Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknik ITS TELKOMNIKA (Telecommunication Computing Electronics and Control) SISFO Jurnal Linguistik Komputasional Sewagati
Renny Pradina Kusumawardani
Institut Teknologi Sepuluh Nopember
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
KLASIFIKASI DATA TWITTER PELANGGAN BERDASARKAN KATEGORI MYTELKOMSEL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Prayoginingsih, Sila; Kusumawardani, Renny Pradina
SISFO Vol 7 No 2 (2018)
Publisher : Department of Information Systems, Institut Teknologi Sepuluh Nopember

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

Abstract

This research performs classification on social media text, specifically for the case of customer complaint in the telecommunication industry. To represent complaint criteria relevant to telecommunication services, we use the categories used in myTelkomsel, a web application of Telkomsel. Although this application enables customers to file in their complaints directly in a self-service manner, many customers opt to post their complaints in the social media such as Twitter. Therefore, in this research we create a classification model using Support Vector Machines (SVMs) to enable the automatic categorization of such customer complaints. As the input for the training and testing process, we crawl Twitter using the Streaming API. The data is then filtered to get tweets containing information, complaints, criticisms, suggestions, and questions about Telkomsel’s products or services. Using RBF kernels optimized with grid search, the resulting classifier gives good accuracy and f-measure of 84.84% and 84.88%, respectively.
Temporal Exploration in 2D Visualization of Emotions on Twitter Stream Mochamad Nizar Palefi Ma'ady; Chuan-Kai Yang; Renny Pradina Kusumawardani; Hatma Suryotrisongko
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 16, No 1: February 2018
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v16i1.6591

Abstract

As people freely express their opinions toward a product on Twitter streams without being bound by time, visualizing time pattern of customers emotional behavior can play a crucial role in decision-making. We analyze how emotions are fluctuated in pattern and demonstrate how we can explore it into useful visualizations with an appropriate framework. We manually customized the current framework in order to improve a state-of-the-art of crawling and visualizing Twitter data. The data, post or update on status on the Twitter website about iPhone, was collected from U.S.A, Japan, Indonesia, and Taiwan by using geographical bounding-box and visualized it into two-dimensional heat map, interactive stream graph, and context focus via brushing visualization. The results show that our proposed system can explore uniqueness of temporal pattern of customers emotional behavior.
Analisis Topik Informasi Publik Media Sosial di Surabaya Menggunakan Pemodelan Latent Dirichlet Allocation (LDA) Kusnanta Bramantya Putra; Renny Pradina Kusumawardani
Jurnal Teknik ITS Vol 6, No 2 (2017)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (542.356 KB) | DOI: 10.12962/j23373539.v6i2.23205

Abstract

Radio Suara Surabaya mengembangkan siaran interaktif berbasis jurnalistik masyarakat, dimana gagasan ini melibatkan partisipasi warga dalam melaporkan peristiwa kepada penyiar radio yang sedang bertugas. Laporan masyarakat yang masuk kemudian disebarluaskan kembali baik melalui siaran radio maupun media social untuk memberikan informasi kepada masyarakat.Tingginya jumlah laporan perhari yang masuk melalui media social dan beragamnya topik dari laporan tersebut menimbulkan kesulitan dalam mengidentifikasi suatu topik dari kumpulan laporan media social masyarakat dan menghabiskan banyak waktu jika dilakukan secara manual oleh manusia.Dengan kondisi demikian, dibutuhkan suatu pemodelan topik yang mampu secara otomatis mengklasifikasikan pesan media social ke dalam topik-topik yang muncul dari hasil pemodelan. Pemodelan topik dilakukan dengan metode Latent Dirichlet Allocation (LDA), sebuah metode text mining untuk menemukan pola tertentu pada sebuah dokumen dengan menghasilkan beberapa macam topik yang berbeda. Eksperimen pemodelan topic dengan metode LDA menyimpulkan bahwa jumlah topik yang terdapat dalam pesan media social adalah 4 topik. Hasil eksperimen ini telah diuji secara mesin dan diuji kemudahannya untuk diinterpretasi oleh manusia melalui uji koherensi topik. Kesimpulan dari uji koherensi topik menyatakan bahwa model yang dihasilkan dengan metode LDA pada studi kasus ini dapat diinterpretasi manusia dengan baik.
Gamifikasi Upaya Menangkal Hoaks Terhadap Informasi Vaksinasi Covid-19 di Social Media dalam Scope Keluarga Nugrahardi Ramadhani; Rabendra Yudistira; Nurina Orta Darmawati; Didit Prasetyo; Putri Dwitasari; Renny Pradina Kusumawardani
Sewagati Vol 6 No 1 (2022)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2006.421 KB) | DOI: 10.12962/j26139960.v6i1.143

Abstract

Setahun tepat pandemi covid-19 di tanah air ini diumumkan mulai menginfeksi 2 orang oleh Presiden Republik Indonesia, dan saat ini telah mencapai angka total 1,2 juta jiwa, artinya setiap bulannya kurang lebih 600.000 jiwa teridentifikasi covid-19. Perjalanan perjuangan bangsa ini melawan covid menorehkan perjalanan cukup pelik, mulai dari naik turunnya laju sebaran virus corona itu sendiri, jatuh bangun pemerintah menahan laju sebaran covid-19, informasi-informasi misleading dan hoaks begitu deras di masyarakat sehingga pandemi ini menjadi susah tertangani. Hoaks merupakan informasi bohong atau bisa separuh tidak benar, kemudian ditambahkan informasi lain yang bisa mengaburkan informasi aslinya. Penanganan covid-19 ini tidak lepas dari edukasi yang baik dan benar, sehingga masyarakat paham tentang bahaya virus yang telah merengut jutaan jiwa di seluruh dunia ini. Munculnya hoaks salah satunya disebabkan kurang informasi dan informasi bohong atau tidak benar yang muncul secara sistematis. Negara kita telah masuk pada pembentukan herd immunity melalui vaksin covid-19, muncul pro dan kontra ditengah masyarakat menambah deret pekerjaan rumah pemerintah untuk meyakinkan masyarakat ikut serta dalam program pemerintah ini. Sosial media berperan penting dalam mewadahi pendapat-pendapat masyarakat dengan bebas, media-media nasional juga memberikan dukungan melalui akun-akun resminya, sehingga opini baik positif maupun negatif terbentuk liar. Pengabdian masyarakat ini menggunakan metode pembelajaran tentang hoaks vaksinasi sebagai media penyadaran masyarakat memakai gamifikasi yang diterapkan pada aplikasi berbasis web sebagai simulasi eduakasi dan literasi dalam scope kecil yakni keluarga.
Implementasi Aplikasi Peringkasan Teks Otomatis Untuk Atlas Penyakit Menular Pada Manusia Menggunakan Metode Ordered Abstractive Summarization Caesarardhi, Muhammad Rasyad; Vinarti, Retno Aulia; Kusumawardani, Renny Pradina
Jurnal Linguistik Komputasional Vol 6 No 2 (2023): Vol. 6, No. 2
Publisher : Indonesia Association of Computational Linguistics (INACL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jlk.v6i2.182

Abstract

The death rate for the second pandemic after the first pandemic The Justinian Plague (A.D. 541 to 544) had reached 15-40%. Human depopulation with a loss rate of 50-60% also has been estimated due to the pandemics. Atlas of Human Infectious Disease (AHID) has captured the distribution and determinants for most infectious diseases for humans. AHID is complemented with information about infectious agents, clinical, and epidemiological. Now, every single disease that AHID explains still does not have a visualization with key-point summary on it. It helps people with no medical backgrounds to understand the infectious diseases faster and properly. Interestingly, AHID is semi-structured in terms of data, so we need to automate the process of representing it to a knowledge model. Previous research has shown a rather good improvement in the model of text summarization. Seq2Seq model has reached a ROUGE-1 score of 28,42 and the latest model Bringing in Order to Abstractive Summarization (BRIO) has reached a ROUGE-1 score of 49,07 on the extreme summarization dataset (XSum). Therefore, in this research, we do text summarization for AHID data using the BRIO model and reached score of ROUGE-1 of 43,86. The resulting model therefore can be used to add another disease that is not included yet in AHID such as Covid-19 and output automated text summarization for each one of the attributes. The result of text summarization are delivered as a web-based dictionary.
Co-Authors Caesarardhi, Muhammad Rasyad Chuan-Kai Yang Didit Prasetyo Hatma Suryotrisongko Kusnanta Bramantya Putra Mochamad Nizar Palefi Ma’ady Nugrahardi Ramadhani Nurina Orta Darmawati Prayoginingsih, Sila Putri Dwitasari Rabendra Yudistira Retno Aulia Vinarti