Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Computatio : Journal of Computer Science and Information Systems TEKNOLOGIA
Muhammad Dzaky Normansyah
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Engineering Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
SISTEM PENDETEKSI KALIMAT UMPATAN DI MEDIA SOSIAL DENGAN MODEL NEURAL NETWORK Sahrul Sahrul; Ahmad Fauzan Rahman; Muhammad Dzaky Normansyah; Ade Irawan
Computatio : Journal of Computer Science and Information Systems Vol 3, No 2 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (418.739 KB) | DOI: 10.24912/computatio.v3i2.6032

Abstract

Governments and social media providers put high effort to tackle massive negative contents in social media. Those contents are mostly containing religion, race, and inter-group issues, cyberbullying, and also body shamming, which usually appears together with offensive languages. It becomes difficult to overcome because of a large number of internet users in Indonesia. Hence, we need a system that can automatically detect the negative contents. This paper utilizes Neural Network (NN) models for not only classifying the words as (non)offensive words but also considering the structure of the sentence to get its context. There are two NN models analyzed in this paper: Artificial Neural Network (ANN) and Recurrent Neural Network (RNN). The computer simulation results show that the RNN has better performances than the ANN with the accuracy of training, validation, and testing 94%, 84%, and 84%, respectively. Pemerintah dan penyedia layanan media sosial di Indonesia berusaha keras untuk mengatasi maraknya konten negatif di media sosial. Konten negatif yang sering ditemui diantaranya isu suku, agama, ras, dan antargolongan (SARA), cyberbullying, serta body shamming, yang biasanya muncul disertai kalimat-kalimat umpatan. Hal tersebut menjadi sulit untuk diatasi karena jumlah pengguna internet di Indonesia yang sangat besar, sehingga perlu adanya sebuah sistem yang dapat mendeteksinya secara otomatis. Penelitian ini mengusulkan sistem dengan model Neural Network untuk deteksi konten negatif di media sosial dengan cara mempertimbangkan konteks kalimat atau frasa, tidak hanya kata-per-kata. Ada dua model NN yang dianalisis di penelitian ini, yaitu Artificial Neural Network (ANN) dan Recurrent Neural Network (RNN). Model RNN menunjukkan performa yang lebih baik dibandingkan dengan model ANN dengan akurasi training, validasi, dan test masing-masing adalah 94%, 84%, dan 84%.  
ANALISIS PENGGUNAAN KOMPUTER DAN LAPTOP DI LABORATORIUM KOMPUTER UNIVERSITAS PERTAMINA Satria Dewo; Muhammad Dzaky Normansyah; Birgitta Sekar Winda; Farah Mardiana; Muhammad Tuni Subayu; Muharik Muharik; Erwin Setiawan; Meredita Susanty
JURNAL TEKNOLOGIA Vol 4 No 1 (2021): Jurnal Teknologia
Publisher : Aliansi Perguruan Tinggi Badan Usaha Milik Negara (APERTI BUMN)

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

Abstract

Seiring dengan kemajuan teknologi yang pesat membuat bertambahnya penggunaan energi listrik di Indonesia. Salah satu penggunaan listrik terbanyak sebagai akibat perkembangan teknologi adalah penggunaan komputer dan laptop. Riset yang dilakukan Indonesia Data Corporation (IDC) dan penelitian Central Intelligence Agency di US menunjukkan peningkatan penggunaan listrik juga peningkatan penggunaan komputer. Universitas sebagai salah satu lembaga dengan jumlah civitas yang banyak menjadi salah satu penyumbang kenaikan ini. Penelitian ini bertujuan mencari solusi yang paling efisien dari sisi biaya, efektif dalam penggunaan dan perawatan serta memiliki dampak lingkungan paling rendah. Penelitan fokus pada fasilitas laboratorium komputer pada gedung Griya Legita, Universitas Pertamina sebagai objek analisisnya. Analisis dilakukan secara kuantitatif dan kualitatif menggunakan analisis Strengths, Weaknesses, Opportunities, Threats (SWOT) menggunaakan external (EFE) dan internal factor evalution (IFE). Hasil analisis menunjukkan penggunaan laptop untuk fasilitas laboratorium komputer Universitas Pertamina memiliki efektifitas serta efisiensi yang lebih baik daripada personal komputer.
SISTEM PENDETEKSI KALIMAT UMPATAN DI MEDIA SOSIAL DENGAN MODEL NEURAL NETWORK Sahrul Sahrul; Ahmad Fauzan Rahman; Muhammad Dzaky Normansyah; Ade Irawan
Computatio : Journal of Computer Science and Information Systems Vol. 3 No. 2 (2019): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v3i2.6032

Abstract

Governments and social media providers put high effort to tackle massive negative contents in social media. Those contents are mostly containing religion, race, and inter-group issues, cyberbullying, and also body shamming, which usually appears together with offensive languages. It becomes difficult to overcome because of a large number of internet users in Indonesia. Hence, we need a system that can automatically detect the negative contents. This paper utilizes Neural Network (NN) models for not only classifying the words as (non)offensive words but also considering the structure of the sentence to get its context. There are two NN models analyzed in this paper: Artificial Neural Network (ANN) and Recurrent Neural Network (RNN). The computer simulation results show that the RNN has better performances than the ANN with the accuracy of training, validation, and testing 94%, 84%, and 84%, respectively. Pemerintah dan penyedia layanan media sosial di Indonesia berusaha keras untuk mengatasi maraknya konten negatif di media sosial. Konten negatif yang sering ditemui diantaranya isu suku, agama, ras, dan antargolongan (SARA), cyberbullying, serta body shamming, yang biasanya muncul disertai kalimat-kalimat umpatan. Hal tersebut menjadi sulit untuk diatasi karena jumlah pengguna internet di Indonesia yang sangat besar, sehingga perlu adanya sebuah sistem yang dapat mendeteksinya secara otomatis. Penelitian ini mengusulkan sistem dengan model Neural Network untuk deteksi konten negatif di media sosial dengan cara mempertimbangkan konteks kalimat atau frasa, tidak hanya kata-per-kata. Ada dua model NN yang dianalisis di penelitian ini, yaitu Artificial Neural Network (ANN) dan Recurrent Neural Network (RNN). Model RNN menunjukkan performa yang lebih baik dibandingkan dengan model ANN dengan akurasi training, validasi, dan test masing-masing adalah 94%, 84%, dan 84%.  
Co-Authors Ade Irawan Ahmad Fauzan Rahman Birgitta Sekar Winda Erwin Setiawan Farah Mardiana Meredita Susanty Muhammad Tuni Subayu Muharik Muharik Sahrul Sahrul Satria Dewo