Article Per Year (5 Year)
p-Index From 2020 - 2025
4.566
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Majalah Ilmiah Teknologi Elektro Jurnal INKOM Proceedings of KNASTIK Jurnal Teknologi Informasi dan Ilmu Komputer Journal of ICT Research and Applications Seminar Nasional Informatika (SEMNASIF) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING KOMPUTIKA - Jurnal Sistem Komputer Jurnal Abdimasa TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol JMECS (Journal of Measurements, Electronics, Communications, and Systems) Jurnal Teknik Informatika (JUTIF) Almufi Jurnal Pengabdian kepada Masyarakat Prosiding Konferensi Nasional PKM-CSR Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) eProceedings of Engineering Majalah Ilmiah Teknologi Elektro
Koredianto Usman
Universitas Telkom
Religion Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Nursing Public Health Social Sciences Other

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search
Journal : eProceedings of Engineering

 1   2 
Analisis Performansi Hate Comments pada Learning Rate 10-1- 10-3 dengan Dataset dari X Budiyanto, Anggara; Maharani, Kartika Dwi; Huljannah, Miftah; Syahanifa, Nancy Olivia; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Cyberbullying merupakan fenomena sosial yang se- makin meningkat seiring dengan meningkatnya penggunaan media sosial, dan seringkali menyebabkan dampak psikologis serta emosional yang merugikan, terutama melalui hate com- ments. Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dan Cendol dalam mendeteksi komentar kebencian yang berhubungan dengan cyberbullying. Survei terhadap 328 partisipan menghasilkan 64 kata kunci terkait cyberbullying. Proses penelitian mencakup pengumpulan dataset yang berisi kata kunci tersebut, serta pengujian kedua model menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Cendol unggul dengan akurasi sebesar 90,5% pada konfigurasi batch size 15, epoch ke-4, dan learning rate 10-3, sementara IndoBERT hanya mencapai akurasi 36% pada konfigurasi batch size 5, epoch ke- 4, dan learning rate 10-3. Meskipun kedua model menunjukkan potensi dalam mendeteksi ujaran kebencian, model IndoBERT menunjukkan performa yang lebih rendah pada dataset yang digunakan, kemungkinan disebabkan oleh keterbatasan dalam menangani konteks lokal. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi ujaran keben- cian berbasis bahasa Indonesia, yang dapat diimplementasikan pada berbagai platform media sosial seperti X, Facebook, Insta- gram, dan TikTok untuk mengurangi dampak negatif dari hate comments. Kata Kunci: Cyberbullying, Hate Comments, IndoBERT, Cen- dol, NLP.
Analisis Performansi Hate Comments pada Learning Rate 10-1- 10-3 dengan Dataset dari X Budiyanto, Anggara; Maharani , Kartika Dwi; Huljannah, Miftah; Syahanifa , Nancy Olivia; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Cyberbullying merupakan fenomena sosial yang se- makin meningkat seiring dengan meningkatnya penggunaan media sosial, dan seringkali menyebabkan dampak psikologis serta emosional yang merugikan, terutama melalui hate com- ments. Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dan Cendol dalam mendeteksi komentar kebencian yang berhubungan dengan cyberbullying. Survei terhadap 328 partisipan menghasilkan 64 kata kunci terkait cyberbullying. Proses penelitian mencakup pengumpulan dataset yang berisi kata kunci tersebut, serta pengujian kedua model menggunakan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa model Cendol unggul dengan akurasi sebesar 90,5% pada konfigurasi batch size 15, epoch ke-4, dan learning rate 10-3, sementara IndoBERT hanya mencapai akurasi 36% pada konfigurasi batch size 5, epoch ke- 4, dan learning rate 10-3. Meskipun kedua model menunjukkan potensi dalam mendeteksi ujaran kebencian, model IndoBERT menunjukkan performa yang lebih rendah pada dataset yang digunakan, kemungkinan disebabkan oleh keterbatasan dalam menangani konteks lokal. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi deteksi ujaran keben- cian berbasis bahasa Indonesia, yang dapat diimplementasikan pada berbagai platform media sosial seperti X, Facebook, Insta- gram, dan TikTok untuk mengurangi dampak negatif dari hate comments. Kata Kunci: Cyberbullying, Hate Comments, IndoBERT, Cen- dol, NLP.
Desain dan Implementasi Website Harvest Lens Prediksi Harga Beras Menggunakan Framework Streamlit Julyano , Muhammad Billy; Wibowo , Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Pergerakan harga pangan di Indonesia memiliki dampak signifikan terhadap ekonomi dan kesejahteraan masyarakat. Fluktuasi harga dan ketidaksesuaian pasokan sering menjadi pemicu inflasi yang mengganggu stabilitas ekonomi. Oleh karena itu, pemahaman yang akurat tentang dinamika harga pangan sangat penting untuk mendukung kebijakan yang efektif dalam mengendalikan inflasi dan memastikan ketersediaan pangan yang memadai. Program prediksi harga pangan yang dikembangkan oleh Badan Pangan Nasional, Telkom University, dan Badan Riset Inovasi Nasional bertujuan untuk meningkatkan pemahaman ini. Telkom University berperan dalam mengembangkan prediksi harga pangan berbasis web yang disebut Harvest Lens. Website ini dikembangkan menggunakan Use Case Diagram dan Activity Diagram untuk perancangan, serta Python dan Framework Streamlit untuk implementasi. Pengujian menggunakan System Usability Scale (SUS) menunjukkan rata-rata nilai 87,08, mencerminkan kategori "Best Imaginable" menurut skala SUS. Hasil ini menunjukkan bahwa website berhasil memenuhi kebutuhan pengguna dengan baik dan memberikan pengalaman pengguna yang memuaskan. Kata kunci— Website, Python, Streamlit, SUS
Pengembangan Model Prediksi Harga Beras Nasional Berbasis Multivariate Menggunakan Temporal Fusion Transformer (TFT) Radhibilla, Maulaya; Wibowo, Suryo Adhi; Usman, Koredianto
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Dalam konteks ekonomi, sosial, dan politik, harga komoditas pangan memiliki peran penting yang signifikan dalam menentukan stabilitas ekonomi dan kesejahteraan masyarakat. Namun, terdapat tantangan dalam pengelolaan harga pangan, seperti mengidentifikasi periode-periode tertentu di mana harga pangan mengalami kenaikan signifikan dan memperkirakan tren harga pangan di masa depan. Berdasarkan latar belakang tersebut, dirancanglah model prediksi dengan pendekatan multivariate, menggunakan arsitektur Temporal Fusion Transformer (TFT). TFT adalah model Transformer yang dirancang untuk peramalan time series multi-horizon dan meraih performa state-of-the-art. Pada perancangan ini, terdapat enam jenis data, baik data kontinu maupun kategorial, yang digunakan dengan target prediksi harga harian Beras Premium dan Beras Medium hingga 30 hari ke depan berdasarkan pola temporal 90 hari sebelumnya. Berdasarkan pengujian yang dilakukan dengan 30 baris terakhir data, didapatkan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,23% untuk Beras Premium dan 0,3% untuk Beras Medium. Pengujian ini menunjukkan bahwa performa TFT sangat baik dalam implementasi time series multivariate forecasting. Kata kunci— Harga, Beras, Time Series, TFT, Multivariate, MAPE
Co-Authors Achmad Rizal Achmad Rizal Achmad, Fariz Adam Agus Kurniawan Afif Priyambodo Akbar Trisnamulya Putra Akhmad Yusuf Nasirudin Alfarizi, Muhammad Alfian Andriyan B. Suksmono Andriyan Bayu Suksmono, Andriyan Bayu ARIS HARTAMAN Bambang Hidayat Bedy Purnama Budiyanto, Anggara Chelsya Dwi Marnelius Denny Darlis Denta Rahmadani Eriel Mar Fiky Y. Suratman Fityanul Akhyar Gryaningrum Widi Pangestuti Gusti Ngurah Rama Putra Atmaja Hanung Tyas Saksono Hendra Gunawan Hendra Gunawan Heri Syahrian, Heri Heroe Wijanto Huljannah, Miftah Humayra, Tia Hasna Imanadi, Muhammad Tsabit Imanadi Ivy Anindhita Hadyningtyas Jangkung Raharjo Julyano , Muhammad Billy Kalfika Yani Ledya Novamizanti Maharani , Kartika Dwi Maharani, Kartika Dwi Mochamad Noverian Zhafar Muhammad Ary Murti Noor Akhmad Gilar Romadhon Nor Kumalasari Caecar Pratiwi Nur Ibrahim Nurinda Fadhilah Amani Nurinda Fadhilah Amani Putranto, Devdan Wisesa Putri Marito R. Irawan Satria Putra R. Yunendah Nur Fu’adah Radhibilla, Maulaya Radian Sigit Raditiana Patmasari Rahmayati Alindra Razief Moch Diar Rita Magdalena Runik Machfiroh Rustam Sigit, Radian Singgih Yuliyanto SOFIA SAIDAH Sugondo Hadiyoso Suryo Adhi Wibowo Susmini Indriani Lestariningati Syahanifa , Nancy Olivia Syahanifa, Nancy Olivia Tita Haryanti Tsabita Al Asshifa Hadi Kusuma Victor Aji Admaja Pellokila Vitria Puspitasari Rahadi Wardani , Shania Yuliyanto, Singgih