Article Per Year (5 Year)
p-Index From 2020 - 2025
1.116
P-Index
This Author published in this journals
All Journal Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Pandu Adikara, Putra
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Multilabel Classification for Keyword Determination of Scientific Articles Rafif, Sulthan; Setya Perdana, Rizal; Pandu Adikara, Putra
Journal of Information Technology and Computer Science Vol. 8 No. 2: August 2023
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.202382560

Abstract

In writing scientific articles, there are provisions regarding the structure or parts of writing that must be fulfilled. One part of the scientific article that must be included is keywords. The process of determining keywords manually can cause discrepancies with the specific themes discussed in the article. Thus, causing readers to be unable to reach the scientific article. The process of determining the keywords of scientific articles is determined automatically by the classification method. The classification process is carried out by determining the set of keywords owned by each scientific article data based on the abstract and title. Therefore, the classification process applied is multi-feature and multi-label. Classification is done by applying the Contextualized Word Embedding Method. The implementation of Contextualized Word Embedding Method is done by applying BERT Model. By applying the BERT Model, it is expected to provide good performance in determining the keywords of scientific articles. The evaluation results by applying the BERT Model to the case of multi-label classification on abstract data for keyword determination resulted in a loss value of Training Data is 0.514, loss value of Validation Data is 0.511, and an accuracy value of 0.71, a precision value of 0.71, a recall value of 0.71, an error value of 0.29 and f-1 score of 0.83. Based on the results of the evaluation, it shows that the BERT Classification Model can carry out a classification process to determine a set of keywords from each abstract data in scientific articles.
Mesin Catur Berbasis Neural Network Menggunakan Long Short Term Memory (LSTM) Indra Fattah, Rafi; Pandu Adikara, Putra; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

naskah ini akan diterbitkan di Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Pemodelan Topik Risiko Bunuh Diri Berdasarkan Konten Media Sosial dengan Latent Dirichlet Allocation Walady Putra, Khairul; Pandu Adikara, Putra; Darma Setiawan, Budi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Bunuh diri merupakan masalah kesehatan yang serius. Tidak hanya menyebabkan hilangnya nyawa secara sia-sia, bunuh diri juga dapat meninggalkan dampak yang berkepanjangan bagi mereka yang ditinggalkan. Meskipun begitu, stigma dan kekhawatiran akan perlakuan diskriminatif masih menjadi penghambat dalam upaya pencegahan bunuh diri. Mereka yang memiliki pemikiran bunuh diri cenderung memilih media sosial sebagai tempat bercerita. Pemahaman terhadap topik yang mereka bicarakan dapat menjadi salah satu langkah dalam peningkatan upaya pencegahan bunuh diri. Oleh karena itu, pada penelitian ini dilakukan pemodelan topik menggunakan metode Latent Dirichlet Allocation untuk mendapatkan gambaran mengenai topik yang dibicarakan dalam subreddit r/SuicideWatch. Pengujian terhadap pemodelan topik yang dilakukan menghasilkan nilai coherence tertinggi sebesar 0,2947. Nilai tersebut diperoleh menggunakan parameter α = 1/T, β = 1/T, dan T = 9. Walaupun memiliki nilai coherence tertinggi dibanding pengujian lain, pengujian tersebut menghasilkan topik yang sulit diinterpretasi karena banyaknya kata umum yang muncul. Pengujian lain yang menggunakan parameter α = 50/T, β = 1/T, dan T = 5 memberikan nilai coherence yang lebih rendah, tetapi topik yang dihasilkan lebih mudah untuk diinterpretasi. Beberapa topik yang dihasilkan, antara lain, rasa ketidakberdayaan, kondisi emosional, hubungan sosial, serta pemikiran atau perencanaan bunuh diri.
Prediksi Penjualan Buku Menggunakan Metode Extreme Learning Machine (Studi Kasus: UB Press) Muslimah, Fakhriyyatum; Eka Ratnawati, Dian; Pandu Adikara, Putra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan dipublikasi di Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Pemerolehan Informasi Terjemahan Al-Quran Berbahasa Indonesia Menggunakan IndoSBERT Ubaidillah, Muhammad; Pandu Adikara, Putra; Setya Perdana, Rizal
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Indonesia sebagai negara dengan mayoritas penduduk Muslim terbanyak menjadikan Al-Qur’an sebagai pedoman utama kehidupan. Namun, pemahaman terhadap isi Al-Qur’an masih terbatas, terutama bagi penutur bahasa Indonesia. Pendekatan dengan Natural Language Processing (NLP), khususnya dengan pemerolehan informasi berbasis semantik, menjadi solusi potensial untuk meningkatkan pemahaman ayat Al-Qur’an melalui pencocokan makna, bukan hanya kata kunci secara leksikal. Penelitian ini bertujuan untuk merancang dan mengevaluasi hasil pemerolehan informasi melalui pendekatan semantik menggunakan model sentence-BERT versi Indonesia oleh denaya/indosbert-large. Dataset yang digunakan berupa seluruh terjemahan ayat Al-Quran versi kementerian agama tahun 2020 sebanyak 6236 ayat dan pasangan kueri-jawaban sebanyak 1225 pasang. Evaluasi dilakukan menggunakan metrik Mean Average Precision (MAP), precision@k, dan recall@k. Pengujian dilakukan kepada 5 partisipan yang masing-masing memberikan 3 kueri. Hasil pengujian menunjukkan model memiliki MAP sebesar 0,3115, dengan rata-rata precision@10 sebesar 0,2007, dan rata-rata recall@k sebesar 0,7675. Hasil evaluasi model kurang optimal yang dapat terjadi karena model pretrained tidak spesifik dilatih pada domain Al-Qur’an dan dataset finetuning yang terbatas serta tidak merata sehingga menimbulkan bias pada kueri tertentu.
Analisis Perbandingan Kinerja Komunikasi API Menggunakan Retrofit dan Ktor di Aplikasi Android (Studi Kasus: Aplikasi Katalog Film) Syafi Islam, Muhammad; Putra Kharisma, Agi; Pandu Adikara, Putra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 9 (2025): September 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pertumbuhan signifikan pengguna smartphone di Indonesia turut meningkatkan kebutuhan terhadap aplikasi Android yang efisien dan responsif. Salah satu aspek penting dalam pengembangan aplikasi Android adalah efisiensi komunikasi Application Programming Interface (API). Penelitian ini bertujuan untuk melakukan analisis perbandingan performa komunikasi API menggunakan dua networking library populer, yaitu Retrofit dan Ktor, dengan studi kasus pada aplikasi katalog film. Aspek yang dibandingkan meliputi waktu respons, penggunaan CPU dan penggunaan memori. Metode penelitian yang digunakan mencakup studi literatur, analisis kebutuhan, perancangan dan implementasi aplikasi, pengujian performa komunikasi API dengan 30 sampel, serta analisis data menggunakan uji-t. Hasil pengujian menunjukkan bahwa tidak terdapat perbedaan secara statistik pada aspek waktu respons (p = 0,52) dan penggunaan CPU (p = 0,84). Namun, terdapat perbedaan secara statistik pada aspek penggunaan memori (p = 0,02), sedangkan Retrofit menunjukkan penggunaan memori yang lebih rendah dibandingkan Ktor (85,99 ± 22,36 vs. 106,32 ± 12,74). Dengan demikian, meskipun keduanya memiliki performa serupa dalam hal waktu respons dan penggunaan CPU, Retrofit lebih unggul dalam efisiensi penggunaan memori. Hasil ini diharapkan dapat menjadi acuan bagi pengembang dalam memilih library komunikasi API yang sesuai dengan kebutuhan aplikasi Android mereka.
Co-Authors Darma Setiawan, Budi Dian Eka Ratnawati Indra Fattah, Rafi Muslimah, Fakhriyyatum Putra Kharisma, Agi Rafif, Sulthan RR. Ella Evrita Hestiandari Setya Perdana, Rizal Syafi Islam, Muhammad Walady Putra, Khairul