Article Per Year (5 Year)
p-Index From 2021 - 2026
4.433
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Journal of Environmental Engineering and Sustainable Technology Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal POINTER Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) SMATIKA Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Prosiding Seminar Nasional Pengabdian Kepada Masyarakat
Achmad Ridok
Universitas Brawijaya
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Mechanical Engineering Public Health Other

Published : 42 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 42 Documents
Search

 1   2   3   4   5 
A hybrid feature selection on AIRS method for identifying breast cancer diseases Ridok, Achmad; Widodo, Nashi; Mahmudy, Wayan Firdaus; Rifa’i, Muhaimin
International Journal of Electrical and Computer Engineering (IJECE) Vol 11, No 1: February 2021
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v11i1.pp728-735

Abstract

Breast cancer may cause a death due to the late diagnosis. A cheap and accurate tool for early detection of this disease is essential to prevent fatal incidence. In general, the cheap and less invasive method to diagnose the disease could be done by biopsy using fine needle aspirates from breast tissue. However, rapid and accurate identification of the cancer cell pattern from the cell biopsy is still challenging task. This diagnostic tool can be developed using machine learning as a classification problem. The performance of the classifier depends on the interrelationship between sample sizes, some features, and classifier complexity. Thus, the removal of some irrelevant features may increase classification accuracy. In this study, a new hybrid feature selection fast correlation based feature (FCBF) and information gain (IG) was used to select features on identifying breast cancer using AIRS algorithm. The results of 10 times the crossing (CF) of our validation on various AIRS seeds indicate that the proposed method can achieve the best performance with accuracy =0.9797 and AUC=0.9777 at k=6 and seed=50.
IMPLEMENTASI SISTEM KEAMANAN PERUMAHAN YANG TERINTEGRASIDENGAN APLIKASI PANIC BUTTON Supraptoa, Supraptoa; Edy Santoso; Achmad Ridok
Prosiding Seminar Nasional Pengabdian Kepada Masyarakat Vol. 4 (2023): PROSIDING SEMINAR NASIONAL PENGABDIAN KEPADA MASYARAKAT - SNPPM2023
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Negeri Jakarta

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

Abstract

Abstract The condition of the residential environment with residents who have a high level of mobility and long working hours makes the residential environment quiet and only a small proportion of family members are at home. The condition of a quiet residential environment will certainly trigger the occurrence of crime. If there is a crime that is located far from the security post, it cannot be handled immediately by security officers. In addition, there are many vehicles entering and leaving the housing. In this community service activity, the implementation of a housing security system that is integrated with the panic button application is carried out. The targets in the training activities and implementation of the implementation of the housing security system are housing security officers and people who live in housing. In this community service activity, a total of 12 CCTVs can be implemented in housing. The implementation of the service went well this can be seen from the average value of feedback from participants, namely 4,8. Abstrak Kondisi lingkungan perumahan dengan penduduk yang memiliki tingkat mobilitas tinggi dan jam kerja yang panjang membuat lingkungan perumahan menjadi sepi dan hanya sebagian kecil anggota keluarga yang berada di rumah. Kondisi lingkungan perumahan yang sepi tentunya akan memicu terjadinya tindak kejahatan. Jika terjadi tindak kejahatan yang lokasinya jauh dari pos keamanan, maka tidak dapat langsung ditangani oleh petugas keamanan. Selain itu, terdapat banyak kendaraan yang masuk dan keluar dari Perumahan. Pada kegiatan pengabdian ini dilakukan implementasi sistem keamanan perumahan yang terintegrasi dengan aplikasi panic button. Sasaran dalam kegiatan pelatihan dan implementasi implementasi sistem keamanan perumahan petugas keamanan perumahan dan masyrakat yang tinggal di perumahan. Dalam kegiatan pengabdian kepada masyarakat ini dapat diimplementasikan total 12 CCTV di perumahan. Pelaksanaan pengabdian berjalan dengan baik hal ini dapat dilihat dari nilai rata-rata umpan balik dari peserta yaitu 4.8.
Perbandingan Metode IndoBERT Dengan CNN Untuk Analisis Sentimen Berbasis Aspek Terhadap Ulasan Pelanggan (Studi Kasus : Hotel Indonesia Kempinski Jakarta Pada Website Travel Agent Tiket.Com) Putra Pratama, Ferdiansyah; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 10 (2024): Oktober 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Saat ini banyak perusahaan yang menyediakan informasi mengenai akomodasi dan pemesanan hotel yang terdapat di berbagai kota di seluruh dunia, sebagai contoh adalah Tiket.com. Melalui situs Tiket.com, pengunjung dapat membaca berbagai ulasan dari setiap pengunjung yang menginap di hotel-hotel tertentu. Salah satu hotel yang telah eksis lama di Indonesia dan memiliki banyak pelanggan baik domestik maupun mancanegara adalah Hotel Indonesia Kempinski di Jakarta. Ulasan ini seringkali digunakan sebagai sumber informasi bagi para wisatawan untuk memilih tempat singgah saat dalam perjalanan. Dengan beragamnya ulasan yang dituliskan oleh customer pada website tersebut, terkadang ada beberapa ulasan yang makna kalimatnya tidak sesuai dengan yang terpetakan aspeknya. Untuk menguji kesesuaian ulasan dengan pemetaan aspeknya serta aspek yang perlu dilakukan perbaikan layanan maka dilakukan analisis sentimen berbasis aspek menggunakan IndoBERT & CNN. Hasil yang diperoleh adalah terdapat beberapa ketidaksesuaian antara pemetaan aspek di website dengan makna ulasan yang dituliskan. Selain itu, setelah dianalisis sentimennya maka aspek kebersihan perlu ditingkatkan karena memiliki sentimen ulasan negatif terbanyak sebesar 63 dari total 245 review. Kemudian, setelah dilakukan pengujian algoritma CNN memiliki akurasi paling tinggi untuk pemetaan aspek dengan prosentase 89.83% dibandingkan algoritma IndoBERT yang memiliki nilai akurasi 77.22%.
Analisis Sentimen Terhadap Program Indonesian International Student Mobility Award (IISMA) di Platform X / Twitter Menggunakan TF-IDF dan SVM Fidian, Diagne Alya; Fatyanosa, Tirana Noor; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Indonesian International Student Mobility Award (IISMA) adalah program Merdeka Belajar Kampus Merdeka (MBKM) yang bertujuan memperluas wawasan dan membangun hubungan internasional bagi mahasiswa Indonesia. Penelitian ini menganalisis sentimen masyarakat terhadap IISMA di platform X menggunakan metode analisis sentimen berbasis Support Vector Machine (SVM) dengan kernel linear, polinomial, dan Radial Basis Function (RBF). Dataset diperoleh melalui web scraping dan diolah menggunakan text mining dengan ekstraksi fitur TF-IDF. Hasil menunjukkan bahwa model SVM mampu mengklasifikasikan sentimen ke dalam tiga kelas yaitu positif, netral, dan negatif, namun kesulitan dalam memprediksi kelas negatif akibat ketidakseimbangan dataset. Kernel RBF memiliki kinerja terbaik dengan precision 70,52% dan akurasi 62,92%, sedangkan kernel linear menghasilkan F1-score tertinggi sebesar 53%, menunjukkan keseimbangan antara precision dan recall. Pengujian kinerja model pada teks berbahasa Indonesia dan Inggris menunjukkan bahwa teks berbahasa Inggris memberikan hasil lebih baik dengan akurasi 71,11% dibandingkan 62,44% pada teks berbahasa Indonesia yang didukung oleh kemampuan TextBlob dalam mengenali pola sentimen bahasa Inggris secara lebih akurat. Hasil ini menggarisbawahi pentingnya strategi khusus untuk meningkatkan kinerja analisis sentimen pada teks berbahasa Indonesia, termasuk pelabelan manual atau penggunaan alat analisis sentimen yang mendukung bahasa tersebut.
Penerapan Cosine Similarity untuk Deteksi Persamaan Sumber Kode Java Ramadhan, Aditya Rizky; Ridok, Achmad; Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JTIIK
Sistem Rekognisi Citra Digital Bahasa Isyarat Menggunakan Convolutional Neural Network dan Spatial Transformer Mahardika, Mohammad Alfiano Rizky; Yudistira, Novanto; Ridok, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 6: Desember 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023118098

Abstract

Bahasa isyarat merupakan hal yang sangat penting bagi suatu kelompok masyarakat, yaitu masyarakat bisu atau tuli. Untuk dapat berkomunikasi dengan masyarakat bisu atau tuli, orang yang tidak bisu atau tuli memerlukan bahasa isyarat tersebut untuk dapat mengerti maksud atau pikiran mereka yang bisu atau tuli. Sebagian besar percakapan pada bahasa isyarat dilakukan dengan menggunakan tangan, dimana tangan beserta jari-jarinya digunakan untuk membentuk pose atau bentuk yang unik, sehingga dapat dikenali sebagai maksud tertentu. Penulis mengusulkan dikembangkan sistem rekognisi citra digital untuk dapat mengenali bahasa isyarat tersebut. Dengan menggunakan metode Convolutional Neural Network (CNN) yang merupakan bagian dari Deep Learning atau Machine Learning, sistem akan mengenali pose atau bentuk dari citra bahasa isyarat yang dimasukkan, dan memberikan luaran yang sesuai dengan maksud dari pose atau bentuk dari citra bahasa isyarat tersebut. Penelitian ini dimulai dengan pengumpulan data, baik data sekunder dari internet maupun data pribadi yang diambil secara manual. Data kemudian melalui pemrosesan awal dan diklasifikasikan dengan CNN, lalu didapatkan hasil untuk dianalisis. Apabila hasil memuaskan, model akan diekspor untuk dimasukkan ke dalam aplikasi berbasis web untuk digunakan secara real-time. Berdasarkan hasil pengujian, model yang terbaik untuk arsitektur adalah model EfficientNet B4 dengan menggunakan Hyperparameter optimizer Adam dan learning rate 0.001 beserta scheduler. Digunakan pretrained weights untuk meningkatkan akurasi tersebut, dan ditambahkan Spatial transformer untuk mencoba membuat model menjadi lebih kokoh. Ditambah dengan pretrained weights, model diekspor untuk digunakan secara real-time. Hasil pengujian real-time menunjukkan bahwa model mampu mendeteksi setidaknya 23 dari 26 alfabet pada latar belakang yang abstrak. Apabila diuji pada latar belakang polos seperti hitam atau putih, model mampu mendeteksi seluruh 26 alfabet dengan probabilitas yang hampir sempurna. Hal ini menunjukkan bahwa metode yang digunakan sudah mampu mengatasi masalah yang disampaikan.   Abstract Sign language is very important for a group of people, namely the deaf or dumb. To be able to communicate with people who are mute or deaf, people who are not mute or deaf require sign language to be able to understand the intentions or thoughts of those who are mute or deaf. Most conversations in sign language are carried out using the hands, where the hands and their fingers are used to form unique poses or shapes, so that they can be recognized as having certain meanings. The author proposes to develop a digital image recognition system to be able to recognize sign language. By using the Convolutional Neural Network (CNN) method which is part of Deep Learning or Machine Learning, the system will recognize the pose or shape of the entered sign language image, and provide output that matches the meaning of the pose or shape of the sign language image. This research began with data collection, both secondary data from the internet and personal data taken manually. The data then goes through initial processing and is classified with CNN, then results are obtained for analysis. If the results are satisfactory, the model will be exported to be included in a web-based application for use in real-time. Based on the test results, the best model for the architecture is the EfficientNet B4 model with the Hyperparameter consisting of optimizer Adam and learning rate 0.001 along with the scheduler. Pretrained weights were used to improve accuracy, and Spatial transformers were added to try to make the model more robust. Coupled with pretrained weights, the model is exported for use in real-time. Real-time test results show that the model is able to detect at least 23 of the 26 alphabets on an abstract background. When tested on a plain background such as black or white, the model was able to detect all 26 alphabets with almost perfect probability. This shows that the method used is able to overcome the problem presented.
Analisis Sentimen Tanggapan Pengguna X Terhadap Pembangunan Ibu Kota Negara (IKN) Menggunakan Metode Long Short-Term Memory (LSTM) Dengan Perbandingan Word Embedding GloVe dan FastText Andrea, Amalia Reani; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di SENTRIN 2025
Peringkasan Dokumen Bahasa Indonesia Berbasis Non-Negative Matrix Factorization (NMF) Ridok, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1 No 1: April 2014
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (669.594 KB) | DOI: 10.25126/jtiik.201411104

Abstract

Abstrak Peningkatan teknologi informasi telah memicu peningkatan dokumen teks digital secara massif termasuk dokumen berbahasa Indonesia. Penggalian informasi dari dokumen berupa ringkasan secara otomatis sangat dibutuhkan. Pada penelitian ini  peringkasan otomatis  menggunakan Nonnegatif Matrix Factorization (NMF) telah dikembangkan. Sistem dievaluasi dengan membandingkan  ringkasan sistem dengan  ringkasan dari  3 orang pakar   terhadap 100 dokumen bahasa Indonesia . Hasil evaluasi menunjukkan ringkasan  sistem  mempunyai rata-rata presisi dan recall   masing-masing 0.19724 dan 0.34085. Sedangkan  evaluasi ringkasan antar pakar  mempunyai rata-rata presisi dan recall masing-masing 0.68667 dan 0.70642..   Kata kunci: peringkasan dokumen, NMF Abstract Improvement of information technology has led to increased massively digital text documents, including documents of Indonesian language. Extracting information from documents such as automatic summary  is needed. In this study peringkasan automatically using non-negative Matrix Factorization (NMF) has been developed. The system was evaluated by comparing summary of system with summary of of three experts on 100 Indonesian documents. The evaluation shows summary of the system has an average precision and recall respectively 0.19724 and 0.34085. While the summary of an expert evaluation had an average precision and recall respectively 0.68667 and 0.70642. Keywords: text summarization, NMF
Pengklasifikasian Dokumen Berbahasa Indonesia Dengan Pengindeksan Berbasis LSI Ridok, Achmad; ., Indriati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 2: Oktober 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (911.531 KB) | DOI: 10.25126/jtiik.201522136

Abstract

AbstrakKlasifikasi dokumen teks bertujuan untuk menentukan kategori suatu dokumen berdasarkan kesamaannya dengan kumpulan dokumen yang telah berlabel sebelumnya. Namun demikian kebanyakan metode klasifikasi yang ada saat ini dilakukan berdasarkan kata-kata kunci atau kata-kata yang dianggap penting dengan mengasumsikan masing-masing merepresentasikan konsep yang unik. Padahal pada kenyataanya beberapa kata yang mempunyai makna atau semantik sama seharusnya diwakili satu kata unik. Pada penelitian ini pendekatan berbasis LSI (Latent Semantic Indexing) digunakan pada KNN untuk mengklasifikasi dokumen berbahasa Indonesia. Pembobotan term dari dokumen-dokumen latih maupun uji menggunakan tf-idf,  yang direpresentasikan masing-masing dalam matrik term-dokumen A dan B. Selanjutnya matrik A didekomposisi menggunakan SVD untuk mendapatkan matrik U dan V yang tereduksi dengan k-rank. Kedua matrik U dan V digunakan untuk mereduksi B sebagai representasi dokumen uji.  Evaluasi kinerja sistem terbaik berdasarkan hasil  diperoleh pada klasifikasi KNN berbasis LSI tanpa stemming dengan threshould 2. Akan tetapi evaluasi kinerja terbaik berdasarkan waktu dicapai ketika KNN LSI dengan stemming pada threshould 5. Kinerja KNN berbasis LSI secara signifikan jauh lebih baik dibandingkan dengan KNN biasa baik dari sisi hasil maupun waktu.Kata kunci: KNN, LSI, K-Rank, SVD, Klasifikasi dokumen AbstractClassification of text documents aimed to determine the category of a document based on its similarity to set of documents which have been previously labeled. However, most existing methods of classification were conducted based on key words or words that are considered important by assuming each representing a unique concept. Whereas in fact some of the words that have the same meaning or semantics should be represented as a unique word. In this research LSI -based approach  used on KNN to classify documents in Indonesian language. Weighting the terms of the training documents or testing using tf-idf, which represented respectively in term-document matrix A and B. Furthermore, the matrix A is decomposed using SVD to obtain matrices U and V are reduced by k-rank. Both matrices U and V are used to reduce B as a representation of test documents. The best system performance evaluation based on the results obtained LSI-based in the KNN classification without stemming with threshould 2. However, the best performance evaluation based on the time achieved when KNN LSI with stemming the KNN with threshould 5. Performance-based LSI is significantly much better than the tradisional KNN in term both the outcome and timing.Keywords: KNN, LSI, K-Rank, SVD, Documents classification
Pengaruh Word Affect Intensities Terhadap Deteksi Ulasan Palsu Istanto, Raga Saputra Heri; Bachtiar, Fitra Abdurrachman; Ridok, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 2: April 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022925652

Abstract

Transaksi jual beli elektronik melalui internet terus berkembang dan menjadi populer, begitu pula dengan jumlah ulasan dari pelanggan yang meningkat pesat. Dengan banyaknya pemberi ulasan, terdapat kemungkinan seseorang menulis ulasan palsu yang disebut fake review untuk mempromosikan produk atau menjatuhkan produk kompetitor. Sangat penting untuk dapat mendeteksi ulasan palsu sehingga ulasan yang digunakan pelanggan sebagai pertimbangan untuk memilih produk atau jasa merupakan ulasan yang andal. Studi sebelumnya hanya menggunakan fitur sentimen yang terbatas pada objektivitas dan polaritas untuk melakukan deteksi ulasan palsu. Sedangkan studi yang lebih baru menunjukan adanya leksikon kosa kata berbasis emosi yang diberi nama word affect intensities yang terbukti mampu mengukur sentimen dengan lebih baik pada kalimat. Penelitian ini bermaksud untuk mengetahui apakah word affect intensities dapat menjadi faktor yang mempengaruhi hasil deteksi ulasan palsu. Penelitian dilakukan dengan memunculkan dua fitur baru berlandaskan word affect intensities berupa fitur kelompok emosi positif dan fitur kelompok emosi negatif. Fitur tersebut kemudian dikombinasikan dengan fitur pada penelitian sebelumnya dan dievaluasi menggunakan beberapa algoritme klasifikasi. Hasil penelitian menunjukan word affect intensities dapat menjadi faktor yang mempengaruh peningkatan akurasi deteksi ulasan palsu sebesar 2.1%. Abstract Electronic buying and selling transactions over the internet continue to grow and become popular, as well as the number of reviews from customers that is increasing rapidly. With so many reviewers, it is possible that someone wrote a fake review to promote a product or demote a competitor’s product. It is very important to be able to detect fake review so that the reviews customers use as a consideration for choosing a product or service are reliable reviews. Previous studies only used sentiment features that were limited to objectivity and polarity to detect fake review. Meanwhile, a more recent study shows that there is an emotion-based vocabulary lexicon called word affect intensities which are proven to be able to better measure sentiment in sentences. This study intends to determine whether word affect intensities can be a factor that affects the results of fake review detection. The research was conducted by bringing up two new features based on the word affect intensities in the form of positive emotion group features and negative emotion group features. These features are then combined with features in previous studies and evaluated using several classification algorithms. The results showed that word affect intensities can be a factor that affects the increased accuracy of fake review detection by 2.1%.
Co-Authors Abdul Azis Adjie Sumanjaya Akbar, Alvin Tarisa Andrea, Amalia Reani Andreas Tommy Christiawan Anindya Celena Khansa Kirana Arief Andy Soebroto Barlian Henryranu Prasetio Bayu Rahayudi Dian Eka Ratnawati Dimas Adi Syahbani Achmad Putra Dimi Karillah Putra Edy Santoso Edy Santoso Edy Santoso Fidian, Diagne Alya Firdausi, Fathina Atsila Fitra Abdurrachman Bachtiar Fitra Bachtiar Griselda Anjeli Sirait Hasyir Daffa Ibrahim Ikhsan Putra Arisandi Indriati Indriati ., Indriati Indriati Indriati Indriati Indriati Iqbal Maulana Susanto Istanto, Raga Saputra Heri Jagad Nabil Tuah Imanda Jasico Da Comoro Aruan Kornelius Putra Aditama Kusuma Ari Prabowo Mahardika, Mohammad Alfiano Rizky Mahendra, Zianka Mochammad Ilman Asnada Muhammad Tanzil Furqon Nashi Widodo Novanto Yudistira Nuril Haq, Muhammad Nurul Hidayat Putra Pratama, Ferdiansyah Rama Humam Syarokha RAMADHAN, ADITYA RIZKY Randy Cahya Wihandika Retnani Latifah, Retnani Ricardo, Muhammad Erico Rifa’i, Muhaimin Setyoko Yudho Baskoro Sianturi, Manat Hendry Fernando Supraptoa, Supraptoa Tanica Rakasiwi Tirana Noor Fatyanosa, Tirana Noor Wayan Firdaus Mahmudy Yudha Irwan Syahputra Yunita Dwi Lestari