Claim Missing Document
Check
Articles

Found 3 Documents
Search

Analisis Big Data Metadata CERN Berbasis Cloud Computing Menggunakan Algoritma Z-Score Outlier Detection Lastri Putri Silaban Silaban; Muhammad Tsabat Muhyiyuddin; Zevan Irfan Surbakti
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.939

Abstract

Penelitian ini bertujuan untuk mengidentifikasi anomali serta mengenali pola tersembunyi pada dataset metadata eksperimen ATLAS berskala Big Data yang bersumber dari CERN Open Data. Permasalahan utama dalam penelitian ini adalah tingginya variasi jumlah kejadian fisika (events) yang menyulitkan proses analisis dan interpretasi data secara akurat. Untuk mengatasi permasalahan tersebut, penelitian ini menerapkan pendekatan Knowledge Discovery in Database (KDD) berbasis komputasi awan (Cloud Computing) yang meliputi agregasi data, komputasi statistik deskriptif, analisis kemiringan distribusi (skewness), Z-Score Outlier Detection, dan pengenalan pola sekuensial (pattern recognition). Hasil analisis terhadap 374 dataset menunjukkan rata-rata jumlah kejadian sebesar 5.075.259,44 events dengan standar deviasi 18.689.769,53 events, di mana distribusi populasi terkonfirmasi memiliki tingkat kemiringan positif yang ekstrem (Right-Skewed). Berdasarkan perhitungan Z-Score dengan ambang batas |Z| > 3, ditemukan sebanyak 6 dataset (sekitar 1,6%) yang teridentifikasi sebagai anomali ekstrem. Lebih lanjut, analisis tren sekuensial dan visualisasi spasial membuktikan bahwa anomali tersebut tidak terjadi secara acak, melainkan membentuk klaster sistemik yang terpusat pada rentang batch observasi tertentu. Integrasi metode Z-Score dan pengenalan pola ini terbukti efektif dalam memvalidasi kualitas data (Veracity) serta mengekstraksi informasi operasional pada dataset saintifik berskala masif.
Rancang Bangun Aplikasi Web Identifikasi Teks Akademik dan Non-Akademik Berbasis IndoBERT sebagai Implementasi Pendekatan Natural Language Processing Muhammad Tsabat Muhyiyuddin; Muhammad Zikry Sahendra Chan; Elga Sari Tanjung; Bicanro Gebriyan Panjaitan; Anggia Puteri
Teknik: Jurnal Ilmu Teknik dan Informatika Vol. 6 No. 2 (2026): Oktober: Teknik: Jurnal Ilmu Teknik dan Informatika
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/teknik.v6i2.1255

Abstract

The ability to automatically distinguish academic from non-academic texts is an important need in higher education environments. This study aims to design and build a web application that implements the IndoBERT model to classify Indonesian texts into academic or non-academic categories with interpretable output accompanied by classification reasoning. The system is built end-to-end using the PyTorch and HuggingFace Transformers stack for modeling, FastAPI as the backend, and vanilla HTML/CSS/JavaScript for the user interface. The dataset was manually compiled with 209 samples (108 academic and 101 non-academic texts). Model fine-tuning was performed on Google Colab using a Tesla T4 GPU with a learning rate of 2×10⁻⁵, batch size of 16, and eval_loss-based early stopping. The system is also equipped with a zero-shot fallback module so the application remains operational without training. On the internal test set (21 samples), the model achieved 100% accuracy with an F1-score of 1.0000 and an inference speed of 404 samples/second. This research is positioned as a proof-of-concept emphasizing the completeness of the transformer-based NLP pipeline and the interpretability of classification results, rather than a claim of state-of-the-art performance. Discussion of limitations and directions for further development are also presented.
Rancang Bangun Penganalisis Sintaksis (Syntax Analyzer) Ekspresi Matematika Menggunakan Pendekatan Context-Free Grammar Muhammad Tsabat Muhyiyuddin; Zulfahmi Indra; Muhammad Rois Lukman Damanik; Juhraini Helfiana Lexa
Teknik: Jurnal Ilmu Teknik dan Informatika Vol. 6 No. 2 (2026): Oktober: Teknik: Jurnal Ilmu Teknik dan Informatika
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/teknik.v6i2.1276

Abstract

Pembangunan penganalisis sintaksis ekspresi matematika merupakan bagian penting dalam ilmu komputer karena mendukung pengembangan kompilator, sistem aljabar komputer, dan media pembelajaran interaktif. Namun, proses validasi sintaksis ekspresi aritmatika masih sulit dipahami oleh banyak mahasiswa. Penelitian ini bertujuan merancang dan mengembangkan aplikasi penganalisis sintaksis berbasis web untuk memverifikasi struktur ekspresi aritmatika menggunakan pendekatan Context-Free Grammar (CFG). Tata bahasa ditulis dalam notasi Backus-Naur Form (BNF) yang mencakup operator aritmatika dasar, tanda kurung, bilangan bulat, dan bilangan desimal dengan pengaturan presedensi serta asosiativitas operator. Pengembangan aplikasi menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi. Analisis sintaksis diimplementasikan menggunakan algoritma Recursive Descent Parsing dalam JavaScript serta dilengkapi visualisasi pohon parse secara real-time dan informasi kesalahan sintaksis yang jelas. Hasil pengujian black-box menunjukkan bahwa aplikasi mampu mengidentifikasi ekspresi valid dan tidak valid sesuai aturan tata bahasa. Aplikasi yang dihasilkan berpotensi menjadi media pembelajaran yang efektif untuk membantu mahasiswa memahami bahasa formal dan konstruksi kompilator secara interaktif.