Article Per Year (5 Year)
p-Index From 2021 - 2026
0.92
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Buana Informatika Jurnal Repositor
Christian Sri Kusuma Aditya Christian Sri Kusuma Aditya
Department of Informatics Engineering, Faculty of Information Technology, Sepuluh Nopember Institute of Technology Keputih, Sukolilo, Surabaya 60111, East Java, Indonesia
Computer Science & IT Library & Information Science

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 9 Documents
Search

 1 
CORTICAL BONE SEGMENTATION USING WATERSHED AND REGION MERGING BASED ON STATISTICAL FEATURES Mamluatul Hani`ah; Christian Sri Kusuma Aditya; Aryo Harto; Agus Zainal Arifin
Jurnal Ilmu Komputer dan Informasi Vol 8, No 2 (2015): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (597.002 KB) | DOI: 10.21609/jiki.v8i2.305

Abstract

Research on biomedical image is a subject that attracted many researchers’ interest. This is because the biomedical image could contain important information to help analyze a disease. One of the existing researches in his field uses dental panoramic radiographs image to detect osteoporosis. The analyzed area is the width of cortical bone. To analyze that area, however, we need to determine the width of the cortical bone. This requires proper segmentation on the dental panoramic radiographs image. This study proposed the integration of watershed and region merging method based on statistical features for cortical bone segmentation on dental panoramic radiographs. Watershed segmentation process was performed using gradient magnitude value from the input image. The watershed image that still has excess segmentation could be solved by region merging based on statistical features. Statistical features used in this study are mean, standard deviation, and variance. The similarity of adjacent regions is measured using weighted Euclidean distance from the statistical feature of the regions. Merging process was executed by incorporating the background regions as many as possible, while keeping the object regions from being merged. The segmentation result has succeeded in forming the contours of the cortical bone. The average value of accuracy is 93.211%, while the average value of sensitivity and specificity is 93.858% and respectively.
Deteksi Bot Spammer pada Twitter Berbasis Sentiment Analysis dan Time Interval Entropy Christian Sri Kusuma Aditya; Mamluatul Hani’ah; Alif Akbar Fitrawan; Agus Zainal Arifin; Diana Purwitasari
Jurnal Buana Informatika Vol. 7 No. 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v7i3.656

Abstract

Abstract. Spam is an abuse of messaging undesired by recipients. Those who send spam are called spammers.  Popularity of Twitter has attracted spammers to use it as a means to disseminate spam messages. The spams are characterized by a neutral emotional sentiment or no particular users’ preference perspective. In addition, the regularity of tweeting behavior periodically shows automation performed by bot. This study proposes a new method to differentiate between bot spammer and legitimate user accounts by integrating the sentiment analysis (SA) based on emotions and time interval entropy (TIE). The combination of knowledge-based and machine learning-based were used to classify tweets with positive, negative and neutral sentiments. Furthermore, the collection of timestamp is used to calculate the time interval entropy of each account. The results show that the precision and recall of the proposed method reach up to 83% and 91%. This proves that the merging SA and TIE can optimize overall system performance in detecting Bot Spammer.Keywords: bot spammer, twitter, sentiment analysis, polarity, entropy Abstrak. Spam merupakan penyalahgunaan pengiriman pesan tanpa dikehendaki oleh penerimanya, orang yang mengirimkan spam disebut spammer. Ketenaran Twitter mengundang spammer untuk menggunakannya sebagai sarana menyebarluaskan pesan spam. Karakteristik dari tweet yang dikategorikan spam memiliki sentimen emosi netral atau tidak ada preferensi tertentu terhadap suatu perspektif dari user yang memposting tweet. Selain itu keteraturan waktu perilaku saat memposting tweet secara periodik menunjukkan otomatisasi yang dilakukan bot. Pada penelitian ini diusulkan metode baru untuk mendeteksi antara bot spammer dan legitimate user dengan mengintegrasikan sentimen analysis berdasarkan emosi dan time interval entropy. Pendekatan gabungan knowledge-based dan machine learning-based digunakan untuk mengklasifikasi tweet yang memiliki sentimen positif, negatif dan tweet netral. Selanjutnya kumpulan timestamp digunakan untuk menghitung time interval entropy dari tiap akun. Hasil percobaan menunjukan bahwa precision dan recall dari metode yang diusulkan mencapai 83% dan 91%. Hal ini membuktikan penggabungan Sentiment Analysis (SA) dan Time Interval Entropy (TIE) dapat mengoptimalkan performa sistem secara keseluruhan dalam mendeteksi Bot Spammer.Kata Kunci:  bot spammer, twitter, sentiment analysis,  polarity, entropy
Rancang Bangun Sistem Informasi Berbasis WEB Pada Asrama Mahasiswa Kalimantan Selatan (AMKS) Mandastana Malang Menggunakan Arsitektur HMVC (Hierarchical, Model, View, Controller) Christian Sri Kusuma Aditya; Ilyas Nuryasin; Vinna Rahmayanti Setyaning Nastiti; Muhammad Robby Fathuda
Jurnal Repositor Vol. 1 No. 2 (2019): Desember 2019
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v1i2.30382

Abstract

Asrama Mahasiswa Kalimantan Selatan (AMKS) Mandastana Malang merupakan fasilitas yang diberikan oleh Pemerintah Provinsi Kalimantan Selatan untuk mahasiswa yang menempuh pendidikan di kota Malang. Pengolahan data merupakan komponen penting dalam suatu organisasi. Pengelolaan data dan penyampaian informasi yang lambat juga akan menjadi kendala yang akan datang dan semua pelaporan data atau informasi juga belum terkomputerisasi. Semua proses yang masih menitik beratkan kepada sistem manual membuat pengolahan data dan informasi menjadi kurang efesien. Pada penelitian ini dilakukan perancangan sebuah sistem informasi berbasis web pada AMKS Mandastana Malang yang berfungsi untuk pengelolaan data dan informasi dari kegiatan-kegiatan organisasi asrama serta pelaporan data kepada Pemerintah Provinsi Kalimantan Selatan. Sistem ini menggunakan framework codeigniter modular extensions atau sering disebut HMVC (Hierarchical, Model,View,Controller) sebagai struktur yang memudahkan untuk perancangan, perawatan dan pengembangan. Metode waterfall digunakan sebagai metode pengembangan dalam sistem ini. Pengujian sistem menggunakan blackbox testing, requirement test dan UAT (User Acceptance Test) menghasilkan sistem yang berjalan dengan baik.
Analisa Sentimen Tweet Berbahasa Indonesia Dengan Menggunakan Metode Lexicon Pada Topik Perpindahan Ibu Kota Indonesia Abdul Hadiy Dyo Fatra; Nur Hayatin; Christian Sri Kusuma Aditya
Jurnal Repositor Vol. 2 No. 11 (2020): November 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i11.30761

Abstract

This study proposes a classification of public response to the government's decision to move the Indonesian capital using the lexicon method. The results of testing accuracy are measured using a confusion matrix. The data in this study use data from Twitter in the form of tweets. The data contains tweets of community responses to the decision to move the Indonesian capital. Data passes through 5 preprocessing processes, namely case folding, punctuation removal, stopword removal, stemming, and tokenizing. Lexicon is used because it produces good accuracy values. In this study also will look for a dictionary that has the best classification results. The results of this study show the results of a good classification by approaching the results by experts.
Sentimen Analisis Tweet Berbahasa Indonesia Pada Pilkada Serentak 2020 Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Adam Novrisa; Gita Indah Marthasari; Christian Sri Kusuma Aditya
Jurnal Repositor Vol. 3 No. 2 (2021): Februari 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i2.31048

Abstract

Analisis sentiment merupakan cabang dari text mining, fokus utamanya merupakan menganalisa dokumen berupa teks. Tweet yang berupa teks tersebut dibagi menjadi dua class yaitu class positif dan negatif. Algoritma yang digunakan pada penelitian ini yaitu Naïve Bayes berbasis Particle Swarm Optimization yang digunakan untuk mengetahui apakah terdapat peningkatan akurasi pada hasil klasifikasi. Dataset yang digunakan sebanyak 1000 dan diujikan menggunakan 10 Fold Cross Validation. Hasil klasifikasi yang didapatkan dari penelitian ini menghasilkan akurasi sebesar 81%. Hasil tersebut lebih baik dibandingkan dengan hasil klasifikasi menggunakan Naïve Bayes tanpa ada proses seleksi fitur dengan Particle Swarm Optimization dengan hasil akurasi sebesar 74.14%
Perbandingan Feature Selection Chi-Square Dan Query Expansion Ranking (QER) Pada Analisis Sentimen Terkait Revitalisasi Monas Menggunakan Metode Naïve Bayes Classifier Roni Hadi Wijaya; Gita Indah Marthasari; Christian Sri Kusuma Aditya
Jurnal Repositor Vol. 3 No. 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.31961

Abstract

Monumen Nasional menjadi salah satu destinasi yang cukup populer. Di awal tahun 2020, taman Monumen Nasional dilakukan revitalisasi. Dengan adanya kebijakan tersebut, mengundang banyak kalangan untuk memberikan tanggapan secara langsung maupun lewat social media. Dengan demikian, penelitian ini mencoba menganalisis ulasan dari masyarakat dengan metode naive bayes classifier dan membandingkan penggunaan seleksi fitur chi-square dan query expansion ranking untuk mengoptimalkan kinerja klasifikasi pada penelitian. Hasil klasifikasi naïve bayes classifier yang didapatkan dengan seleksi fitur query expansion ranking sebesar 80% dengan variasi rasio seleksi fitur 75%. Hasil tersebut lebih baik dibandingkan dengan hasil klasifikasi naïve bayes classifier dengan seleksi fitur chi-square menggunakan variasi rasio 75% dengan akurasi 79%.
Perbandingan Algoritma Selection Feature Query Expansion Ranking dan Symmetrical Uncertainty Pada Instagram Terkait Sengketa ZEE di Perairan Natuna Dzurrifqi Aziz; Nur Hayatin; Christian Sri Kusuma Aditya
Jurnal Repositor Vol. 3 No. 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.31963

Abstract

Algoritma Naïve Bayes adalah untuk menggabungkan probabilitas kata-kata dan kategori untuk memperkirakan probabilitas kategorikan dokumen. Naïve Bayes ini merupakan algoritma klasifikasi yang sering digunakan dalam sebuah penelitian salah satunya penelitian mengenai Sentimental Analysis. Dengan demikian, penelitian ini mencoba menganalisis ulasan dari masyarakat dengan metode naive bayes classifier dan membandingkan penggunaan seleksi fitur Symmetrical Uncertainty dan query expansion ranking untuk mengoptimalkan kinerja klasifikasi pada penelitian. Hasil pengujian yang diperoleh dengan menggunakan symmetrical uncertainty adalah tingkat accuracy sebesar 76%, precision sebesar 76%, dan recall sebesar 61%. Sedangkan hasil pengujian yang diperoleh dengan menggunakan query expansion ranking adalah tingkat accuracy sebesar 75%, precision sebesar 75%, dan recall sebesar 56%.
Sistem Pendukung Keputusan Untuk Pemilihan Lokasi Tanah Strategis Di Kota Mataram Menggunakan Metode AHP-TOPSIS Dati Nafa Alfiana; Christian Sri Kusuma Aditya; Galih Wasis Wicaksono
Jurnal Repositor Vol. 5 No. 1 (2023): February 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i1.32035

Abstract

Pemilihan lokasi tanah sangat penting bagi para investor, pembisnis, ,masyarakat ataupun bagi pendatang baru. Sistem pendukung keputusan pemilihan tanah strategis di kota mataram menggunakan metode Analytic Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) memiliki tujuan agar memberikan rekomendasi lokasi tanah strategis untuk membangun pertokoan, pusat pembelanjaan atau kos-kosan maupun kontrakan untuk para investor, pembisnis atau pun masyarakat pendatang baru. Dalam peneliti ini metode AHP digunakan untuk menentukan bobot kriteria di lakukan menggunakan metode ‘AHP’ sedangkan pada tahap perangkingan dilakukan dengan metode TOPSIS. Pada penelitian ini menggunakan 4 kriteria yaitu harga, lokasi, luas, resiko dan mendapatkan hasil pada ranking pertama yaitu pagutan dengan nilai 0,792853 dan Pengujian dilakukan pada penelitian ini yaitu pengujian akurasi hasil dengan perhitungan menggunakan cross-validation dan nilai akurasi yang didapatkan pada gabungan dari kedua metode tersebut mencapai 85 %.
Deteksi Konten Hoax Pada Media Berita Indonesia Menggunakan Multinomial Naïve Bayes Fatahillah Arsyad; Nur Hayatin; Christian Sri Kusuma Aditya
Jurnal Repositor Vol. 5 No. 4 (2023): November 2023
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v5i4.32092

Abstract

Berita hoax merupakan masalah yang perlu ditanggulangi di Indonesia. Melansir laporan dari Kominfo (Kementerian Komunikasi dan Informatika) pada tahun 2020 saja terdeteksi 3.464 berita hoaks. mengingat jumlahnya yang banyak, maka akan sangat sulit untuk mengidentifikasi setiap berita yang ada di Indonesia, tidak secara cepat apalagi secara komprehensif. Oleh karena itu, dibutuhkan suatu alat atau sistem yang dapat mendeteksi berita yang tersebar, secara cepat dan efisien. Dengan tujuan tersebut, penelitian ini dilakukan, dengan menggunakan metode yang digunakan oleh Multinomial Naïve Bayes (MNB). Pada penelitian sebelumnya, masih terdapat beberapa kekurangan yang dapat ditutupi dengan improvisasi. Untuk berimprovisasi dalam klasifikasi berita hoaks, metode MNB dipilih untuk penelitian ini. MNB sendiri merupakan jenis Naïve Bayes yang sering digunakan untuk analisis teks dimana data direpresentasikan dalam bentuk vektor frekuensi kata. sebagai rival pembanding untuk MNB, Gaussian Naïve Bayes juga akan didatangkan untuk penelitian ini. dengan total 998 data berita yang bersumber dari turnbackhoax.id dan sebagai pembanding penelitian ini juga menggunakan data dari penelitian sebelumnya yang berjumlah 250 berita. Hasil yang diperoleh dengan metode GNB mencapai akurasi 94% dan akurasi tertinggi untuk metode MNB adalah 96% yang menunjukkan MNB lebih baik.
Co-Authors Abdul Hadiy Dyo Fatra Adam Novrisa Agus Zainal Arifin Alif Akbar Fitrawan Aryo Harto Aryo Harto Dati Nafa Alfiana Diana Purwitasari Dzurrifqi Aziz Fatahillah Arsyad Gita Indah Marthasari Mamluatul Hani’ah Muhammad Robby Fathuda Nur Hayatin Nuryasin, Ilyas Roni Hadi Wijaya S, Vinna Rahmayanti Wicaksono, Galih Wasis