Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Pertanian Indonesia Jurnal Penyuluhan FORUM STATISTIKA DAN KOMPUTASI Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Agri-Informatika
Julio Adisantoso
IPB University
Agriculture, Biological Sciences & Forestry Computer Science & IT Mathematics

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : Jurnal Ilmu Komputer dan Agri-Informatika

 1 
Pengukuran Kinerja Spam Filter Menggunakan Grahams Naïve Bayes Classifier Adisantoso, Julio; Rahman, Wildan
Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (192.007 KB)

Abstract

Email spam telah menjadi masalah utama bagi pengguna dan penyedia jasa Internet. Pendekatan heuristic telah dilakukan untuk menyaring spam seperti black-listing atau rule-based filtering, namun hasilnya kurang memuaskan sehingga pendekatan berbasis konten (content-based filtering) menggunakan pengklasifikasi naïve Bayes lebih banyak digunakan saat ini. Penelitian ini bertujuan membandingkan pengklasifikasi naïve Bayes multinomial yang menggunakan atribut boolean dengan versi Graham, dan juga membandingkan kinerja dari dua metode untuk data latih, yaitu train-everything (TEFT) dan train-on-error (TOE). Hasil evaluasi menunjukkan bahwa naïve Bayes multinomial memiliki kinerja lebih baik dibanding versi Graham. Di samping itu, metode data latih menggunakan TEFT dapat meningkatkan akurasi model klasifikasi dibanding metode TOE.Kata kunci: filter spam, naïve Bayes, metode training
Pengembangan Sistem Manajemen Pembelajaran Pemrograman Bahasa Scheme, Java, PHP, dan Perl Pradana, Alfa Nugraha; Adisantoso, Julio
Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 2 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (164.557 KB)

Abstract

Secara konvensional proses pembelajaran dilakukan dalam bentuk diskusi ataupun penyampaian materi di dalam suatu kelas atau perkuliahan. Proses pembelajaran seperti ini sulit diterapkan pada bidang pemrograman terutama untuk kelas besar. Keterampilan dalam membuat suatu algoritme, logika, bahasa pemrograman, dan pengetahuan-pengetahuan lain seperti matematika juga sangat diperlukan dalam membuat suatu program komputer. Pada kondisi ini, sistem manajemen pembelajaran atau learning management system (LMS) memiliki peranan penting dalam melengkapi dan memperbaiki proses pembelajaran konvensional di bidang pemrograman. Tim Olimpiade Komputer Indonesia (TOKI) telah mengembangkan aplikasi SMP pemrograman yang disebut TOKI Learning Contest (LC) untuk bahasa pemrograman Pascal, C, dan C++. Penelitian ini menganalisis TOKI LC dan mengembangkan sistem manajemen pembelajaran agar dapat mendukung dan melengkapi proses pembelajaran di bidang pemrograman untuk mahasiswa bidang studi ilmu komputer atau informatika dengan menambahkan sistem penilaian bahasa Scheme, Java, PHP, dan Perl dan menguji kinerja masing-masing bahasa. Penelitian ini telah menambahkan grader otomatis untuk empat bahasa pemrograman yaitu Scheme, Java, PHP, dan Perl, yang memenuhi konsep asynchronous e-learning. Hasil menunjukkan bahwa kinerja run time pada bahasa pemrograman Java menggunakan waktu yang lebih lama. Selain itu penggunaan memory space pada bahasa Java menggunakan memori yang cukup besar untuk menjalankan setiap program dibandingkan bahasa pemrograman lain.Kata kunci: grader, pemrograman, sistem manajemen.
Metode Klasifikasi Rocchio untuk Analisis Hoax Aulia Afriza; Julio Adisantoso
Jurnal Ilmu Komputer & Agri-Informatika Vol. 5 No. 1 (2018)
Publisher : Departemen Ilmu Komputer - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (278.966 KB) | DOI: 10.29244/jika.5.1.1-10

Abstract

Hoax adalah informasi sesat dan berbahaya karena menyesatkan persepsi manusia dengan menyampaikan informasi palsu sebagai kebenaran. Hoax sendiri dapat bertujuan untuk mempengaruhi pembaca dengan informasi palsu sehingga pembaca mengambil tindakan sesuai dengan isi hoax. Untuk mengetahui informasi yang tersebar, maka diperlukan klasifikasi untuk mengetahui apakah informasi tersebut hoax atau bukan. Klasifikasi yang akan digunakan dalam penelitian ini adalah klasifikasi Rocchio, dimana hasil klasifikasi Rocchio akan dibandingkan dengan Multinomial Naive Bayes. Evaluasi pada penelitian ini menggunakan confusion matrix, dimana akurasi Rocchio didapatkan sebesar 83.501% sedangkan Multinomial Naive Bayes sebesar 65.835%. Kata Kunci: Hoax, Non-Hoax, Rocchio, Multinomial Naive Bayes, confusion matrix.
Pengukuran Kinerja Spam Filter Menggunakan Graham's Naïve Bayes Classifier Julio Adisantoso; Wildan Rahman
Jurnal Ilmu Komputer & Agri-Informatika Vol. 2 No. 1 (2013)
Publisher : Departemen Ilmu Komputer - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (192.007 KB) | DOI: 10.29244/jika.2.1.1-8

Abstract

Email spam telah menjadi masalah utama bagi pengguna dan penyedia jasa Internet. Pendekatan heuristic telah dilakukan untuk menyaring spam seperti black-listing atau rule-based filtering, namun hasilnya kurang memuaskan sehingga pendekatan berbasis konten (content-based filtering) menggunakan pengklasifikasi naïve Bayes lebih banyak digunakan saat ini. Penelitian ini bertujuan membandingkan pengklasifikasi naïve Bayes multinomial yang menggunakan atribut boolean dengan versi Graham, dan juga membandingkan kinerja dari dua metode untuk data latih, yaitu train-everything (TEFT) dan train-on-error (TOE). Hasil evaluasi menunjukkan bahwa naïve Bayes multinomial memiliki kinerja lebih baik dibanding versi Graham. Di samping itu, metode data latih menggunakan TEFT dapat meningkatkan akurasi model klasifikasi dibanding metode TOE.
Development of Programming Learning Management System for Scheme, Java, PHP, and Perl Language Alfa Nugraha Pradana; Julio Adisantoso
Jurnal Ilmu Komputer & Agri-Informatika Vol. 2 No. 2 (2013)
Publisher : Departemen Ilmu Komputer - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (164.557 KB) | DOI: 10.29244/jika.2.2.47-54

Abstract

Secara konvensional proses pembelajaran dilakukan dalam bentuk diskusi ataupun penyampaian materi di dalam suatu kelas atau perkuliahan. Proses pembelajaran seperti ini sulit diterapkan pada bidang pemrograman terutama untuk kelas besar. Keterampilan dalam membuat suatu algoritme, logika, bahasa pemrograman, dan pengetahuan-pengetahuan lain seperti matematika juga sangat diperlukan dalam membuat suatu program komputer. Pada kondisi ini, sistem manajemen pembelajaran atau learning management system (LMS) memiliki peranan penting dalam melengkapi dan memperbaiki proses pembelajaran konvensional di bidang pemrograman. Tim Olimpiade Komputer Indonesia (TOKI) telah mengembangkan aplikasi SMP pemrograman yang disebut TOKI Learning Contest (LC) untuk bahasa pemrograman Pascal, C, dan C++. Penelitian ini menganalisis TOKI LC dan mengembangkan sistem manajemen pembelajaran agar dapat mendukung dan melengkapi proses pembelajaran di bidang pemrograman untuk mahasiswa bidang studi ilmu komputer atau informatika dengan menambahkan sistem penilaian bahasa Scheme, Java, PHP, dan Perl dan menguji kinerja masing-masing bahasa. Penelitian ini telah menambahkan grader otomatis untuk empat bahasa pemrograman yaitu Scheme, Java, PHP, dan Perl, yang memenuhi konsep asynchronous e-learning. Hasil menunjukkan bahwa kinerja run time pada bahasa pemrograman Java menggunakan waktu yang lebih lama. Selain itu penggunaan memory space pada bahasa Java menggunakan memori yang cukup besar untuk menjalankan setiap program dibandingkan bahasa pemrograman lain.Kata kunci: grader, pemrograman, sistem manajemen.
Investigasi Awal Penggunaan Layanan Digital Perguruan Tinggi. Studi Kasus: IPB Mobile for Students Dean Apriana Ramadhan; Firman Ardiansyah; Julio Adisantoso; Auzi Asfarian; Yani Nurhadryani
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 1 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.1.37-46

Abstract

Digital services at universities have become necessary, especially after the Covid-19 pandemic disrupted universities. The transformation of the teaching and learning process and its supporting activities from face-to-face to online requires a support system that is inclusive and accessible to the entire higher education community. In 2020, Bogor Agricultural University launched the IPB Mobile for Students application which provides services for students digitally. This research was conducted to conduct an initial investigation of the use of the application. The investigation was carried out using a survey of 198 student respondents from the Bogor Agricultural University in February - March 2022. The questionnaire consisted of two parts: context questions to explore the use of IPB Mobile for Students by students and open questions to seek feedback from students. In general, the results of this initial investigation have insights regarding the use of digital services at IPB, especially in the IPB Mobile for Students application. It can be seen that digital services play an essential role in the teaching and learning process. Student engagement with digital services Reflects a changing pattern or transformation of the standard process for academic services in higher education. This study recommends further studies to examine the use of higher education digital services.
Analisis Sentimen Pengguna Twitter Terhadap Program Vaksinasi Covid-19 di Indonesia Menggunakan Algoritme Support Vector Machine Qarry Atul Chairunnisa; Yeni Herdiyeni; Medria Kusuma Dewi Hardhienata; Julio Adisantoso
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 1 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.1.79-89

Abstract

The COVID-19 vaccination policy in Indonesia turns out to be both pros and cons. The government has to evaluate the underlying reason of why some people are against the policy, so that the vaccination program can run smoothly. Sentiment analysis as a way to see the polarity of opinion, makes it possible to classify positive, negative or neutral responses on Twitter regarding the vaccination policy. This study aims to determine the public's response to COVID-19 vaccination in Indonesia by examining word distribution and creating a Support Vector Machine (SVM) classification model. Sentiment analysis consists of several stages, namely data collection, data preprocessing, data weighting, data analysis, data sharing, classification modeling, hyperparameter tuning and model evaluation. The results of this study are a model with a relatively optimal performance in classifying sentiment with an accuracy, precision, recall and f1-score of 90%. The results of the sentiment analysis obtained are in the form of ideas, complaints, and suggestions for the COVID-19 vaccination.
Analisis Sentimen Pengguna Twitter terhadap Vaksinasi COVID-19 di Indonesia menggunakan Algoritme Random Forest dan BERT Amin Elhan; Medria Kusuma Dewi Hardhienata; Yeni Herdiyeni; Sony Hartono Wijaya; Julio Adisantoso
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 2 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.2.199-211

Abstract

The Covid-19 pandemic has encouraged many stakeholders to be able to adapt to current conditions. One of the programs launched by the government in order to overcome the spread of Covid-19 is to run a vaccination program. In order to find out the public's interest in the Covid-19 vaccination program that was launched, it is necessary to carry out a sentiment analysis. Sentiment analysis is generally done to obtain the latest information from a large corpus. The purpose of this study is to analyze the sentiments of Twitter users towards the Covid-19 vaccination in Indonesia using the Random Forest and BERT Algorithms. The research stages include pre-processing Twitter data related to Covid-19 vaccination topics, sentiment labeling, handling unbalanced data, classifying datasets using the Random Forest and BERT algorithms, as well as analysis and evaluation. After handling unbalanced data, the results of Twitter user sentiment analysis for Covid-19 vaccination in Indonesia yielded an accuracy of 81%, F1-score of 74%, precision of 76%, and recall of 74% using the Random Forest algorithm and an accuracy of 82%, F1-score 79%, precision of 78%, and recall of 79% using the BERT Algorithm. Although the BERT Algorithm has generally a slightly higher performance than the Random Forest Algorithm, the simulation results show that the Random Forest algorithm has significantly lower computation time compared to the BERT algorithm in the considered case.
Co-Authors Alfa Nugraha Pradana Alfa Nugraha Pradana Amin Elhan Anna Fatchiya Asri Sulistyawati Aulia Afriza Auzi Asfarian Bib Paruhum Silalahi Budiarto, Tri Danny Dimas Sulistio Dean Apriana Ramadhan Ellyn K Damayanti Elvira Nurfadhilah Ervizal AM Zuhud Firman Ardiansyah Fredian Tonny Nasdian Kristina Paskianti Mahmudi Siwi Medria Kusuma Dewi Hardhienata Prasetyo, Kunandar Qarry Atul Chairunnisa Sony Hartono Wijaya Wildan Rahman Wildan Rahman Yani Nurhadryani