Article Per Year (5 Year)
p-Index From 2021 - 2026
4.63
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 Indonesian Journal on Computing (Indo-JC)
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 : 47 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 47 Documents
Search

 1   2   3   4   5 
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
Identifikasi Similar Question dengan IndoBERT (Studi Kasus Dataset QAS Covid-19) Pramana, Rifki Adi; Romadhony, Ade
LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 1 (2024): Mei 2024
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v2i1.7437

Abstract

Question answering system (QAS) merupakan sebuah task pada bidang informatika, secara lebih spesifik yaitu pada bidang Natural Language Processing (NLP). Sebuah QAS menyediakan jawaban secara otomatis berdasarkan pertanyaan yang diberikan oleh pengguna. Salah satu bagian dari tahapan pemrosesan dalam QAS adalah identifikasi pertanyaan yang mirip (similar question identifition). Tahapan similar question identification bertujuan untuk mengidentifikasi pertanyaan yang mirip, sehingga didapatkan jawaban yang tepat. Pada penelitian ini, dilakukan identifikasi similar question pada dataset yang berisi pertanyaan seputar Covid-19. Identifikasi similar question diaplikasikan dengan memanfaatkan model IndoBERT, dimana diterapkan pengukuran similarity berdasarkan cosine similarity. Berdasarkan eksperimen yang dilakukan, diperoleh 197 dari total 611 pasang pertanyaan yang berhasil diidentifikasi kemiripannya. Analisis terhadap hasil identifikasi menunjukkan bahwa faktor yang memperngaruhi dalam kemiripan antar pertanyaan antara lain adalah panjang dari suatu kalimat yang dibandingkan, kata awal dari kalimat yang dibandingkan, dan relevansi antar beberapa kata yang terdeteksi memiliki kemiripan satu sama lain.
Assessing Large Language Models for Zero-Shot Dynamic Question Generation and Automated Leadership Competency Assessment Gheartha, I Gusti Bagus Yogiswara; Adiwijaya, Adiwijaya; Romadhony, Ade; Ardiansyah, Yusfi
Journal of Applied Data Sciences Vol 7, No 1: January 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v7i1.970

Abstract

Automated interview systems powered by artificial intelligence often rely on fine-tuned models and annotated datasets, limiting their adaptability to new leadership competency frameworks. Large language models have shown potential for generating questions and assessing answers, yet their zero-shot performance, operating without task-specific retraining remains underexplored in leadership assessment. This study examines the zero-shot capability of two models, Qwen 32B and GPT-4o-mini, within a multi-turn self-interview framework. Both models dynamically generated questions, interpreted responses, and assigned scores across ten leadership competencies. Professionals representing the role of Digital Marketing and Account Manager participated, each completing two AI-led interview sessions. Model outputs were evaluated by certified experts using a structured rubric across three dimensions: quality of behavioral insights, relevance of follow-up questions, and fit of assigned scores. Results indicate that Qwen 32B generated richer insights than GPT-4o-mini (mean = 2.86 vs. 2.62; p less than 0.01) and provided more differentiated assessments across competencies. GPT-4o-mini produced more consistent follow-up questions but lacked depth in interpretation, often yielding generic outputs. Both models struggled with accurate scoring of candidate responses, reflected in low answer score ratings (Qwen mean = 2.35; GPT mean = 2.21). These findings suggest a trade-off between insight richness and scoring stability, with both models demonstrating limited ability to fully capture nuanced leadership behaviors. This study offers one of the first empirical benchmarks of zero-shot model performance in leadership interviews. It underscores both the promise and current limitations of deploying such systems for scalable assessment. Future research should explore competency-specific prompt strategies, fairness evaluation across demographic groups, and domain-adapted fine-tuning to improve accuracy, reliability, and ethical alignment in high-stakes recruitment contexts.
Speech to Text Correction for Indonesian Early Marriage Counseling Chatbots Using IndoRoBERTa and Mistral-7B Firdhaus Dwi Sukma; Rifki Wijaya; Ade Romadhony
Indonesian Journal on Computing (Indo-JC) Vol. 10 No. 1 (2025): August, 2025
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/indojc.v10i1.9708

Abstract

Early marriage among individuals of immature age continues to draw significant attention in Lombok. As of 2021, the prevalence rate stands at 16.59%, indicating that this social issue remains unresolved within the region's community dynamics. Limited access to counseling services particularly in rural areas poses a significant barrier to prevention efforts. This study introduces a virtual counseling chatbot designed to detect and correct Indonesian language text errors during user interactions. The system integrates IndoRoBERTa for error detection and Mistral-7B-Instruct to refine speech to text transcriptions. IndoRoBERTa was trained on synthetic datasets to classify user input as accurate or incorrect, while Mistral-7B-Instruct generates context aware corrections. Achieving an accuracy rate of 98.90%, IndoRoBERTa outperformed benchmark models such as BERT and RNN. The proposed chatbot offers an adaptive and accessible digital solution, especially for communities with limited access to conventional counseling services. This approach highlights the potential of AI-driven tools to support early intervention strategies and reduce the incidence of child marriage in underserved regions.
Implementation of IndoRoBERTa to Improve the Clarity of the Context of Homograph Words in the Text-to-Speech System for Education Chatbot Early Marriage in Lombok Fikri Rahmanda Noor; Rifki Wijaya; Ade Romadhony
Indonesian Journal on Computing (Indo-JC) Vol. 10 No. 2 (2026): February, 2026
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/indojc.v10i2.9709

Abstract

This study presents the implementation of IndoRoBERTa, a pre-trained Indonesian language model, to improve the contextual clarity of homograph words in Text-to-Speech (TTS) systems, particularly for virtual chatbot applications addressing early marriage education in Lombok. The proposed system integrates IndoRoBERTa into the TTS pipeline to classify the context of homographs prior to grapheme-to-phoneme (G2P) conversion, ensuring accurate pronunciation based on meaning. The research was conducted in two fine-tuning phases: the first utilized 500 manually labeled conversational samples, achieving 96% test accuracy, while the second expanded the dataset with 2,000 auto-labeled samples and yielded 88% accuracy. Evaluation metrics including precision, recall, and F1-score demonstrated the model’s effectiveness across 20 homograph categories. Despite strong results, the study acknowledges limitations in data authenticity and challenges in underrepresented classes. Future work is recommended to incorporate real-world dialogue data and enhance the system’s generalization in more complex linguistic settings. This research contributes to the advancement of Indonesian NLP in TTS systems, particularly in socially impactful educational contexts.
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 Fikri Rahmanda Noor Firdhaus Dwi Sukma 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 Rifki Wijaya 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