Article Per Year (5 Year)
p-Index From 2021 - 2026
8.418
P-Index
This Author published in this journals
All Journal Voteteknika (Vocational Teknik Elektronika dan Informatika) JOURNAL OF EDUCATION SCIENCE Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Penelitian Pendidikan IPA (JPPIPA) Pendas : Jurnah Ilmiah Pendidikan Dasar JURNAL PENDIDIKAN TAMBUSAI JETL (Journal Of Education, Teaching and Learning) Ensiklopedia of Journal JTP - Jurnal Teknologi Pendidikan JISIP: Jurnal Ilmu Sosial dan Pendidikan Jurnal Teknologi Informasi dan Pendidikan JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Suluah Bendang: Jurnal Ilmiah Pengabdian Kepada Masyarakat JURNAL PENDIDIKAN, SAINS DAN TEKNOLOGI Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Pengabdian Masyarakat Asia Jurnal Kependidikan: Jurnal Hasil Penelitian dan Kajian Kepustakaan di Bidang Pendidikan, Pengajaran dan Pembelajaran Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) MANAJERIAL: Jurnal Inovasi Manajemen dan Supervisi Pendidikan COMMUNITY : Jurnal Pengabdian Kepada Masyarakat ACADEMIA: Jurnal Inovasi Riset Akademik Reflection Journal Priviet Social Sciences Journal Lentera: Multidisciplinary Studies Jurnal Teknik Komputer dan Informatika (JTeKI) Journal of Innovative and Creativity Journal of Authentic Research HUMANIORASAINS Saturnus: Jurnal Teknologi dan Sistem Informasi Lentera: Multidisciplinary Studies Jejak digital: Jurnal Ilmiah Multidisiplin Jurnal Pendidikan Teknik Mesin Jurnal Merah Putih Sekolah Dasar JRTI (Jurnal Riset Tindakan Indonesia) International Journal of Educational Narratives
Dony Novaliendry
Electronic Department, Engineering Faculty, Universitas Negeri Padang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Other

Published : 82 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 82 Documents
Search

 1   2   3   4   5 
Analysis of Dropout and Learning Rate on BiLSTM-ANN Performance in Hate Speech Detection Erzitha, Ranny; Novaliendry , Dony; Budayawan , Khairi
Lentera: Multidisciplinary Studies Vol. 3 No. 2 (2025): Lentera: Multidisciplinary Studies
Publisher : Publikasiku

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57096/lentera.v3i2.142

Abstract

Penyebaran ujaran kebencian di media sosial semakin meningkat, sehingga menuntut pengembangan model deteksi yang akurat dan efisien. Penelitian ini menganalisis dampak dari parameter dropout dan learning rate terhadap kinerja model BiLSTM-ANN dalam mendeteksi ujaran kebencian di media sosial Indonesia. Tujuan utama dari penelitian ini adalah untuk mengevaluasi akurasi, F1-score, precision, recall, dan AUC yang dihasilkan oleh model, serta untuk menentukan nilai optimal untuk learning rate dan dropout. Model diuji menggunakan data komentar dari platform media sosial Indonesia. Metode penelitian menggunakan pendekatan CRISP-DM, dengan pengumpulan 2064 komentar dari TikTok dan Twitter (X), yang kemudian diproses melalui berbagai tahap, termasuk prapemrosesan teks, pembelajaran mendalam dengan BiLSTM-ANN, serta evaluasi performa model. Model diuji dengan berbagai kombinasi dropout (0,02–0,7) dan learning rate (0,00001–0,01) untuk menemukan konfigurasi optimal. Hasil uji menunjukkan bahwa model BiLSTM-ANN mencapai akurasi sebesar 68,12%, dengan precision sebesar 53,71% dan recall sebesar 82,55%. Meskipun recall model cukup tinggi, precision yang relatif rendah menunjukkan kesulitan dalam mendeteksi kelas minoritas. Ketidakseimbangan data dan variasi bahasa di media sosial menjadi tantangan utama bagi model ini. Penelitian ini menyimpulkan bahwa optimasi parameter, peningkatan data pelatihan, dan penerapan teknik yang lebih canggih diperlukan untuk meningkatkan kinerja deteksi ujaran kebencian, dengan implikasi untuk sistem moderasi konten di platform media sosial. Implikasi penelitian ini mencakup perbaikan dalam sistem moderasi konten berbasis kecerdasan buatan, dengan potensi implementasi model BiLSTM-ANN pada platform media sosial untuk meningkatkan efektivitas dalam mengidentifikasi ujaran kebencian secara real-time. Diperlukan penelitian lanjutan dengan dataset yang lebih besar serta penerapan teknik balancing data untuk meningkatkan akurasi dan generalisasi model.
RANCANG BANGUN APLIKASI PROGRAM SCHOOL PARENTING TERHADAP PEMBINAAN MORAL SISWA PADA SEKOLAH MENENGAH PERTAMA NEGERI 43 PADANG Sandika, Rakhel Cakra; Adri, Muhammad; Novaliendry, Dony; Hendriyani, Yeka
Jurnal Teknik Komputer dan Informatika Vol. 4 No. 1|April (2024): Jurnal Teknik Komputer dan Informatika (JTeKI)
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jteki.v4i1|April.72

Abstract

Berdasarkan observasi pada SMP Negeri 43 Padang, dapat diketahui bahwa terdapat beberapa permasalahan yang terjadi pada kegiatan parenting diantaranya, kurangnya informasi tentang anak kepada orang tua dan guru, sering terjadinya keterlambatan informasi anak dari orang tua kepada guru, sulitnya mencari solusi tentang permasalahan anak, dan kurangnya wadah untuk memberikan informasi privasi.Metode yang digunakan dalam perancangan sistem ini adalah metode waterfall. Metode waterfall memiliki proses yang mudah dipahami dan prosesnya tidak tumpang tindih. Dalam metode ini, satu proses harus diselesaikan agar dapat melanjutkan ke proses berikutnya.Kegiatan parenting di SMP Negeri 43 Padang memiliki tujuan agar orangtua dapat meningkatkan pengetahuan, sikap, dan ketrampilan dalam membentuk pola asuh di dalam keluarga, adapun tujuan dari pendidikan parenting di SMP Negeri 43 Padang yaitu untuk meningkatkan ikatan sosial emosional antara orangtua, pendidik dan anak.Aplikasi yang dibangun dapat memberikan kemudahan kepada pihak sekolah dan wali murid SMP N 43 Padang untuk membina moral anak. Aplikasi ini memberikan kemudahan kepada seluruh pihak agar dapat memahami perkembangan moral anak dan memberikan saran yang tepat untuk membantu semua pihak.
Pengembangan Media Augmented Reality pada Pembelajaran Videografi di SMK Negeri 2 Padang Panjang Amelia Zahra; Ika Parma Dewi; Yeka Hendriyani; Dony Novaliendry
Voteteknika (Vocational Teknik Elektronika dan Informatika) Vol 12, No 2 (2024): Vol. 12, No 2, Juni 2024
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/voteteknika.v12i2.127459

Abstract

Analysis of Dropout and Learning Rate on BiLSTM-ANN Performance in Hate Speech Detection Erzitha, Ranny; Novaliendry , Dony; Budayawan , Khairi
Lentera: Multidisciplinary Studies Vol. 3 No. 2 (2025): Lentera: Multidisciplinary Studies
Publisher : Publikasiku

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57096/lentera.v3i2.142

Abstract

Penyebaran ujaran kebencian di media sosial semakin meningkat, sehingga menuntut pengembangan model deteksi yang akurat dan efisien. Penelitian ini menganalisis dampak dari parameter dropout dan learning rate terhadap kinerja model BiLSTM-ANN dalam mendeteksi ujaran kebencian di media sosial Indonesia. Tujuan utama dari penelitian ini adalah untuk mengevaluasi akurasi, F1-score, precision, recall, dan AUC yang dihasilkan oleh model, serta untuk menentukan nilai optimal untuk learning rate dan dropout. Model diuji menggunakan data komentar dari platform media sosial Indonesia. Metode penelitian menggunakan pendekatan CRISP-DM, dengan pengumpulan 2064 komentar dari TikTok dan Twitter (X), yang kemudian diproses melalui berbagai tahap, termasuk prapemrosesan teks, pembelajaran mendalam dengan BiLSTM-ANN, serta evaluasi performa model. Model diuji dengan berbagai kombinasi dropout (0,02–0,7) dan learning rate (0,00001–0,01) untuk menemukan konfigurasi optimal. Hasil uji menunjukkan bahwa model BiLSTM-ANN mencapai akurasi sebesar 68,12%, dengan precision sebesar 53,71% dan recall sebesar 82,55%. Meskipun recall model cukup tinggi, precision yang relatif rendah menunjukkan kesulitan dalam mendeteksi kelas minoritas. Ketidakseimbangan data dan variasi bahasa di media sosial menjadi tantangan utama bagi model ini. Penelitian ini menyimpulkan bahwa optimasi parameter, peningkatan data pelatihan, dan penerapan teknik yang lebih canggih diperlukan untuk meningkatkan kinerja deteksi ujaran kebencian, dengan implikasi untuk sistem moderasi konten di platform media sosial. Implikasi penelitian ini mencakup perbaikan dalam sistem moderasi konten berbasis kecerdasan buatan, dengan potensi implementasi model BiLSTM-ANN pada platform media sosial untuk meningkatkan efektivitas dalam mengidentifikasi ujaran kebencian secara real-time. Diperlukan penelitian lanjutan dengan dataset yang lebih besar serta penerapan teknik balancing data untuk meningkatkan akurasi dan generalisasi model.
Implementasi Algoritma Support Vector Machine (SVM) untuk Analisis Sentimen Pengguna Aplikasi DeepSeek Levran, Abel; Sriwahyuni, Titi; Novaliendry, Dony; Adri, Muhammad
Jurnal Pendidikan Tambusai Vol. 9 No. 2 (2025): Agustus
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v9i2.29596

Abstract

Perkembangan kecerdasan buatan (AI), terutama dengan hadirnya ChatGPT dan pesaing barunya DeepSeek, menjadi latar belakang penelitian ini. Studi ini menganalisis sentimen pengguna terhadap aplikasi DeepSeek menggunakan metode klasifikasi Support Vector Machine (SVM). Sebanyak 31.377 ulasan dikumpulkan dari Google Play Store melalui praproses teks, pelabelan data,pemberian bobot menggunakan TF-IDF, dan klasifikasi dengan rasio data latih-uji 90:10, 80:20, 70:30, dan 60:40. Penerapan pembobotan TF-IDF dan klasifikasi SVM menghasilkan sentimen positif sebesar 79,7% dan sentimen negatif sebesar 20,3%, dengan akurasi pengujian tertinggi mencapai 95,07%, dengan presisi dan recall yang seimbang menunjukkan stabilitas dan robustness model yang baik. Visualisasi memberikan wawasan tentang preferensi dan ketidakpuasan pengguna menggunakan kata-kata umum. Hasil penelitian menunjukkan bahwa DeepSeek mendapat tanggapan positif mengenai kualitas peforma DeepSeek yang kompeten dan sebanding dengan ChatGPT, perbaikan pada stabilitas server diperlukan untuk meningkatkan pengalaman pengguna.
Design of Android-Based Augmented Reality Media for Teaching Computer Network Models Novaliendry, Dony; Irnanda, Muhammad Fakhri; Budayawan, Khairi; Asmara, Delvi
Jurnal Teknologi Informasi dan Pendidikan Vol. 18 No. 1 (2025): Jurnal Teknologi Informasi dan Pendidikan
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jtip.v18i1.961

Abstract

The development of digital technology has a major impact on the education sector, especially since the Covid-19 pandemic changed the learning system to online. One technology that has great potential in supporting the learning process is Augmented Reality (AR). This technology allows the integration of two or three-dimensional virtual objects into the real environment interactively. This study aims to design and build Android-based learning media with marker-based AR technology for the introduction of computer network models for class XI at SMA Negeri 4 Padang. Based on the results of observations and interviews with informatics teachers, it is known that learning is still dominated by theory without direct visualization of computer network devices due to limited practical tools. The learning media developed uses AR technology with markers as markers to display 3D objects, utilizing the Vuforia platform, 3D models are created using Blender, interface design using Figma, and system integration is carried out with Unity. The visualized material includes network topology (bus, star, ring, mesh) and the OSI Layer model. With this media, students can understand the concept of computer networks more interactively and deeply, and increase their involvement in the learning process.
Optimalisasi Klasifikasi Warna Badan Air Dengan Convolutional Neural Network Melalui Reduksi Kelas Skala Forel-Ule Prasetyo, Budi; Novaliendry, Dony; Sriwahyuni, Titi; Syafrijon, Syafrijon
Jurnal Teknologi Informasi dan Pendidikan Vol. 18 No. 1 (2025): Jurnal Teknologi Informasi dan Pendidikan
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jtip.v18i1.970

Abstract

This study presents a method to optimize water color classification based on the Forel-Ule scale using a Convolutional Neural Network (CNN). The original 21-class system presents challenges such as high computational complexity, overlapping spectral characteristics, and class imbalance. A class reduction approach is proposed to group similar spectral categories into three ecologically meaningful classes: oligotrophic (clear blue), mesotrophic (greenish), and eutrophic (brownish). Using a dataset of 3,018 labeled water body images from EyeOnWater and implementing a CNN architecture trained on both the original and the reduced class schemes, the experimental results show that the reduced 3-class model achieved significantly higher accuracy (94.0%) compared to the original 21-class model (44.3%). These findings demonstrate that class reduction improves classification robustness, simplifies interpretation, and enhances practicality for real-world environmental monitoring.
Grouping of Student Achievement Based on Student Names in Class VII of SMPN 28 Sarolangun Using the K-Means Clustering Method Chintia Ningsih, Nur; Novaliendry, Dony; Hendriyani, Yeka; Asmara, Delvi
Jurnal Teknologi Informasi dan Pendidikan Vol. 18 No. 2 (2025): Jurnal Teknologi Informasi dan Pendidikan
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jtip.v18i2.967

Abstract

Although the selection of outstanding students is important to provide awards and recognition for student achievement, the methods currently used by schools are not optimal. The process often takes a long time and requires a lot of manpower to collect and process student data, which can ultimately disrupt daily school operations. This study aims to identify outstanding students in class VII at SMP 28 Sarolangun using the clustering method with the K-Means algorithm. This type of research is quantitative research. The method used in this study is K-Means Clustering , with the determination of the optimal number of clusters using the Elbow Method. The results of the study obtained a grouping of students into four clusters, including Cluster 1 with 10 students (15.2%), Cluster 2 with 16 students (24.2%), Cluster 3 with 25 students (37.9%) and Cluster 4 with 15 students (22.7%). From the resulting Elbow graph, the elbow point is seen at the value of K = 4, which indicates that four clusters are the most effective and efficient number to separate student data into meaningful groups .
Klasifikasi Warna Objek secara Real-Time Menggunakan Optimasi Model CNN MobileNetV2 Apriliyanti, Resti; Kurniadi, Denny; Novaliendry, Dony; Rahmadika, Sandi; Farhan, Muhammad
Jurnal Teknologi Informasi dan Pendidikan Vol. 18 No. 2 (2025): Jurnal Teknologi Informasi dan Pendidikan
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/jtip.v18i2.969

Abstract

This research aimed to develop a Convolutional Neural Network (CNN) model for automatic object color classification using MobileNetV2. To determine the optimal configuration, the training process adjusted several hyperparameters, with particular focus on identifying the most suitable learning rate. The dataset consisted of 3,212 images grouped into five color categories: red, green, blue, random (including yellow, orange, and brown), and none (no object detected). Data augmentation techniques were applied to enhance the variety and robustness of the dataset. The model was trained using the Adam optimizer alongside the categorical crossentropy loss function, with various learning rate settings tested during training. Evaluation results showed that the model worked best with a learning rate of 0.0001 and a batch size of 32, with an average accuracy of 94%. To display prediction results in real time, the top-performing model was integrated into a graphical user interface (GUI). These findings demonstrate the effectiveness of the MobileNetV2-based CNN model in recognizing object colors and highlight its suitability for integration into real-time industrial sorting applications
Pengembangan Aplikasi E-Modul Berbasis Mobile Pada Mata Pelajaran Administrasi Sistem Jaringan Kelas XI TJKT, SMK Negeri 1 Bangkinang Raihan Maulana; Hadi Kurnia Saputra; Dony Novaliendry; Geovanne Farell
Jejak digital: Jurnal Ilmiah Multidisiplin Vol. 1 No. 5 (2025): SEPTEMBER
Publisher : INDO PUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63822/rswcs646

Abstract

Penelitian pengembangan ini memiliki tujuan untuk Mengembangkan media pembelajaran yang berbasis mobile pada materi Konfigurasi Sistem Operasi Server Server, serta Melakukan uji coba terhadap aplikasi e-modul berbasis mobile dalam pembelajaran Administrasi Sistem Jaringan kelas XI TJKT di SMK Negeri 1 Bangkinang. Permasalahan yang sering ditemui adalah masih digunakan modul pembelajaran konvensional yang cenderung bersifat satu arah. Modul ini sering kali kurang memberikan penjelasan yang mendetail serta minim visualisasi langkah-langkah yang diperlukan. Oleh karena itu, siswa mengalami kesulitan dalam memahami materi dan merasa bingung ketika mencoba menerapkan secara mandiri, padahal sudah sesuai dengan Langkah di modul tapi tidak berjalan sesuai yang di rencanakan karena ada beberapa Langkah unik yang dilakukan terutama pada mata pelajaran administrasi sistem jaringan dimana siswa mempelajari bagaimana cara mengoperasikan Sistem Operasi Server server, dimana siswa disini benar benar tidak tahu tentang apapun.
Co-Authors Adel Lia Mardiana Afifah Rizki, Putri Afiful Azkia Agariadne Dwinggo Samala Ahmad Dzaki Alfarouq Ahmaddul Hadi Ahmaddul Hadi, Ahmaddul Ahmadul Hadi Aieni , Nurul Al-Ayyubi, Andi Sultan Aliman Alisyia Guspita Alixa Arivya Tofer Amalinda, Ilsa Amanda, Adittya Ambiyar, Ambiyar Amelia Zahra Andhika Herayono Andhika Herayono Apriliyanti, Resti Ardika, Kiki Arini Nisaul Khaira Arininisaulkhaira_17 Aripianto , Natha Fahrezi Azra Ariusni Ariusni Arrum Pramesti Asmar Yulastri Asmara, Delvi Asriwan Guci Astry Yulinda Elfani Aulia, Wahdatul Azhar, Viki Aziza, Dwi Ayu Azraril Azizah Budayawan , Khairi Budayawan, Khairi Budayawan, Khairi Budi Prasetyo Cheng-Hong Yang, Cheng-Hong Chintia Ningsih, Nur Dedy Irfan Denny Kurniadi Deschika Dwi Alyanti Dimas Aulia Saputra Divia Tri Ananda Eko Indrawan Elfina, Eni Elgi Janliza Putra elida elida Elmi, Hafiz Elsa Sabrina Elsi Permata Sari Erdisna, Erdisna Erik Rahman Erni Marlina Binti Saari Erzitha, Ranny Fachri Rizal Farraz Hadyan Fathur Rahman Febby Apri Wenando Febby Elvia Firdaus Firdaus Fitri, Ernarisa Ganefri . Geovanne Farell Gladis Aprilia Rahayu Gusti, Tika Sylviani Hadi Kurnia Saputra Hadi Kurnia Saputra Hadyan, Farraz Hafilah Hamimi Hafilah Hamimi, Hafilah Hafiz Anugrah Hansi Effendi Hasan Maksum Hastria Effendi Helma Wadria Putri Helmi Wadria Putri Hibatullah, Hulwa Zuhrahriani Huda, Yasdinul Humaira Khairunnisa Ika Parma Dewi Ilahi, Akbar Ilsa Amalinda Insan Aljundi, Ihsanul Intan Maisa Tania Irma Yulia Basri Irnanda, Muhammad Fakhri Jumaita Lestari Kartini, Ridha Kasmita Kasmita Khafila Demara Kharisa Ramadhani Kiki Ardika Kurnia Saputra, Hadi Kurniadi, Denny Leoparlin, Alfridho Lestari , Jumaita Levran, Abel Lovita, Vega Lubis, Miftahhul Hudaiza Asmara Makmur, Brian Mardi Mardi Muhammad Adri Muhammad Adri Muhammad Anwar Muhammad Devin Rahadi Muhammad Farhan Muhammad Figli Fajar Mukhaiyar, Riki Mukhtarijal Mukhtarijal Mursyida, Lativa Musfara Zahra Nadien Mutia Ulfah Nathasya Utami Hakim Naufal , Naufal Naufan Islami, Fattan Nazifa Dwi Putri Noviko, Heri Novri Wahyuni Novriyanda, Reyhan Nursipa Amanda Nurul Aieni Nurul Ikhsani, Syahdilla Oktoria Parbagian Tambunan Pati Harau, Frans Surya Putra, Adrian Rama Putri, Selma Eka Qodrialfarisi Tambunan Qori Fauziah Rabbynawa, Glody Syah Rahadi, Muhammad Devin Rahadian Zainul Rahmadika, Sandi Rahmadina Oktarina Rahmat Raihan Maulana Raihan Ramadhan Rakhel Cakra Sandika Ramadhani , Kharisa Ramadhani Fajri, Bayu Randy Proska Sandra Razifa Mutiara Hani Resmi Darni Riani Riskia, Anita Ica Risma, Anisa Risna, Mega Rizky Ema Wulansari Ronald Lorenzo Sahera Silvia Vaesar Sandika, Rakhel Cakra Sandra Agustin Sapta Dewi Samudra Sartika, Indah Satria Yudhistira Saza Kurnia Utami Siptya Savira Rahmi Sisca Andriani Skoatiya, Najwa Sugiarto, Toto Syafiqoh, Iffat Syafrijon Syafrijon, Syafrijon Syukhri, Syukhri Titi Titi Sriwahyuni Titin Sriwahyuni Usmeldi Usmeldi Vanisa Tsuraya Yahmanita Venny Enrizal Vera Irma Delianti Vikri Aulia Viola Syahdriati Putri Viony Dwiyana Puteri Vitselly Marlinda Rizalfitri Waskito Waskito, Waskito Yahmanita, Vanisa Tsuraya Yasdinul Huda Yaslinda Lizar Yeka Hendriyani Yolanda, Wira Yudha Aditya Fiandra Yuli Pusparani Yustitia Harti Zafania, Puti Zahwa Rahayu