Article Per Year (5 Year)
p-Index From 2021 - 2026
1.633
P-Index
This Author published in this journals
All Journal Jurnal Pemikiran dan Pengembangan Sekolah Dasar (JP2SD) Indonesian Journal of Educational Research (IJER) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Martabe : Jurnal Pengabdian Kepada Masyarakat Journal on Education JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal On Teacher Education (Jote) Jurnal Pendidikan Dasar Perkhasa Jurnal Pendidikan dan Pembelajaran Indonesia (JPPI) Bima Abdi: Jurnal Pengabdian Masyarakat Lentera: Jurnal Ilmiah Kependidikan JAPI: Jurnal Akses Pengabdian Indonesia Edumaspul: Jurnal Pendidikan
Bahrul Ulum
Universitas Muhammadiyah Malang
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Economics, Econometrics & Finance Education Engineering Health Professions Languange, Linguistic, Communication & Media Mathematics Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
KLASIFIKASI EMOSI LIRIK LAGU BERBAHASA INDONESIA MENGGUNAKAN MODEL INDOBERT: EMOTIONAL CLASSIFICATION OF INDONESIAN SONG LYRICS USING THE INDOBERT MODEL Wildan Suharso; Briansyah Setio Wiyono; Bahrul Ulum; Ruslan Yusuf; Ahmad Fauzi
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 11 No 2 (2026): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v11i2.8263

Abstract

Song lyrics reflect human feelings, but manually identifying emotions in a dataset is a significant challenge. The urgency of this research lies in utilizing the latest model, IndoBERT-base-p1, in analyzing lyrics, so that it can be used by the music industry to understand audiences and be useful in psychology and language research. The dataset used consists of 360 Indonesian song lyrics obtained from Kaggle. This data is then broken down into chunks per line to allow for more detailed emotion analysis. The IndoBERT-base-p1 model will be trained to classify each line of lyrics into 10 predetermined emotion categories. The target output of this research is a trained model capable of classifying emotions with high accuracy. Based on the research results, it can be seen that the augmentation has proven effective. Song lyrics reflect human feelings, but manually identifying emotions in a dataset is a significant challenge. The urgency of this research lies in utilizing the latest model, IndoBERT-base-p1, in analyzing lyrics, so that it can be used by the music industry to understand audiences and be useful in psychology and language research. The dataset used consists of 360 Indonesian lyrics and 10 emotion categories. This data is then broken down into line-by-line chunks to allow for more detailed emotion analysis. The IndoBERT-base-p1 model will be trained to classify each line of lyrics into 10 predetermined emotion categories. The target output of this research is a trained model capable of classifying emotions with high accuracy. Based on the research results, it can be seen that the augmentation has proven to be quantitatively effective. Before augmentation, the number of data for some emotions was in the range of 250–350 samples, while dominant emotions such as love and sadness were above 1,400 samples. After augmentation, all emotion labels increased significantly and were in a more balanced range, namely around 1,100 to 2,600 samples per emotion. The precision values ​​for each emotion include sad 0.87, happy 0.85, angry 0.89, afraid 0.94, longing 0.89, love 0.89, disappointed 0.86, nostalgia 0.91, heartbroken 0.93.  
Profil Literasi Finansial Mahasiswa PGSD UMM sebagai Calon Guru Sekolah Dasar menggunakan Three-Tier Mutiple Choice dan CRI Bahrul Ulum; Maharani Putri Kumalasani; Dian Fitri Nur Aini
Jurnal Pendidikan dan Pembelajaran Indonesia (JPPI) Vol. 6 No. 2 (2026): Jurnal Pendidikan dan Pembelajaran Indonesia (JPPI), 2026 (2)
Publisher : Yayasan Pendidikan Bima Berilmu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53299/jppi.v6i2.4138

Abstract

Penelitian ini bertujuan untuk menganalisis profil literasi finansial mahasiswa PGSD serta mengidentifikasi tingkat pemahaman konseptual, miskonsepsi, dan ketidakpahaman menggunakan instrumen diagnostik. Penelitian ini menggunakan pendekatan deskriptif kuantitatif dengan melibatkan 102 mahasiswa PGSD Universitas Muhammadiyah Malang sebagai responden. Instrumen yang digunakan adalah Three-Tier Multiple Choice yang dipadukan dengan Certainty of Response Index (CRI) untuk mengidentifikasi kategori pemahaman mahasiswa secara lebih mendalam. Analisis data dilakukan dengan mengelompokkan respons ke dalam kategori paham konsep (PK), tidak paham konsep (TPK), dan miskonsepsi (MK). Hasil penelitian menunjukkan bahwa tingkat literasi finansial mahasiswa masih berada pada kategori sedang dengan distribusi yang didominasi oleh ketidakpahaman konsep dan miskonsepsi pada beberapa elemen penting, seperti pengelolaan keuangan dan pengambilan keputusan finansial. Selain itu, ditemukan adanya kecenderungan overconfidence pada sebagian mahasiswa yang menunjukkan keyakinan tinggi meskipun jawabannya tidak tepat. Simpulan penelitian ini menegaskan bahwa diperlukan penguatan pembelajaran literasi finansial berbasis diagnostik konseptual untuk meminimalisasi miskonsepsi dan meningkatkan kesiapan mahasiswa PGSD sebagai calon guru dalam mengajarkan literasi keuangan di sekolah dasar.
PENGEMBANGAN CHATBOT PADA WEBSITE PENJUALAN DENGAN MEMAKSIMALKAN PROMPT ENGINEERING Bahrul Ulum; Wildan Suharso
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8124

Abstract

Perkembangan teknologi digital mendorong toko grosir untuk me-nyediakan layanan pelanggan yang lebih interaktif dan responsif. Sistem Frequently Asked Questions (FAQ) statis yang umum digunakan sering kali gagal menjawab pertanyaan spesifik dan kontekstual pelanggan, namun hal ini terkadang memberikan hasil yang tidak signifikan. Pertanyaan yang tidak sama dengan maksud yang diinginkan oleh pengguna dapat memberikan jawaban yang bias. Salah satu cara untuk memberikan jawaban yang sesuai adalah dengan menggunakan prompt engineering yang sesuai. Sehingga pada penelitian ini tidak hanya dilakukan pengembangan chatbot pada website penjualan, namun juga dimanfaatkan juga prompt en-gineering yang sesuai agar jawaban dapat sesuai dengan keinginan pengguna chatbot. Hasil evaluasi menunjukkan akurasi pencarian informasi sebesar 80%, presisi dan recall masing-masing 87,5%, serta F1-score 87,5%, temuan ini menunjukkan bahwa pendekatan ini efektif dalam meningkatkan relevansi dan ketepatan jawaban chatbot dibandingkan sistem FAQ konvensional. Penelitian ini merekomendasikan pengembangan integrasi dengan sistem kasir dan peningkatan kualitas embedding serta model generatif untuk meningkatkan performa chatbot di masa mendatang.
Co-Authors Ahmad Fauzi Belinda Dewi Regina Bustanol Arifin Delora Jantung Amelia Dian Fitri Nur Aini Frendy Aru Fantiro Ichsan Ansory AM Ima Wahyu Putri Utami Maharani Putri Kumalasani Mochamad Novi Rifa’i Mohammad Novi Rifa'i Rizqi Hanna Desi Pratiwi Ruslan Yusuf Setiya Yunus Saputra Wildan Suharso Wiyono, Briansyah Setio