Claim Missing Document
Check
Articles

Perancangan Jaringan Internet RT/RW dengan Memanfaatkan Mikrotik dalam Memberikan Layanan Internet bagi Masyarakat Ricky Wahyu Setyawan; Suprianto
Physical Sciences, Life Science and Engineering Vol. 1 No. 2 (2024): March
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/pslse.v1i2.199

Abstract

Kebutuhan dari pengguna internet wireless menjadi tuntutan walaupun secara umum teknologi wireless masih belum bisa mengalahkan teknologi pendahulunya, dan perlu dipertimbangkan untuk kepuasan pengguna mengakses internet. Dalam penelitian ini penulis mengambil tema “Perancangan Jaringan Internet Rt/Rw Dengan Memanfaatkan Mikrotik Dalam Memberikan Layanan Internet Bagi Masyarakat”. Jaringan RT/RW Net sendiri adalah jaringan komputer warnet dalam ruang lingkup RT/RW melalui media kabel dan wireless sebagai sarana komunikasi masyarakat yang diburtuhkan saat ini. Melihat pada jaringan tersebut belum menerapkan sistem voucher mikrotik. Pada proyek akhir ini, penulis mengaplikasikan perancangan jaringan hotspot dengan sistem voucher menggunakan mikrotik pada RT/RW net sebagai sistemuntuk memudahkan client dalam pengkoneksian jaringan internet. Disamping itu juga sangat berguna untuk penyedia internet itu sendiri karena dengan sistem voucher dapat memudahkan dalam penyetingan ip client sehingga dapat meminimalisasikan waktu agar lebih efektif dan efisien untuk meningkatkan pelayanan kepada pengguna internet dan penyedia internet itu sendiri, sehingga diharapkan mampu memaksimalkan bisnis tersebut.
Hybrid CNN-LSTM for Indonesian Cyberbullying Detection on Social Media X Muhammad Hafizh Fattah; Mochamad Alfan Rosid; Sukma Aji; Suprianto
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol. 9 No. 2 (2026): Issues January 2026
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v9i2.16938

Abstract

Cyberbullying on social media platform X has become a critical digital threat and requires automatic detection mechanisms to mitigate psychological impacts on victims. This study proposes a hybrid deep learning architecture that combines Convolutional Neural Network (CNN) for local feature extraction and Long Short-Term Memory (LSTM) for sequential context understanding in classifying Indonesian language cyberbullying comments. This study evaluates model performance using a dataset of 13,677 comments from social media X through a series of systematic testing scenarios, including the impact of regularization, utilization of FastText embeddings, and comparative studies against state-of-the-art models. Experimental results demonstrate that the Early Stopping mechanism is a critical factor in this architecture, where without this mechanism the model experiences accuracy degradation of up to 32%. The proposed CNN-LSTM model achieves 88.38% accuracy and 88.00% F1-Score, improving to 0.9559 AUC with FastText integration. This model achieves over 97% of IndoBERTweet's performance with 22 times lower computational complexity (4.97 million versus 110.88 million parameters) and outperforms machine learning methods such as SVM with an accuracy margin of more than 10 percentage points. This study concludes that the CNN-LSTM architecture offers a robust and efficient solution for cyberbullying detection, particularly for resource-constrained environments