Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal TEKNIK eProceedings of Engineering
Huljannah, Miftah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Studi Awal Pemanfaatan Rumput Laut dan Daun Cincau Hijau Sebagai Kandidat Bahan Alternatif untuk Injeksi Polimer EOR Huljannah, Miftah; Lestari, Fitra Ayu; Erfando, Tomi
TEKNIK Vol 41, No. 3 (2020): December 2020
Publisher : Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/teknik.v41i3.28148

Abstract

The declining in production can occur because wells that have been producing for a long time are no longer able to lift oil to the surface in primary and secondary ways. Therefore, tertiary methods such as chemical injection like polymer flooding were carried out. Polymers commonly used in flooding polymers are divided into three namely synthetic polymers, biopolymers, and natural polymers. Natural polymers have abundant sources such as seaweed and grass jelly. This study was aimed to identify alternative renewable polymers as flooding polymer materials by knowing initial characteristics such as viscosity, compatibility and the effect of shear rates. This test wass carried out by an experimental method with several stages, namely drying, crushing to powder, and making polymers that were dissolved into brines that have different salinity. Then the polymer was allowed to stand for more than 24 hours until it was tested. The material tested was seaweed, grass jelly, and biopolymer xanthan gum as a comparison. The parameters used are polymer concentrations of 1000 ppm, 2000 ppm and 3000 ppm with each salinity of 3000 ppm, 9000 ppm and 15000 ppm. The test results showed that the characteristics of natural polymers were the same as biopolymers, the viscosity decreased as the brines salinity increased .The absence of sedimentation resulted from Seaweed and grass jelly  solution and formation water indicated that the polymers had good compatibility and  shear rate test has shown that the polymers are psuodoplastic.
Analisis Performansi Hate Comments pada Learning Rate 10-1- 10-3 dengan Dataset dari X Budiyanto, Anggara; Maharani, Kartika Dwi; Huljannah, Miftah; Syahanifa, Nancy Olivia; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Cyberbullying merupakan fenomena sosial yang se- makin meningkat seiring dengan meningkatnya penggunaan media sosial, dan seringkali menyebabkan dampak psikologis serta emosional yang merugikan, terutama melalui hate com- ments. Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dan Cendol dalam mendeteksi komentar kebencian yang berhubungan dengan cyberbullying. Survei terhadap 328 partisipan menghasilkan 64 kata kunci terkait cyberbullying. Proses penelitian mencakup pengumpulan dataset yang berisi kata kunci tersebut, serta pengujian kedua model menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Cendol unggul dengan akurasi sebesar 90,5% pada konfigurasi batch size 15, epoch ke-4, dan learning rate 10-3, sementara IndoBERT hanya mencapai akurasi 36% pada konfigurasi batch size 5, epoch ke- 4, dan learning rate 10-3. Meskipun kedua model menunjukkan potensi dalam mendeteksi ujaran kebencian, model IndoBERT menunjukkan performa yang lebih rendah pada dataset yang digunakan, kemungkinan disebabkan oleh keterbatasan dalam menangani konteks lokal. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi ujaran keben- cian berbasis bahasa Indonesia, yang dapat diimplementasikan pada berbagai platform media sosial seperti X, Facebook, Insta- gram, dan TikTok untuk mengurangi dampak negatif dari hate comments. Kata Kunci: Cyberbullying, Hate Comments, IndoBERT, Cen- dol, NLP.
Analisis Performansi Hate Comments pada Learning Rate 10-1- 10-3 dengan Dataset dari X Budiyanto, Anggara; Maharani , Kartika Dwi; Huljannah, Miftah; Syahanifa , Nancy Olivia; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Cyberbullying merupakan fenomena sosial yang se- makin meningkat seiring dengan meningkatnya penggunaan media sosial, dan seringkali menyebabkan dampak psikologis serta emosional yang merugikan, terutama melalui hate com- ments. Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dan Cendol dalam mendeteksi komentar kebencian yang berhubungan dengan cyberbullying. Survei terhadap 328 partisipan menghasilkan 64 kata kunci terkait cyberbullying. Proses penelitian mencakup pengumpulan dataset yang berisi kata kunci tersebut, serta pengujian kedua model menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Cendol unggul dengan akurasi sebesar 90,5% pada konfigurasi batch size 15, epoch ke-4, dan learning rate 10-3, sementara IndoBERT hanya mencapai akurasi 36% pada konfigurasi batch size 5, epoch ke- 4, dan learning rate 10-3. Meskipun kedua model menunjukkan potensi dalam mendeteksi ujaran kebencian, model IndoBERT menunjukkan performa yang lebih rendah pada dataset yang digunakan, kemungkinan disebabkan oleh keterbatasan dalam menangani konteks lokal. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi ujaran keben- cian berbasis bahasa Indonesia, yang dapat diimplementasikan pada berbagai platform media sosial seperti X, Facebook, Insta- gram, dan TikTok untuk mengurangi dampak negatif dari hate comments. Kata Kunci: Cyberbullying, Hate Comments, IndoBERT, Cen- dol, NLP.
Co-Authors Budiyanto, Anggara Koredianto Usman Lestari, Fitra Ayu Maharani , Kartika Dwi Maharani, Kartika Dwi Suryo Adhi Wibowo Syahanifa , Nancy Olivia Syahanifa, Nancy Olivia Tomi Erfando, Tomi