Article Per Year (5 Year)
p-Index From 2021 - 2026
1.347
P-Index
This Author published in this journals
All Journal Produktif : Jurnal Ilmiah Pendidikan Teknologi Informasi Faktor Exacta JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) DoubleClick : Journal of Computer and Information Technology Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika Jurnal Nasional Teknik Elektro dan Teknologi Informasi
Nova Agustina
Sekolah Tinggi Teknologi Bandung
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : DoubleClick : Journal of Computer and Information Technology

 1 
Implementasi Convolutional Neural Network untuk Klasifikasi Rempah – Rempah Khas Indonesia Sandi Hermawan; Nova Agustina
DoubleClick: Journal of Computer and Information Technology Vol 7, No 1 (2023): Optimalisasi Teknologi Informasi
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v7i1.15466

Abstract

Indonesia merupakan negara tropis dengan kekayaan alam yang besar, salah satu kekayaan yang dimiliki Indonesia yakni rempah-rempah yang melimpah dan bermacam-macam, akan tetapi tidak semua orang mengetahui berbagai jenis dari rempah-rempah. Sehingga Pada penelitian ini bertujuan untuk meningkatkan pengetahuan mengenai jenis rempah-rempah khas indonesia, dengan menggunakan metode  deep learning dibuat sebuah klasifikasi citra rempah khas Indonesia menggunakan CNN dengan train akurasi sebesar 99% dan validation akurasi sebesar 60% serta data train yang digunakan sebanyak 24 citra untuk setiap jenis rempah-rempah, terdapat 7 (tujuh) jenis rempah-rempah yang dipakai yakni Andaliman, Cabe Jawa, Cengkeh, Kapulaga, Kayu Manis, Lada dan Pala.
Deteksi Berita Palsu Pada Pemilu 2024 Dengan Menggunakan Algoritma Random Forest Arizal Sabila Nurhikam; Rivaldi Syaputra; Saepul Rohman; Satrio Rully Priyambodo; Nova Agustina
DoubleClick: Journal of Computer and Information Technology Vol 7, No 1 (2023): Optimalisasi Teknologi Informasi
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v7i1.15456

Abstract

Pemilu atau pemilihan umum merupakan proses penting dalam negara demokrasi yang digunakan untuk memilih pemimpin dan pemerintah. Namun, maraknya berita palsu yang beredar di media sosial menyebabkan keraguan terhadap informasi yang didapat. Oleh karena itu, dibutuhkan tektnik untuk mendeteksi berita palsu sebelum berita tersebut diterima dan dipercayai oleh masyarakat. Dalam penelitian ini, kami mengevaluasi kemampuan algoritma random forest dalam mendeteksi berita palsu pada pemilu 2024. Dataset yang digunakan berisikan 859 record yang berisi id, status_fakta, dan judul_berita, dimana status_fakta sebagai label. Proses yang dilakukan pada dataset meliputi cleaning, tokenisasi, dan stemming. Kemudian dilakukan proses training dan testing pada model untuk mendapatkan akurasi dari model tersebut. Hasil yang didapatkan dari pengujian ini adalah akurasi sebesar 84.88%. Penerapan cleaning, tokenisasi, dan stemming pada dataset juga meningkatkan kualitas dataset yang digunakan dalam proses klasifikasi. 
Co-Authors Aditiya Suryana Adrian, Adrian Arizal Sabila Nurhikam Azril Tazidan Octa Nuryawan Erlin Ipan Saepul Milal Junadhi Junadhi Laili Suryati M. Hasanudin M. Hasanudin Mamun Hasbullah Marlim, Yulvia Nora Mercy Hermawati Miftahul Rizal Mochammad Aliffiallathifa Nur Azhari Muchammad Naseer Muhamad Fauzan Rajab Muhammad Fadhil Muttaqin Rifki Aditya Nugraha Rivaldi Syaputra Saepul Rohman Sandi Hermawan Satrio Rully Priyambodo Slamet Risnanto Sri Erina Damayanti Supriadi, Irwin Syifa Nur Fauziah Tatang Bukhori Yanto Yanto