Article Per Year (5 Year)
p-Index From 2020 - 2025
1.67
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Systemic: Information System and Informatics Journal
Rizal Setya Perdana
Fakultas Ilmu Komputer , Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 53 Documents
Search

 2   3   4   5   6 
Query Expansion Pada Line Today Menggunakan Algoritme Ide-Dec-Hi dan Ide-Regular Nana Nofiana; Indriati Indriati; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 2 (2019): Februari 2019
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (332.874 KB)

Abstract

LINE TODAY is an online news site that provides up to date news articles and comes from trusted news sources. To make it easier to find news, a search engine is needed so news is quick to get. But in the search process, sometimes the queries entered are not in accordance with the results of news articles obtained. So it is necessary to do query expansion to help get more specific news articles, query expansion will expand previously ambiguous queries to be more structured. Query expansion begins with preprocessing stages, followed by weighting TF.IDF, as well as cosine similarity to the calculation of the idea-dec-hi and ide-regular method. Based on the implementation and testing carried out on the Query Expansion research on LINE TODAY, Using Ide-Dec-Hi and ide-regular Algorithm by utilizing 200 training data and 25 queries that are in accordance with the document, then the results for idea-dec-hi method that is the precision value is 0.6622, recall is 0.2314, f-measure is 0.2987, and the accuracy is 0.9506. Where as for ide-regular method results in precision values of 0.6635, recall of 0.0146, f-measure of 0.0279, and accuracy of 0.9488. Accuracy values generated using the ide-dec-hi method increase up to 0.18% compared to the ide-regular method.
Klasifikasi Sinopsis Novel berdasarkan Jenis Genre menggunakan Multi-class Support Vector Machine dan Chi-square Bana Falakhi; Imam Cholissodin; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 1 (2023): Januari 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Novels are a well-known and frequently read form of fictional works. Novels typically have over 100 pages and are available in a wide variety of genres. However, most novels have simple covers and only containt a brief title and narrative synopsis. It is difficult to determine the genre of a novel due to the lack of genre information on the cover. By these issues, a new classification method was developed by utilizing novel synopsis data and a multi-class Support Vector Machine (SVM) algorithm with a One-Against-All strategy. The TF-IDF and Chi-square approaches are also used for term weighting and features selection. To achieve the highest classification accuracy, this work implements two SVM kernels: the linear kernel and the gaussian kernel. 240 summary texts were used as training and testing dataset, grouped into four different genre categories: horror, romance, science fiction, and history. During tests, the kernel type, Chi-square threshold value, and sequential training parameters were changed to achieve the best classification accuracy result. Based on the test results, the highest classification accuracy value of 94.58% is achieved at the Chi-square threshold of 80%, SVM with a linear kernel, sequential training parameter with lambda (λ) = 0,5, gamma (γ) = 0,05, complexity (C) = 1, epsilon (ε) = 0,0001, and the maximum number of iterations is 100.
Analisis Sentimen Tokocrypto pada Twitter menggunakan Metode Long Short-Term Memory Caesar Rio Anggina Toruan; Novanto Yudistira; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 2 (2023): Februari 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

PT. Digital Indonesia Berkat or what is called Tokocrypto is a cryptocurrency exchange company based in Jakarta that is officially registered with the Commodity Futures Trading Regulatory Agency (Bappebti). The level of customer satisfaction is of course very important to note so that companies can benefit and retain service users to continue using the company's services and attract potential service users. Public sentiment towards a cryptocurrency can also affect the price of the cryptocurrency such as the cryptocurrency owned by Tokocrypto called TKO. The amount of data provided by customers will take a long time to be analyzed manually. To overcome this, sentiment analysis can be carried out using a machine learning model that can understand the content of Tokocrypto customer feedback. This study applies the Bidirectional LSTM method to classify sentiment analysis using the tweet data of Tokocrypto service users. In addition, it is necessary to apply pre-processing of text data to overcome customer feedback which includes non-standard words and slang which causes the model to not understand the original meaning. The model is also adjusted for hyperparameters with the grid search method so that the model gets the optimal combination of parameters. Changing non-standard words does not guarantee increasing the accuracy of the model but can still help produce a better model with evaluation results including an f1-score value of 0.9485, a precision value of 0.9423, a recall value of 0.92, a training loss value of 0.0001 and a validation loss value of 0.0004.
Identifikasi Penyakit Tanaman Cabai menggunakan Metode Learning Vector Quantization (LVQ) Kukuh Haryobismoko; Lailil Muflikhah; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 4 (2023): April 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penyakit tanaman cabai dapat menyebabkan kerugian yang signifikan bagi petani. Oleh karena itu, identifikasi penyakit dengan cepat dan akurat menjadi hal yang penting untuk mengendalikan penyebaran penyakit dan mengambil tindakan pencegahan yang tepat. Penelitian ini bertujuan untuk mengidentifikasi penyakit tanaman cabai menggunakan metode LVQ (Learning Vector Quantization). Dalam penelitian ini, kami menggunakan dataset yang terdiri dari 121 baris data. Data ini mencakup empat kelas penyakit yang umum terjadi pada tanaman cabai, dengan masing-masing kelas memiliki 18 gejala yang berbeda. Untuk melatih dan menguji model, kami menggunakan rasio data latih dan data uji sebesar 80%:20%. Hal ini dilakukan untuk memastikan bahwa model memiliki kinerja yang baik dalam mengklasifikasikan penyakit pada tanaman cabai yang belum pernah dilihat sebelumnya. Dalam pengujian, kami menentukan beberapa parameter untuk mencapai hasil yang optimal. Nilai alfa yang digunakan adalah 0.1 dengan minimum alfa 0,01. Kami memilih satu iterasi dalam proses pelatihan model. Learning rate yang kami gunakan adalah 0,2. Dengan konfigurasi ini, kami mencapai tingkat akurasi sebesar 100%. Hasil ini menunjukkan bahwa metode LVQ dapat menjadi alat yang efektif dalam mengidentifikasi penyakit pada tanaman cabai. Dengan menggunakan 18 gejala yang berbeda, model ini mampu membedakan dengan baik antara kelas penyakit yang berbeda. Tingkat akurasi yang tinggi ini memungkinkan petani untuk dengan cepat mengidentifikasi penyakit pada tanaman mereka dan mengambil langkah-langkah pengendalian yang diperlukan.
Klasifikasi Judul Berita Online menggunakan Metode Support Vector Machine (SVM) dengan Seleksi Fitur Chi-square Putu Rama Bena Putra; Indriati Indriati; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan teknologi mempengaruhi berbagai sektor salah satunya sektor berita. Penyebaran berita mulai memanfaatkan teknologi dengan munculnya berita online. Berita online yang ada memiliki bermacam-macam kategori. Saking banyaknya kategori terkadang suatu berita dapat memiliki kategori yang salah. Berita yang tidak sesuai dengan kategorinya dapat mengecoh pembaca. Dalam menilai suatu berita online masuk kategori mana selain melihat dari isinya dapat melalui judulnya, dikarenakan judul berita merupakan representasi utama dari berita. Dari permasalahan yang ada maka dilakukan penelitian klasifikasi judul berita online. Penelitian menggunakan support vector machine (SVM) sebagai metode klasifikasi. Selain menggunakan SVM dilakukan juga seleksi fitur dengan chi-square untuk mengurangi dimensi fitur. Data yang dipakai berjumlah 2400 judul berita online dengan 6 kategori. Proses klasifikasi dimulai dari pre-processing text, term weighting menggunakan TF-IDF, selanjutnya seleksi fitur dengan chi-square, dan terakhir klasifikasi dengan SVM. Penelitian dilakukan dengan mencari parameter SVM yang terbaik dan juga nilai terbaik dari threshold chi-square. Hasil dari pengujian memberikan hasil terbaik yaitu akurasi 93,06%, presisi 92,11%, recall 93,06%, dan f1-score 93,04%, terjadi ketika threshold chi-square sebesar 80% serta nilai parameter SVM berupa kernel menggunakan polynomial derajat 2, C=1, λ=1, konstanta γ=0,01, ε=10-8, dan maksimal iterasi sebesar 10.
Analisis Sentimen Dokumen Twitter menggunakan Metode Naïve Bayes dengan Seleksi Fitur GU Metric Imanuel Juventius Todo Gurning; Putra Pandu Adikara; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Media sosial menjadi salah satu sarana bagi masyarakat modern untuk dapat berdiskusi dan mengemukakan pendapat. Pengguna media sosial Indonesia mencapai 170 juta penduduk pada tahun 2022 menurut hasil riset Wearsosial Hootsuite. Salah satu media sosial yang paling digemari oleh masyarakat Indonesia adalah Twitter, dengan 19,5 juta pengguna pada akhir 2021 menurut Kementerian Komunikasi dan Informatika. Pada ranah Twitter di Indonesia, penanganan dan vaksinasi COVID – 19 oleh Pemerintah Indonesia menjadi salah satu topik perbincangan yang ramai diperdebatkan. Penanganan pandemi menimbulkan pro dan kontra di tengah masyarakat. Dalam mengidentifikasi dan mengklasifikasikan sentimen masyarakat tersebut digunakan metode klasifikasi Naïve Bayes dengan seleksi fitur GU Metric. Penelitian ini menggunakan data latih berjumlah 400, serta 100 data uji dengan perbandingan seimbang antara kelas positif dan negatif. Proses seleksi fitur diterapkan sebanyak 10 kali putaran, masing – masing sebesar 10% fitur dan meningkat hingga mencapai 100% fitur. Evaluasi kinerja yang diperoleh dengan confusion matrix pada klasifikasi sentimen mendapatkan hasil optimal pada penggunaan fitur sebesar 80%, dengan nilai F1 – score sebesar 0,87, accuracy sebesar 0,87, precision sebesar 0,84, dan recall sebesar 0,89 untuk kelas positif, serta F1 – score sebesar 0,87, accuracy sebesar 0,87, precision sebesar 0,9 dan recall sebesar 0,85 untuk kelas negatif.
Kombinasi Intent Classification dan Named Entity Recognition pada Data Berbahasa Indonesia dengan Metode Dual Intent and Entity Transformer Zahra Asma Annisa; Rizal Setya Perdana; Putra Pandu Adikara
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dipublikasikan di Konferensi Nasional Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN 2023)
Klasifikasi Intensi dengan Metode Long Short-Term Memory pada Chatbot Bahasa Indonesia Faiz Aulia Al Farisi; Rizal Setya Perdana; Putra Pandu Adikara
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dipublikasikan di Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN 2023)
Analisis Sentimen berbasis Aspek pada Ulasan Pembelian Laptop di E-Commerce menggunakan Metode Support Vector Machine (SVM) Farid Syauqi Nirwan; Fitra Abdurrachman Bachtiar; Rizal Setya Perdana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Arsitektur Sistem Percakapan Otomatis Berbahasa Indonesia dengan Normalisasi Bahasa Informal Menjadi Baku Muhammad Fathur Rahman Khairul; Rizal Setya Perdana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1077984

Abstract

Komunikasi merupakan hal yang paling penting dalam kehidupan sehari-hari. Setiap orang berkomunikasi dengan cara mereka berdasarkan latar belakang serta kedekatan antar pembicara. Oleh karena itu, perkembangan bahasa informal terjadi sangat cepat dan tidak jarang menciptakan kata-kata baru sebagai pengganti bahasa formal. Hal ini menjadi masalah jika dilihat dari perspektif pemrosesan bahasa alami (NLP). NLP umumnya hanya dapat dilakukan dengan bahasa yang formal dan tidak mampu menginterpretasikan makna dari kalimat informal. Maka dari itu, penulis mengusulkan pendekatan untuk memungkinkan mesin memahami bahasa informal dengan melakukan normalisasi bahasa infomal menjadi baku dengan memanfaatkan NLP. Pendekatan yang dilakukan akan melatih model pre-trained GPT-2 berbahasa Indonesia dengan data parallel corpus untuk memahami makna dari bahasa informal dan mampu menerjemahkannya ke dalam bentuk baku. Melalui eksperimen yang dilakukan, pendekatan ini mencapai tingkat akurasi 91% dan dapat menerjemahkan bahasa informal dengan baik. Performa ini dapat diraih dengan konfigurasi hiperparameter yaitu Adam optimizer dengan learning rate 1e-4, batch size sebesar 16 dan dropout rate sebesar 0,5.   Abstract   Communication is the most essential thing in daily life. Everyone communicates in their own way based on their background and the closeness between speakers. Thus, the development of informal language occurs quickly and it is often to create new words as a substitute for formal language. This is an issue from a natural language processing (NLP) perspective. NLP generally only works with formal language and is unable to interpret the meaning of informal sentences. Therefore, the authors propose an approach to enable machines to understand informal language by normalizing the informal language to standard by utilizing NLP. The approach will train a pre-trained GPT-2 model in Indonesian with parallel corpus data to understand the meaning of informal language and be able to translate it into standardized form. Through experiments, the method achieved 91% accuracy and can translate informal language well. This performance can be achieved with a hyperparameter configuration, namely Adam optimizer with a learning rate of 1e-4, batch size of 16 and dropout rate of 0.5.
Co-Authors Abdul Jabbar Agnes Rossi Trisna Lestari Arief Andy Soebroto Arina Indana Fahma Aryo Pinandito Bana Falakhi Budi Darma Setiawan Caesar Rio Anggina Toruan Claudio Fresta Suharno Claudio Fresta Suharno Dhony Lastiko Widyastomo Dian Eka Ratnawati Dinul Wikramaditya Syah Dwi Anggraeni Kuntjoro Dwi Rahayu Dwi Wahyu Puji Lestari Dyan Dyanmita Putri Edi Santoso Erma Rafliza Faisal Aji Prayoga Faiz Aulia Al Farisi Faiz Aulia Al Farisi Fakihatin Wafiyah Farid Syauqi Nirwan Fathor Rosi Fitra Abdurrachman Bachtiar Ghenniy Rachmansyah Grady Davinsyah I Made Budi Surya Darma I Putu Bagus Arya Pradnyana Imam Cholissodin Imanuel Juventius Todo Gurning Indriati Indriati Irma Ramadanti Fitriyani Ivan Fadilla Kukuh Haryobismoko Lailil Muflikhah M Yusron Syauqi Dirgantara M. Ali Fauzi Makrina Christy Ariestyani Marine Putri Dewi Yuliana Muhammad Abdurasyid Muhammad Fathur Rahman Khairul Muhammad Maulana Solihin Hidayatullah Muhammad Mishbahul Munir Muhammad Tanzil Furqon Muhammad Wafi Multohadi Hamzaturrazak Nana Nofiana Nirmala Fa'izah Saraswati Novanto Yudistira Nur Adli Ari Darmawand Nurul Hidayat Prananda Antinasari Putra Pandu Adikara Putu Amelia Vennanda Widyaswari Putu Rama Bena Putra Randy Cahya Wihandika Resti Febriana Riska Dewi Nurfarida Riyant Fajar Rizaldy Amsyar Umi Rofiqoh Wanda Athira Luqyana Wayan Firdaus Mahmudy Wijaya Kurniawan Winda Estu Nurjanah Yessivha Imanuela Claudy Yusuf Nurcahyo Zahra Asma Annisa Zahra Asma Annisa