Article Per Year (5 Year)
p-Index From 2021 - 2026
5.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer SCIENCE TECH: Jurnal Ilmiah Ilmu Pengetahuan dan Teknologi JURNAL MEDIA INFORMATIKA BUDIDARMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Sisfokom (Sistem Informasi dan Komputer) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer JURTEKSI Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Jurnal Teknik Informatika (JUTIF) Information System Journal (INFOS) PARAHITA : Jurnal Pengabdian kepada Masyarakat Sevanam: Jurnal Pengabdian Masyarakat AMMA : Jurnal Pengabdian Masyarakat Jurnal Informatika: Jurnal Pengembangan IT Intechno Journal : Information Technology Journal The Indonesian Journal of Computer Science JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jurnal Pengabdian Masyarakat Inovasi Indonesia
Sasongko, Theopilus Bayu
Informatics, Faculty Of Computer Science, Universitas Amikom Yogyakarta, Indonesia
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Nursing Public Health Social Sciences

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Optimasi K-Nearest Neighbor dengan Grid Search CV pada Prediksi Kanker Paru-Paru Kusuma, Satya Tegar; Sasongko, Theopilus Bayu
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3267

Abstract

Kanker paru-paru adalah salah satu kanker paling mematikan di seluruh. Salah satu penyebab kematian pada penderita kanker paru-paru adalah tidak ada sistem untuk memprediksi kanker paru-paru secara optimal apakah pasien menderita kanker paru-paru atau tidak. Oleh karena itu, penelitian ini bertujuan untuk melakukan optimasi nilai K pada algoritma k-nearest neighbor (KNN) menggunakan metode grid search cv. Algoritma KNN dipilih karena pada berbagai penelitian memiliki tingkat akurasi yang lebih baik dibandingkan dengan algoritma supervised learning lainnya. Data yang digunakan pada penelitian ini bersumber dari data publik yang ada di kaggle. Berdasarkan penelitian dan pembahasan mengenai optimasi nilai K pada algoritma KNN menggunakan metode grid search cv didapatkan nilai K paling optimal yaitu 3 dengan tingkat akurasi 96%. Oleh karena itu, nilai K=3 sangat baik diterapkan pada algoritma KNN untuk memprediksi kanker paru-paru karena memiliki akurasi yang tinggi.
Perbandingan Kinerja LSTM, Bi-LSTM, dan GRU pada Klasifikasi Judul Berita Clickbait Anas Fikri Hanif; Theopilus Bayu Sasongko; Arif Dwi Laksito
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3281

Abstract

Maraknya penggunaan konsep clickbait menjadi tantangan bagi para pengguna media sosial. Sering kali mereka tertipu dengan judul sebuah artikel yang berbeda dengan isi artikelnya. Oleh karena itu diperlukan sebuah model yang mampu melakukan klasifikasi terhadap judul clickbait maupun non-clickbait. Meskipun beberapa penelitian sudah dilakukan untuk membuat sebuah model klasifikasi judul clickbait, akan tetapi analisa perbandingan sangat diperlukan untuk menentukan model terbaik yang dapat digunakan dalam klasifikasi judul clickbait. Oleh karenanya peneliti melakukan perbandingan terhadap tiga model deep learning yang berbeda (LSTM, Bi-LSTM, dan GRU) guna menemukan model terbaik yang dapat menyelesaikan kasus ini dengan memanfaatkan data publik dari penelitian sebelumnya. Hasilnya algoritma GRU merupakan algoritma terbaik yang berhasil mencapai akurasi 97,16%. Tidak hanya itu GRU juga memiliki nilai tinggi dalam beberapa metrik evaluasi lainnya, yaitu precision 96,63%, recall 97,66%, dan F1-score 97,14%. Selain menghasilkan metrik evaluasi yang baik, model GRU juga tergolong cepat dalam melakukan training dengan waktu 328 detik.
Analisa Perbandingan Algoritma CNN dan LSTM untuk Klasifikasi Pesan Cyberbullying pada Twitter Radjavani, Alifqi; Bayu Sasongko, Theopilus
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3287

Abstract

Dengan meningkatnya penggunaan sosial media, cyberbullying telahmencapai titik puncak sepanjang masa. Anonimitas pada internet membuatcyberbullying sangat merusak, dikarenakan korban akan merasa jika tiadajalan keluar dari pelecehan tersebut. Setiap individu harus selalu waspadaterhadap cyberbullying dan dihimbau untuk selalu melindungi diri sendiribeserta orang lain dari hal ini. Pada kasus ini, penulis membuat model yangsecara otomatis akan menandai tweet yang berpotensi membahayakan sertamemecah pola pesan kebencian tersebut. Dataset yang disediakan olehpenulis berisi sekitar 48.000 tweet yang telah dilabeli sesuai dengan jenis dandata-data tersebut telah diseimbangkan dan berisi sekitar 8000 data.Penelitian ini membandingkan algoritma Convolutional Neural Networkdengan Long Short-Term Memory untuk menentukan algoritma terbaik untukdataset pada penelitian ini. Berdasarkan hasil penelitian yang sudahdilakukan disimpulkan jika Long Short-Term Memory adalah algoritmaterbaik dengan f1-score 83.09%.
Pelatihan Desain Grafis Menggunakan Aplikasi Canva Untuk Siswa Di SMK Kesehatan Binatama Abd Mizwar A. Rahim; Theopilus Bayu Sasongko; Hannan Asrawi
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 11 : Desember (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

Technological development is an important factor as a driver of growth and progress in a country. Technology today plays a very important role, especially in the field of education. One way to deal with this is utilizing technology, which can be done by starting to introduce technology to students at an early age through graphic design using the Canva app. In the environment of SMK Kesehatan Binatama, the use of technology in teaching activities has not been done effectively. Learning activities are still done normally without frequently using technology, so it is necessary to have Canva training as a form of technology adaptation and a means to channel the creativity of the students. The methods used are training methods that include material delivery, practice, and evaluation. Training activities run smoothly: each student can follow a whole range of activities from start to finish, and each student may create one graphic design independently.
Robust Deep Learning Approach for Automatic Age and Gender Recognition Based on Voice M. Nasyid Yunitian Rizal; Theopilus Bayu Sasongko; Arifiyanto Hadinegoro; Kumara Ari Yuana; Wahid Miftahul Ashari
Intechno Journal : Information Technology Journal Vol. 8 No. 1 (2026): July
Publisher : Universitas AMIKOM Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/intechnojournal.2026v8i1.2827

Abstract

Voice-based age and gender recognition plays an important role in biometric authentication, personalized human–computer interaction, and digital forensic applications. However, existing single deep learning architectures often struggle to simultaneously capture local acoustic patterns, temporal dependencies, and long-range contextual information from speech signals. This study proposes a hybrid CNN–BiLSTM–Transformer framework to improve the accuracy and robustness of multi-class age and gender classification. The proposed approach employs Mel-spectrogram representations generated from the Mozilla Common Voice dataset, followed by audio standardization and feature extraction. A Convolutional Neural Network (CNN) enhanced with Squeeze-and-Excitation blocks extracts discriminative spectral features, a Bidirectional Long Short-Term Memory (Bi-LSTM) network models bidirectional temporal dependencies, and a Transformer Encoder captures global contextual relationships through a multi-head self-attention mechanism. The model was evaluated on 40,392 speech samples across 12 age–gender categories. Experimental results achieved an overall classification accuracy of 91%, outperforming standalone CNN and Bi-LSTM models, which obtained accuracies of 84% and 74%, respectively. In addition, the proposed model demonstrated balanced performance with macro-average precision, recall, and F1-scores of 0.91, 0.92, and 0.91. The novelty of this research lies in the integration of complementary spatial, temporal, and global attention mechanisms within a unified architecture for large-scale multi-class voice-based demographic classification, providing an effective and scalable solution for intelligent biometric and speech analysis systems.
DETEKSI PENYAKIT KULIT DENGAN MENGGUNAKAN MODEL PRETRAINED DAN HYBRID KNOWLEDGE DISTILLATION Theopilus Bayu Sasongko; Arifiyanto Hadinegoro; Eli Pujastuti; I Made Artha Agastya; Nazaruddin Ahmad
Information System Journal Vol. 8 No. 02 (2025): Information System Journal (INFOS)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2025v8i02.2585

Abstract

Knowledge Distillation (KD) merupakan paradigma efektif untuk mentransfer pengetahuan dari model teacher berkapasitas tinggi ke model student yang ringan melalui kombinasi soft label dan hard label. Meskipun KD Hinton mampu menangkap kesamaan antar kelas, pendekatan ini masih terbatas dalam mentransfer representasi fitur mendalam yang krusial pada tugas pencitraan medis, seperti klasifikasi lesi kulit, di mana fitur halus sering hilang jika hanya mengandalkan keluaran akhir model. Untuk mengatasi keterbatasan tersebut, penelitian ini mengembangkan tiga varian KD, yaitu KD Hinton dengan supervisi hard label, KD dengan penyelarasan fitur, dan Hybrid KD yang mengombinasikan keduanya. Pendekatan ini memungkinkan student meniru distribusi semantik dan representasi fitur internal teacher sekaligus mempertahankan informasi diskriminatif dari ground truth. Eksperimen pada berbagai pasangan teacher–student menunjukkan adanya trade-off antara akurasi dan biaya komputasi. Hasilnya, metode Hybrid KD memberikan peningkatan kinerja tertinggi, mencapai akurasi Top-1 sebesar 82,07% pada MobileNetV2 tanpa menambah kompleksitas model, sehingga efektif untuk aplikasi pencitraan medis real-time berbasis sumber daya terbatas.
Co-Authors Abd Mizwar A. Rahim Abd Mizwar A. Rahim Abdul Mizwar A. Rahim AGIT AMRULLAH Agus Fatkhurohman Agus Fatkhurohman Alifqi Radjavani Amrullah, Yusuf Amri Anas Fikri Hanif Anas Fikri Hanif Arif Dwi Laksito Arifin, Oki Arifiyanto Hadinegoro, Arifiyanto Arnandito, Seno Ashari, Wahid Miftahul Asrawi, Hannan Baasith, Rafi Haqul Dewantoro, Agus Eli Pujastuti Erfina Nurussa’adah Fajar, Rizqi Al Fikri, Muhammad Ainul Ginanjar Wiro Sasmito Haryoko, Haryoko Hasbi Huda, Amirudin Khorul I Made Artha Agastya Joshua Agung Nurcahyo Joshua Agung Nurcahyo Khairul Rohman Kumara Ari Yuana Kusuma, Satya Tegar M. Nasyid Yunitian Rizal Muhammad Fikri Hidayatullah Muhammad Taqiyuddin MUhammad Yusrizal Nazaruddin Ahmad Ningrum, Fauzia Anis Sekar Radjavani, Alifqi Rahim, Abd. Mizwar A. Restu Bumi Apit Rivi Neritarani Rivi Neritarani Rosyida, Anistya Safitri, Anisa Ika Saputro, Uyock Anggoro Satya Tegar Kusuma Senli Yusdiantoro Yusdiantoro Setyanto, Joko Simarmata, Asyer Aprinando Pratama Subagyo, Ageng Ramdhan Yusdiantoro, Senli Yusdiantoro