Article Per Year (5 Year)
p-Index From 2021 - 2026
4.299
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Journal of Information Systems Engineering and Business Intelligence Register: Jurnal Ilmiah Teknologi Sistem Informasi Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) IJoICT (International Journal on Information and Communication Technology) JOIN (Jurnal Online Informatika) Sinkron : Jurnal dan Penelitian Teknik Informatika JURNAL MEDIA INFORMATIKA BUDIDARMA Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Journal of Computer Science and Informatics Engineering (J-Cosine) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Journal of Applied Data Sciences Charity : Jurnal Pengabdian Masyarakat Indonesian Community Journal Jurnal Pengabdian Masyarakat Akademisi eProceedings of Engineering Community Service Seminar and Community Engagement (COSECANT) LOGIC: Jurnal Penelitian Informatika
Ade Romadhony
Universitas Telkom
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Public Health Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Analisis Sentimen Pada Media Sosial Universitas Dengan Metode Berbasis Leksikon Nur, Farhan Ahmadi Javier; Romadhony, Ade; Hasmawat, Hasmawat
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak- Media sosial seperti Facebook, Twitter, dan Instagram adalah platform yang umum digunakan untuk berbagi ide dan opini. Sebuah opini pada media sosial dapat mengandung sentimen positif, negatif, atau netral. Analisis sentimen atau sentiment analysis adalah sebuah studi untuk melakukan identifikasi sentimen secara otomatis, dan telah banyak diterapkan pada organisasi pemilik akun media sosial, termasuk universitas. Penelitian ini mengimplementasikan identifikasi sentimen pada komentar media sosial universitas dengan menggunakan metode berbasis leksikon. Cara kerja metode analisis sentimen berbasis leksikon adalah dengan menghitung orientasi semantic lexicon. Penelitian ini menggunakan kamus leksikon yang telah didefinisikan sebanyak 6599 kata negatif dan 3597 kata positif. Dari hasil eksperimen diperoleh precision sebesar 94,81%, recall sebesar 82,59%, dan F-1 score sebesar 88,28%. Berdasarkan perbandingan hasil prediksi sistem dengan label yang didefinisikan manual, dianalisis penyebab kesalahan identifikasi sentimen, yaitu terdapat beberapa kata yang tidak ditemukan pada kamus leksikon karena kata-kata tersebut merupakan bahasa asing, yaitu Bahasa Inggris dan Bahasa Arab.Kata kunci- media sosial, universitas, analisis sentimen, analisis sentimen berbasis leksikon
Ekstraksi Informasi Beasiswa dari Media Sosial menggunakan BiLSTM-CRF Setiawan, Muhammad Rizki Ramadhan; Romadhony, Ade; Hasmawati, Hasmawati
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Sosial media merupakan tempat dimana orang-orang berkumpul dan saling bertukar informasi. Dari informasi tersebut dapat muncul berbagai macam peluang seperti beasiswa yang dikeluarkan oleh lembaga pendidikan. Peluang ini dapat banyak ditemukan pada sosial media seperti Twitter. Namun kebanyakan informasi yang dikeluarkan menggunakan format tersendiri sehingga menjadi tidak terstruktur dan menghambat upaya pengolahan informasi yang terkait. Melihat cepatnya informasi berlalu dan banyaknya kompetisi dalam meraih peluang tersebut, efisiensi menjadi faktor penting dalam mengumpulkan dan memproses informasi. Untuk mengatasi permasalahan tersebut, maka dilakukan ekstraksi informasi untuk mengubah informasi tidak terstruktur menjadi terstruktur menggunakan metode Bidirectional Long-Short Term Memory dengan Conditional Random Fields (BiLSTM-CRF). Metode ini digunakan karena dapat memberikan konteks informasi dari masa lalu dan masa depan pada teks sehingga sesuai untuk mengatasi tugas ekstraksi informasi. Tujuan penelitian ini adalah melakukan ekstraksi informasi dengan mengimplementasikan model BiLSTM-CRF untuk melakukan proses klasifikasi informasi yang diekstraksi sesuai dengan kategori pengelompokkan yang ditetapkan sehingga data yang terkumpul menjadi terstruktur dan mudah untuk dibaca. Hasil yang didapatkan dari implementasi model tersebut adalah nilai performansi dengan Precision 90%, Recall 51%, dan F1-Score sebesar 54%.Kata kunci - beasiswa, twitter, sequence labelling, BiLSTM-CRF, ekstraksi informasi
Implementasi Model IndoBERT pada Dashboard Sentimen Media Sosial (Studi Kasus Universitas XYZ) Wijaya, Kurniadi Ahmad; Romadhony, Ade; Richasdy, Donni
eProceedings of Engineering Vol. 10 No. 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

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

Abstract

Pelayanan yang diberikan perguruan tinggi menjadi tolak ukur untuk mendapatkan kepercayaan dari masyarakat sehingga perguruan tinggi dituntut untuk mengevaluasi standar pelayanan yang diberikan kepada mahasiswa. Saat ini evaluasi layanan akademik perguruan tinggi masih dilakukan secara manual melalui survei sehingga lingkup evaluasi hanya diperoleh melalui internal universitas dan belum diambil melalui unggahan publik di media sosial. Analisis sentimen merupakan salah satu metode lain yang dapat digunakan untuk mengevaluasi tanggapan melalui media sosial terkait perguruan tinggi. Saat ini perancangan dashboard analisis sentimen sebagai evaluasi perguruan tinggi cenderung baru dan belum banyak direalisasikan karena adanya keterbatasan sumber daya untuk melakukan perancangan aplikasi. Berdasarkan hal tersebut, tugas akhir ini menampilkan alur perancangan dan implementasi dashboard sentimen analisis media sosial sehingga dapat menjadi acuan pengembangan dashboard sentimen. Untuk mengimplementasikan aplikasi secara optimal, digunakan metodologi perancangan perangkat lunak iterative incremental sedangkan untuk memudahkan dalam merancang antarmuka dashboard dan memodifikasi data pada database digunakan framework Django. Dalam hal klasifikasi sentimen digunakan transformer IndoBERT untuk mendapatkan akurasi model yang maksimal.Kata kunci—dashboard sentimen, sentimen universitas, indobert, iterative incremental
Ekspansi Query Menggunakan Word2Vec pada Pencarian Artikel Ilmiah Tresna Ariesta, Bayu; Romadhony, Ade; Hasmawati, Hasmawati
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Pencarian informasi di internet sudah menjadi kebutuhan bagi sebagian besar orang dengan keperluannya masing masing, khususnya untuk para pelajar. Untuk pencarian artikel ilmiah sendiri bisa menggunakan mesin pencari google scholar untuk memudahkan pencarian agar lebih spesifik untuk artikel ilmiah. Meski menggunakan mesin pencari google scholar, informasi yang disediakan oleh mesin pencari tersebut masih terbilang banyak dan dibutuhkan kata kunci tertentu agar bisa mencari artikel ilmiah yang sesuai dengan yang diinginkan. Maka penggunaan ekspansi query dirasa sangat tepat untuk membantu pengguna dalam menentukan kata kunci yang tepat untuk melakukan pencarian. Pada penelitian ini dilakukan percobaan untuk menggunakan metode word embedding word2vec untuk melakukan ekspansi query dan melakukan dua skenario pencarian artikel ilmiah dengan menggunakan mesin pencari google scholar. Dataset yang digunakan untuk membuat model word2vec menggunakan data dari repository WINGNUS/scisumm-corpus. Nilai total akurasi yang didapat pada hasil pencarian skenario pertama sebesar 89,9% sedangkan untuk nilai total akurasi untuk hasil pencarian skenario kedua sebesar 76,1%.Kata kunci— word2vec, ekspansi query, IR, pencarian artikel ilmiah
Peringkasan Artikel Berita Menggunakan Pendekatan Abstraktif Dengan Model Transformers Affan Fattahila, Ananda; Romadhony, Ade; Al Faraby, Said
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Membaca artikel berita merupakan kebiasan rutin bagi mayoritas orang, di mana biasanya digunakan sebagai bahan bacaan atau referensi untuk mendapatkan informasi terbaru yang sedang beredar. Salah satu bentuk atau cara mendapatkan informasi secara cepat dapat dipermudah dengan keberadaan ringkasan artikel berita. Peringkasan artikel berita juga dapat meminimalkan informasi yang berlebihan. Tujuan Tugas Akhir ini adalah menghasilkan ringkasan dengan kualitas yang lebih baik pada beberapa topik berita yang performansinya rendah karena keterbatasan data. Pendekatan peringkasan yang digunakan adalah metode abstraktif dengan memanfaatkan pre-trained model berbasis transformers. Pre-trained model yang digunakan adalah T5-small dan BART-BASE serta untuk meningkatkan performansi, diterapkan proses augmentasi data. Pengujian pada Tugas Akhir ini dilakukan pada dataset XLSum Multi News, yang berisi kategori government & politic, health, economic, infrastructure development, crime dan technology industry dengan crime dan economic mempunyai kualitas ringkasan paling rendah. Evaluasi terhadap hasil ringkasan dilakukan secara otomatis dengan metriks ROUGE dan penilaian secara subyektif dari responden. Hasil evaluasi menunjukkan bahwa dari skor ROUGE tidak terjadi peningkatan performansi, namun responden menyimpulkan bahwa dari sisi relevansi, koherensi, dan kesesuaian, ringkasan yang dihasilkan setelah dilakukan augmentasi data mempunyai kualitas yang lebih baik.Kata Kunci — Berita, Artikel, Peringkasan, Abstraktif, Augmentasi Data, Transformers
Co-Authors A, Subaveerapandiyan Aditia Rafif Khoerulloh Adiwijaya Affan Fattahila, Ananda Agung Toto Wibowo Al Aufar, Arya Prima Al Faraby, Said Alfian Akbar Gozali Ali Ridho Fauzi Rahman Ananda Wulandari Anditya Arifianto Anisa Herdiani Anisah Firli Ardiansyah, Yusfi Arya Prima Al Aufar Bambang Pudjoatmodjo Bambang Pudjotatmodjo Barawi, Mohamad Hardyman Bedy Purnama Bhudi Jati Prio Utomo Bimmo Satryo Wicaksono Brady Rikumahu Dadan Rahadian Dade Nurjanah Dana Kusumo Dana S Kusumo Dana S Kusumo Dodi Wisaksono Sudiharto Donni Richasdy Ema Rachmawati Ema Rachmawati Fat'hah Noor Prawira Fat’hah Noor Prawira Fat’hah Noor Prawira Fazainsyah Azka Wicaksono Fazmah Arif Yulianto Frima, Mariana Gheartha, I Gusti Bagus Yogiswara H Hasmawati Hamdy Nur Saidy Haryo Adi Nugroho Haryo Adi Nugroho Haryo Nugroho Hasmawat, Hasmawat Hasmawati Hasmawati Hasmawati Hasmawati Hasmawati Herman, Fizio Ramadhan Imelda Atastina Januarahman, Faishal Kemas Rahmat S.W Kemas Rahmat Saleh Wiharja Lintani Afina Hajar Raudhoti Luh Putri Ayu Ningsih Mahmud Dwi Sulistiyo Moch Arif Bijaksana Muhammad Arzaki Muhammad Aziz Pratama Muhammad Farrel Muhammad Iqbal Muhammad Iqbal Muhammad Taufik Wahdiat Muhammad Zaky Aonillah Nadine Azhalia Purbani Ningsih, Shabrina Retno Nugraha, Azhar Baihaqi Nur, Farhan Ahmadi Javier othman, mohd kamal Pramana, Rifki Adi Prawita, Fat’hah Noor Putu Harry Gunawan Ramanti Dharayani Rhesa Hermawan Ridea Valentini Peristiwari Siwabessy Rimba Whidiana Ciptasari Riska Junia Wulandari Rita Rismala Said Faraby Selly Meliana Setiawan, Muhammad Rizki Ramadhan Siti Saadah Tresna Ariesta, Bayu Untari Novia Wisesty Wijaya, Kurniadi Ahmad