Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Buletin Sistem Informasi dan Teknologi Islam
Titik Khawa Abd Rahman
School Science and Technology, Asia E University, Selangor, Malaysia
Computer Science & IT

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

Found 2 Documents
Search

 1 
Explainable Fake News Detection in Indonesian Language Using IndoBERT and SHAP Muhammad Hasraddin Hasnan; Rizky Yusliana Bakti; Muhammad Faisal; Titik Khawa Abd Rahman; Nurnawaty Nurnawaty; Muhammad Syafaat S. Kuba; Titin Wahyuni
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 2 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i2.3466

Abstract

Perkembangan media sosial dan teknologi informasi menyebabkan penyebaran berita palsu (fake news) semakin cepat dan sulit dikendalikan. Penelitian ini bertujuan mengembangkan model deteksi fake news berbahasa Indonesia yang tidak hanya memiliki performa tinggi, tetapi juga mampu memberikan interpretasi terhadap hasil prediksi. Metode yang digunakan adalah IndoBERT sebagai model klasifikasi utama dan SHAP (SHapley Additive exPlanations) sebagai metode Explainable Artificial Intelligence (XAI) untuk menjelaskan kontribusi kata terhadap keputusan model. Dataset diperoleh dari dua sumber berbeda yang kemudian melalui tahap preprocessing, filtering bahasa Indonesia, balancing data, serta pembagian data latih dan data uji. Sebagai pembanding, digunakan model baseline berbasis TF-IDF dan Logistic Regression. Pengujian menghasilkan akurasi model baseline sebesar 83%, sementara IndoBERT mencapai 94,39% dengan precision 96,12%, recall 92,53%, serta F1-score 94,29%. Analisis visualisasi SHAP mengungkap bahwa model berhasil menangkap kata-kata kunci utama yang berperan dalam mengklasifikasikan berita hoaks atau asli. Hasil penelitian membuktikan bahwa integrasi IndoBERT dan SHAP efektif dalam meningkatkan performa deteksi fake news sekaligus memberikan transparansi terhadap proses pengambilan keputusan model
Integrasi Principal Component Analysis dan DBSCAN untuk Klasterisasi Tingkat Keparahan Stunting pada Balita Azzah Aulia Syarif; Rizki Yusliana Bakti; Muhammad Faisal; Nini Apriani Rumata; Titik Khawa Abd Rahman; Andi Makbul Syamsuri; M. Agusalim
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 7, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v7i3.3512

Abstract

Stunting masih menjadi masalah kesehatan masyarakat yang serius. Variasi karakteristik antropometri pada balita stunting membuat satu kategori klasterisasi tidak cukup merepresentasikan kondisi pertumbuhan secara menyeluruh. Penelitian ini mengusulkan integrasi Principal Component Analysis (PCA) dan DBSCAN untuk mengidentifikasi subkelompok keparahan stunting pada balita di Puskesmas Turikale (Agustus 2025; n = 406). Setelah pembersihan dan standardisasi usia, PCA diterapkan pada HAZ, WAZ, WHZ, dan usia saat  pengukuran, menghasilkan tiga komponen utama (PC1–PC3) yang menjelaskan 99.35% variasi data. DBSCAN pada ruang PCA (ε = 0.60; MinPts = 5; Euclidean) menghasilkan tiga klaster dengan 12.56% noise yang direalokasi menggunakan nearest-centroid agar seluruh sampel berlabel. Hasil menunjukkan tiga subkelompok: stunting sedang dengan underweight pada usia lebih tua (n = 357), stunting sedang disertai risiko gizi lebih pada usia lebih muda (n = 24), dan stunting berat pada usia dini (n = 25). Dibandingkan K-medoids dan Fuzzy C-Means, PCA–DBSCAN memberikan validasi internal terbaik (Silhouette = 0.277; DBI = 1.062; Dunn = 0.0765). Pendekatan ini menghasilkan profil antropometri yang dapat digunakan sebagai alat bantu penentuan prioritas pemantauan dan penilaian gizi di layanan kesehatan primer, tanpa menggantikan klasifikasi WHO.
Co-Authors Andi Makbul Syamsuri Azzah Aulia Syarif Bakti, Rizki Yusliana M Agusalim Muhammad Faisal Muhammad Hasraddin Hasnan Muhammad Syafaat S. Kuba Nini Apriani Rumata Nurnawaty Rizky Yusliana Bakti Titin Wahyuni