Claim Missing Document
Check
Articles

Found 26 Documents
Search

Perbandingan Kinerja RNN dan CNN Dalam Klasifikasi Sentimen Ulasan Pengguna Aplikasi di Play Store Saputra, Satria Nugraha; Setiaji, Galet Guntoro; Widiyanto, Max Teja Ajie Cipta
Journal of Computer System and Informatics (JoSYC) Vol 6 No 1 (2024): November 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v6i1.6408

Abstract

The public frequently shares their thoughts and opinions on various topics, such as products, public figures, or government policies, through online platforms. The process of analyzing review data is referred to as sentiment analysis. This study aims to compare the performance of two deep learning models Recurrent Neural Network (RNN) and Convolutional Neural Network (CNN) in classifying user sentiments across five review categories from the Google Play Store: design, photography, gaming, social media, and streaming. Choosing the right algorithm is essential to achieving optimal accuracy, given the variations in language and expression patterns within reviews. The dataset used in this study consists of 50,000 reviews with an imbalanced distribution of positive and negative sentiments. To address this imbalance, oversampling techniques were applied using the Synthetic Minority Oversampling Technique (SMOTE). The evaluation process measured each model's accuracy and loss levels. The results show that CNN consistently outperformed RNN across most categories. For the design category, CNN achieved the highest accuracy of 85% with a loss value of 0.41, compared to RNN, which achieved 83% accuracy and a loss of 0.53. On the other hand, the streaming category showed the lowest performance, with CNN achieving an accuracy of 69% and a loss of 0.63, while RNN achieved 67% accuracy with a loss of 0.72. These findings highlight CNN's superior effectiveness in sentiment analysis across diverse user review categories.
PELATIHAN MEMBUAT WEBSITE DENGAN WORDPRESS DI SMK NEGERI 2 DEMAK Setiaji, Galet Guntoro; Hanif, Mohammad Burhan
TEMATIK Vol. 5 No. 1 (2025): Januari
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tmt.v5i1.11189

Abstract

Kegiatan Tim PkM Program Studi Teknik Informatika Universitas Semarang menyelengarakan pelatihan membuat website dengan WordPress di SMK N 2 Demak. Kegiatan ini di ikuti oleh 35 siswa dan diselengarakan di Laboratorium Komputer SMK N 2 Demak. Sebelum dilakukan kegiatan ini siswa di berikan Pre-Test terkait kegiatan, dimana didapatkan sejumlah siswa masih belum begitu paham tentang website WordPress. Namun setelah dilakukan penjelasan dan praktik membuat website menggunakan WordPress, siswa lebih paham dan mengerti cara membuat website menggunakan WordPress.
Optimasi Clustering K-Means Menggunakan Algoritma Genetika Dengan Data View Dan Like Di Tiktok Setiaji, Galet Guntoro; Gunata, Krida Pandu; Setiarso, Galih
Jurnal Transformatika Vol. 22 No. 2 (2025): January 2025
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/y2tedy77

Abstract

K-Means merupakan algoritma yang sering digunakan untuk melakukan pengelompokkan atau sering juga disebut clustering. Dengan menentukan pusat centroid awal secara random pada algoritma K-Means akan ditingkatkan performanya menggunakan Algoritma Genetika (GA). Menggunakan data set publik di Kaglle, berupa data set tiktok dimana jumlah view dan like dengan record data sebanyak 19.084 setelah dilakukan pembersih data. Yang akan diuji dengan melakukan performa clustering K-Means dengan Algoritma Genetika. Dan untuk validitas nya nanti menggunakan Davis Boulden Index, dimana hasil validitas DBI ini nanti akan meningkatkan performance K-Means dengan menambahkan Algoritma Genetika. Dengan pengujian K-Means dengan jumlah k=3, k=4 dan k=5 menghasilkan masing-masing validitas DBI 0,64 ; 0,79 dan 0,72. Sedangkan untuk algoritma K-Means dengan peningkatan performa menggunakan GA didapatkan validitas dengan masing-masing DBI sebagai berikut 0,45 ; 0,40 dan 0,60. Dengan hasil penelitian menghasilkan bahwa peningkatan performa K-Means dengan menggunakan GA memberikan hasil validitas lebih kecil dari pada hanya menggunakan perhitungan KMeans saja.
Analisis Komparasi Kinerja LSTM dan CNN dalam Deteksi Spam Email Berbasis Deep learning Maugy Al Kautsar; Galet Guntoro Setiaji; Ahmad Rifa'i
Bulletin of Computer Science Research Vol. 5 No. 4 (2025): June 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i4.572

Abstract

Spam email remains a critical issue in digital communication due to its potential misuse in spreading false information and online fraud. This study aims to evaluate and compare the performance of two deep learning models Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM) for text-based spam email classification. The dataset used in this study was obtained from Kaggle and contains 5,572 labeled email entries categorized as spam and non-spam. The preprocessing stage included labeling, cleaning, lowercasing (casefolding), tokenization, stopword removal, and stemming. The data was split into training and testing sets with a 70:30 ratio. Both models were trained using the same configuration and evaluated using accuracy, loss, confusion matrix, and F1-score metrics. The results indicate that the LSTM model achieved the highest accuracy of 98.72% with a loss value of 0.0377, outperforming the CNN model, which achieved 87.78% accuracy and a loss of 0.3659. Based on these findings, LSTM demonstrated superior performance in detecting spam emails using text-based input. This research is expected to serve as a reference for developing more accurate and effective spam detection systems in the future.
Pengembangan Sistem Antrian Sesuai Jadwal Praktik Dokter Berbasis Website Menggunakan Laravel Hafiq Ibnu Wardana; Galet Guntoro Setiaji; Ahmad Rifa'i
Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 4 No. 1 (2025): Adopsi Teknologi dan Sistem Informasi (ATASI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/atasi.v4i1.2908

Abstract

Pelayanan kesehatan yang efisien sangat penting, namun sistem antrian manual di rumah sakit seringkali menyebabkan waktu tunggu lama, ketidaknyamanan pasien, dan kesulitan bagi petugas dalam mengelola waktu praktik dokter. Sistem manual ini juga dapat menimbulkan ketidakadilan, terutama bagi pasien BPJS. Penelitian ini mengembangkan sistem antrian berbasis website yang terintegrasi dengan jadwal praktik dokter menggunakan framework Laravel. Sistem ini bertujuan untuk meningkatkan efisiensi waktu tunggu pasien, memberikan transparansi, dan mempermudah pengelolaan antrian oleh petugas. Pasien dapat mendaftar, memilih dokter, dan memantau status antrian secara real-time, sementara petugas dapat mengelola jadwal dokter dan antrian dengan lebih efisien. Pengujian menggunakan metode Black Box menunjukkan hasil yang berhasil pada skenario pengujian seperti pendaftaran pasien, pemilihan dokter, dan pencetakan tiket antrian. Diharapkan, sistem ini dapat mendorong transformasi digital di bidang kesehatan dan memberikan solusi bagi masalah antrian manual di fasilitas kesehatan.
Pelatihan Menggunakan PhpMyadmin Untuk Mengolah Data Sederhana di SMK Negeri 2 Demak Setiaji, Galet Guntoro; Mohammad Burhan Hanif; Tirta Kumkamdani; Joko Suntoro
TEMATIK Vol. 5 No. 2 (2025): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/tematik.v5i2.12354

Abstract

Tim Pengabdian Kepada Masyarakat Universitas Semarang, memberikan pelatihan menggunakan PhpMyadmin kepada siswa di SMK Negeri 2 Demak. Dimana dalam pelatihan menggunakan PhpMyadmin diberikan contoh mengolah data sederhana membuat database dan tabel. Sebelum memulai kegiatan pelatihan akan diberikan Pre-Test terkait pemahaman terkait materi pelatihan, dan setelah mengikuti pelatihan seberapa jauh menangkap materi dan pemahaman terhadap pelatihan dengan memberikan Post-Test. Dimana Pre dan Post Test diolah menggunakan metode N-Gain untuk mengetahui seberapa besar siswa sebelum dan sesudah mengikuti pelatihan. Dimana nilai N-Gain score rata-rata yang didapat pelatihan sebesar 0,75 yaitu siswa dapat menangkap dan lebih paham setelah mengikuti pelatihan mengolah data menggunakan PhpMyadmin
Implementasi Payment Gateway Pada Aplikasi Toko Mebel Menggunakan MERN Stack Hakim, Adya Abdu Azizul; Setiaji, Galet Guntoro; Rifa'i, Ahmad
Jurnal Ilmiah SINUS Vol 23, No 2 (2025): Vol. 23 No. 2, Juli 2025
Publisher : STMIK Sinar Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30646/sinus.v23i2.946

Abstract

The advancement of technology in the e-commerce sector has driven traditional stores to transition to digital systems in order to enhance transaction efficiency and product management. Mebel Amanah is a furniture store owned by Mr. Hj. Wahyono, located in Plebean, Batang. Previously, Mebel Amanah only accepted in-person payments, which proved to be less effective, particularly for customers who were unable to visit the store directly. Although bank transfer options were available, the store provided only one bank account number, posing challenges for customers using different banks due to additional administrative fees. To address this issue, an online payment system using Midtrans was implemented, offering various payment methods such as ATM/bank transfer, credit/debit cards, e-wallets, and virtual accounts. The Furniture Store Application also includes a product management feature that displays product names, prices, descriptions, and stock information in real-time. This application was developed using the MERN Stack and follows the Waterfall development model, which includes system requirement analysis, system design, implementation, testing, deployment and maintenance phases. The implementation results demonstrate that integrating the Midtrans payment gateway improves payment flexibility and speeds up transaction processes. Furthermore, the product management feature allows customers to easily check product availability without needing to inquire directly. In conclusion, the furniture store application not only facilitates transaction processes but also supports the digital transformation of furniture business operations.
KOMPARASI METODE CLUSTERING K-MEANS DAN FUZZY C-MEANS UNTUK MEMPREDEKSI KETEPATAN WAKTU LULUS Setiaji, Galet Guntoro; Khoirudin, Khoirudin; Vydia, Vensy
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 3 No. 1 (2019): Mei (2019)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v15i1.1488

Abstract

Metode data mining merupakan metode yang banyak digunakan oleh peneliti untuk mencari sebuah informasi dari sebuah kumpulan data-data, penelitian ini menggunakan object data lulusan mahasiswa Universitas Semarang. Data yang kita ambil yaitu dari jurusan Teknik Elektro dan Teknik Sipil.Dengan menggunakan metode data mining terutama algoritma K-Means dan Fuzzy C-Means dapat mengidentifikasi ketepatan lulusan di jurusan Teknik Elektro dan Teknik Sipil. Dimana ada tiga cluster yaitu tepat waktu, tidak tepat waktu dan over studi.Dari hasil penelitian dihasilkan validitas K-Means lebih kecil dan lebih baik, dengan validitas DBI sebesar 2.022, sedangkan FCM dengan validitas XBI didapatkan validitas sebesar 11.948. Dengan kesimpulan lulusan lama studi 4 tahun lebih 2 bulan dengan IPK rata-rata 3.13, sedangkan lama studi 4 tahun dengan ipk 3.42, dan untuk mahasiswa dengan lama studi 5 tahun lebih rata-rata ipk 2.88.
PENGGUNAAN METODE K-MEANS PADA ANALISA DAN KLASIFIKASI CAPRES 2019 DI TWITTER Rifa i, Ahmad; Setiaji, Galet Guntoro; Vydia, Vensy
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 3 No. 1 (2019): Mei (2019)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v15i1.1489

Abstract

Media sosial merupakan wadah untuk mencurahkan kata-kata melalui tulisan pada dunia maya (online), sehingga pada nantinya akan dapat dilihat oleh banyak orang baik yang dikenal maupun tidak dikenal. Twitter merupakan jejaring sosial atau media sosial yang memiliki teks terbatas, yaitu memiliki   Panjang teks sebanyak 280 karakter. Metode crawling merupakan metode yag digunakan untuk pengambilan data dari media sosial yang dapat digunakan sebagai developer application.Crawling data pada media sosial twitter ini menggunakan aplikasi spyder python 3.7 yang berada didalam aplikasi anaconda. Dengan aplikasi tersebut akan di dapatkan data-data berkenaan dengan capres 2019. data-data tersebut akan diolah menggunakan metode K-Means. Setelah dilakukan pengolahan data menggunakan K-Means di dapatkan untuk cluster 1 (Jokowi) muncul sebanyak 3 kali sedangkan untuk cluster 2 (Prabowo) muncul sebanyak 1 kali.
Implementasi Metode Fuzzy K-Means untuk Cluster Judul Skripsi Mahasiswa Rifa'i, Ahmad; Setiadji, Galet Guntoro
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 4 No. 2 (2020): November (2020)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v16i2.2637

Abstract

Clusters are a way of classifying data which can later be used as information and processed using data mining methods with certain algorithms. From here the author wants to try to use data in the form of thesis titles or final assignments from students, which later can be grouped from these results. So that the existing data can be processed using a data mining method, namely Fuzzy K-Means (FKM).The data used in this study uses thesis data of students majoring in information technology. As a comparison, the data is also processed using K-Means, from the K-Means calculation, the average cluster is 1.014 and the DBI validity is 0.725. Meanwhile, for the calculation of Fuzzy K-Means, the cluster average is 0.069 and the DBI validity is 0.304