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 
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 Hamid, Alghaniyu Naufal; Wibisono, Yudi; 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 Andhira, Villeneuve; Wibisono, Yudi; Rahman, Rizky
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.
Rancang Bangun Aplikasi Real-Time Information Angkutan Kota dengan Location-based Service Menggunakan Metode Prototyping Maulana, Rachman Faiz; Wibisono, Yudi; Nugroho, Eddy Prasetyo
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7362

Abstract

Penelitian ini dilatarbelakangi oleh menurunnya minat masyarakat dalam menggunakan angkutan kota di Kota Bandung, salah satunya disebabkan oleh tidak tersedianya informasi posisi angkot secara real-time yang membuat penumpang sulit memperkirakan waktu tunggu. Ketidakpastian ini berdampak pada rendahnya kenyamanan dan kepercayaan pengguna terhadap layanan angkutan kota. Untuk menjawab permasalahan tersebut, penelitian ini bertujuan merancang dan membangun aplikasi real-time information untuk angkutan kota berbasis Android dengan memanfaatkan teknologi Location-Based Service (LBS). Tujuan utama pengembangan adalah menyediakan informasi posisi angkot secara langsung, memudahkan navigasi penumpang, dan meningkatkan transparansi serta kualitas layanan. Metode Prototyping digunakan agar proses pengembangan dapat dilakukan secara iteratif melalui umpan balik pengguna hingga menghasilkan desain yang sesuai kebutuhan. Pengujian sistem menggunakan metode Black Box menunjukkan seluruh fitur berjalan sesuai dengan spesifikasi. Evaluasi usability dengan System Usability Scale (SUS) melibatkan 15 responden dan menghasilkan skor rata-rata 73,67 yang berada pada kategori Acceptable dan Grade C. Hasil ini menunjukkan bahwa aplikasi dapat diterima dengan baik, cukup mudah dipahami, dan layak digunakan oleh pengguna. Secara keseluruhan, penelitian ini berhasil menghasilkan prototipe aplikasi yang berfungsi sesuai tujuan serta berpotensi mendukung peningkatan kualitas layanan angkutan kota, meskipun masih terbuka peluang pengembangan lebih lanjut untuk penyempurnaan fitur dan pengalaman pengguna.
Program pelatihan media pembelajaran berbasis Computer-Based Learning untuk guru-guru MGMP matematika SMP di Kabupaten Bandung Barat Nurjanah Nurjanah; Ade Rohayati; Yudi Wibisono
Jurnal Abmas Vol. 19 No. 1 (2019): Jurnal Abmas
Publisher : Universitas Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/abmas.v19i1.36465

Abstract

Kegiatan pengabdian pada masyarakat ini bertujuan untuk melatih guru matematika SMP dalam merancang, membuat serta menggunakan media pembelajaran berbasis computer-based learning. Metode yang digunakan dalam pelaksanaan pengabdian kepada masyarakat ini mengacu pada pola pemberdayaan masyarakat Participatory Action Learning System (PALS). Ada empat tahapan dalam metode ini, yaitu awareness, participating, scaffolding, institutionalization. Hasil pelatihan ini mampu memberikan pengetahuan tentang penggunaan media pembelajaran berbasis computer-based learning, dapat mengubah cara pandang guru matematika dalam mengajar, terutama dalam pemanfaatan IT/ICT, serta dapat membantu guru dalam merancang, membuat, serta menggunakan media pembelajaran computer-based learning.
Peringkasan Teks Berita Berbahasa Indonesia Menggunakan LSTM dan Transformer Ardyanti, Christina Prilla Rosaria; Wibisono, Yudi; Megasari, Rani
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 Ananias Erlita Mamu Andhira, Villeneuve Ardyanti, Christina Prilla Rosaria Arie Gunawan Chairul Furqon, Chairul Dwiharani, Najma Qalbi Eddy Prasetyo Nugroho Eddy Prasetyo Nugroho Emilia Stefani Nurung Febyana Ramadhanti Fikry Al Farisi Muslim Hamid, Alghaniyu Naufal 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 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 Rahman, Rizky Rani Megasari Rani Megasari Rasim Rosa Ariani Sukamto Setiadiputra, Dodi Siregar, Herbert Sobana, Aceng Tamur, Maximus Teti Suryati Tommy Tanu Wijaya Umar Syahid Aulia Rahman Wawan Setiawan Wawan Setiawan Wihardi, Yaya Yosefus Januarisky Berchmans Yudi Wahyudi Yuniarti Musa'adah Yupa Umigi Al-khairi