat membantu manusia untuk memahami informasi dalam jumlah yang banyak dengan cepat. Pada penelitian ini, arsitektur encoder-decoder akan diimplementasikan pada dataset Indosum menggunakan Long Short Term Memory (LSTM) dengan tambahan  mekanisme atensi dan Transformer. Ujicoba juga dilakukan menggunakan  fine-tuning pada pre-trained model T5-Small dan BART-Small. Eksperimen juga dilakukan dengan membandingkan dataset yang menggunakan praproses dan tanpa praproses. Berdasarkan eksperimen, model LSTM-Atensi memiliki kinerja rendah  dengan nilai ROUGE-L sebesar 13.0 pada dataset yang menggunakan praproses. Sedangkan nilai ROUGE-tertinggi didapatkan dari hasil fine-tuning T5-Small dengan nilai sebesar 66.2.===================================================AbstractThe proliferation of information on the internet has led to an increasing volume of textual data. This presents a challenge for humans in processing information rapidly. Text summarization can aid humans in quickly comprehending large amounts of information. In this research, an encoder-decoder architecture will be implemented on the Indosum dataset using Long Short-Term Memory (LSTM) along with attention mechanisms and Transformer. Experiments will also involve fine-tuning pre-trained models T5-Small and BART-Small. The influence of preprocessing will also be studied through experiments. Based on the experiments, the LSTM-Attention model demonstrates poor performance with an ROUGE-L score of 13.0 on the preprocessed dataset. Conversely, the highest ROUGE score was achieved through fine-tuning T5-Small, scoring 66.2.
Co-Authors Acep Aris Mubarok Ade Rohayati Alghaniyu Naufal Hamid Ananias Erlita Mamu Arie Gunawan Chairul Furqon, Chairul Christina Prilla Rosaria Ardyanti Eddy Prasetyo Nugroho Eddy Prasetyo Nugroho Emilia Stefani Nurung Febyana Ramadhanti Fikry Al Farisi Muslim Ibrahim Zein Abdillah Ignasius Kevin Rinta Johan, Riche Cynthia Kristianus Viktor Pantaleon Lala Septem Riza Maharani, Fenny Feronika Makur, Alberta P Maulana R, M Rifky Maulana, Rachman Faiz Mediayani, Melani Muhammad Fadhil Muhammad Kamal Robbani Muhammad Rayhan Nur Munir Munir Najma Qalbi Dwiharani Niagara, Asep Indra Nikmah, Qoidatun Nurjanah . Nurjanah, Nurjanah Nursalman, Muhammad Pantaleon, Kristianus Viktor Paulus Roldin Ganas Pérez, Alejandro Rosales Putra, Budi Lasono Putro, Budi Laksono Rani Megasari Rasim Rizky Rahman Rosa Ariani Sukamto Setiadiputra, Dodi Siregar, Herbert Sobana, Aceng Tamur, Maximus Teti Suryati Tommy Tanu Wijaya Umar Syahid Aulia Rahman Villeneuve Andhira Wawan Setiawan Wawan Setiawan Wihardi, Yaya Yosefus Januarisky Berchmans Yudi Wahyudi Yuniarti Musa'adah Yupa Umigi Al-khairi