Article Per Year (5 Year)
p-Index From 2021 - 2026
4.604
P-Index
This Author published in this journals
All Journal Semantik MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal Ilmiah Kursor Jurnal Teknologi Informasi dan Ilmu Komputer Proceeding of the Electrical Engineering Computer Science and Informatics Jurnal Teknologi dan Sistem Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Knowledge Engineering and Data Science SMARTICS Journal Applied Information System and Management Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Journal of Information System,Graphics, Hospitality and Technology Applied Technology and Computing Science Journal Teknika Journal of Electrical Engineering and Computer (JEECOM) Journal of Applied Data Sciences International Journal of Engineering, Science and Information Technology Insyst : Journal of Intelligent System and Computation J-Intech (Journal of Information and Technology) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Sistem Cerdas dan Rekayasa Jurnal Inovasi Teknologi dan Edukasi Teknik Nusantara Journal of Computers and its Applications Bulletin of Social Informatics Theory and Application Jurnal Informatika: Jurnal Pengembangan IT Journal of Information Technology
Joan Santoso
Institut Sains Dan Teknologi Terpadu Surabaya
Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 47 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 47 Documents
Search

 1   2   3   4   5 
Expert System untuk Mendeteksi Penyakit Gigi Menggunakan Shell e2gLite dari Expertise2go Tuesday saka gustaf; Joan Santoso; Endang Setyati
Journal of Electrical Engineering and Computer (JEECOM) Vol 2, No 2 (2020)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v2i2.1442

Abstract

Jumlah tenaga kerja kesehatan gigi di kalangan masyarakat dinilai kurang seimbang.Tujuan utama penelitian ini untuk mendeteksi penyakit pada gigi seseorang dengan menyediakan solusi berupa sistem pakar . Tahapan proses pada penelitian ini meliputi: Pembelajaran literatur mengenai Forward Chaining ,Certainly Factor dan software expertise2Go yaitu E2glite dan Pemahaman penerapan metode Certainly Factor , Menentukan batasan-batasan permasalahan dari penelitian mengenai penyakit pada gigi serta merumuskan serangkaian solusi-solusi berupa informasi untuk mengatasi permasalahan penyakit pada gigi.Nilai akurasi dihitung dari tingkat keberhasilan sistem melakukan pelacakan dan pemberian informasi yang tepat tentang diagnosa penyakit gigi dengan tingkat nilai akurasi sebesar 70%. berdasarkan perbandingan data dan hasil kesimpulan sistem.
Multilabel Text Classification Menggunakan SVM dan Doc2Vec Classification Pada Dokumen Berita Bahasa Indonesia Kristian Indradiarta Gunawan; Joan Santoso
Journal of Information System,Graphics, Hospitality and Technology Vol. 3 No. 01 (2021): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v3i01.126

Abstract

Seiring dengan berkembangnya informasi yang ada di sekitar dengan pesat, maka jenis informasi yang ada pun menjadi sangat bervariasi dan sangat banyak jumlahnya, dan akan semakin terus bertambah. Dengan kondisi tersebut, kita akan mengalami kesulitan untuk mengenali jenis dari informasi tersebut satu persatu. Oleh karena itu dengan adanya proses klasifikasi teks dan dokumen sangatlah membantu untuk memilah dan mengenali informasi-informasi apa saja yang ada, baik informasi yang lama maupun informasi yang baru dan belum pernah ditemui sebelumnya. Bertujuan untuk dapat mengidentifikasi dan mengklasifikasikan dokumen-dokumen berita dalam bahasa Indonesia ke dalam beberapa kategori sekaligus, maka dibuatlah sebuah penelitian berupa sistem untuk menangani klasifikasi dokumen teks dalam bahasa Indonesia. Sistem tersebut akan memproses berita-berita yang diberikan, dan kemudian akan memberikan 2 kategori yang paling mendekati terhadap isi dari berita tersebut. Sistem dibuat dengan menggunakan Python, memanfaatkan Doc2Vec untuk mengambil fitur dataset, dan SVM untuk melakukan klasifikasi terhadap banyak kelas. Dataset yang digunakan adalah kumpulan dokumen berupa berita-berita yang diperoleh dari CNN Indonesia tahun 2016-2017, dan terbagi dalam 5 kategori berita utama, yaitu: Politik, Ekonomi, Teknologi, Olahraga, dan Hiburan. Dikarenakan sedikitnya literatur untuk klasifikasi text dalam bahasa Indonesia, maka pada penelitian ini hanya menargetkan akurasi sebesar 70% saja. Namun dari hasil ujicoba, akurasi yang diperoleh melebihi 90%. Hasil prediksi untuk kelas dokumen pun memiliki tingkat keberhasilan yang tinggi. Dengan penggunaan dataset dan penanganan preprocessing yang tepat untuk dokumen bahasa Indonesia, maka hasil yang dicapai bisa lebih bagus dan akurat.
Klasifikasi Ketrampilan Kognitif Siswa dengan Menggunakan Metode Learning Vector Quantization dengan Bantuan Game Budi Irawan; Joan Santoso
Journal of Information System,Graphics, Hospitality and Technology Vol. 3 No. 02 (2021): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v3i02.132

Abstract

Untuk menilai tingkat kognitif seorang siswa sangatlah sulit banyak indikator yang mempengaruhi yang menyebabkan hasilnya tidak akurat. Dengan metode serius game ini akan diketahui tingkat kognitif seorang siswa yang akan diketahui penguasaan pembelajaran yang akan dicapai. Dalam serius game ini penguasaan pembelajaran merupakan inti dari proses belajar mengajar. Dalam tingkat kognitif ini perlu diklasifikasikan dengan menggunakan metode Cognitif Skill Game (CSG). Siswa sebagai pemain akan dipantau bagaimana berinteraksi dengan permainan untuk meningkatkan konsep permainan kognitif ini. Pada CSG ini menggunakan metode Learning Vector Quantization (LVQ) yang berfungsi untuk mengoptimalkan input klasifikasi ketrampilan kognitif pemain. Guru sebagai data training digunakan untuk mengobservasi LVQ. Guru mempunyai pengalaman yang banyak dan mempunyai banyak sertifikasi atau pelatihan dianggap cocok sebagai data training. Pengambilan data Guru menggunakan metode observasi kuesioner. Siswa jurusan Teknik Komputer dan Jaringan (TKJ) SMK adalah populasi klasifikasi ketrampilan kognitif saat menjalankan permainan dalam penelitian. Sebagian kecil pemain CSG masuk dalam kategori keterampilan kognitif hati-hati, beberapa masuk dalam kategori ahli, dan sebagian besar masuk dalam dalam kategori coba-coba. Hasil dari permainan CSG ini adalah pemain memiliki kemampuan ketrampilan kognitif masih rendah. High trial and error 75%, high expert 6%, dan high careful 19%. Dalam penelitian ini juga dilakukan validasi pengukuran secara berulang-ulang untuk mengetahui keakuratan klasifikasi CSG.
Ekstraksi Relasi Antar Entitas di Bahasa Indonesia Menggunakan Neural Network Ananta Tio Putra; Eunike Kardinata; Hartarto Junaedi; Francisca Chandra; Joan Santoso
Journal of Information System,Graphics, Hospitality and Technology Vol. 3 No. 02 (2021): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v3i02.156

Abstract

Dengan perkembangan zaman yang begitu pesat, berdampak pada perkembangan data pula. Salah satu bentuk data yang paling banyak saat ini berupa data tekstual seperti artikel sederhana maupun dokumen lain yang terdapat di internet. Agar data tekstual tersebut dapat dimengerti dan dimanfaatkan dengan baik oleh manusia, maka perlu di proses dan disederhanakan agar menjadi informasi yang ringkas dan jelas. Oleh karena itu, semakin berkembang pula penelitian dalam bidang Information Extraction (IE) dan salah satu contoh penelitian di IE adalah Relation Extraction (RE). Penelitian RE sudah banyak dilakukan terutama pada Bahasa Inggris dimana resourcenya sudah termasuk banyak. Metode yang digunakan pun bermacam-macam seperti kernel, tree kernel, support vector machine, long short-term memory, convulution recurrent neural network, dan lain sebagainya. Pada penelitian kali ini adalah penelitian RE pada Bahasa Indonesia dengan menggunakan metode convulution recurrent neural network yang sudah dipergunakan untuk RE Bahasa Inggris. Dataset yang digunakan pada penelitian ini adalah dataset Bahasa Indonesia yang berasal dari file xml wikipedia. File xml wikipedia ini kemudian diproses sehingga menghasilkan dataset seperti yang digunakan pada CRNN dalam Bahasa inggris yaitu dalam format SemEval-2 Task 8. Uji coba dilakukan dengan berbagai macam perbandingan data training dan testing yaitu 80:20, 70:30, dan 60:40. Selain itu, parameter pooling untuk CRNN yang digunakan ada dua macam yaitu ‘att’ dan ‘max’. Dari uji coba yang dilakukan, hasil yang didapatkan adalah bervariasi mulai dari mendekati maupun lebih baik bila dibandingkan dengan CRNN dengan menggunakan dataset Bahasa inggris sehingga dapat disimpulkan bahwa dengan CRNN ini bisa digunakan untuk proses RE pada Bahasa Indonesia apabila dataset yang digunakan sesuai dengan penelitian sebelumnya.
Analisis Pendapat Masyarakat terhadap Berita Kesehatan Indonesia menggunakan Pemodelan Kalimat berbasis LSTM Esther Irawati Setiawan; Adriel Ferdianto; Joan Santoso; Yosi Kristian; Gunawan Gunawan; Surya Sumpeno; Mauridhi Hery Purnomo
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 9 No 1: Februari 2020
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1263.215 KB) | DOI: 10.22146/jnteti.v9i1.115

Abstract

The uncertainty of health news content, which is spread on social media, raises the need for validation of the truth. One validation approach is to consider the opinion or attitudes of most people, which is called a stance on a topic, whether they support, oppose, or being neutral. This paper proposes a stance analysis model to classify the relationship between sentences so that it can recognize the correlation of the opinion of the writer in the headline of the problem claim. The proposed model uses several Long Short-Term Memory (LSTM), which represent the interrelationship of news for analysis of the relationship between a claim with other news. The formation of word representation vectors is carried out in conjunction with LSTM-based stance classification training. Sentence embedding is done to get the vector representation of sentences with LSTM. Each word in a sentence occupies one time-step in LSTM and the output of the last word is taken as a sentence representation. Based on the results of trials with the Indonesian health-related dataset that was built for this study, the proposed stance classification model was able to achieve an average F1-score value of 71%, with the supporting value 69%, opposing as much as 70%, and neutral 74%.
Pengenalan Lirik Lagu Otomatis Pada Video Lagu Indonesia Menggunakan Hidden Markov Model Yang Dilengkapi Music Removal Luhfita Tirta; Joan Santoso; Endang Setyati
Journal of Information System,Graphics, Hospitality and Technology Vol. 4 No. 2 (2022): Journal of Information System, Graphics, Hospitality and Technology
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37823/insight.v4i2.225

Abstract

Video sangat penting untuk membuat informasi berupa suara dalam video agar dapat dipahami oleh semua kalangan masyarakat, dan orang-orang yang memiliki masalah pendengaran yaitu dengan cara paling alami terletak pada penggunaan subtitle. Oleh karena itu, peneliti membuat pengenalan lirik lagu otomatis pada video lagu Indonesia menggunakan Hidden Markov Model yang dilengkapi music removal. Dalam pengenalan suara lebih akurat dilakukan dengan menggunakan model HMM yang dilengkapi oleh MFCC (kata yang cocok 81% dan WER 19%) dibandingkan dengan model LDA + MFCC (kata yang cocok 71% dan WER 29%) dan DWT + MFCC (kata yang cocok 61% dan WER 39%). Jumlah kata dan sample suara pada library Bahasa Indonesia yang digunakan cukup sangat mempengaruhi MFCC dan CMU Sphinx-4, Nada pada inputan lagu yang akan diproses CMU Sphinx-4 juga sangat berpengaruh pada tingkat keberhasilan, dikarenakan CMU Sphinx-4 sangat sensitif dengan nada yang terlalu tinggi dan noise yang ada pada inputan lagu tersebut sehingga peneliti menambahkan fitur ekstraksi pada suara yaitu menggunakan MFCC. Dalam hal ini menggunakan dataset kecil terlebih dahulu untuk memastikan metode Hidden Markov Model yang dilengkapi MFCC dan CMU Sphinx-4 dapat berjalan dengan baik, Dari penelitian beberapa peneliti sebelumnya, maka hasil akhir yang diperoleh dengan menggunakan metode HMM yang dilengkapi oleh MFCC dan CMU Sphinx-4 dalam penelitian ini mendapatkan hasil akurasi training 78% dan testing 81% kecocokan kata pada video lagu.
SISTEM REKOMENDASI OBAT PENGGANTI MENGGUNAKAN METODE CNN Aditya Dwi Aryanto; Joan Santoso; Devi Dwi Purwanto
Jurnal Sistem Cerdas dan Rekayasa (JSCR) Vol 3 No 1 (2021): Jurnal Sistem Cerdas dan Rekayasa (JSCR) 2021
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Widya Kartika (LPPM UWIKA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (534.666 KB) | DOI: 10.61293/jscr.v3i1.337

Abstract

Dengan semakin banyaknya merk obat yang beredar dengan indikasi dan fungsi yang sama membuat dokter maupun apoteker dijadikan sebagai pilihan untuk memberikan obat yang tepat sesuai dengan penyakit yang diderita oleh pasien. Dengan semakin banyaknya merk dan jenis obat yang beredar saat ini, dimana tiap merk yang ada kadang kala memiliki bahan dasar dan indikasi yang sama ataupun berbeda. Selain itu, Obat-obatan yang tertera pada resep terkadang tidak dapat disajikan sepenuhnya karena berbagai alasan. Oleh karena itu, perlu dilakukan penggantian obat oleh apoteker. Penggantian obat tersebut dapat dilakukan oleh apoteker selama dokter mengizinkan penggantian dilakukan. Penelitian ini dilakukan untuk membuat rekomendasi obat pengganti saat obat tersebut dalam keadaan kosong. Penelitian ini menggunakan metode CNN. Hasil rekomendasi obat yang didapat, digunakan untuk mengurangi waktu proses pencarian obat yang dibutuhkan oleh pasien. Metode CNN digunakan untuk menentukan rekomendasi obat pengganti berdasarkan pemilihan obat yang paling ideal. Bahan obat yang direkomendasikan sama persis dengan obat-obatan sebelumnya yang dicari.
Indonesian Language Term Extraction using Multi-Task Neural Network Joan Santoso; Esther Irawati Setiawan; Fransiskus Xaverius Ferdinandus; Gunawan Gunawan; Leonel Hernandez
Knowledge Engineering and Data Science Vol 5, No 2 (2022)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um018v5i22022p160-167

Abstract

The rapidly expanding size of data makes it difficult to extricate information and store it as computerized knowledge. Relation extraction and term extraction play a crucial role in resolving this issue. Automatically finding a concealed relationship between terms that appear in the text can help people build computer-based knowledge more quickly. Term extraction is required as one of the components because identifying terms that play a significant role in the text is the essential step before determining their relationship. We propose an end-to-end system capable of extracting terms from text to address this Indonesian language issue. Our method combines two multilayer perceptron neural networks to perform Part-of-Speech (PoS) labeling and Noun Phrase Chunking. Our models were trained as a joint model to solve this problem. Our proposed method, with an f-score of 86.80%, can be considered a state-of-the-art algorithm for performing term extraction in the Indonesian Language using noun phrase chunking.
Aspect Based Sentiment Analysis Marketplace Product Reviews Using BERT, LSTM, and CNN Syaiful Imron; Esther Irawati Setiawan; Joan Santoso; Mauridhi Hery Purnomo
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 3 (2023): Juni 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i3.4751

Abstract

Bukalapak is one of the largest marketplaces in Indonesia. Reviews on Bukalapak are only in the form of text, images, videos, and stars without any special filters. Reading and analyzing manually makes it difficult for potential buyers. To help with this, we can extract this review by using aspect-based sentiment analysis because an entity cannot be represented by just one sentiment. Several previous research stated that using LSTM-CNN got better results than using LSTM or CNN. In addition, using BERT as word embedding gets better results than using word2vec or glove. For this reason, this study aims to classify aspect-based sentiment analysis from the Bukalapak marketplace with BERT as word embedding and using the LSTM-CNN method, where LSTM is for aspect extraction and CNN for sentiment extraction. Based on testing the LSTM-CNN method, it gets better results than LSTM or CNN. The LSTM-CNN model gets an accuracy of 93.91%. Unbalanced dataset distribution can affect model performance. With the increasing number of datasets used, the accuracy of a model will increase. Classification without using stemming on datasets can increase accuracy by 2.04%.
PENCARIAN BERITA BAHASA INDONESIA MENGGUNAKAN METODE GENERALIZED VECTOR SPACE MODEL (GVSM) Syaiful Huda; Joan Santoso
NJCA (Nusantara Journal of Computers and Its Applications) Vol 5, No 2 (2020): Desember 2020
Publisher : Computer Society of Nahdlatul Ulama (CSNU) Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36564/njca.v5i2.204

Abstract

Berita bisa dating atau diperoleh dari mana saja, semisal dari teman, guru, atau media elektronik seperti mesinpencari. Salah satu metode yang dapat digunakan untuk membangun mesin pencari adalah Vector Space Model (VSM). Masalah yang muncul adalah terdapat dokumen yang tidak ditemukan padahal mengandung istilah yang berkaitan dengan query. Berdasarkan permasalahan ini diperlukannya sebuah metode yang lebih menyeluruh dalam melakukan pencarian yang tidak hanya terpaku pada ada tidaknya suatu istilah di dalam dokumen. Untuk itu dipilihlah metode GVSM yang diharapkan mampu mengatasi masalah tersebut. Metode Generalized Vector Space Model (GVSM) adalah pengembangan dari VSM yang menambahkan hubungan antar istilah (Semantic Relatedness) dalam melakukan penghitungan kesamaan antara vektor query dengan vektor dokumen. Denganmemperhitungkan relasi antar istilah maka pencarian sebuah dokumen akan lebih luas. Berdasarkan hasil uji coba yang telah dilakukan maka dapat disimpulkan bahwa penerapan metode GVSM belum mampu meningkatkan hasil pencarian berita Bahasa Indonesia dibandingkan dengan metode VSM. Dikarenakan penerapan metode GVSM pada sistem hanya mampu meningkatkan recall dan accuracy saja dengan persentase peningkatan masing-masing sebesar 30% dan 0.16%. Sedangkan precision memiliki nilai yang lebih rendah 11,17% dari pada metode VSM.
Co-Authors Aditya Dwi Aryanto Adriel Ferdianto Afandi, Acxel Derian Agung Dewa Bagus Soetiono Ahdan, Syabith Umar Ahmad Syaifuddin Ali Djamhuri Ananta Tio Putra Andik Jatmiko Anita Guterres Budi Irawan Cahyadi, Billy Kelvianto Chandra, Francisca H. Christian Nathaniel Purwanto Devi Dwi Purwanto Dewi, Nindian Puspa Dipa, Sasra Edwin Pramana Eka Rahayu Setyaningsih Eko Mulyanto Yuniarno Elizabeth Shirley, Stephanie Endang Setyati Esther Irawati S. Esther Irawati Setiawan Eunike Kardinata F.X. Ferdinandus Fachrul Kurniawan Febriantoro, Erfan Ferdinandus, F. X. Francisca Chandra Fujisawa, Kimiya Gunawan Gunawan Gunawan Gunawan Gunawan Gunawan Halim, Kevin Jonathan Hans Juwiantho Hans Keven Budi Prakoso Harianto, Reddy Alexandro Hartarto Junaedi Hartono, Patrick Hendrawan Armanto Heppi Siswanto Herman Budianto Imron, Syaiful Indra Maryati Irawati Setiawan, Esther Jatmiko, Andik Kristian Indradiarta Gunawan Kristina, Natalia Kurniawan S, Putu Widiarsa Langgeng, Yudo Sembodo Hastoro Leonel Hernandez Lim, Ernest Luhfita Tirta Lukman Zaman Machfudin, Mohammad Farid Mauridhi Hery Purnomo Mochamad Hariadi Muhammad Amfahtori Wijarnoko Mustaqin, Farhan Faisal Zainul Nagari, Widean Nindian Puspa Dewi Ong, Hansel Santoso Putra, Bayu Anggara Putu Widiarsa Kurniawan S Rossy P. C. Rully Widiastutik Samuel Budi Wardhana Kusuma Saputra, Daniel Gamaliel Setiawan, Esther Setya Ardhi Soetiono, Agung Dewa Bagus Stefanie Hilda Kusumahadi Surya Sumpeno Sutanto, Patrick Sutanto, Ricky Syaiful Huda Syaiful Imron Tjendika, Patrick Tjwanda Putera Gunawan Tri Septianto Tuesday saka gustaf Ubaidi Ubaidi Ubaidi, Ubaidi Vania, Stella Vu, Tong Nam Tuan Wardoyo, Nikko Riestian Putra Yosi Kristian