Claim Missing Document
Check
Articles

Found 6 Documents
Search

Eksperimen Naïve Bayes Pada Deteksi Berita Hoax Berbahasa Indonesia Faisal Rahutomo; Inggrid Yanuar Risca Pratiwi; Diana Mayangsari Ramadhani
Jurnal Penelitian Komunikasi dan Opini Publik Vol 23, No 1 (2019): JURNAL PENELITIAN KOMUNIKASI DAN OPINI PUBLIK - Juli 2019
Publisher : BPSDMP Kominfo Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (760.016 KB) | DOI: 10.33299/jpkop.23.1.1805

Abstract

Website and blog are popular as a media to spread news. The validity of an article of news’s can either be valid or fake. A fake article of news is usually called a hoax news article. The purpose of making hoax news is to persuade, manipulate, affect to people to do something that contradicts or prevents the right action. A hoax news usually used threats or misleading information to make them believe things that are not real. This research proposes an experiment using naïve Bayes to detect hoax news in Bahasa Indonesia. In this research, we use our own dataset consisting of a total of 600 valid and hoax articles. We asked three reviewers to conduct manual classification for our dataset. Final tagging was obtained by adopting the maximum score from the three reviewers. In our experiment, we show that naïve Bayes can classify Indonesian online news articles with term frequency feature using the PHP-ML library component’s. We obtained an accuracy is 82.6% with static testing and 68.33% with dynamic testing. We give free access to the dataset so the future research can replicate, comparing the result and make a baseline testing.Keywords : Hoax News Detection, Naïve Bayes Classifier.
Klasifikasi Penyakit Jantung Menggunakan Metode Synthetic Minority Over-Sampling Technique Dan Random Forest Clasifier A. Rahim, Abdul Mizwar; Inggrid Yanuar Risca Pratiwi; Muhammad Ainul Fikri
The Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i5.3413

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi dalam klasifikasi penyakit jantung dengan menggabungkan Synthetic Minority Over-sampling Technique (SMOTE) dan algoritma Random Forest Classifier, dengan menggunakan data pasien yang mengalami diagnosis penyakit jantung dan tidak mengalami penyakit jantung. Tahapan awal yang dilakukan yaitu mengatasi masalah ketidakseimbangan kelas dengan mengaplikasikan SMOTE untuk menghasilkan sampel sintetis dari kelas minoritas, lalu dilanjutkan pada proses normalisasi data menggunakan metode min-max normalisasi, setelah itu masuk pada proses klasifikasi menggunakan Random Forest Classifier untuk melatih model dalam melakukan klasifikasi. Hasilnya menunjukkan bahwa pendekatan ini mampu meningkatkan kemampuan model dalam mengidentifikasi kasus penyakit jantung. Evaluasi model menghasilkan akurasi yang lebih baik dibandingkan hasil yang didapatkan pada penelitian yang dilakukan sebelumnya yaitu mencapai akurasi 92%, hasil terbaik ini terjadi peningkatan 2% dari hasil akurasi yang dihasilkan penelitian sebelumnya yaitu 90%.
Design and Development of an Edugame Arabic for Learning Media Yudha Riwanto; Inggrid Yanuar Risca Pratiwi; Asri Wulan Septiana; Fauzia Anis Sekar Ningrum; Ajie Kusuma Wardhana
IJID (International Journal on Informatics for Development) Vol. 12 No. 2 (2023): IJID December
Publisher : Faculty of Science and Technology, UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/ijid.2023.4297

Abstract

Learning media provides significant advantages to students by improving their learning experience through the use of multimedia applications, resulting in a more engaging and fascinating learning environment while reducing the monotony associated with traditional manual learning techniques. Digital learning material, provides a platform for interesting learning activities, encouraging a delightful and cost-effective learning experience. The impact of learning media is especially noticeable in the subject of the Arabic language. Arabic is traditionally regarded as a difficult language, and many students dislike this language course. However, the Edugame Arabic was created to overcome this issue. Using the GDLC process, which includes phases of initialization, pre-production, production, testing, and publishing. This game-learning application was evaluated through a testing phase that included groups of school students who were actively involved in Arabic language lessons. Edugame Arabic has successfully been installed and runs smoothly on various Android smartphones. Moreover, the game's offline capability allows users to continue their learning without an internet connection. The questionnaire responds, with users strongly agreeing that the app has an appealing design, an intriguing game premise, good material delivery, and considerable aid in learning Arabic. Furthermore, users generally acknowledged that the Edugame is simple to use and helps with vocabulary learning.
Analisis Keamanan Sistem Informasi Perguruan Tinggi Berbasis Indeks KAMI Fauzia Anis Sekar Ningrum; Yudha Riwanto; Inggrid Yanuar Risca Pratiwi; Muhammad Ainul Fikri
Jurnal Informatika Polinema Vol. 10 No. 3 (2024): Vol. 10 No. 3 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i3.5154

Abstract

Keamanan informasi merupakan hal yang penting dalam lingkungan Perguruan Tinggi, baik swasta maupun negeri untuk melindungi data sensitif dan menjaga integritas serta kerahasiaan informasi. Dalam paper ini, dilakukan perbandingan manajemen keamanan informasi antara dua Perguruan Tinggi Swasta yang berada di daerah Kabupaten Banyuwangi, yaitu Perguruan Tinggi A dan Perguruan Tinggi B untuk mengukur menggunakan Indeks Keamanan Informasi (Indeks KAMI) versi 5.0. Metode penelitian yang digunakan melibatkan pengumpulan data dari kedua Perguruan Tinggi melalui survey dengan Indeks KAMI. Setelah itu, data tersebut dianalisis dan perbandingan dilakukan berdasarkan elemen-elemen KAMI yang berstandar SNI ISO 27001, meliputi Tata Kelola Keamanan Informasi, Pengelolaan Risiko Keamanan Informasi, Kerangka Kerja Keamanan Informasi, Pengelolaan Aset informasi, Teknologi dan Keamanan Informasi dan Peran TIK. Hasil penelitian menunjukkan perbedaan signifikan antara dua Perguruan Tinggi Swasta yang telah dilakukan survey. Pada Perguruan Tinggi A menunjukkan tingkat keamanan informasi dengan nilai 713 yang menunjukan indikator standar Cukup Baik yang meliputi Tata Kelola yang baik, Perlindungan Data Pribadi yang kuat, dan mengedepankan Aspek Teknologi. Sedangkan pada Perguruan Tinggi B menunjukan tingkat keamanan informasi dengan nilai 321 yang menunjukan indikator Tidak Layak standar ISO, dengan elemen yang paling kuat dalam Perguruan Tinggi B adalah kontrol keamanan Perlindungan Data Pribadi.
Hoax news identification using machine learning model from online media in Bahasa Indonesia Inggrid Yanuar Risca Pratiwi; Anggit Ferdita Nugraha
Matrix : Jurnal Manajemen Teknologi dan Informatika Vol. 12 No. 2 (2022): Matrix: Jurnal Manajemen Teknologi dan Informatika
Publisher : Unit Publikasi Ilmiah, P3M, Politeknik Negeri Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31940/matrix.v12i2.58-67

Abstract

Information and communication technology that’s developing is one of the main triggers of the information explosion today. Nowadays, various news content is not only easy to obtain but also easy to produce through various platforms on the internet, including popular online media, such as blogs and websites. So a lot of news content on blogs and websites that are currently being circulated leads to fake news content (hoaxes) that can mislead the perception and thoughts of the readers. Therefore, it is important to develop a system that can detect the presence of fake news content to minimize the losses caused by the presence of fake news content. In this study, the Naive Bayes algorithm is proposed as a machine learning model that will be used to detect fake news content in Indonesian language online media. As a result, the global accuracy value reached 71% with recall, precision, and F1-Score values as a whole above 70% which indicates that the proposed model can detect fake news content quite well.
Segmentasi Citra Menggunakan Pendekatan Trial and Error dan Metode Otsu untuk Identifikasi Objek Yudha Riwanto; Inggrid Yanuar Risca Pratiwi; Muhammad Ainul Fikri
Jurnal Informatika Polinema Vol. 11 No. 3 (2025): Vol. 11 No. 3 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i3.7046

Abstract

Segmentasi citra merupakan tahapan penting dalam pengolahan citra digital untuk memisahkan objek dari latar belakang agar analisis visual menjadi lebih efektif. Penelitian ini membandingkan dua metode segmentasi citra, yaitu trial and error thresholding dan metode Otsu, dalam mengidentifikasi objek pada citra aurora. Dataset yang digunakan berupa citra RGB aurora yang dikonversi ke grayscale, kemudian disegmentasi menggunakan kedua metode tersebut. Metode trial and error menentukan nilai ambang secara manual berdasarkan histogram, sedangkan metode Otsu secara otomatis menghitung nilai ambang optimal dengan memaksimalkan varians antar kelas. Hasil analisis menunjukkan bahwa metode Otsu lebih unggul dengan akurasi segmentasi sebesar 92% dan waktu pemrosesan 1,2 detik, dibandingkan metode trial and error yang menghasilkan akurasi 85% dan waktu 2,5 detik. Dengan demikian, metode Otsu dinilai lebih efisien dan konsisten untuk segmentasi citra alami, meskipun masih memerlukan teknik pra-pemrosesan tambahan pada citra dengan noise tinggi.