Article Per Year (5 Year)
p-Index From 2021 - 2026
4.713
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Indonesian Journal of Tropical and Infectious Disease JOIN (Jurnal Online Informatika) Fountain of Informatics Journal Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer JOIV : International Journal on Informatics Visualization Sinkron : Jurnal dan Penelitian Teknik Informatika Paediatrica Indonesiana Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JRST (Jurnal Riset Sains dan Teknologi) Dinamisia: Jurnal Pengabdian Kepada Masyarakat JSiI (Jurnal Sistem Informasi) JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) Jurnal Gema Ngabdi Indian Journal of Forensic Medicine & Toxicology Journal of System and Computer Engineering AL-UMRON: Jurnal Pengabdian kepada Masyarakat Khazanah Informatika : Jurnal Ilmu Komputer dan Informatika Jurnal Komputer, Informasi dan Teknologi Jurnal Repositor
Basuki, Setio
Universitas Muhammadiyah Malang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Medicine & Pharmacology Public Health Social Sciences Other

Published : 56 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 56 Documents
Search

 2   3   4   5   6 
Adversarial Attack Pada Teks Berbahasa Indonesia Menggunakan Framework TextAttack Setio Basuki; Ilham Aulady Miftakhurrizqy
Jurnal Repositor Vol. 7 No. 2 (2025): Mei 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i2.39702

Abstract

Machine learning merupakan sebuah bidang keilmuan yang sangat cepat perkembangannya. Natural language processing atau NLP merupakan salah satu dari beberapa bagian keilmuan machine learning. Perkembangan NLP yang cepat ini juga telah diimplementasikan pada keseharian manusia, seperti chatbot, search engine, analisa sentiment, dan lain-lain. Perkembangan ini juga diikuti dengan adanya resiko seperti adversarial attack. Adversarial attack merupakan serangan yang bertujuan untuk menipu model machine learning, termasuk NLP. Adversarial attack pada NLP dilakukan dengan mengubah data yang akan diproses oleh model, sehingga model bisa terkelabuhi saat mengeluarkan output. Proses adversarial attack pada NLP tersebut bisa dipermudah dengan mengguanakan sebuah framework TextAttack. Penelitian ini bertujuan untuk melakukan perbandingan pada model NLP dengan karakteristik aristektur yang berbeda dan melihat bagaimana adversarial attack bisa mempengaruhi model NLP tersebut. Proses penelitian ini memiliki beberapa tahap, yaitu mencari dataset, preprocessing, pembuatan 3 model NLP, pengubahan resep pada framework, dan evaluasi model saat sebelum diserang serta sesudah diserang. Model yang digunakan pada penelitian ini merupakan model Multinomial Naïve Bayes dengan arsitektur klasik, model dengan arsitektur LSTM, dan model dengan arsitektur BERT. Hasil penelitian menunjukkan jika model arsitektur BERT memiliki ketahanan yang lebih baik dari pada model klasik dan model LSTM. Sedangkan model klasik memberikan hasil serangan yang paling sedikit daripada model LSTM dan model BERT. Penelitian ini diharapkan dapat memberikan kontribusi dalam bidang adversarial attack khususnya pada teks yang berbahasa Indonesia.
Deteksi Tren Topik Penelitian Bidang Kecerdasan Buatan Menggunakan LDA dan BERTopic Rahajeng Febri Shafiyah; Setio Basuki
Jurnal Repositor Vol. 8 No. 2 (2026): Mei 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i2.40850

Abstract

Penelitian yang semakin berkembang dari tahun ke tahun membuat para peneliti kesulitan dalam memahami tren topik penelitian. Penelitian ini bertujuan mengetahui tren topik penelitian dengan otomatis tanpa harus membaca semua publikasi yang ada pada ICLR (The International Conference on Learning Representation) dari tahun 2019 hingga 2023 menggunakan pemodelan LDA (Latent Dirichlet Allocation) dan BERTopic. Total terdapat 14.613 data yang dikumpulkan dengan cara crawling. Pengolahan data melalui tahapan preprocessing, pembuatan corpus & dictionary untuk LDA, menerapkan pemodelan LDA dan BERTopic, dan menggunakan coherence sebagai evaluasi pemodelan. Hasil penelitian ini terbukti bahwa kedua pemodelan tersebut bisa mengidentifikasi tren topik penelitian, nilai coherence pada pemodelan BERTopic lebih tinggi dibandingkan LDA. Hal ini menunjukkan pemodelan BERTopic lebih baik dalam merepresentasikan keterkaitan setiap kata dalam suatu topik.
Analisis Polarisasi Sentimen Kasus Bocornya Pusat Data Nasional Pada Platform Sosial Media Muhammad Daffa Nugraha; Setio Basuki; Mahar Faiqurahman
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.40851

Abstract

Kasus kebocoran data Pusat Data Nasional terjadi pada tahun 2024. Hal tersebut memicu berbagai reaksi masyarakat, terutama di media sosial YouTube. Analisis sentimen dilakukan untuk memahami berbagai opini tentang kebocoran data tersebut. Penelitian ini bertujuan menganalisis polarisasi sentimen masyarakat terkait kasus ini sebagai upaya memahami komentar terhadap isu keamanan data. Sebanyak 4.460 komentar dikumpulkan dari delapan video YouTube dengan latar tokoh berbeda, dan diklasifikasikan ke dalam empat kategori: positif, negatif, netral, dan others. Pengujian dilakukan dengan menggunakan IndoBERT dan IndoBERTweet dalam tiga skenario yang disesuaikan parameternya. Hasil terbaik diperoleh pada skenario pertama menggunakan IndoBERTweet dengan akurasi 0.87, sedangkan IndoBERT mendapatkan hasil 0.86. Analisis error menunjukkan bahwa kesalahan klasifikasi sering terjadi karena kata-kata yang bermakna umum dan ambigu, sehingga model kesulitan menentukan konteks sebenarnya dari komentar tersebut.
Analisis Polaritas Terhadap Komentar Pada Platform Youtube Menggunakan Algoritma Naive Bayes dan XGBoost Nazilullaily Nur Aisyah; Setio Basuki
Jurnal Repositor Vol. 7 No. 4 (2025): November 2025
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v7i4.40852

Abstract

Objek penelitian: penelitian ini bertujuan untuk menganalisis respons netizen dalam menanggapi permasalah politik di Indonesia menggunakan nada dan bahasa yang terdapat pada komentar pada konten youtube Pandji Pragiwaksono menggunakan kategori yang lebih detail terkait dengan yang digunakan pada komentar. Masalah Penelitian: kajian literatur mengenai topik ini menunjukkan penelitian sebelumnya memiliki fokus yang terbatas. Sehingga meninggalkan permasalah yang terabaikan dan perlu untuk dilakukan analisis lebih lanjut. Metode Penelitian: penelitian ini menerapkan metode klasifikasi pada beberapa polaritas sentimen politik yang terkait dengan nada dan bahasa. Terdapat 3 polaritas sentimen yang dijadikan label utama: Kontruktif (menyajikan kritik dan saran), Emosional (menyajikan ekspresi perasaan seseorang seperti amarah, kecewa, sedih, dll), Humoris (menyajikan pendekatan humor atau sarkasme), dan 1 label tambahan yaitu Others. Tahap kedua, dataset didapatkan menggunakan teknik crawling data komentar pada platform youtube Indonesia, dengan 3 kategori komentar dengan jumlah banyak (4000), komentar sedang (1000), dan komentar sedikit (150). Tahap ketiga, penelitian ini menggunakan pelabelan secara manual dan kemudian dilanjutkan dengan tahap preprocessing agar menyiapkan data untuk dapat diproses lebih lanjut. Tahap keempat, melakukan proses augmentasi pada data train untuk dapat meningkatkan performaa model. Tahap kelima, klasifikasi yang didukung oleh fitur teks klasik seperti Bow, TF-IDF, 2-Gram, 3-Gram, dan word embeddings contextual menggunakan IndoBert. Hasil penelitian: menunjukkan bahwa data yang sudah melalui proses augmentasi memiliki performa yang unggul dibanding dengan data original dengan akurasi mencapai 97% menggunakan fitur word embeddings. Secara keseluruhan penggunakan teknik augmentasi dapat meningkatkan performa pada setiap model yang digunakan.
Analisis Sentimen Fatherless Pada Media Sosial X Menggunakan Perbandingan Support Vector Machine dan IndoBERTweet Zahra Sabilla Usman; Setio Basuki
Jurnal Repositor Vol. 8 No. 2 (2026): Mei 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i2.42213

Abstract

The phenomenon of fatherlessness in Indonesia is on the rise due to divorce, patriarchal culture, and the lack of fatherly involvement. Social media, particularly the X platform, has become the primary space for sharing opinions and experiences related to this issue. This study analyzes public sentiment related to fatherlessness and compares the performance of two sentiment classification methods: Support Vector Machine (SVM) and IndoBERTweet, using two testing scenarios. Data was collected through crawling from the X platform and manually labeled into four sentiment categories: positive, negative, neutral, and others. Evaluation was conducted using a confusion matrix, classification report, and error analysis. The results show that IndoBERTweet achieved the highest accuracy of 0.92, while SVM reached 0.86. Error analysis plays a crucial role in identifying misclassification patterns, particularly in texts with sarcasm and ambiguity, which make it challenging for models to distinguish sentiments with similar contexts or tones across labels.  
Analisis Sentimen Review Brand Kecantikan Lokal pada Platform X Menggunakan Algoritma Support Vector Machine dan IndoBERTweet Resty Putri Suci Yani; Setio Basuki
Jurnal Repositor Vol. 8 No. 2 (2026): Mei 2026
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v8i2.42238

Abstract

Industri kecantikan di Indonesia terus berkembang seiring meningkatnya minat masyarakat terhadap skincare dan makeup. Media sosial, khususnya platform X (Twitter), menjadi wadah utama konsumen menyampaikan opini mengenai brand lokal. Ulasan tersebut bernilai informatif, meski subjektif dan tidak terstruktur, sehingga diperlukan analisis sentimen. Penelitian ini membandingkan kinerja Support Vector Machine (SVM) dan IndoBERTweet dalam mengklasifikasikan sentimen ulasan lima brand lokal: Wardah, Scarlett Whitening, Avoskin, Skin Game, dan Somethinc. Data diperoleh melalui crawling 13.934 tweet, dipilih 4.000 secara acak, dibersihkan, serta dilabeli manual ke dalam empat kelas: positif, negatif, netral, dan others. Analisis dilakukan dengan tiga skenario klasifikasi. Random Oversampling digunakan untuk mengatasi ketidakseimbangan, SVM dioptimalkan dengan TF-IDF dan Grid Search, sedangkan IndoBERTweet melalui fine-tuning. Hasil menunjukkan IndoBERTweet konsisten lebih unggul dengan akurasi 95%, 92%, dan 88% pada tiga skenario, dibandingkan SVM dengan 93%, 89%, dan 86%.
Co-Authors Abdachul Charim Abdillah, Abid Famasya Agus Eko Minarno Akbi, Denar Regata Akmal Shahib, Maulana Alfian Wahyu Juhar Putra Alfira Rizky Alimuddin Hasan Al Kabir Alimuddin Hasan Al Kabir Amelia Khoidir Aminudin Aminudin Amrul Faruq Aulia Arif, Wardhana Baiduri, Senja Bangkit Putrawan Charim, Abdachul Deva Putra Setya` Pratama Diany Yogiantoro Dini Tri Purwaningsih Dominicus Husada Dwiyanti Puspitasari, Dwiyanti Edo Ardhiansyah Edo Ardhiansyah Effendy, Nico Ardia Faiqurrahman, Mahar Faizun Nuril Hikmah Faizun Nuril Hikmah Gita Indah Marthasari Gita Nadila Berliani Haq, Arini Hariyady Hariyady Hendra Saputra Hilman Hilman Hilman Hilman Hilwana, Lutifta Husada, Dominicius Ilham Aulady Miftakhurrizqy Indrabayu, Rizky Irfan, Muhammad irma fitriani Irwanto Irwanto Ismoedijanto Izzah, Tsabita Nurul Kartina, Leny Khoirir Rosikin Khoirir Rosikin Kusuma, Selvia Ferdiana La Febry Andira Rose Cynthia Lika Anjelina Lina Dwi Yulianti M.Rafly Rahman Mahar Faiqurahman Masatoshi Tsuchiya Maudy Fadillah Mauridhi Hery Purnomo Mizwar Mizwar Mizwar Mizwar Muhammad Daffa Nugraha Muhammad Fadliansyah Muhammad Ilham Perdana Muhammad Nasrul Tsalatsa Putra Muhammad Nasrul Tsalatsa Putra Muhammad Rizki Muhammad Rizki Muhammad Yusuf Mustikasari, Rahma Ira Nazilullaily Nur Aisyah Novita Daian Novita Daian Marlissa Nugraha, Muhammad Daffa Nur Hayatin Putri, Valencia Sefiana Rahajeng Febri Shafiyah Rangga Pratama Resty Putri Suci Yani Rima Mediana Mashita Rima Mediana Mashita Risa Etika, Risa Rizky Indrabayu Rizky Sulaiman Rizky, Alfira S, Vinna Rahmayanti Sari, Zamah Shafiyah, Rahajeng Febri Siti Maghfiroh Siti Maghfiroh Soegeng Soegiyanto Sumadi, Fauzi Dwi Setiawan Syafaah, Lailis Titin Eka Puspitawati Tsuchiya, Masatoshi Wibowo, Prasetyo Wicaksono, Galih Wasis Wisnujono Soewono Yuda Munarko Yufis Azhar Yusuf Nur Muhammad Zachra, Fatimatus Zahra Sabilla Usman Zakiyah Rakhmawati Zakiyah Rakhmawati Zamah Sari