Article Per Year (5 Year)
p-Index From 2020 - 2025
6.414
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Agri-Informatika Indonesian Journal of Electrical Engineering and Informatics (IJEEI) JUITA : Jurnal Informatika AL ISHLAH Jurnal Pendidikan Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control JITK (Jurnal Ilmu Pengetahuan dan Komputer) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Teknoinfo ILKOM Jurnal Ilmiah Jurnal ULTIMATICS Petir IJISTECH (International Journal Of Information System & Technology) Jurnal Ilmiah Sinus Indonesian Journal of Business Intelligence (IJUBI) JITU : Journal Informatic Technology And Communication Automata Journal of Education Informatic Technology and Science Cakrawala Repositori Imwi Budapest International Research and Critics Institute-Journal (BIRCI-Journal): Humanities and Social Sciences IJISTECH Journal Research of Social Science, Economics, and Management
Dhomas Hatta Fudholi
Jurusan Informatika, Universitas Islam Indonesia
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 51 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 51 Documents
Search

 2   3   4   5   6 
Analisis Sentimen Berbasis Aspek pada Wisata Halal dengan Metode Deep Learning Risca Naquitasia; Dhomas Hatta Fudholi; Lizda Iswari
Jurnal Teknoinfo Vol 16, No 2 (2022): Juli
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i2.1516

Abstract

Wisata halal kini tengah menjadi tren seiring dengan meningkatnya jumlah populasi wisatawan muslim. Wisata halal merupakan bagian dari sektor pariwisata yang menawarkan pelayanan dengan merujuk kepada aturan-aturan Islam. Dengan berkembangnya wisata halal, mulai muncul ulasan tempat wisata yang berkaitan dengan fasilitas yang dapat memudahkan wisatawan muslim. Fasilitas tersebut meliputi kebersihan toilet, ketersediaan tempat ibadah, serta ketersediaan makanan halal. Namun sayangnya, sangat sedikit yang menganalisis ulasan mengenai persoalan ini. Oleh karena itu, melalui penelitian ini dilakukan analisis sentimen berbasis aspek terhadap tempat wisata di negara Asia menggunakan metode deep learning. Metode ini digunakan karena menghasilkan akurasi performa yang baik. Data yang digunakan adalah ulasan berbahasa inggris yang diambil dari website TripAdvisor. Data tersebut kemudian diolah dan diproses sehingga dapat mengenali sentimen dan juga aspek dari ulasan tersebut. Terdapat tiga aspek yang digunakan yaitu mosque, halal food, dan toilet. Setelah dilakukan pengujian, metode CNN mendapatkan hasil akurasi tertinggi jika dibandingkan dengan metode lainnya baik pada klasifikasi aspek maupun klasifikasi sentimen. Dengan metode CNN, klasifikasi aspek menghasilkan akurasi sebesar 98.299%. Sedangkan klasifikasi sentimen mendapatkan akurasi sebesar 93.96%. Hasil penelitian ini diharapkan dapat membantu mengembangkan strategi untuk lebih memajukan wisata halal.
Context-Aware for Natural Language Processing Services using Microservices Architecture Abdullah Aziz Sembada; Dhomas Hatta Fudholi; Raden Teduh Dirgahayu
Budapest International Research and Critics Institute-Journal (BIRCI-Journal) Vol 5, No 2 (2022): Budapest International Research and Critics Institute May
Publisher : Budapest International Research and Critics University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33258/birci.v5i2.5553

Abstract

The development of the industrial era 4.0 and big data has made Natural Language Processing much needed, especially when preprocessing data. With the Natural Language Processing service in order to make it easier for researchers to conduct research because some of their needs have been provided. Before providing services Natural Language Processing first does the system design. The system is built using a microservice architecture, microservice was chosen because it has the characteristics of being flexible, safe, isolated errors, making it very easy to develop the system.feature is added Context-Aware to make it easier for users to process data. The purpose of the research is to be able to integrate Context-Aware into the Natural Language Processing service system so that the system is able to provide recommendations for the most suitable algorithms from the data owned by the user. System test results show that Natural Language Processing service can shorten research on natural language processing. These results cannot be separated from the context-awareness that can determine the type of file or data inputted by the user, thus the user is directly directed by the system to process the file or data using a clustering or classification. The implementation of microservices is also very helpful in development, especially service or algorithms that will not interfere services with existing.
PERMODELAN PENGETAHUAN KESIAPAN PENANGANAN BENCANA DI RUMAH SAKIT Mawar Hardiyanti; Dhomas Hatta Fudholi
Indonesian Journal of Business Intelligence (IJUBI) Vol 4, No 2 (2021): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Program Studi S1 Sistem Informasi Fakultas Komputer dan Teknik Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v4i2.1934

Abstract

Bencana alam adalah peristiwa yang umumnya membawa dampak negatif. Indonesia adalah salah satu negara rawan bencana. Rumah sakit merupakan tempat rujukan pertama saat korban bencana membutuhkan perawatan. Pada dasarnya, berbagai studi yang menghasilkan pengetahuan sudah cukup banyak tersedia. Namun untuk penggunaannya pada bencana alam belum dikelola dan diterapkan dengan baik. Berdasarkan hal tersebut maka kami akan membangun medel pengetahuan kesiapan penanganan bencana di rumah sakit. Penelitian ini mengembangkan sebuah model pengetahuan berbasis ontologi untuk kesiapan rumah sakit pada penanganan bencana berdasarkan konsep tenaga kesehatan, institusi terkait, rencana darurat, dan alat. Proses permodelan ontologi pada penelitian ini terdiri dari tiga fase yaitu Konseptualisasi, Implemetasi dan Evaluasi. Pembangunan ontologi didasarkan dari hasil kuisioner yang telah diisi oleh pengurus TIM Bencana dari tiga rumah sakit di Jawa Tengah. Hasil yang didapatkan dari pengukuran ontologi yang dibuat untuk Relationship Richness sebesar 0.68, Inheritance Richness sebesar 0.18, dan Attribute Richness sebesar 0.04. Sedangkan hasil pengujian query yang dilakukan menggunakan DL Query Panel adalah sistem dengan kemapuan memberi sebuah jawaban dari gabungan ekspresi Class, object property untuk mendapatkan instancedari data Individual.
Image Captioning Approach for Household Environment Visual Understanding Dhomas Hatta Fudholi
IJISTECH (International Journal of Information System and Technology) Vol 5, No 3 (2021): October
Publisher : Sekolah Tinggi Ilmu Komputer (STIKOM) Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (579.127 KB) | DOI: 10.30645/ijistech.v5i3.135

Abstract

Image captioning task generates a description from an image in a form of a sentence. It holds various critical usage in different applications and domains, such as indexing in retrieval system, by capturing semantic information within the images. In the area of live quality support system, an image captioning model may be used by visual impaired people to achieve visual understanding of their surroundings. In this paper, we present a novel image captioning model that aims to give visual understanding on household environment. To develop the model, we use five different household objects (sinks, chairs, tables, beds, couches) from MS COCO datasets. We create three new captions, in Bahasa Indonesia, for the selected data. The captions describe the name, the color, the position/location, the size, and the type/characteristic of the related object and its close surrounding. InceptionV3 and LSTM architecture is used to train the model with GloVe as the word embedding. In this study, our developed image captioning model can generate caption well and achieved BLEU-1 score of 0.502033, BLEU-2 score of 0.312539, BLEU-3 score of 0.193333, BLEU-4 score of 0.106111, METEOR score of 0.183193, ROUGE-L score of 0.358339, and CIDEr score of 0.348903.
Deteksi Objek Masker Menggunakan EfficientDet-Lite3 Ferdian Nursulistio; Arrie Kurniawardhani; Dhomas Hatta Fudholi
AUTOMATA Vol. 3 No. 2 (2022)
Publisher : AUTOMATA

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

Abstract

Masker merupakan benda yang digunakan untuk menutupi mulut dan hidung untuk mencegah menghirup dan melepaskan cairan pernafasan. Jenis masker dibagi dua, yaitu masker medis dan non-medis yang biasa dibuat dari tekstil atau bahan lainnya yang bisa dipakai berulang kali. Baik menggunakan masker medis maupun masker kain keduanya dapat menyaring dengan baik partikel atau cairan dengan tingkat efisiensi 86.4% untuk masker kain dan 99.9% untuk masker medis 3M. Masker digunakan untuk mencegah penyakit menular seperti pada pandemi COVID-19 serta juga digunakan untuk melindungi petugas kesehatan untuk mencegah Infeksi Nosokomial di rumah sakit. Maka dibuatlah model object detection untuk mendeteksi apakah seseorang menggunakan masker medis, masker kain, masker scuba, tidak menggunakan masker dengan benar, atau tidak menggunakan masker. Metode yang digunakan adalah TensorFlow Lite Model Maker dengan model dasar EfficientDet-Lite3. Model yang dihasilkan sebanyak dua jenis dengan rata-rata presisi sebesar 75.82%, 75.84% dan rata-rata recall 82.61%, 82.25%. untuk model pertama dan kedua berturut-turut.
Image Captioning for Mobile Application Affan Taufiqur; Dhomas Hatta Fudholi, S.T., M.Eng., Ph.D.
AUTOMATA Vol. 3 No. 2 (2022)
Publisher : AUTOMATA

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

Abstract

Image Captioning adalah proses untuk memproduksi teks deskripsi dari suatu gambar secara otomatis. Penggunaan image captioning dapat diaplikasikan ke banyak bidang seperti virtual assistant, image indexing, social media, dan berbagai macam aplikasi yang memanfaatkan Natural Language Processing. Image captioning memiliki banyak manfaat yang dapat dipakai dalam kehidupan sehari-hari, seperti edukasi untuk anak kecil, dan membantu orang yang memiliki pengelihatan kurang. Tekonologi image captioning sudah lama dikembangkan, tetapi, penggunaan dalam skala publik masih kurang. Dalam penelitian ini, saya mengembangkan aplikasi image captioning yang dapat digunakan dalam ponsel sehari-hari. Saat ini lebih dari 80% dari semua populasi di dunia memiliki ponsel pintar, yang berarti aplikasi image captioning dapat digunakan sehari-hari secara praktis. Aplikasi bekerja dengan cara pengguna memilih gambar dari ponsel mereka, dan cukup menekan satu tombol saja, caption dari gambar tersebut langsung keluar. Implementasi aplikasi image captioning langsung pada ponsel membutuhkan kinerja komputasi yang cukup tinggi, yang dimana kinerja ponsel pintar sekarang masih kurang mampu, karena itu sekarang masih sedikit aplikasi image captioning yang dapat digunakan di ponsel pintar. Pada penelitian ini, saya mengembangkan aplikasi image captioning yang dapat digunakan di ponsel dengan menggunakan model yang sudah dikembangkan dari keras, model tersebut menggunakan CNN sebagai yang mengambil fitur pada gambar, transformer sebagai input dan output, dan menggunakan Flick8K_dataset sebagai gambar untuk melatih model, hasil latihan dari model ini akan digunakan sebagai model akhir yang digunakan untuk menghasilkan caption. Model ini mendapatkan BLEU score sebesar 0.31 setelah di test menggunakan 15 gambar yang diambil dari validation sets. Model akan diunggah ke server dan aplikasi android akan melakukan komunikasi dengan model yang ada di server untuk menghasilkan caption. Dengan itu aplikasi image captioning di ponsel bisa digunakan oleh semua orang waulupun memiliki kinerja komputasi yang berbeda-beda karena semua kalkulasi di lakukan di server dan aplikasi android hanya perlu mengirim dan menerima data saja.
Analisis Sentimen dan Pemodelan Topik Aplikasi Telemedicine Pada Google Play Menggunakan BiLSTM dan LDA Siti Mutmainah; Dhomas Hatta Fudholi; Syarif Hidayat
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 1 (2023): Januari 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i1.5486

Abstract

The pandemic caused by the 2019 coronavirus has revitalized telemedicine as information and communication technology-based health services and as a medium for doctors' services in diagnosing, treating, preventing and evaluating health conditions. One of the telemedicine service applications in Indonesia is Alodokter, Halodoc, KlikDokter, SehatQ and YesDok. Previous research on the same domain, namely applications telemedicine uses machine learning to perform sentiment modeling. This research performs sentiment analysis using the BiLSTM method (Bidirectional Long Short-Term Memory) which can better represent contextual information and can read user feedback information in both directions. Then sentiment analysis is described explicitly to identify topics from user sentiment using LDA (Latent Dirichlet Allocation). User feedback was collected on August 14, 2022 which was obtained in the five applications totaling 244,098. The results of the analysis on feedback obtained were 112,013 positive sentiments, 34,853 neutral sentiments and 97,228 negative sentiments. The BiLSTM and Word2Vec models used have a good performance in classifying sentiments, namely 95%, while the topic modeling for each sentiment has a coherence value of 0.6437 on positive topics, 0.6296 neutral sentiments and 0.6132 negative sentiments.
Context-Aware Untuk Natural Language Processing Services Menggunakan Arsitektur Microservices Abdullah Aziz Sembada; Dhomas Hatta Fudholi; Raden Teduh Dirgahayu
Cakrawala Repositori IMWI Vol. 6 No. 1 (2023): Cakrawala Repositori IMWI
Publisher : Institut Manajemen Wiyata Indonesia & Asosiasi Peneliti Manajemen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52851/cakrawala.v6i1.163

Abstract

Berkembangnya era industri 4.0 dan big data membuat Natural Language Processing banyak dibutuhkan terutama saat melakukan preprocessing data. Dengan adanya Natural Language Processing service agar bisa mempermudah peneliti dalam melakukan penelitian karena beberapa kebutuhannya sudah disediakan. Sebelum menyediakan service-service Natural Language Processing terlebih dahulu melakukan perancangan sistem. Sistem di buat menggunakan microservice architecture, microservice dipilih karena memiliki karakteristik flexible, aman, error terisolasi sangat memudahkan dalam melakukan pengembangan sistem. Dalam sistem ini ditambahkan fitur Context-Aware untuk memudahkan pengguna dalam mengolah data. Tujuan dari penelitian adalah mampu mengintegrasikan Context-Aware ke dalam sistem Natural Language Processing service sehingga sistem mampu memberikan rekomendasi algoritma yang paling tempat dari data yang dimiliki pengguna. Hasil pengujian sistem menunjukan bahwa Natural Language Processing service dapat mempersingkat penelitian tentang natural language processing. Hasil tersebut tidak lepas dari fitur context-aware yang dapat memnentukan jenis file atau data yang di-input pengguna, dengan demikian pengguna langsung diarahkan oleh sistem untuk memproses file atau data tersebut dengan algoritma clustering atau classification. Implementasi microservices juga sangat membantu dalam pengembangan terutama penambah service atau algoritma tidak akan mengganggu service yang sudah ada.
Indonesian Hate Speech Detection Using Bidirectional Long Short-Term Memory (Bi-LSTM) Aditya Perwira Joan Dwitama; Dhomas Hatta Fudholi; Syarif Hidayat
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 2 (2023): April 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i2.4642

Abstract

Abstract Social media is a platform that allows users to express themselves freely including spreading hate speech content. The government has issued the regulation in the UU ITE to handle and prevent hate speech on social media. The research was also conducted using the Bi-LSTM to classify the text into hate speech or not. Another research was purposed to detect hate speech and its categories using Bi-GRU. However, the performance of the model Bi-GRU is still lower than Bi-LSTM with an accuracy of 86.44% and 96.44%. Therefore, this study aims to build a model that can detect hate speech and its categories. The research offers Bi-LSTM as a classification model and IndoBERT as a tokenization model. The dataset used is a public dataset containing 13 thousand tweets. As a result, the best model obtained is using 20 epochs, 192 batch sizes, 1 layer Bi-LSTM with 40 nodes, and applying class weighing in the optimization process. The pre-train model from IndoBERT that is used to support the performance of the model in classifying is "indobenchmark/indobert-large-p2". The performance given by the purposed model is very good with an average accuracy, precision, and recall of 97.66%, 96.50%, and 85.25%.
COVID-19 Misinformation Detection in Indonesian Tweets using BERT Fahmi Adi Nugraha; Dhomas Hatta Fudholi
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 2 (2023): April 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i2.5668

Abstract

The COVID-19 pandemic has seen a marked increase in the spread of misinformation throughout various media channels, most notably social media. This is particularly true of Indonesia where a combination of middling digital literacy and the slow speed of fact-checking contributes to the continued spread of misinformation. Many of the solutions proposed by other researchers to address this problem do not use transformers despite the existence of Indonesian language BERT models. Thus, in order to both provide a potential solution to the problem of misinformation as well as a baseline for future research we propose an IndoBERT-based model for detecting misinformation in Indonesian language Tweets. For model training, we use the "small" version of the MuMiN dataset which is a comprehensive multi-lingual dataset containing fact checked Tweets. The authors of MuMiN provide a baseline LaBSE model which achieves a macro average F1-score of 54.5% when trained on the MuMiN "small" dataset. We train and evaluate our proposed model on this dataset in order to compare it to the LaBSE model. We also train and evaluate our model on a subset of the dataset containing only Tweets related to COVID-19 that we first translate into Indonesian. Our model achieves a best macro average F1-score of 59.5% on the MuMiN dataset and 79.04% on the subset.
Co-Authors Abdullah Aziz Sembada Abdullah Aziz Sembada ABDURRAHIM Abyan Fadilla Noor Aditya Perwira Joan Dwitama Affan Taufiqur Afrianto, Nurdi Ahmad Fathan Hidayatullah, Ahmad Fathan Ahmad Luthfi Ahmad Rafie Pratama Altesa Yunistira Andi Wafda Andri Heru Saputra Annisa Zahra Ari Farhan Nurihsan Ari Sujarwo Arief Rahman Arrie Kurniawardhan Arrie Kurniawardhani Arrie Kurniawardhani Chandra Kusuma Dewa Dendy Surya Darmawan Deny Rahmalianto Dimas Adi Wibowo Dimas Danu Budi Pratikto Dimas Pamilih Epin Andrian Dimas Panji Eka Jalaputra Dirgahayu, Raden Teduh Dziky ridhwanulah Eko Prasetio Widhi Eko Setiawan Erin Eka Citra Fahmi Adi Nugraha Ferdian Nursulistio Fery Luvita Sari Gilang Persada Bhagawadita Gunanto Gunanto Harry Akbar Al Hakim Ibnu Fajar Arrochman Insanur Hanifuddin Iqbal Syauqi Mubarak Izzan Yattaqi Nugraha Izzati Muhimmah Jaka Nugraha LAILA KUSUMA WARDANI Lizda Iswari M. Ulil Albab Surya Negara Malik Abdul Aziz Mawar Hardiyanti Meilita . Moch Bagoes Pakarti Moch Yusuf Asyhari Muhammad Abyanda Tamaza Muhammad Habib Izdhihar Muhammad Rizhan Ridha Muhammad Sulthon Alif Novian Mahardika Putra Prastyo Eko Susanto Purwoko, Agus Raden Teduh Dirgahayu Rahadian Kurniawan Rakhmat Syarifudin Rendy Ressa Sutrisno Ridho Iman Tiyar Ridho Rahmadi Risca Naquitasia Royan Abida N. Nayoan Sabar Aritonang Rajagukguk Safira Yuniar Putri Buana Salma Aufa Azaliarahma Salsabila Zahirah Pranida Septia Rani Septia Rani Sigit Nugroho Siti Mutmainah Siwi Cahyaningtyas Sri Mulyati Teduh Dirgahayu Tri Handayani Umar Abdul Aziz Al-Faruq Wahyu Fajrin Mustafa Wahyuzi, Zikri windi astriningsih Yasmin Aulia Ramadhini Yoga Sahria Yudi prayudi Yurio Windiatmoko