Claim Missing Document
Check
Articles

Found 19 Documents
Search

Pemanfaatan Artificial Intelligence Markup Language (AIML) dan Latent Semantic Analysis (LSA) dalam Pengembangan Chatbot E-Education. Muhammad Febrilian Zulrahman; Hermawan Syahputra
INTECOMS: Journal of Information Technology and Computer Science Vol 6 No 1 (2023): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v6i1.5459

Abstract

ABSTRAK Chatbot adalah program terkomputerisasi yang bertindak seperti bahasa sehari-hari antara manusia dan bot, assisten virtual yang telah menjadi sangat populer dalam beberapa tahun terakhir terutama karena peningkatan dramatis di bidang-bidang seperti kecerdasan buatan, pembelajaran mesin, dan teknologi dasar lainnya seperti jaringan saraf dan pemrosesan bahasa alami. Tidak seperti pendidikan tradisional, e-education adalah area di mana kemungkinan teknologi baru dengan cepat dieksplorasi dan diadopsi. Ini berguna baik untuk pendidikan tatap muka maupun untuk e-learning. Itulah mengapa pentingnya platform pendidikan harus terus ditingkatkan. Di era industry 5.0 society banyak berkembang teknologi kecerdesan buatan untuk memudahkan peran manusia. AIML dengan pendekatan metode LSA dalam membangun chatbot yang berisi pendidikan tentang pengetahuan dasar tentang Islam. Dengan pengembangan Chatbot E-Education ini diharapkan mampu meningkatkan kualitas pendidikan terkhusus pendidikan agma islam. Hasil dari penelitian ini adalah untuk menghasilkan suatu sarana interaktif dalam pengembangan chatbot dengan memanfaatkan Artificial Intelligence Markup language (AIML) dengan pendekatan Latent Semantic Analysis (LSA) yang berisikan edukasi pengetahuan dasar agama Islam. Sehingga dapat membantu dalam memberikan informasi dan edukasi seputar agama Islam. Kata Kunci: Chatbot, Artificial Intelligence, E-education
Comparison of Support Vector Machine (SVM) and Random Forest Algorithm for Detection of Negative Content on Websites Hermawan Syahputra; Aldiva Wibowo
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol 9, No 1 (2023): March
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v9i1.25861

Abstract

The amount of negative content circulating on the internet can damage people's morale so that social conflicts arise in society that threaten national sovereignty. Detecting negative content can help identify and prevent harmful events before they occur. This can lead to a safer and more positive online environment. Comparison of Support Vector Machine (SVM) and Random Forest (RF) Algorithm for Detection of Negative Content on Websites. The research contributions are 1) detect negative content on the internet with random forest and SVM, 2) comparing SVM and RF algorithms for detecting negative content on websites, 3) detection of negative content based on text focusing on the categories of fraud, gambling, pornography and Whitelist. The stages of this research are preparing a text content dataset on a website that has been labeled, preprocessing (duplicated data, text cleansing, case folding, stopward, tokenize, label encoding, data splitting, and determine the TF-IDF), finally performing the classification process with SVM and Random Forest. The dataset used in this study is a structured dataset in the form of text obtained from emails that have been registered on the TrustPositive website as negative content.  Negative content includes fraud, pornography and gambling. The results show the accuracy of the SVM is 97%, Precision 90% and Recall 91%, while for Accuracy in Random Forest is 92%, Precision 71%, and Recall 86%. The value obtained is the result of testing using 526 website URLs. The test results show that the Support Vector Machine is better than the Random Forest in this study.
Pengembangan Perangkat Pembelajaran Kooperatif Type Course Review Horay dan Media Geogebra untuk Meningkatkan Kemampuan Berpikir Spasial dan Resiliensi Matematika Siswa Kelas VIII Putri Mayang Sari; Hermawan Syahputra; Kms. Amin Fauzi
Jurnal Cendekia : Jurnal Pendidikan Matematika Vol 7 No 2 (2023): Jurnal Cendekia: Jurnal Pendidikan Matematika Volume 7 Nomor 2 Tahun 2023
Publisher : Mathematics Education Study Program

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cendekia.v7i2.2426

Abstract

Penelitian ini bertujuan: untuk menganalisis peningkatan dan mengembangkan kemampuan berpikir spasial serta kemampuan resiliensi matematis siswa dengan menggunakan perangkat pembelajaran kooperatif type Course Review Horay dan Media Geogebra yang dikembangkan, untuk menganalisis validitas, kepraktisan dan keefektifan perangkat pembelajaran yang dikembangkan dengan kooperatif type Course Review Horay dan Media Geogebra dalam meningkatkan kemampuan berfikir spasial dan resiliensinya. Jenis penelitian ini adalah penelitian pengembangan dengan model ADDIE. Penelitian dilaksanakan di MTs. Al-Washliyah Tembung sebanyak 33 siswa. Hasil penelitian menunjukkan bahwa dari 33 orang peserta didik sebanyak 32 mengalami peningkatan kemampuan berpikir spasial atau setara dengan 97%. Sedangkan peningkatan kemampuan resiliensi matematis peserta didik hanya mengalami peningkatan sebesar 19 dari 33 orang peserta didik atau setara dengan 58%. Dari hasil penelitian juga menunjukkan bahwa model pengembangan ini lebih efektif digunakan untuk meningkatkan kemampuan berpikir spasial dan kemampuan resiliensi matematis daripada model pembelajaran yang biasa digunakan didalam kelas, perangkat pembelajaran yang dikembangkan dengan kooperatif type Course Review Horay dan Media Geogebra dinyatakan valid, praktis dan efektif dalam proses pembelajaran.
Pengembangan LKPD Elektronik (E-LKPD) Berbasis Problem- Solving untuk Meningkatkan Kemampuan Pemecahan Masalah Matematis dan Kemandirian Belajar Peserta Didik SMP IT Indah Medan Siti Nabila Panjaitan; Abil Mansyur; Hermawan Syahputra
Jurnal Cendekia : Jurnal Pendidikan Matematika Vol 7 No 2 (2023): Jurnal Cendekia: Jurnal Pendidikan Matematika Volume 7 Nomor 2 Tahun 2023
Publisher : Mathematics Education Study Program

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cendekia.v7i2.2341

Abstract

Penelitian ini bertujuan untuk (1) menghasilkan E-LKPD berbasis Problem solving yang valid, praktis dan efektif dalam meningkatkan kemampuan pemecahan masalah matematis dan kemandirian belajar peserta didik, (2) menganalisis dan menyimpulkan peningkatan kemampuan pemecahan masalah matematis peserta didik menggunakan E-LKPD berbasis Problem solving, (3) menganalisis dan menyimpulkan peningkatan kemandirian belajar peserta didik menggunakan E-LKPD berbasis Problem solving. Penelitian ini menggunakan model pengembangan (development & research) dengan menggunakan mode 4-D Thiagaradjan. Subjek dalam penelitian ini adalah peserta didik kelas VIII SMP IT Indah Medan tahun ajaran 2022/2023. Hasil penelitian ini menunjukkan bahwa 1) E-LKPD berbasis problem solving yang dikembangkan dinyatakan valid, efektif; 2) Kemampuan pemecahan masalah matematis peserta didik di SMP IT Indah Medan yang diajarkan dengan menggunakan Elektronik LKPD (E-LKPD) berbasis problem solving dinyatakan meningkat dari uji coba I ke Uji coba II dilihat dari nilai N-Gain pada uji coba I sebesar 0,56 (sedang) meningkat menjadi 0,58 (sedang) pada uji coba II; 3) Peningkatan kemandirian belajar peserta didik di SMP IT Indah Medan yang diajarkan dengan menggunakan Elektronik LKPD (E-LKPD) berbasis problem solving dinyatakan meningkat dari uji coba I ke Uji coba II dilihat dari nilai N-Gain pada uji coba I sebesar 0,49 (sedang) meningkat menjadi 0,50 (sedang) pada uji coba II.
Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree Untuk Deteksi Tingkat Depresi Mahasiswa Ihsan Zulfahmi; Hermawan Syahputra; Steven Imanuel Naibaho; M. Ari Maulana; Edward Perdana Sinaga
Bahasa Indonesia Vol 10 No 1 (2023): Bina Insani ICT Journal (Juni) 2023
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/biict.v10i1.2304

Abstract

Depresi adalah gangguan kesehatan mental umum yang dapat mempengaruhi orang-orang dari segala usia dan dari semua lapisan masyarakat. Deteksi dan intervensi dini sangat penting untuk mengelola depresi dan mencegah konsekuensi negatifnya. Dalam beberapa tahun terakhir, algoritma pembelajaran mesin telah digunakan untuk mendeteksi tingkat depresi pada individu. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan Decision Tree dalam mendeteksi tingkat depresi pada mahasiswa.Kumpulan data yang digunakan dalam penelitian ini dikumpulkan dari 787 mahasiswa di Universitas Lahore dan memasukkan 19 variabel yang berkaitan dengan gejala depresi, gaya hidup, dan demografi. Algoritma Chi-Square digunakan untuk pemilihan fitur dan algoritma Decision Tree dan SVM digunakan untuk pemodelan. Studi tersebut menemukan bahwa kedua algoritme tersebut sangat akurat dalam mendeteksi depresi pada mahasiswa, dengan model SVM memiliki tingkat akurasi 95% lebih tinggi daripada model pohon keputusan. Penulis telah menyajikan data dan tabel secara visual yang menunjukkan akurasi dan ukuran evaluasi model. Studi menyimpulkan bahwa model SVM sangat akurat dalam mendeteksi tingkat depresi pada mahasiswa dan dapat digunakan sebagai alat yang dapat diandalkan untuk deteksi dini dan intervensi. Hasil penelitian ini memiliki implikasi penting bagi psikolog untuk mengambil tindakan. Algoritma pembelajaran mesin dapat digunakan untuk mendeteksi tingkat depresi individu, yang pada gilirannya dapat membantu deteksi dini dan intervensi. Ini dapat mengarah pada manajemen depresi yang lebih baik dan hasil kesehatan mental yang lebih baik. Namun, penelitian lebih lanjut diperlukan untuk memvalidasi hasil penelitian ini dan untuk mengeksplorasi potensi algoritma pembelajaran mesin dalam mendeteksi tingkat depresi pada populasi lain.
Detection of Participants Facial Expressions in Video Conference Using Convolutional Neural Network Algorithm Karimuddin Hakim Hasibuan; Hermawan Syahputra
Journal of Informatics and Data Science Vol 2, No 2 (2023): November
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/j-ids.v2i2.49060

Abstract

Purpose: The purpose of this research is to develop an architecture based on the Convolutional Neural Network (CNN) algorithm to detect facial expressions during video conferences. The goal is to address the problem of understanding participants' emotions and expressions during online video conferencing sessions. The aim is to create a system that can analyze facial expressions in images and determine the corresponding emotions.Methods/Study design/approach: Data was collected by capturing facial expression images from 10 students using a webcam. Preprocessing techniques, such as cropping, converting images to grayscale, and data augmentation, were applied to ensure data variation. The CNN model was trained using the processed data and evaluated using test data (a subset of the dataset), new data (external data) and video conference recording. Result/Findings: The CNN model achieved a high training accuracy of 97.5% using an image size of 128x128 and 2000 epochs. The model architecture consists of 2 Conv2D layers, 3 BatchNormalization layers, 2 MaxPooling layers, 2 dropout layers, 1 flat layer, 1 dense layer, and 1 output layer. When tested on facial expression data, the model achieved with 97,5% accuracy on the training data and 93,33% accuracy on the test data. The model was also able to detect the facial expressions of participants in the video conference. Novelty/Originality/Value: The novelty of this research lies in developing a CNN-based system to detect facial expressions in video conferences by analyzing facial images. This approach addresses the challenge of understanding participants' emotions and expressions during online video conferencing sessions, which can contribute to better communication and interaction among participants.
Pengaruh Model Pembelajaran Berbasis Masalah terhadap Kemampuan Pemecahan Masalah Matematika Siswa Kelas VIII SMP Negeri 5 Stabat Dina Aulia Luthfiah; E. Elvis Napitupulu; Hermawan Syahputra
Jurnal Cendekia : Jurnal Pendidikan Matematika Vol 7 No 2 (2023): Jurnal Cendekia: Jurnal Pendidikan Matematika Volume 7 Nomor 2 Tahun 2023
Publisher : Mathematics Education Study Program

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cendekia.v7i2.2297

Abstract

Penelitian ini bertujuan untuk menganalisis: (1) perbedaan pengaruh model Pembelajaran Berbasis Masalah dan model Pembelajaran Langsung terhadap kemampuan pemecahan masalah siswa; (2) interaksi antara model pembelajaran dan KAM terhadap kemampuan pemecahan masalah siswa. Penelitian ini merupakan penelitian kuantitatif dengan jenis qausi eksperimental design. Populasi pada penelitian ini yaitu seluruh kelas VIII SMP Negeri 5 Stabat Tahun Pelajaran 2022/2023 dengan jumlah 222 siswa. Uji dilakukan dengan ANAVA Dua Jalur. Hasil penelitian menunjukkan bahwa (1) terdapat perbedaan pengaruh antara model pembelajaran berbasis masalah dan model pembelajaran langsung terhadap kemampuan pemecahan masalah matematika siswa; (2) tidak terdapat interaksi antara kemampuan awal matematika (tinggi, sedang, dan rendah) dan model pembelajaran terhadap kemampuan pemecahan masalah matematika siswa di SMP Negeri 5 Stabat.
The Effect of Problem Based Learning Models on the Mathematical Dispositions of Class VIII Students of SMP Negeri 5 Stabat Dina Aulia Luthfiah; E. Elvis Napitupulu; Hermawan Syahputra
PARADIKMA: JURNAL PENDIDIKAN MATEMATIKA Vol 16, No 2 (2023): PARADIKMA JURNAL PENDIDIKAN MATEMATIKA (July - December 2023)
Publisher : Study Program of Mathematics Education of Unimed Postgraduate Program

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/paradikma.v16i2.48044

Abstract

The purpose of this research is to investigate: (1) how students' mathematical dispositions differ depending on whether they were taught using a Problem-Based Learning model or an Ordinary Learning model; (2) how the mathematical dispositions of students are affected by the relationship between the learning style and Previous Students' Ability. This study is a quantitative investigation employing procedures that are semi experimental. The instruments of this research are problem solving ability tests and student disposition questionnaires. The participants in this research project are all 222 students enrolled in class VIII at SMP Negeri 5 Stabat during the academic year 2022/2023. There are a total of 222 individuals. The method of sampling utilized for this investigation was a straightforward random sampling method, and the total number of students comprising the sample was calculated using the Issac and Michael formula. Essay examinations and questionnaires were the research tools that were utilized in this investigation. A Two Way ANOVA was utilized in the analysis of the results. The findings of the research indicate the following: (1) the mathematical disposition of students in the class that uses problem-based learning is higher than that of students in the class that uses ordinary learning; (2) there is no interaction between the learning model and early mathematical abilities (high, medium, and low) on students' mathematical dispositions.Keywords: Problem Based Learning, Quasi Experiment, Mathematical Dispositions
Development of Cooperative Learning Tools Type Course Review Horay and Geogebra Media to Improve Spatial Thinking Skills and Mathematical Resilience of Grade VIII Students Putri Mayang Sari Siregar; Hermawan Syahputra; KMS. Amin Fauzi
PARADIKMA: JURNAL PENDIDIKAN MATEMATIKA Vol 16, No 2 (2023): PARADIKMA JURNAL PENDIDIKAN MATEMATIKA (July - December 2023)
Publisher : Study Program of Mathematics Education of Unimed Postgraduate Program

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/paradikma.v16i2.48947

Abstract

This study aims to investigate the improvement and development of spatial thinking skills and mathematical resilience abilities of students using cooperatively developed learning tools of the Course Review Horay and Media Geogebra type; to investigate the validity, practicability, and efficacy of cooperatively developed learning tools of the Course Review Horay and Media Geogebra type in enhancing spatial thinking skills and resilience. This type of research is development research based on the ADDIE model. 33 MTs Al-Washliyah Tembung students participated in the study. The results demonstrated that 97% of the students, or 32 out of 33, improved their spatial reasoning skills. While only 19 of 33 students, or 58%, exhibited an increase in mathematical resilience. In addition, the results indicate that this development model is more effective than conventional classroom learning models at enhancing spatial reasoning and mathematical resilience. The learning aids created using cooperative Course Review Horay type and Geogebra are valid, applicable, and efficient.Keywords: ADDIE, Spatial Thinking Skills, Mathematical Resilience, Development Research