Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Menulis: Jurnal Penelitian Nusantara (JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer
Bramasto Daru Satrio
Universitas Panca Sakti Bekasi
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Mathematics Other

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

Found 2 Documents
Search

 1 
Klasifikasi Dukungan Politik Berdasarkan Analisis Heatmap Aktivitas Komentar di Facebook Menggunakan CNN 1D Wahyudin Ahmadi; Bramasto Daru Satrio; Suparno
Menulis: Jurnal Penelitian Nusantara Vol. 2 No. 7 (2026): Menulis - Juli
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/menulis.v2i7.1332

Abstract

Analisis sentimen opini publik di media sosial menghadapi tantangan keterbatasan data (small dataset) dan ketidakseimbangan kelas (class imbalance) yang dapat menyebabkan overfitting pada model deep learning. Penelitian ini mengkaji performa arsitektur Convolutional Neural Network 1-Dimensi (CNN-1D) untuk klasifikasi sentimen opini publik terhadap kinerja pemerintahan Presiden Prabowo Subianto ke dalam tiga kategori: Netral, Keluhan/Aduan, dan Apresiasi. Dataset terdiri dari 434 komentar media sosial dengan dominasi kategori keluhan. Untuk mengatasi overfitting dan bias kelas, penelitian ini menerapkan reduksi dimensi embedding, regularisasi dropout (0.5), serta pembobotan kelas (class weight) berdasarkan inverse class frequency. Pengujian dilakukan dengan pembagian data 80:20 dan early stopping untuk mencegah overfitting. Hasil evaluasi menunjukkan akurasi 70.11% dengan presisi tertinggi pada kategori keluhan (81.35%), sementara kategori netral masih mengalami kesalahan klasifikasi akibat keterbatasan sampel dan tumpang tindih semantik. Pembahasan menyoroti perbandingan teoretis CNN-1D dengan Support Vector Machine (SVM) pada dataset berskala kecil serta analisis kesalahan prediksi melalui grafik heatmap confusion matrix
PENGEMBANGAN CHATBOT AI INFORMASI AKADEMIK BERBASIS WHATSAPP MENGGUNAKAN LOW-CODE AUTOMATION N8N DI UNIVERSITAS PANCA SAKTI BEKASI Bramasto Daru Satrio; Parman Suparman; Afdhol Syamsumar
(JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer Vol. 2 No. 3 (2026): Volume 2 Nomor 3 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan mengembangkan chatbot AI informasi akademik berbasis WhatsApp menggunakan platform low-code automation n8n di Universitas Panca Sakti Bekasi. Penelitian dilatarbelakangi oleh keterbatasan jam operasional staf administrasi, kompleksitas akses informasi melalui website, serta belum tersedianya layanan WhatsApp dengan respons otomatis. Penelitian menggunakan model pengembangan 4D (Define, Design, Develop, Disseminate) dengan arsitektur Retrieval-Augmented Generation (RAG), basis data vektor Pinecone, model embedding nomic-embed-text:latest, dan LLM openai/gpt-oss-20b. Pengujian dilakukan menggunakan metode Black-Box Testing terhadap sembilan skenario. Hasil penelitian menunjukkan bahwa n8n mampu mengintegrasikan berbagai layanan AI untuk membangun chatbot informasi akademik yang responsif. Penerapan RAG menghasilkan respons yang akurat, kontekstual, dan relevan serta membantu meminimalkan risiko halusinasi AI. Dari sembilan skenario pengujian, delapan berhasil dengan tingkat keberhasilan 88,9%. Chatbot mampu menyediakan informasi program studi, FAQ pendaftaran, jadwal perkuliahan, dan informasi umum Universitas Panca Sakti Bekasi secara otomatis melalui WhatsApp. Sistem ini diharapkan meningkatkan efisiensi layanan informasi akademik dan mengatasi keterbatasan jam operasional staf administrasi
Co-Authors Afdhol Syamsumar Parman Suparman Suparno Wahyudin Ahmadi