Articles
<![CDATA[Deteksi Berita Online Hoax Covid-19 Di Indonesia Menggunakan Metode Hybrid Long Short Term Memory dan Support Vector Machine ]]>
<![CDATA[Dwi Fitriaini Nur Anisa]]>;
<![CDATA[Imam Mukhlash]]>;
<![CDATA[Mohammad Iqbal]]>
<![CDATA[ Jurnal Sains dan Seni ITS Vol 11, No 3 (2022) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j23373520.v11i3.83227
<![CDATA[Fokus masyarakat Indonesia tidak lepas dari kasus pandemi Coronavirus Disease 2019 (COVID-19) dengan mengikuti setiap informasi terkait perkembangannya setiap hari. Hal ini yang mendorong banyak pihak terlebih pemerintah untuk menyediakan layanan informasi terkini terkait COVID-19. Namun, banyak berita online menyajikan informasi palsu yang dikenal dengan berita hoax tentang COVID-19 yang dapat menyebabkan keresahan masyarakat. Pada Tugas Akhir ini, dilakukan deteksi terhadap berita–berita online seputar informasi COVID-19 di Indonesia yang dibagi menjadi dua kategori, yaitu berita hoax dan berita fakta. Proses deteksi berita online dilakukan dengan metode penggabungan Long-Short Term Memory dan Support Vector Machine (hybrid LSTM-SVM). LSTM menghasilkan fitur teks representatif yang selanjutnya digunakan untuk proses klasifikasi berita oleh SVM yang menghasilkan persentase nilai akurasi mencapai 94%. Nilai tersebut lebih tinggi dibandingkan dengan hanya mengimplementasikan Metode LSTM atau Metode SVM saja.]]>
<![CDATA[Desain dan Implementasi Perangkat Lunak Untuk Abstraksi Berhingga Sistem Max-Plus-Linear dengan Tree Tanpa Fungsi Rekursif ]]>
<![CDATA[Muhammadun]]>;
<![CDATA[Dieky Adzkiya]]>;
<![CDATA[Imam Mukhlash]]>
<![CDATA[ Contemporary Mathematics and Applications (ConMathA) Vol. 5 No. 1 (2023) ]]>
Publisher : <![CDATA[Universitas Airlangga ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20473/conmatha.v5i1.44274
<![CDATA[Sistem Max-Plus-Linear (MPL) adalah suatu kelas sistem event diskrit dengan ruang keadaan kontinu mengkarakterisasi sekuensial kejadian diskrit yang mendasari. Di literatur, ada pendekatan untuk analisis yang didasarkan pada abstraksi berhingga model MPL yang autonomous. Prosedur ini telah diimplementasikan dalam MATLAB dengan struktur data list/matriks/vektor. Kekurangan dari implementasi ini, operasi membuat transisinya membutuhkan waktu komputasi yang lama. Kemudian dilakukan perbaikan terhadap implementasi sebelumnya dalam JAVA dengan struktur data tree. Implementasi ini berhasil mempercepat waktu komputasinya tetapi membutuhkan alokasi memori yang lebih besar karena fungsi-fungsinya bersifat rekursif. Penelitian ini membahas implementasi prosedur abstraksi berhingga model MPL autonomous dalam C++ dengan menggunakan struktur data tree tanpa fungsi rekursif. Dari beberapa percobaan yang dilakukan, implementasi pada penelitian ini berhasil mempercepat waktu komputasi VeriSiMPL 2.0 secara signifikan]]>
<![CDATA[Pengembangan Pemasaran Digital dan Finansial bagi Pengusaha Perempuan dalam Pemberdayaan Usaha Mikro di Surabaya ]]>
<![CDATA[Rukmi, Alvida Mustika]]>;
<![CDATA[Irawan, Mohammad Isa]]>;
<![CDATA[Mukhlash, Imam]]>;
<![CDATA[Hidayat, Nurul]]>;
<![CDATA[Iqbal, Mohammad]]>
<![CDATA[ Sewagati Vol 8 No 2 (2024) ]]>
Publisher : <![CDATA[Pusat Publikasi ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j26139960.v8i2.488
<![CDATA[The Homemade adalah salah satu UMKM yang sedang berkembang di Surabaya, menghasilkan produk kuliner berbahan baku lokal daerah berupa sambal dan camilan. UMKM The Homemade masih termasuk dalam kategori usaha mikro namun mampu membuktikan produknya dapat meraih animo pasar di kota Surabaya khususnya Surabaya timur, dimana produk The Homemade sudah dijual di toko sambal Bu Rudi Surabaya. UMKM The Homemade didirikan oleh seorang wanita yang berkeinginan agar para wanita di sekitar tempat tinggalnya dapat turut serta dalam kegiatan bisnisnya. Permasalahan yang dihadapi oleh pemilik UMKM The Homemade berkenaan dengan strategi bisnis, pemasaran, dan pengelolaan finansial. Perancangan strategi bisnis dengan menggunakan bisnis model kanvas (BMC), disusun berdasarkan faktor internal dan eksternal yang ada dan BMC sangat mudah untuk diaplikasikan dalam bisnis. Penggunaan aplikasi pemasaran thehomemade.id berbasis web membantu pengusaha UMKM The Homemade dalam pemasaran agar mampu meningkatkan volume penjualan dan memperluas pangsa pasar. Sedangkan aplikasi finansial yakni aplikasi kasir pintar membantu dalam pengelolaan hasil penjualan. Usaha UMKM The Homemade diharapkan mampu bersaing terutama dalam penyajian produk kuliner yang higienis. Hasilnya kini UMKM tersebut mampu menghasilkan produk dan market yang bagus sehingga UMKM ini dapat berkembang menjadi usaha madani kedepannya.]]>
<![CDATA[Hydrophobicity signal analysis for robust SARS-CoV-2 classification ]]>
<![CDATA[Jamhuri, Mohammad]]>;
<![CDATA[Irawan, Mohammad Isa]]>;
<![CDATA[Mukhlash, Imam]]>;
<![CDATA[Tri Puspaningsih, Ni Nyoman]]>
<![CDATA[ Indonesian Journal of Electrical Engineering and Computer Science Vol 37, No 2: February 2025 ]]>
Publisher : <![CDATA[Institute of Advanced Engineering and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.11591/ijeecs.v37.i2.pp1294-1305
<![CDATA[Rapid and accurate classification of viral pathogens is critical for effective public health interventions. This study introduces a novel approach using convolutional neural networks (CNN) to classify SARS-CoV-2 and non-SARS-CoV-2 viruses via hydrophobicity signal derived from DNA sequences. Conventional machine learning methods grapple with the variability of viral genetic material, requiring fixed-length sequences and extensive preprocessing. The proposed method transforms genetic sequences into image-based representations, enabling CNNs to handle complexity and variability without these constraints. The dataset includes 8,143 DNA sequences from seven coronaviruses, translated into amino acid sequences and evaluated for hydrophobicity. Experimental results demonstrate that the CNN model achieves superior performance, with an accuracy of over 99.84% in the classification task. The model also performs well with extended sequence lengths, showcasing robustness and adaptability. Compared to previous studies, this method offers higher accuracy and computational efficiency, providing a reliable solution for rapid virus detection with potential applications in bioinformatics and clinical settings.]]>
<![CDATA[Timed concurrent system modeling and verification of home care plan ]]>
<![CDATA[Taryana, Acep]]>;
<![CDATA[Adzkiya, Dieky]]>;
<![CDATA[Mufid, Muhammad Syifa'ul]]>;
<![CDATA[Mukhlash, Imam]]>
<![CDATA[ International Journal of Electrical and Computer Engineering (IJECE) Vol 15, No 1: February 2025 ]]>
Publisher : <![CDATA[Institute of Advanced Engineering and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.11591/ijece.v15i1.pp870-882
<![CDATA[A home care plan (HCP) can be integrated with an electronic medical records (EMR) system, serving as an example of a real-time system with concurrent processes. To ensure effective operation, HCPs must be free of software bugs. In this paper, we explore the modeling and verification of HCPs from the perspective of scheduling data operationalization. Specifically, we investigate how patients can obtain home services while preventing scheduling conflicts in the context of limited resources. Our goal is to develop and verify robust models for this purpose. We employ formalism to construct and validate the model, following these steps: i) develop requirements and specifications; ii) create a model with concurrent processes using timed automata; and iii) verify the model using UPPAAL tools. Our study focuses on HCP implementation at a regional general hospital in Banyumas District, Central Java, Indonesia. The results include models and specifications based on timed automata and timed computation tree logic (TCTL). We successfully verified a concurrent model that utilizes synchronized counter variables and a sender-receiver approach to analyze collision constraints arising from the synchronization of patient and resource plans.]]>
<![CDATA[Upaya Peningkatan Omzet Melalui Pemasaran Digital Berbasis Website dan Media Sosial pada Industri Rumah Tangga (IRT) Minyak Kelapa Kediri ]]>
<![CDATA[Irawan, Mohammad Isa]]>;
<![CDATA[Mukhlash, Imam]]>;
<![CDATA[Rukmi, Alvida Mustika]]>;
<![CDATA[Hendy]]>;
<![CDATA[Iqbal, Mohammad]]>;
<![CDATA[Probojati, Rasyadan Taufiq]]>;
<![CDATA[Hidayat, Nurul]]>;
<![CDATA[Rukmini, Meme]]>
<![CDATA[ Sewagati Vol 8 No 6 (2024) ]]>
Publisher : <![CDATA[Pusat Publikasi ITS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.12962/j26139960.v8i6.2237
<![CDATA[Industri rumah tangga minyak kelapa “d’Hayfa Sukses Berkah” Kediri berdiri sejak tahun 2017. Usaha ini terletak di Jl. Kaliombo Perum Bumi Asri E-10 Kediri. Kualitas dari produk minyak kelapa Abila yang merupakan produk utama dari industri ini tidak kalah dibandingkan dengan produk sejenis yang ada di pasaran. Industri rumah tangga ini mampu menghasilkan beberapa produk turunan dari minyak kelapa, seperti sabun herbal dengan kandungan minyak kelapa dan kombinasi ekstrak tumbuhan berkhasiat, serum rambut, obat kutu, hand sanitizer, hand soap, cairan pencuci piring, serta pengharum ruangan. Dari hasil observasi dirasakan kurangnya pengetahuan masyarakat mengenai produk-produk yang dihasilkan serta kurangnya pengetahuan mengenai khasiat dan kegunaan dari produk mitra. Tujuan utama dari kegiatan abmas ini adalah untuk mengupayakan perluasan pangsa pasar melalui pemasaran digital sehingga produk minyak kelapa ini bisa dikenal luas dan meningkatkan pesanan. Sebuah website abilaindonesia.com dirancang tim abmas untuk mitra serta pengaturan unggahan media sosial yang berisi konten iklan maupun pengetahuan produk abila. Pembuatan website dan konten media sosial telah signifikan meningkatkan visibilitas online dari produk “d’Hayfa Sukses Berkah”. Penyediaan konten media sosial yang konsisten telah membantu membangun brand awareness dan keterlibatan pelanggan. Kegiatan ini mendukung pertumbuhan ekonomi berkelanjutan dan menciptakan pekerjaan yang layak (SDG 8), serta mendorong pola konsumsi dan produksi berkelanjutan (SDG 12).]]>
<![CDATA[The Model of Carbon Price Risk Prediction in European Markets Using Long Short-Term Memory- Geometric Brownian Motion ]]>
<![CDATA[Pradana, Yan Aditya]]>;
<![CDATA[Mukhlash, Imam]]>;
<![CDATA[Irawan, Mohammad Isa]]>;
<![CDATA[Putri, Endah Rokhmati Merdika]]>;
<![CDATA[Iqbal, Mohammad]]>
<![CDATA[ Journal of Applied Data Sciences Vol 6, No 2: MAY 2025 ]]>
Publisher : <![CDATA[Bright Publisher ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47738/jads.v6i2.536
<![CDATA[Accurate carbon market price prediction is one of the fundamentals in assessing the risks associated with carbon trading. Related studies on carbon price prediction were mainly focused on two major approaches: mathematical and/or machine learning models. Geometric Brownian Motion (GBM) is one of the mathematical models that can represent carbon price movements but requires modifying the sample size and the number of parameters for compiling the simulation numerically. Moreover, two critical parameters: (μ) mu and (σ) sigma need to be estimated to simulate the carbon price movements. In this study, the parameters μ and σ estimation are based on the average return value and standard deviation. However, if the carbon price movement is very volatile, we need to recognize its trend and characteristics by estimating the parameters precisely until there is no significant change (or stable) patterns. That is very expensive and may be intractable on high-dimensional data with less precise prediction. Therefore, we propose a hybrid model for carbon price prediction based on GBM with the parameter estimation using the Long Short-Term Memory (LSTM) model. The LSTM model was chosen because it has high accuracy in parameter estimation without losing the characteristics of the GBM stochastic model. Furthermore, Value at Risk (VaR) is utilized to measure the risk of carbon price volatility predictions. The simulation results showed the proposed model has higher prediction accuracy with a not-too-significant time difference, and the model is proven reliable in measuring future risks.]]>
<![CDATA[Carbon Price Prediction by Incorporating Fossil Fuel Prices Using Long Short-Term Memory with Temporal Pattern Attention (TPA-LSTM) ]]>
<![CDATA[Mujiono, Edo Priyo Utomo Putro]]>;
<![CDATA[Mukhlash, Imam]]>;
<![CDATA[Pradana, Yan Aditya]]>;
<![CDATA[Putri, Endah R.M.]]>;
<![CDATA[Irawan, Mohammad Isa]]>
<![CDATA[ Science and Technology Indonesia Vol. 10 No. 3 (2025): July ]]>
Publisher : <![CDATA[Research Center of Inorganic Materials and Coordination Complexes, FMIPA Universitas Sriwijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26554/sti.2025.10.3.856-865
<![CDATA[Reliable carbon price prediction can help to stabilize the carbon market, minimize financial risks for investors, and encourage innovation in green industries. The forecasts have a crucial role in reaching advanced goals for reducing emissions, aiding the shift toward an economy with reduced carbon emissions, and lessening the adverse effects of climate change overall. This paper proposes applications of LSTM with Temporal Pattern Attention (TPA-LSTM) to predict carbon price fluctuations. The prediction of carbon price fluctuations not only draws on its own historical information but also from its main predictors, including fossil fuel prices from 2018 to 2023. The TPA-LSTM method is a combined method that uses the LSTM layer as the initial input of the model. Furthermore, the output generated by the LSTM layer serves as the input to the TPA layer, which is then used to predict the carbon price for the following day. The model is tested by predicting the test data and calculating the evaluation results. The experimental results indicate that TPA-LSTM has surpassed other models in accuracy by showing better performance based on MSE, RMSE, MAE, and MAPE metrics.]]>
<![CDATA[DIGITALISASI PEMASARAN DAN SISTEM KEUANGAN PADA INDUSTRI RUMAH TANGGA COCONUT OIL KEDIRI ]]>
<![CDATA[Irawan, Mohammad Isa]]>;
<![CDATA[Mukhlash, Imam]]>;
<![CDATA[Rukmini, Meme]]>;
<![CDATA[Hendy]]>;
<![CDATA[Hidayat, Nurul]]>;
<![CDATA[Rukmi, Alvida Mustika]]>;
<![CDATA[Iqbal, Mohammad]]>;
<![CDATA[Probojati, Rasyadan Taufiq]]>
<![CDATA[ Jurnal Abdi Masyarakat Vol. 8 No. 1 (2024): Jurnal Abdi Masyarakat November 2024 ]]>
Publisher : <![CDATA[Universitas Kadiri ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30737/jaim.v8i1.6045
<![CDATA[Industri rumah tangga (IRT) minyak kelapa d’Hayfa Sukses Berkah memproduksi minyak kelapa murni Abila. Minyak kelapa yang dihasilkan memiliki kualitas yang tidak kalah baik dengan minyak kelapa yang dihasilkan industri besar. Beberapa kendala usaha yang dihadapi diantaranya sistem keuangan usaha yang belum tertata dan minimnya pemahaman pemilik dan staf dalam membuat laporan keuangan membuat usaha ini sulit berkembang. Tercampurnya keuangan usaha dan rumah tangga juga menjadi kendala internal. Selain memproduksi minya kelapa murni, dHayfa Sukses Berkah juga memiliki produk-produk turunan berbahan dasar minyak kelapa yang belum banyak diketahui masyarakat. Kegiatan pengabdian masyarakat ini dikembangkan sebuah sistem keuangan terkomputerisasi dan pemasaran digital bagi produk minyak kelapa Abila dan produk turunannya. Perkembangan sistem keuangan terkomputerisasi menunjukkan dampak positif dalam pengelolaan mitra. Pemanfaatan marketplace menunjukkan potensi dalam memperluas jangkauan pasar dan meningkatkan penjualan.]]>
<![CDATA[TE-LSTM: winding temperature prediction for induction motors in the oil and gas industry ]]>
<![CDATA[Supriyono, Joko]]>;
<![CDATA[Mukhlash, Imam]]>;
<![CDATA[Iqbal, Mohammad]]>;
<![CDATA[Asfani, Dimas Anton]]>
<![CDATA[ SINERGI Vol 29, No 3 (2025) ]]>
Publisher : <![CDATA[Universitas Mercu Buana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22441/sinergi.2025.3.022
<![CDATA[Induction motor winding failure repair takes longer compared to other failures, such as bearing failure. This research introduces a hybrid deep learning framework, TE-LSTM, to predict winding temperatures in induction motors used in oil and gas operations, aiming to address the challenges of accurately forecasting potential winding failures and enabling proactive maintenance strategies. The TE-LSTM model combines a transformer encoder-based architecture with long short-term memory to effectively model intricate temporal relationships and sensor dynamics within the dataset. The study utilized data collected from January 2016 to December 2024 at 1-minute intervals from induction motors equipped with stator winding temperature sensors, where the motors were designed with Class F insulation and had stage 1 and stage 2 alarms set at 257°F and 285°F, respectively. The findings highlight the efficiency and performance of the TE-LSTM model in predicting winding temperatures, which can significantly reduce unplanned downtime and associated costs, thereby optimizing maintenance operations and enhancing the reliability of the motor.]]>
