Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Infotek : Jurnal Informatika dan Teknologi SmartComp
Dian Agustini
Universitas Islam Kalimantan Muhammad Arsyad Al Banjari Banjarmasin
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Algoritma Naive Bayes untuk Analisa Pengaruh Asisten Virtual Terhadap Efektivitas Pembelajaran Mahasiswa Teknik Informatika dalam Mata Kuliah Kecerdasan Buatan Mayang Sari; Dian Agustini; Muthia Farida
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.9847

Abstract

Abstrak: Perkembangan teknologi kecerdasan buatan telah menghadirkan berbagai inovasi dalam dunia pendidikan, salah satunya adalah penggunaan virtual asisten sebagai alat bantu pembelajaran. Penelitian ini bertujuan untuk menganalisis pengaruh penggunaan virtual asisten terhadap pembelajaran mahasiswa Teknik Informatika dalam mata kuliah Kecerdasan Buatan. Pendekatan yang digunakan dalam penelitian ini adalah klasifikasi data menggunakan algoritma Naïve Bayes, yang memungkinkan analisis probabilistik terhadap faktor-faktor yang memengaruhi efektivitas pembelajaran dengan virtual asisten.Data penelitian dikumpulkan melalui kuesioner daring yang disebarkan kepada 200 mahasiswa Program Studi Teknik Informatika yang kemudian diolah dan diklasifikasikan menjadi tiga kategori efektivitas, yaitu Efektif, Cukup Efektif, dan Tidak Efektif.Analisis dilakukan menggunakan perangkat lunak RapidMiner dengan penerapan algoritma Naive Bayes. Hasil pengujian menunjukkan tingkat akurasi sebesar 80,77%, dengan nilai precision dan recall tertinggi pada kelas Cukup Efektif. Hal ini menunjukkan bahwa model mampu mengenali pola persepsi mahasiswa dengan cukup baik, meskipun terdapat sedikit tumpang tindih antara kelas Efektif dan Cukup Efektif.Hasil penelitian ini membuktikan bahwa algoritma Naive Bayes dapat digunakan secara efektif untuk menganalisis data persepsi berbasis survei dan memberikan gambaran yang objektif mengenai tingkat efektivitas Virtual Assistant dalam mendukung proses pembelajaran. Temuan ini diharapkan dapat menjadi dasar bagi institusi pendidikan untuk mengoptimalkan pemanfaatan teknologi AI dalam kegiatan belajar mengajar.Kata Kunci – Naive Bayes; Virtual Assistant; Efektivitas Pembelajaran; RapidMiner; Kecerdasan Buatan
Deteksi Hoaks Berita Berbahasa Indonesia Menggunakan IndoBERT dengan Penanganan Ketidakseimbangan Kelas Berbasis Gabungan Class Weighting dan Focal Loss Riadhul Muttaqin; Muhammad Edya Rosadi; Muhammad Iqbal Firdaus; Dian Agustini
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.35214

Abstract

The spread of hoaxes in Indonesian-language digital media has risen sharply in the past five years with wide societal harm. Most prior work on Indonesian hoax detection emphasizes model architecture, while the class-imbalance problem in field data receives less attention. This study presents a data-centric approach combining the IndoBERT pretrained language model with a hybrid class-imbalance objective of class weighting and focal loss. The dataset is the indonesiafalsenews corpus of 4231 labelled articles with an approximate 4.5 to 1 hoax-to-fact ratio. Evaluation uses five-seed runs with McNemar and paired-bootstrap significance testing. The proposed configuration achieves an F1-macro of 0.7240, accuracy of 0.8392, ROC-AUC of 0.8083, and a Matthews correlation coefficient of 0.4510, significantly outperforming every TF-IDF baseline at the 0.05 level. Text augmentation does not provide consistent gains, which implies that imbalance handling is the more effective lever for Indonesian hoax detection.
Co-Authors Mayang Sari Muhammad Edya Rosadi Muhammad Iqbal Firdaus Muthia Farida Riadhul Muttaqin