Claim Missing Document
Check
Articles

Pelatihan Desain Antarmuka Mobile Application dengan Figma untuk Meningkatkan Kompetensi Guru MGMP TIK Surabaya Ahmadiyah, Adhatus Solichah; Sarno, Riyanarto; Hidayati, Shintami Chusnul; Anggraini, Ratih Nur Esti; Sungkono, Kelly Rossa; Munif, Abdul
Sewagati Vol 8 No 4 (2024)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v8i4.1216

Abstract

Studi ini mengevaluasi dampak pelatihan desain antarmuka mobile application (aplikasi perangkat bergerak) menggunakan Figma terhadap peningkatan wawasan dan keterampilan guru MGMP TIK di Surabaya. Kegiatan pelatihan yang diikuti 43 peserta terlaksana dalam dua tahap, yakni penyampaian materi dan pendampingan berupa asistensi pengerjaan desain antarmuka pada studi kasus. Metode evaluasi melibatkan pengumpulan data melalui kuesioner yang diberikan sebelum dan setelah pelatihan, serta analisis hasil penugasan desain antarmuka pada studi kasus. Sebagaimana terlihat dari hasil kuesioner. Hasil karya desain antarmuka peserta juga mencerminkan penguasaan konsep desain antarmuka aplikasi perangkat bergerak. Implikasi dari peningkatan ini berupa kontribusi positif terhadap pendekatan pembelajaran berbasis teknologi di lingkungan sekolah. Kesimpulannya, pelatihan desain antarmuka aplikasi perangkat bergerak menggunakan Figma mampu secara efektif meningkatkan pengetahuan dan keterampilan guru MGMP TIK Surabaya, yang selanjutnya dapat diterapkan dan dioptimalkan dalam konteks pembelajaran teknologi di sekolah. Studi ini memberikan landasan bagi pengembangan lebih lanjut dalam memperkaya metode pelatihan guru untuk menghadapi tantangan pembelajaran berbasis teknologi di era digital.
Accelerating real-time deterministic discovery through single instruction multiple data graphical processor unit for executing distributed event logs Fauzan, Hermawan; Sarno, Riyanarto; Saikhu, Ahmad
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 4: August 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i4.pp4214-4227

Abstract

With the rapid expansion of process mining implementation in global enterprises distributed across numerous branches, there is a critical requirement to develop an application qualified for real-time operation with fast and precise data integration. To address this challenge, computational parallelism emerges as a feasible solution to accelerate data analytics, with graphical processor unit (GPU) computing currently trending for achieving parallelism acceleration. In this study, we developed a process mining application to optimize parallel and distributed process discovery through a combination of central processing unit (CPU) and GPU computing. The use of this computing combination is leveraged for executing multi-windowing threads within multi-instruction, multiple data (MIMD) in the CPU for streaming distributed event logs, using multi-instruction, single data (MISD) within the CPU to deploy a large footprint pipeline to the GPU, and then utilizing single instruction, multiple data (SIMD) to execute global thread discovery within the GPU. This method significantly accelerates performance in real-time distributed discovery. By reducing branch divergence in SIMD on the global thread GPU parallelism, it outperformed local-thread CPU execution in deterministic discovery, speeding up from 10 to 40 times under specific conditions using a novel min-max flag algorithm implemented within the main steps of the process discovery.
Stock price forecasting in Indonesia stock exchange using deep learning: a comparative study Haryono, Agus Tri; Sarno, Riyanarto; Sungkono, Kelly Rossa
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 1: February 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i1.pp861-869

Abstract

In 2022, the Indonesia stock exchange (IDX) listed 825 companies, making it challenging to identify low-risk companies. Stock price forecasting and price movement prediction are vital issues in financial works. Deep learning has previously been implemented for stock market analysis, with promising results. Because of the differences in architecture and stock issuers in each study report, a consensus on the best stock price forecasting model has yet to be reached. We present a methodology for comparing the performance of convolutional neural networks (CNN), gated recurrent units (GRU), long short-term memory (LSTM), and graph convolutional networks (GCN) layers. The four layers types combination yields 11 architectures with two layers stacked maximum, and the architectures are performance compared in stock price predicting. The dataset consists of open, highest, lowest, closed price, and volume transactions and has 2,588,451 rows from 727 companies in IDX. The best performance architecture was chosen by a vote based on the coefficient of determination (R2), mean squared error (MSE), root mean square error (RMSE), mean absolute percent error (MAPE), and f1-score. TFGRU is the best architecture, producing the finest results on 315 companies with an average score of RMSE is 553.327, MAPE is 0.858, and f1-score is 0.456.
Aspect-based sentiment analysis: natural language understanding for implicit review Suhariyanto, Suhariyanto; Sarno, Riyanarto; Fatichah, Chastine; Abdullah, Rachmad
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 6: December 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i6.pp6711-6722

Abstract

The different types of implicit reviews should be well understood so that the developed extraction technique can solve all problems in implicit reviews and produce precise terms of aspects and opinions. We propose an aspect-based sentiment analysis (ABSA) method with natural language understanding for implicit reviews based on sentence and word structure. We built a text extraction method using a machine learning algorithm rule with a deep understanding of different types of sentences and words. Furthermore, the aspect category of each review is determined by measuring the word similarity between the aspect terms contained in each review and aspect keywords extracted from Wikipedia. Bidirectional encoder representations from transformers (BERT) embedding and semantic similarity are used to measure the word similarity value. Moreover, the proposed ABSA method uses BERT, a hybrid lexicon, and manual weighting of opinion terms. The purpose of the hybrid lexicon and the manual weighting of opinion terms is to update the existing lexicon and solve the problem of weighting words and phrases of opinion terms. The evaluation results were very good, with average F1-scores of 93.84% for aspect categorization and 92.42% for ABSA.
Improving cyberbullying detection through multi-level machine learning Salsabila, Salsabila; Sarno, Riyanarto; Ghozali, Imam; Sungkono, Kelly Rossa
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 2: April 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i2.pp1779-1787

Abstract

Cyberbullying is a known risk factor for mental health issues, demanding immediate attention. This study aims to detect cyberbullying on social media in alignment with the third sustainable development goal (SDG) for health and well-being. Many previous studies employ single-level classification, but this research introduces a multi-class multi-level (MCML) algorithm for a more detailed approach. The MCML approach incorporates two levels of classification: level one for cyberbullying or not cyberbullying, and level two for classifying cyberbullying by type. This study used a dataset of 47,000 tweets from Twitter with six class labels and employed an 80:20 training and testing data split. By integrating bidirectional encoder representations from transformers (BERT) and MCML at level two, we achieved a remarkable 99% accuracy, surpassing BERT-based single-level classification at 94%. In conclusion, the combination of MCML and BERT offers enhanced cyberbullying classification accuracy, contributing to the broader goal of promoting mental health and well-being.
Evaluating the impact of downsampling on 3D MRI images segmentation results based on similarity metrics Fajar, Aziz; Sarno, Riyanarto; Fatichah, Chastine
Indonesian Journal of Electrical Engineering and Computer Science Vol 35, No 3: September 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v35.i3.pp1590-1600

Abstract

Medical imaging plays a crucial role in diagnosing patient conditions, with magnetic resonance imaging (MRI) standing as a significant modality for numerous years. However, leveraging convolutional neural network (CNN) architectures like U-Net and its variations for anatomical segmentation demands considerable memory, particularly when working with full 3D image sets. Therefore, downsampling 3D MRIs proves advantageous in reducing memory consumption. Nevertheless, downsampling leads to a reduction in voxel count, potentially impacting the performance of commonly used segmentation metrics. The jaccard similarity index (JSI), dice similarity coefficient (DSC), and structural similarity index (SSIM) are extensively employed in image segmentation contexts. Hence, this study employs all three metrics to assess downsampled images and evaluate the robustness of the metrics when used to evaluate the downsampled 3D MRI images. The results show that JSI and DSC are more robust than SSIM when handling the downsampled data.
Evaluasi Capstone Project Desain Antarmuka Aplikasi untuk Guru MGMP TIK Surabaya Adhatus Solichah Ahmadiyah; Riyanarto Sarno; Shintami Chusnul Hidayati; Ratih Nur Esti Anggraini; Kelly Rosa Sungkono; Abdul Munif
ABDI: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 6 No 3 (2024): Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Publisher : Labor Jurusan Sosiologi, Fakultas Ilmu Sosial, Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/abdi.v6i3.905

Abstract

Peningkatan keterampilan desain aplikasi bagi guru MGMP TIK Surabaya penting untuk ditingkatkan guna mendukung kualitas pendidikan yang lebih baik. Kegiatan pengabdian kepada masyarakat ini dilakukan oleh tim dosen dan mahasiswa laboratorium manajemen cerdas informasi teknik informatika ITS dengan tujuan memberikan rekomendasi dan masukan terkait permasalahan desain antarmuka aplikasi yang dibuat oleh guru peserta pelatihan. Metode yang digunakan adalah evaluasi heuristik dan klasifikasi permasalahan menggunakan severity level. Hasil dari kegiatan ini menunjukkan bahwa guru menjadi tahu apa permasalahan yang ada di desain antarmuka yang dibuat dan mengetahui aksi perbaikan. Hal ini juga memperjelas penyampaian materi dengan permasalahan dan solusi nyata, sehingga dapat meningkatkan kualitas pembelajaran dan pengajaran
PENGELOMPOKAN MODEL PROSES BERDASARKAN MATRIK SIMILARITAS DENGAN PENDEKATAN SEMANTIK Priyambadha, Bayu; Sarno, Riyanarto
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 14, No. 2, Juli 2016
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v14i2.a569

Abstract

Saat ini, pemanfaatan sebuah sistem informasi berorientasi proses pada sebuah organisasi sangat marak dilakukan. Sistem informasi berorientasi proses bertujuan untuk meningkatkan kinerja sebuah organisasi. Dalam sebuah organisasi berskala besar, model proses yang digunakan untuk mendukung bisnis tidak berjumlah sedikit, melainkan dapat mencapai angka ratusan bahkan hingga ribuan. Repositori model proses adalah sebuah media untuk menyimpan model proses dalam sebuah organisasi. Terdapat permasalahan dalam pengelolaan repositori model proses, antara lain proses perhitungan kesamaan model proses yang masih menggunakan pendekatan kesamaan sintaktik. Pendekatan tersebut membuat proses pengelompokan model proses menjadi kurang optimal. Untuk menjawab permasalahan tersebut, pada penelitian ini dilakukan mekanisme pengelompokan model proses berdasarkan kedekatan derajat kesamaan yang dimiliki tiap model proses. Penghitungan derajat kesamaan dilakukan berdasarkan beberapa matrik kesamaan, antara lain kesamaan titik (node), kesamaan struktur, dan kesamaan perilaku (behavior). Serta perhitungan derajat kesamaan dilakukan dengan menggunakan metode kesamaan arti (semantik). Penggunaan metode kesamaan arti dapat meningkatkan nilai compactness pada kelompok yang dihasilkan dari proses clustering.
PEMODELAN GRANULARITAS TEMPORAL UNTUK MENCARI RELASI ANTAR OBJEK WARISAN BUDAYA INDONESIA DENGAN MENGGUNAKAN ONTOLOGI Ariyani, Nurul Fajrin; Priyanto, Alief Yoga; Sarwosri, Sarwosri; Sarno, Riyanarto
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 15, No. 1, Januari 2017
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24068535.v15i1.a637

Abstract

Waktu adalah sebuah konsep penting dalam pencatatan objek-objek warisan budaya dan peristiwa sejarah. Contoh konsep waktu yang sering digunakan dalam pencatatan objek-objek warisan budaya dan sejarah adalah waktu interval (time-interval) dan waktu titik (time-point). Informasi waktu disajikan dalam granularitas waktu primitif yang berbeda seperti tanggal, bulan, tahun dan abad atau bisa juga disajikan dengan hanya menyebutkan keterangan waktu tertentu seperti zaman, era, masa serta keterangan waktu lainnya yang tidak diketahui secara pasti kapan terjadinya. Salah satu cara untuk mencari kedekatan waktu dengan satuan yang beragam adalah dengan memanfaatkan ontologi. Dalam penelitian ini dibuat sebuah skema ontologi untuk pencarian relasi waktu antar entitas warisan budaya. Skema ini merupakan gabungan dari ontologi yang sudah ada yakni OWL-Time dan CIDOC-CRM. Penggabungan ontologi ter-sebut dilakukan menggunakan bahasa Ontology Web Language (OWL) dan dengan bantuan aplikasi Protégé. Berdasar-kan uji coba yang dilakukan, skema ontologi ini dapat menghasilkan fakta-fakta baru mengenai kesamaan dan kedekatan waktu dari objek-objek yang diinputkan. Sehingga relasi temporal antar objek dapat diketahui dengan tepat. Pendokumentasian relasi temporal warisan budaya dapat dijadikan salah satu sumber pembelajaran maupun penelitian terkait dengan warisan budaya. Untuk memudahkan pengujian skema ontologi beserta rule penalarannya, hasil dari pen-carian relasi temporal ini ditampilkan dalam aplikasi berbasis web.
Analisis Perbandingan Metode Klasifikasi Sentimen Berita Saham: Pendekatan Machine Learning, Deep Learning, Transfer Learning, dan Graf Tyas, Salsabila Mazya Permataning; Sarno, Riyanarto; Rintyarna, Bagus Setya
Jurnal Penelitian IPTEKS Vol. 9 No. 1 (2024): JURNAL PENELITIAN IPTEKS
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/penelitianipteks.v9i1.1479

Abstract

Pasar saham merupakan arena yang dinamis, di mana keputusan investasi seringkali dipengaruhi oleh berbagai faktor, termasuk informasi yang diperoleh dari berita saham. Analisis sentimen berita saham menjadi krusial dalam memahami reaksi pasar terhadap berita tertentu. Tujuan penelitian ini untuk mengklasifikasikan sentimen berita saham dalam membantu investor dan pelaku pasar untuk membuat keputusan yang lebih baik. Oleh karena itu, pengembangan metode yang efektif untuk mengklasifikasikan sentimen berita saham menjadi suatu kebutuhan mendesak. Penelitian ini fokus pada pemahaman sentimen di dalam berita saham dan menghadirkan perbandingan antara empat metode klasifikasi yang berbeda, yaitu Machine Learning, Deep Learning, Transfer Learning, dan metode berbasis Graf. Dengan memahami perbedaan kinerja dan kelebihan masing-masing metode, diharapkan penelitian ini dapat memberikan pandangan yang lebih mendalam terkait pilihan teknik yang paling sesuai dalam menghadapi kompleksitas analisis sentimen di pasar saham. Hasil eksperimen dan evaluasi kinerja masing-masing metode diukur dengan menggunakan nilai akurasi. Dari seluruh percobaan yang dilakukan nilai akurasi tertinggi diperoleh menggunakan BERT sebesar 81%.
Co-Authors A.A. Ketut Agung Cahyawan W ABDUL MUNIF ABDUL MUNIF Adhatus Solichah Ahmadiyah Adhatus Solichah Ahmadiyah, Adhatus Solichah Afina Lina Nurlaili Afrianda Cahyapratama Agung Wiratmo Agus Tri Haryono, Agus Tri Agus Zainal Arifin Ahmad Saikhu Ahmad Yusuf Ardiansyah Ahmadiyah, Adhatus Solichah Ainul Yaqin Alfian Ma’arif Alief Yoga Priyanto, Alief Yoga Andrean Hutama Koosasi Anggraini, Ratih Nur Esti Anto Satriyo Nugroho Ardy Januantoro Arifin, Mohammad Nazir Aziz Fajar Azzam Jihad Ulhaq Azzam Jihad Ulhaq Bagus Priambodo Bagus Setya Rintyarna Bambang Jokonowo Bayu Priyambadha Bilqis Amaliah Buliali, Joko Lianto Cahyaningtyas Sekar Wahyuni Chastine Fatichah Chastine Fatichah Chastine Fatihah Danica Virlianda Marsha Daniel Oranova Siahaan Dava Aulia Dedy Rahman Wijaya Dewi Rahmawati Dieky Adzkiya Dini Adni Navastra Dwi Sunaryo Dwi Sunaryono Dwo Sunaryono Edi Faisal Effendi, Yutika Amelia Endang Wahyu Pamungkas Faisal Rahutomo Faizal Anugrah Bhaswara Fajar, Aziz Farza Nurifan Fauzan Prasetyo Fauzan, Hermawan Feri Eko Herman Fernandes Sinaga Fika Hastarita Rachman Fony Revindasari Gabriel Sophia Gelu, Leonard Peter Gita Intani Budiawati HANA RATNAWATI Hendra Darmawan Hermawan Hermawan Hidayat, Husnul Hidayati, Shintami Chusnul Ida Ayu Putu Sri Widnyani Imam Cholissodin Imam Ghozali Imam Ghozali Imam Mukhlash Imam Riadi Ismail Eko Prayitno Rozi Isnaini Nurul Kurnia Sari Isnaini Nurul KurniaSari Jan Claes Johanes Andre Ridoean Joko Buliali Kartini Kartini Kelly Rosa Sungkono Kelly Rossa Sungkono Kholed Langsari Kholed Langsari Lailil Muflikhah Langsari, Kholed M. Jupri Margo Pudjiantara Mochammad Faris Ponighzwa Rizkanda Mohammad Fikri Mohammad Nazir Arifin Muhammad Ainul Yaqin Muhammad Nezar Mahardika Muhammad Nicko Rahmadano Muhammad Rivai Muhammad Taufiqulsa’di Muhammad Taufiqulsa’di Nashi Widodo Navinda Meutia Navinda Meutia Nurlaili, Afina Lina Nurul Fajrin Ariyani Nurul Fajrin Ariyani Peter Gelu Pradipta Ghusti Puji Budi Setia Asih Purwono, Purwono R.V Hari Ginardi Rachmad Abdullah Rachmad Abdullah Rahmawati, Dewi Ratih Nur Esti Anggraeni Ratih Nur Esti Anggraini Ratih Nur Esti Anggraini, Ratih Nur Esti Rizky Widhanto Herlambang Rosyid, Alfian Nur Ryco Puji Setyono Salsabila, Salsabila Sarwosri Sarwosri Setiaputra G, Riswandy Shintami Chusnul Hidayati Shintami Chusnul Hidayati Shintami Chusnul Hidayati Sholiq Sinarring Azi Laga Siti Maimunah Siti Maimunah Siti Rochimah Solichul Huda Suhariyanto Suhariyanto Suhariyanto Suhariyanto Sungkono, B.J. Santosa Tohari Ahmad Tyas, Salsabila Mazya Permataning Umi Salamah Untoro, Meida Cahyo Widya Nilam Rumana Widyasari Ayu Wibowo Yutika Amelia Zahrul Zizki Dinanto Zahrul Zizki Dinanto