Article Per Year (5 Year)
p-Index From 2021 - 2026
1.431
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Journal Automation Computer Information System (JACIS) Jurnal Pelita Pengabdian SAINTEK
Asep Suprianto
Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Engineering Industrial & Manufacturing Engineering Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : journal automation computer information system jacis

 1 
Prediksi Risiko Stroke Berdasarkan Faktor Klinis Menggunakan Random Forest Dengan Optimasi Threshold dan SHAP Chaerul Hidayat; Agung Nugroho; Asep Suprianto
Journal Automation Computer Information System Vol. 6 No. 1 (2026): Mei
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i1.178

Abstract

Stroke merupakan salah satu penyebab utama kematian dan kecacatan di berbagai negara, sehingga diperlukan metode prediksi risiko yang akurat berbasis data klinis. Namun, penelitian sebelumnya umumnya masih menghadapi permasalahan ketidakseimbangan data serta kurang memberikan interpretasi terhadap faktor klinis yang berpengaruh. Penelitian ini mengembangkan model prediksi risiko stroke dengan mengatasi ketidakseimbangan data serta meningkatkan interpretabilitas model. Dataset yang digunakan terdiri dari 5.110 data pasien dengan distribusi kelas yang tidak seimbang. Untuk mengatasi permasalahan tersebut, diterapkan metode SMOTEENN dan algoritma Balanced Random Forest, serta analisis menggunakan pendekatan Explainable Artificial Intelligence (XAI). Hasil evaluasi menunjukkan bahwa model memiliki kinerja yang cukup baik dengan nilai accuracy sebesar 79,26% dan ROC-AUC sebesar 82,01%. Namun, nilai precision yang relatif rendah (15,68%) menunjukkan masih terdapat prediksi positif yang tidak tepat, sebagai konsekuensi dari peningkatan recall  sebesar 74% dalam mendeteksi kasus stroke sebagai kelas minoritas. Analisis SHAP menunjukkan bahwa usia, kadar glukosa, hipertensi, dan indeks massa tubuh merupakan faktor utama dalam prediksi risiko stroke. Penelitian ini memberikan kontribusi dalam meningkatkan deteksi kasus stroke serta menyediakan interpretasi model yang lebih transparan
Analisis Sentimen Opini Publik Terhadap ChatGPT Pada Platform X Menggunakan Pendekatan Tf-Idf dan Support Vector Machine Rini Ariza; Muhamad Fatchan; Asep Suprianto
Journal Automation Computer Information System Vol. 6 No. 1 (2026): Mei
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i1.179

Abstract

Perkembangan teknologi kecerdasan buatan seperti ChatGPT telah memicu berbagai tanggapan dari masyarakat yang banyak diungkapkan di media sosial, terutama di Platform X. Namun, penelitian yang secara khusus menganalisis sentimen masyarakat Indonesia terhadap ChatGPT di Platform X masih terbatas, sehingga dibutuhkan analisis untuk memahami kecenderungan opini publik dengan cara yang lebih terukur. Tujuan dari penelitian ini untuk mengidentifikasi dan mengelompokkan sikap publik terhadap ChatGPT serta memberikan gambaran empiris mengenai kecenderungan opini masyarakat. Data yang digunakan dalam penelitian diperoleh melalui proses crawling data di Platform X dengan menggunakan kata kunci “ChatGPT”, selanjutnya diproses melalui tahap preprocessing, pelabelan berbasis lexicon, serta ekstraksi fitur menggunakan metode TF-IDF sebelum dilakukan klasifikasi dengan algoritma Support Vector Machine (SVM). Hasil evaluasi yang menggunakan confusion matrix menunjukkan bahwa model SVM mencapai tingkat akurasi sebesar 81%, precision 75%, recall 67%, dan F1-score 71%. Hasil ini menunjukan bahwa model memiliki performa yang cukup baik dalam mengkategorikan sentimen, walaupun masih terdapat keterbatasan dalam mendeteksi seluruh data positif. Selain itu, ditemukan bahwa sentimen negatif lebih banyak dibandingkan dengan sentimen positif. Penelitian ini memberikan pemahaman mengenai kecenderungan opini masyarakat terhadap ChatGPT dan dapat menjadi acuan untuk pengembangan teknologi serta kebijakan yang lebih responsif terhadap opini publik
Analisis Sentimen Masyarakat Indonesia Terkait Konten Deepfake Pada Platform X Menggunakan Algoritma SVM Muhammad Reza Maulana; Agung Nugroho; Asep Suprianto
Journal Automation Computer Information System Vol. 6 No. 1 (2026): Mei
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v6i1.180

Abstract

Maraknya penyebaran konten deepfake di platform media sosial memunculkan kekhawatiran tentang kemungkinan adanya disinformasi dan manipulasi informasi di ranah digital. Platform media sosial X menjadi salah satu lokasi utama bagi masyarakat untuk menyampaikan pandangan mereka tentang fenomena ini. Penelitian ini bertujuan untuk menganalisis pandangan masyarakat Indonesia mengenai deepfake di platform X dan menilai kinerja algoritma Support Vector Machine (SVM) dalam mengklasifikasikan sentimen. Data diperoleh dengan teknik crawling menggunakan kata kunci “deepfake” pada periode Januari 2024 hingga Juni 2025, menghasilkan 2.116 tweet dan 1.841 data bersih setelah dilakukan preprocessing. Pelabelan data dilakukan dengan pendekatan lexicon-based, dengan ekstraksi fitur menggunakan TF-IDF. Model klasifikasi menggunakan SVM dengan kernel linear serta pembagian data training dan testing dengan rasio 80:20. Evaluasi model menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa pendapat masyarakat lebih banyak didominasi oleh sentimen negatif. Model SVM mencatat akurasi 80,76%, presisi 68,81%, recall 66,96%, dan F1-score 67,87%, yang menunjukkan performa klasifikasi pada tingkat sedang dalam skema pelabelan berbasis leksikon. Hasil ini dapat digunakan sebagai dasar untuk memantau opini publik terkait fenomena deepfake serta mendukung pengembangan strategi literasi digital di media sosial
Co-Authors Agung Nugroho Ananto Tri Sasongko Chaerul Hidayat Faradilla Laksmita Devi Handala Simetris Harahap Hilman Ihza Amrullah Karina Imelda Muhamad Fatchan Muhammad Reza Maulana Putri Anggun Sari Rahmat Eli Daeli Rais Saputra Rini Ariza Sunita Dasman Suprapto Suprapto Suprapto