Article Per Year (5 Year)
p-Index From 2020 - 2025
6.054
P-Index
This Author published in this journals
All Journal Register: Jurnal Ilmiah Teknologi Sistem Informasi Briliant: Jurnal Riset dan Konseptual Journal of Development Research Jurnal Sains dan Informatika at-tamkin: Jurnal Pengabdian kepada Masyarakat Jiko (Jurnal Informatika dan komputer) KOMPUTIKA - Jurnal Sistem Komputer Jurnal Ilmiah Fillia Cendekia Jurnal Linguistik Komputasional ILKOMNIKA: Journal of Computer Science and Applied Informatics JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Wahana Peternakan Jurnal Pengabdian dan Pemberdayaan Nusantara (JPPNu) Journal of Science Nusantara Journal Automation Computer Information System (JACIS) Tekmulogi: Jurnal Pengabdian Masyarakat Journal of Computer Engineering, Electronics and Information Technology Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen)
FATRA NONGGALA PUTRA
Universitas Nahdlatul Ulama Blitar
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Immunology & microbiology Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Public Health Social Sciences Veterinary Other

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search

 1   2   3   4 
Klasifikasi jenis kejadian menggunakan kombinasi NeuroNER dan Recurrent Convolutional Neural Network pada data Twitter Putra, Fatra Nonggala; Fatichah, Chastine
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 4, No 2 (2018): July-December
Publisher : Prodi Sistem Informasi - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1197.215 KB) | DOI: 10.26594/register.v4i2.1242

Abstract

Sistem deteksi kejadian dari data Twitter bertujuan untuk mendapatkan data secara real-time sebagai alternatif sistem deteksi kejadian yang murah. Penelitian tentang sistem deteksi kejadian telah dilakukan sebelumnya. Salah satu modul utama dari sistem deteksi kejadian adalah modul klasifikasi jenis kejadian. Informasi dapat diklasifikasikan sebagai kejadian penting jika memiliki entitas yang merepresentasikan di mana lokasi kejadian terjadi. Beberapa penelitian sebelumnya masih memanfaatkan fitur ‘buatan tangan’, maupun fitur model berbasis pipeline seperti n-gram sebagai penentuan fitur kunci klasifikasi yang tidak efektif dengan performa kurang optimal. Oleh karena itu, diusulkan penggabungan metode Neuro Named Entity Recognition (NeuroNER) dan klasifier Recurrent Convolutional Neural Network (RCNN) yang diharapkan dapat melakukan deteksi kejadian secara efektif dan optimal. Pertama, sistem melakukan pengenalan entitas bernama pada data tweet untuk mengenali entitas lokasi yang terdapat dalam teks tweet, karena informasi kejadian haruslah memiliki minimal satu entitas lokasi. Kedua, jika tweet terdeteksi memiliki entitas lokasi maka akan dilakukan proses klasifikasi kejadian menggunakan klasifier RCNN. Berdasarkan hasil uji coba, disimpulkan bahwa sistem deteksi kejadian menggunakan penggabungan NeuroNER dan RCNN bekerja dengan sangat baik dengan nilai rata-rata precision, recall, dan f-measure masing-masing 94,87%, 92,73%, dan 93,73%.    The incident detection system from Twitter data aims to obtain real-time information as an alternative low-cost incident detection system. One of the main modules in the incident detection system is the classification module. Information is classified as important incident if it has an entity that represents where the incident occurred. Some previous studies still use handmade features as well as feature-based pipeline models such as n-grams as the key features for classification which are deemed as ineffective. Therefore, this research propose a combination of Neuro Named Entity Recognition (NeuroNER) and Recurrent Convolutional Neural Network (RCNN) as an effective classification method for incident detection. First, the system perform named entity recognition to identify the location contained in the tweet text because the event information should have at least one location entity. Then, if the location is successfully identified, the incident will be classified using RCNN. Experimental result shows that the incident detection system using combination  of NeuroNER and RCNN works very well with the average value of precision, recall, and f-measure 92.44%, 94.76%, and 93.53% respectively.
Klasifikasi jenis kejadian menggunakan kombinasi NeuroNER dan Recurrent Convolutional Neural Network pada data Twitter Putra, Fatra Nonggala; Fatichah, Chastine
Register: Jurnal Ilmiah Teknologi Sistem Informasi Vol 4, No 2 (2018): July
Publisher : Information Systems - Universitas Pesantren Tinggi Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/register.v4i2.1242

Abstract

Sistem deteksi kejadian dari data Twitter bertujuan untuk mendapatkan data secara real-time sebagai alternatif sistem deteksi kejadian yang murah. Penelitian tentang sistem deteksi kejadian telah dilakukan sebelumnya. Salah satu modul utama dari sistem deteksi kejadian adalah modul klasifikasi jenis kejadian. Informasi dapat diklasifikasikan sebagai kejadian penting jika memiliki entitas yang merepresentasikan di mana lokasi kejadian terjadi. Beberapa penelitian sebelumnya masih memanfaatkan fitur ‘buatan tangan’, maupun fitur model berbasis pipeline seperti n-gram sebagai penentuan fitur kunci klasifikasi yang tidak efektif dengan performa kurang optimal. Oleh karena itu, diusulkan penggabungan metode Neuro Named Entity Recognition (NeuroNER) dan klasifier Recurrent Convolutional Neural Network (RCNN) yang diharapkan dapat melakukan deteksi kejadian secara efektif dan optimal. Pertama, sistem melakukan pengenalan entitas bernama pada data tweet untuk mengenali entitas lokasi yang terdapat dalam teks tweet, karena informasi kejadian haruslah memiliki minimal satu entitas lokasi. Kedua, jika tweet terdeteksi memiliki entitas lokasi maka akan dilakukan proses klasifikasi kejadian menggunakan klasifier RCNN. Berdasarkan hasil uji coba, disimpulkan bahwa sistem deteksi kejadian menggunakan penggabungan NeuroNER dan RCNN bekerja dengan sangat baik dengan nilai rata-rata precision, recall, dan f-measure masing-masing 94,87%, 92,73%, dan 93,73%.    The incident detection system from Twitter data aims to obtain real-time information as an alternative low-cost incident detection system. One of the main modules in the incident detection system is the classification module. Information is classified as important incident if it has an entity that represents where the incident occurred. Some previous studies still use 'handmade' features as well as feature-based pipeline models such as n-grams as the key features for classification which are deemed as ineffective. Therefore, this research propose a combination of Neuro Named Entity Recognition (NeuroNER) and Recurrent Convolutional Neural Network (RCNN) as an effective classification method for incident detection. First, the system perform named entity recognition to identify the location contained in the tweet text because the event information should have at least one location entity. Then, if the location is successfully identified, the incident will be classified using RCNN. Experimental result shows that the incident detection system using combination  of NeuroNER and RCNN works very well with the average value of precision, recall, and f-measure 92.44%, 94.76%, and 93.53% respectively.
Pembobotan Kata berdasarkan Kluster untuk Peringkasan Otomatis Multi Dokumen Fatra Nonggala Putra; Ari Effendi; Agus Zainal Arifin
Jurnal Linguistik Komputasional Vol 1 No 1 (2018): Vol. 1, No. 1
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (892.663 KB) | DOI: 10.26418/jlk.v1i1.5

Abstract

Pengaruh Simulasi PhET (Physic Education and Tecnology) Terhadap Kualitas dan Hasil Belajar Yuniar Alam; Fatra Nonggala Putra; Riyadus Sholichin
BRILIANT: Jurnal Riset dan Konseptual Vol 6, No 1 (2021): Volume 6 Nomor 1, Februari 2021
Publisher : Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (297.984 KB) | DOI: 10.28926/briliant.v6i1.599

Abstract

Simulasi PhET (Physic Education and Tecnology) merupakan objek fisika yang tidak bisa dilihat secara langsung, seperti atom, elektron, foton, gelombang dan medan magnet dapat disimulasikan melalui PhET. Tujuan penelitian ini bagaimana pengaruh simulasi PhET terhadap kualitas belajar dan bagaiaman pengaruh simulasi Phet terhadap hasil belajar. Pembelajaran menggunakan simulasi PhET sangat membantu mahasiswa dalam melihat penomena fisika yang tidak bisa dilihat secara langsung. Fenomena-fenomena fisika seperti cahaya dan optik yang menggunakan banyak simulasi sangat terbantu dengan adanya simulasi PhET seperti melihat perambatan  gelombang, gelombang apa saja yang terbentuk, bagaimana peoses terrbentuknya gelombang, pembiasan cahaya, bagaiaman cahaya melakukan pembiasan pada setiap bidang (datar, cembung dan cekung). Penggunaan simulasi PhET berdampak pada kualitas dan hasil belajar yang mana terdapat peningkatan yang signifikan terhadap kualitas belajar menggunakan pembelajaran simulasi PhET. Hasil penelitian menunjukan bahwa terdapat pengaruh linear yang positif dan signifikan antara simulasi PhET terhadap kualitas dan hasil belajar fisika dengan kontribusi determinan sebesar 25% dan persamaan regresinya adalah Y’ = 55.13 + 11.64X.
The Effectiveness of Summarizing NLP and Manual Reading Skill in Teaching Reading Comprehension to The Third Semester Students in University of Nahdlatul Ulama Blitar Bagus Waluyo; Fatra Nonggala Putra
Journal of Development Research Vol. 4 No. 1 (2020): Volume 4, Number 1, May 2020
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (442.455 KB) | DOI: 10.28926/jdr.v4i1.99

Abstract

Development of Augmented Reality Based Crawl Swimming Learning Module For Students of The UNU Blitar Sport Education Study Program Peni Nohantiya; Fatra Nonggala Putra
Journal of Development Research Vol. 4 No. 2 (2020): Volume 4, Number 2, November 2020
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/jdr.v4i2.154

Abstract

Swimming is a compulsory subject in the UNU Blitar Sports Education Study Program curriculum. Has a fairly high Semester Credit Unit (SKS) weight of 4 credits. The crawl style swimming is the basis of all styles so that it needs to be studied more deeply according to the era of the industrial revolution 4.0, namely with a touch of Augmented Reality (AR) technology. This study aims to develop a learning module for swimming crawl style which is integrated with Augmented Reality (AR). The method used by researchers is the Research and Development developed by Dick and Carey which consists of 10 steps. However, due to existing limitations, the researcher only carried out 9 steps. The module was validated by 3 experts, namely: media expert, learning expert, and swimming expert. The input from experts is used to complement the product. Subsequently carried out small group trials totaling 6 students while 30 students as large group trial subjects. The results obtained are: the criteria for product clarity obtained by a percentage of 91.17647% are very valid, the strategic criteria obtained by a percentage of 83.33% are quite valid, the evaluation criteria obtained by a presentation of 75% are quite valid. All criteria have met product eligibility. Product development of the module is declared valid enough and fit for use as a medium to maximize the learning process.
Improving the Quality of Broiler Duck Carcasses with the Addition of Meniran Plan (Phylanthus niruri L.) Extract as a Feed Additive Lestariningsih Lestariningsih; Fatra Nonggala Putra
Journal of Development Research Vol. 5 No. 2 (2021): Volume 5, Number 2, November 2021
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Nahdlatul Ulama Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/jdr.v5i2.176

Abstract

The purpose of this research was to determine the improvement of the carcass quality of broiler ducks with the addition of meniran extract as a feed additive. This is based on the fluctuating price of feed 70 – 80% is part of the operational costs and the prohibition on the use of antibiotics requires alternative feed additives that are safe for human consumption. This research was carried out in Juni – August 2021 in Dayu Village, Nglegok District Blitar Regency. The method used is experimental with 4 treatments and 3 replications. The design used is Completely Randomized Design. The result showed that giving meniran extract as a feed additive could improve the carcass quality of broiler duck including carcass weight and carcass percentage and dit not have a significant effect on slaughter weight. It is recommended to use meniran plan extract level 3% to improve the carcass quality of broiler ducks.
Relevansi Artikel Berita Politik Berdasarkan Query Menggunakan Term Frequency Invers Document Frequency (TF-IDF) Rahmat Yanu Sutrisno; Abd. Charis Fauzan; Fadhila Nur Hanifah; Ahmad Gufron; Fatra Nonggala Putra
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 2 No 1 (2020): Volume 2, Nomor 1, April 2020
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v2i1.25

Abstract

Politik merupakan hal yang tidak bisa dipisahkan pada manusia saat ini, baik secara langsung maupun tidak langsung. Pengaruhnya juga sangat besar dalam kehidupan manusia, mulai dari pemerintahan hingga kehidupan pribadi. Seorang Aristoteles berpendapat bahwa politik adalah bagian terpenting dalam kehidupan manusia, karena ia mempunyai pengaruh yang kuat. Tujuan penelitian ini adalah untuk mencari relevansi artikel berita politik berdasarkan query. Data yang kami gunakan berasal dari media-media online seperti Detik, dan Cnn. Hasil yang diperoleh semakin tinggi akurasi query maka semakin sering pula query tersebut muncul pada dokumen yang sebelumnya telah ditentukan
Text Summarization Menggunakan Library Natural Language Toolkit (NLTK) Berbasis Pemrograman Python Edoardo Jofan Rifano; Abd. Charis Fauzan; Ahmad Makhi; Egy Nadya; Zainun Nasikin; Fatra Nonggala Putra
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 2 No 1 (2020): Volume 2, Nomor 1, April 2020
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v2i1.32

Abstract

Tujuan dari penulisan jurnal ini untuk memudahkan pembaca dalam meringkas berita khususnya berita bola dengan menggunakan library NLTK pada Pemrograman Python. NLTK, adalah paket program open source modul, dan menyediakan komputasi siap pakai khususnya bahasa linguistik. NLTK mencakup pemrosesan bahasa alami simbolik dan statistik, dan dihubungkan dan berorientasi ke copra. Meng-import library NLTK dengan mengetikan: from nltk.corpus import stopwords, from nltk.stem import PorterStemmer,from nltk.tokenize import word_tokenize, sent_tokenize untuk memanggil metode pada coding. Hasil yang diperoleh bahwa dengan menggunakan library NLTK dapat mempermudah pembaca dalam menemukan informasi yang paling penting dalam sebuah berita bola. Terdapat 15 kalimat teks asli yang setelah dilakukan peringkasan dengan library NLTK memperoleh hasil ringkasan menjadi 6 kalimat inti berita.
Rancang Bangun Sistem Informasi Online Registrasi Mahasiswa Baru di Universitas Nahdlatul Ulama Blitar dengan Model Waterfall Iza Arfiana Fauziah; Yeni Ratih Pratiwi; Fatra Nonggala Putra; Abd. Charis Fauzan
ILKOMNIKA: Journal of Computer Science and Applied Informatics Vol 2 No 2 (2020): Volume 2, Nomor 2, Agustus 2020
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28926/ilkomnika.v2i2.185

Abstract

Perkembangan teknologi pada era globalisasi saat ini tidak dapat dihindari, dengan kemajuan yang semakin pesat menjadikan teknologi sebagai media informasi yang sangat dibutuhkan dalam kehidupan. Penelitian ini bertujuan untuk menghasilkan Sistem Informasi Online Registrasi Mahasiswa Baru Universitas Nahdlatul Ulama Blitar berbasis Web dengan PHP dan SQL yang mengelola pelaksanaan pengumpulan berkas mahasiswa baru ke kampus. Jenis penilitian ini adalah Research and Development. Metode pengembangan software menggunakan Waterfall Model. Pengujian perangkat lunak dilakukan melalui pengujian blackbox, serta untuk menggunakan Faktor Kualitas McCall sebagai indikator untuk menentukan tingkat kelayakan perangkat lunak dengan skala pengukuran menggunakan Skala Likert. Hasil penelitian menunjukkan bahwa Sisten Informasi Online Registrasi Mahasiswa Baru berbasis Web dengan PHP dan SQL ini mampu mengelola pelaksanaan pengumpulan berkas mahasiswa baru ke kampus. Penilaian oleh mahasiswa dan admin menunjukkan bahwa perangkat lunak ini sangat layak dari segi usability dan layak dari segi fungsionalitas.
Co-Authors Abd. Charis Fauzan Agus Zainal Arifin Ahmad Agung Saputra Ahmad Gufron Ahmad Gufron Ahmad Makhi Ahmad Saifudin, Ahmad Anshori, M Subhan Anshori, Subhan Ari Effendi Atallah, Mukhammad Tsafiq Ayu Eviana Bagus Waluyo Binti Aulatul Mufida Chastine Fatichah Dika, Johan Wayan Edoardo Jofan Rifano Egy Nadya Fadhila Nur Hanifah Faizin Choirul Umam Fasta Della Fitrotul Husnayaini Fauzi, Moh Mimbar Gleydis Harwida Hadi Suyono Hakim, Muhammad Helmi Harliana Harliana Herry Santosa Imam Machfud Imam Muchlisin, Mochammad Indradi Wijatmiko Ismu Rini Dwi Ari Iza Arfiana Fauziah Jofan Rifano, Edoardo Kharisma Sabbihatul Mustaghfaroh Lestari, Arum Ayu Lestari, Febbi Sena Lestari, Febbi Senna Lestari, Indah Dewi Lestariningsih Lestariningsih Lestariningsih Lestariningsih Lestariningsih Lestariningsih Lestariningsih Lestariningsih Lestariningsih Maharani, Ayu Pramesti Mashudi Mashudi Maulana, Eka Moch. Agus Choiron Muhammad Lutfi Ashari Naela Nur Choiriyah Nining Haryuni Peni Nohantiya Peni Nohantiya Pipit Lailatul Rahmania Prabowo, Tito Rahmat Yanu Sutrisno Ratika Sekar Ajeng Ananingtyas Riyadus Sholichin Rizqi Darma Rusdian Yusron Rizqi Darma Rusdiyan Yusron Sakti, Ragil Ellang Sekar Ajeng Ananingtyas, Ratika Tricahyo, Vion Age Tyas Alhim Mubarok Vion Age Tricahyo Vion Age Tricahyo Wasimin Wasimin Yeni Ratih Pratiwi Yuniar Alam Zainun Nasikin