Garuda - Garba Rujukan Digital

Pengembangan Sistem Rekomendasi Anime Berbasis Deep Q-Network (DQN) Ricky Ariesta Fakhruddin; Izzatul Ummah; Selly Meliana
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Sistem rekomendasi berperan penting dalam membantu pengguna menemukan konten sesuai preferensi di tengah banyaknya informasi. Penelitian ini membandingkan dua pendekatan, yaitu Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD) dan Reinforcement Learning (RL) berbasis Deep Q-Network (DQN). Fokus utama penelitian adalah menilai efektivitas keduanya dalam memberikan rekomendasi anime yang relevan, baik untuk pengguna eksisting maupun pengguna baru (cold-start). Dataset penelitian diambil dari Kaggle, melalui tahap preprocessing berupa pembersihan data, normalisasi fitur, dan encoding genre dengan one-hot. Model CF dilatih menggunakan parameter hasil tuning, sedangkan model RL dibangun dalam lingkungan simulasi dengan fungsi reward berbobot yang menggabungkan rating pengguna, skor global anime, dan kesamaan preferensi genre. Evaluasi dilakukan menggunakan skenario Top-N Recommendation (N = 1, 3, 5, 10, 15, 20) dengan metrik Precision@N, Recall@N, dan F1-Score@N. Item relevan untuk pengguna eksisting ditentukan berdasarkan reward persentil ke-80, sementara untuk pengguna baru ditetapkan pada anime dengan skor global ≥ 9.0. Hasil menunjukkan RL dengan DQN unggul pada masalah cold-start, sedangkan CF lebih baik untuk pengguna dengan riwayat interaksi. Perbandingan ini menyoroti kelebihan dan keterbatasan masing-masing pendekatan, sekaligus memberi panduan dalam memilih strategi rekomendasi sesuai konteks pengguna. Kata kunci— deep q-network, reinforcement learning, colaborative filtering, sistem rekomendasi anime

Pengembangan Sistem Rekomendasi Anime Berbasis Deep Q-Network (DQN) Ricky Ariesta Fakhruddin; Izzatul Ummah; Selly Meliana
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Sistem rekomendasi berperan penting dalam membantu pengguna menemukan konten sesuai preferensi di tengah banyaknya informasi. Penelitian ini membandingkan dua pendekatan, yaitu Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD) dan Reinforcement Learning (RL) berbasis Deep Q-Network (DQN). Fokus utama penelitian adalah menilai efektivitas keduanya dalam memberikan rekomendasi anime yang relevan, baik untuk pengguna eksisting maupun pengguna baru (cold-start). Dataset penelitian diambil dari Kaggle, melalui tahap preprocessing berupa pembersihan data, normalisasi fitur, dan encoding genre dengan one-hot. Model CF dilatih menggunakan parameter hasil tuning, sedangkan model RL dibangun dalam lingkungan simulasi dengan fungsi reward berbobot yang menggabungkan rating pengguna, skor global anime, dan kesamaan preferensi genre. Evaluasi dilakukan menggunakan skenario Top-N Recommendation (N = 1, 3, 5, 10, 15, 20) dengan metrik Precision@N, Recall@N, dan F1-Score@N. Item relevan untuk pengguna eksisting ditentukan berdasarkan reward persentil ke-80, sementara untuk pengguna baru ditetapkan pada anime dengan skor global ≥ 9.0. Hasil menunjukkan RL dengan DQN unggul pada masalah cold-start, sedangkan CF lebih baik untuk pengguna dengan riwayat interaksi. Perbandingan ini menyoroti kelebihan dan keterbatasan masing-masing pendekatan, sekaligus memberi panduan dalam memilih strategi rekomendasi sesuai konteks pengguna. Kata kunci— deep q-network, reinforcement learning, colaborative filtering, sistem rekomendasi anime

Pemanfaatan Generative AI untuk Optimalisasi Kegiatan Penyuluhan di Masyarakat Bojongsoang Fitriyani Fitriyani; Toufan Diansyah Tambunan; Asya Azhar Fathina; Izzatul Ummah; Lazuardy Syahrul Darfiansa; Fifinella Rahma
Jurnal Pengabdian Masyarakat Bangsa Vol. 4 No. 5 (2026): Juli
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v4i5.4744

Penggunaan Generative AI sudah lumrah digunakan pada kegiatan akademik dan pembelajaran. Mengenalkan generative AI kepada Masyarakat akan membantu efektifitas kegiatan kemasyarakatan. Kegiatan pengabdian masyarakat ini bertujuan meningkatkan kemampuan kader komunitas, seperti pengurus RW/RT, posyandu, dan majelis ta’lim, dalam memanfaatkan teknologi Generative Artificial Intelligence untuk kegiatan penyuluhan. Permasalahan utama mitra meliputi keterbatasan kemampuan dalam menyusun materi edukasi yang menarik, efisien, dan adaptif terhadap kebutuhan masyarakat. Program ini menawarkan solusi berupa pelatihan berbasis praktik menggunakan aplikasi ChatGPT untuk pembuatan konten teks penyuluhan serta Canva untuk pengembangan materi visual dan audio yang komunikatif. Kegiatan pengabdian Masyarakat ini meliputi pelatihan dan praktik. Luaran yang diharapkan berupa modul pelatihan, template konten penyuluhan berbasis AI, serta peningkatan literasi digital peserta. Melalui kegiatan ini, diharapkan terciptanya penyuluhan masyarakat yang lebih efektif, kreatif, dan berbasis teknologi, sehingga mampu mendukung transformasi digital komunitas secara berkelanjutan.

Optimalisasi Potensi Desa Tegalluar Melalui Implementasi Digital dan Teknologi Informasi Shaufiah Shaufiah; Fifinella Rahma; Izzatul Ummah; Arie Ardiyanti Suryani; Rochmawati Rochmawati
Jurnal Pengabdian Masyarakat Bangsa Vol. 3 No. 11 (2026): Januari
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v3i11.3846

Pelatihan Pengelolaan Web Sekolah Al Lathif Islamic School bertujuan untuk meningkatkan Teknologi informasi saat ini memberi banyak peluang untuk berbagai lapisan masyarakat termasuk desa. Diantaranya adalah penggunaan media digital agar potensi lokal dapat berkembang. Akan tetapi, karena tingkat literasi digital yang tidak sama, menjadikan hal ini menjadi tantangan besar. Kegiatan pengabdian kepada masyarakat ini bertujuan meningkatkan literasi digital dan keterampilan pemasaran digital masyarakat Desa Tegalluar melalui pelatihan pembuatan landing page menggunakan aplikasi Canva. Metode pelaksanaan menggunakan pendekatan partisipatif yang meliputi identifikasi kebutuhan, pelatihan teori dan praktik, pendampingan, serta evaluasi melalui pre-test dan post-test. Kegiatan dilaksanakan di Yayasan Rumah Katumbiri Bandung dengan melibatkan peserta berusia 16–27 tahun. Mayoritas peserta merasa puas dengan pelatihan ini dan menilai pelatihan ini bermanfaat dan sesuai dengan kebutuhan. Pelatihan ini membantu peserta mengenal dan mempelajari dasar desain landing page, juga konsep branding dan promosi digital. Sehingga, setelah pelatihan ini potensi Desa Tegalluar dapat disampaikan dengan lebih mudah dan berdaya saing

Pengembangan Sistem Rekomendasi Anime Berbasis Deep Q-Network (DQN) Ricky Ariesta Fakhruddin; Izzatul Ummah; Selly Meliana
LOGIC: Jurnal Penelitian Informatika Vol. 4 No. 1 (2026): June 2026
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v4i1.10977

Sistem rekomendasi berperan penting dalam membantu pengguna menemukan konten sesuai preferensi di tengah banyaknya informasi. Penelitian ini membandingkan dua pendekatan, yaitu Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD) dan Reinforcement Learning (RL) berbasis Deep Q-Network (DQN). Fokus utama penelitian adalah menilai efektivitas keduanya dalam memberikan rekomendasi anime yang relevan, baik untuk pengguna eksisting maupun pengguna baru (cold-start). Dataset penelitian diambil dari Kaggle, melalui tahap preprocessing berupa pembersihan data, normalisasi fitur, dan encoding genre dengan one-hot. Model CF dilatih menggunakan parameter hasil tuning, sedangkan model RL dibangun dalam lingkungan simulasi dengan fungsi reward berbobot yang menggabungkan rating pengguna, skor global anime, dan kesamaan preferensi genre. Evaluasi dilakukan menggunakan skenario Top-N Recommendation (N = 1, 3, 5, 10, 15, 20) dengan metrik Precision@N, Recall@N, dan F1-Score@N. Item relevan untuk pengguna eksisting ditentukan berdasarkan reward persentil ke-80, sementara untuk pengguna baru ditetapkan pada anime dengan skor global ≥ 9.0. Hasil menunjukkan RL dengan DQN unggul pada masalah cold-start, sedangkan CF lebih baik untuk pengguna dengan riwayat interaksi. Perbandingan ini menyoroti kelebihan dan keterbatasan masing-masing pendekatan, sekaligus memberi panduan dalam memilih strategi rekomendasi sesuai konteks pengguna.

Enhancing Big Five Personality Prediction on Indonesian Tweets: A Comparative Study of LSTM-GRU Hybrid and IndoBERT/IndoXLNet with Augmentation Techniques Izzatul Ummah; Fitriyani Fitriyani; Novia Natasya
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 4 (2026): JUTIF Volume 7, Number 4, August 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.4.5444

Over the past few years, researches on Big Five personality prediction model focusing on Indonesian tweets has mostly faced data scarcity and imbalance problem. This study aims to build Big Five personality prediction models for the low-resource language setting using Indonesian social media texts in platform X, and conduct a comparative performance analysis using deep learning model (hybrid BiLSTM-BiGRU) and transferred learning models (IndoBERT and IndoXLNet) with the optimization using various data augmentation and feature expansion techniques to overcome data scarcity and imbalance. We carried out data collection of 11746 tweets from hybrid sources (BFI questionnaire and keyword-based crawling), preprocessing using tokenization and stemming, extraction using Word2Vec and FastText, data augmentation (using SYN-REP, BACK-TRANS, RAND-INS, and SMOTE variants), Top-N feature expansion (with N = 1, 5, and 10), hyperparameter tuning using Optuna (for learning rate, batch size, dropout rate, and weight decay), and evaluating the model's accuracy, precision, recall, and F1-score. The result shows that IndoBERTweet+BACK-TRANS+Top-10 achieved 84% accuracy and an F1-score of 81.5%, surpassing IndoXLNet+BACKTRANS+Top-5 (82%) and LSTM+GRU+FastText+KMeansSMOTE+Top-5 (78%), with the BACK-TRANS technique improves overall F1 result by 13%. These findings bolster computational psychology informatics for low-resource NLP focusing on Indonesian language, as well as aiding mental health screening with 18% better generalization in imbalanced data, and enabling scalable trait inference in human resource and mental health applications.

A Rasch Analysis of the Zarit Burden Interview (ZBI) Scale Among Tsunami Survivors’ Caregivers Sari, Novita; Julianto, Very; Kamsi, Kamsi; Liem, Andrian; Ummah, Izzatul
Jurnal Psikologi Vol 53, No 1 (2026): All articles in this issue were authored/co-authored by 22 authors from 4 count
Publisher : Faculty of Psychology, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jpsi.108643

This study aimed to validate the Zarit Burden Interview (ZBI) among caregivers of elderly tsunami survivors in Aceh,Indonesia. In contexts characterized by disasters or significant social disruption, such as the aftermath of a tsunami, the burden on caregivers becomes increasingly critical. This phenomenon is due to the compounded vulnerabilities experienced by elderly tsunami survivors, which arise from trauma, displacement, and weakened community support systems. Therefore, it is imperative to validate the ZBI (Zarit Burden Interview) in this context. Using the Rasch Model, the study included 513 participants and assessed the construct validity of the ZBI. The findings indicated that the ZBI had a high internal consistency (person separation reliability = 0.81). In dimensionality measurement, an unexplained variance in the 1st contrast of 2.6 was found, slightly above the threshold, suggesting multidimensionality. However, with raw variance explained exceeding 40\% and approaching 60\%, the instrument can be considered sufficiently unidimensional. However, item 21 was identified as a misfit. Thus, it requires revision, considering local cultural values. Overall, the validation of the ZBI using the Rasch model resulted in an instrument that is valid and applicable to post-disaster contexts.

Title

Found 37 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 37 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 37 Documents
Search