Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Riau Jurnal Teknik Informatika

Penerapan Collaborative Filtering untuk Sistem Rekomendasi Film Pangemanan, Rachel; Soekamto, Nasya Emanuel; Adrian, Glerio; Yusupa, Ade; Tarigan, Victor
Riau Jurnal Teknik Informatika Vol. 4 No. 1 (2025): Maret 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i1.3248

Abstract

Sistem rekomendasi berperan penting dalam membantu pengguna menemukan konten yang relevan di tengah banyaknya informasi yang tersedia. Penelitian ini mengimplementasikan dan mengevaluasi metode User-Based dan Item-Based Collaborative Filtering untuk sistem rekomendasi film menggunakan dataset MovieLens 100K. Evaluasi dilakukan menggunakan RMSE, MAE, Precision, Recall, dan F1-Score untuk mengukur akurasi prediksi dan relevansi rekomendasi. Hasil penelitian menunjukkan bahwa metode Item-Based Collaborative Filtering memiliki performa lebih baik dibandingkan User-Based Collaborative Filtering dalam hal akurasi prediksi dan relevansi rekomendasi. Keunggulan ini disebabkan oleh stabilitas hubungan antar item dibandingkan preferensi pengguna yang lebih dinamis. Meskipun efektif, metode ini masih menghadapi tantangan seperti sparsity dan keterbatasan jumlah rating pada beberapa film. Penelitian selanjutnya dapat mengeksplorasi pendekatan hibrida yang menggabungkan Collaborative Filtering dengan deep learning atau content-based filtering untuk meningkatkan kualitas
Klasifikasi Ekspresi Wajah Menggunakan Convolutional Neural Networks (CNN) pada Dataset FER-2013 Kodoati, Hizkia; Rengkung, Chezkiel; Takalamingan, Gerald; Yusupa, Ade; Tarigan, Victor
Riau Jurnal Teknik Informatika Vol. 4 No. 1 (2025): Maret 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i1.3252

Abstract

Automatic facial expression recognition has become a rapidly growing research field driven by advancements in artificial intelligence and computer vision. However, facial expression classification still faces challenges, particularly in distinguishing expressions with similar characteristics. This study aims to develop a facial expression classification model using Convolutional Neural Networks (CNN) on the FER-2013 dataset. The research stages include data collection and preprocessing, CNN architecture design, model training using the Adam optimizer and categorical crossentropy loss function, and performance evaluation based on accuracy and the confusion matrix. The results indicate that the CNN model can recognize various facial expressions, achieving a maximum validation accuracy of 67.8%. Nevertheless, the model is still able to distinguish certain expressions accurately. Utilizing pretrained models such as VGG-16 or ResNet and implementing transfer learning techniques could enhance model accuracy and stability. With further development, this model has the potential to be applied in various fields, including facial expression-based security systems, human-computer interaction, and emotion analysis.
Perbandingan Algoritma Naive Bayes Dan Support Vector Machine Dalam Deteksi Berita Hoax Berbahasa Indonesia Mumbunan, Keren; Marchantia Betsi Bawata, Michyta; Prayer kusen, Miracle; Tarigan, Victor; Yusupa, Ade
Riau Jurnal Teknik Informatika Vol. 4 No. 1 (2025): Maret 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i1.3262

Abstract

Abstrak Berita hoax menjadi masalah besar di era digital, terutama di Indonesia, di mana informasi yang tidak terverifikasi menyebar dengan cepat melalui media sosial. Penelitian ini membandingkan kinerja algoritma Naïve Bayes (NB) dan Support Vector Machine (SVM) dalam mendeteksi berita hoax berbahasa Indonesia. Dataset yang digunakan terdiri dari 4.599 berita, yang dikumpulkan dari Twitter dan repositori GitHub, dikategorikan sebagai hoax atau valid. Berbagai tahap preprocessing, seperti tokenisasi, stopword removal, stemming, dan TF-IDF vectorization, diterapkan untuk meningkatkan akurasi model. Model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa SVM memiliki performa lebih baik dibandingkan Naïve Bayes, dengan akurasi 70,87%, lebih tinggi dibandingkan 66,52% dari Naïve Bayes. SVM juga unggul dalam presisi (72%) dan F1-score (82%), sedangkan Naïve Bayes lebih unggul dalam recall (99%). Kesimpulan dari penelitian ini adalah bahwa SVM lebih efektif dalam klasifikasi berita hoax, sementara Naïve Bayes lebih cocok digunakan jika kecepatan pelatihan menjadi prioritas. Penelitian selanjutnya disarankan untuk menggunakan pendekatan deep learning seperti BERT atau LSTM, memperluas dataset, serta mengembangkan model hybrid yang menggabungkan Naïve Bayes dan SVM untuk mengoptimalkan akurasi dan efisiensi.
Co-Authors Abdul Syukur Adinda Franky Nelwan Aditya Lapu Kalua Adrian, Glerio Akay, Yuri Barca Sembeng Batjo, Lourdes BATJO, LOURDES CHRISTIAN PASKAH Benedict, Edward Bernad Jumadi Dehotman Sitompul Bernad Jumadi Sitompul Bernard Jumadi Dehotman Sitompul Beverly Daniel Velix Rauan Biring, Agatha Biringpasemba, Thya Oksabella Blessy Tefilla Tangkuman Cleantha Polii Daniel Febrian Sengkey Dhiva Runkat Dringhuzen J. Mamahit Dringhuzen Mamahit, Dringhuzen Eman, Jonathan Fabiano Antonius Mamangkey, Xavier Fajar Salinding Buntu Payuk Farsit Manoppo, Faldy Genggong, Arkafali PF Geoffrey G Matantu Gigir, Winston Gizelda Felicya Jeanette Lewu Hutasoit, Las D. Illahi, Nabil Irvan Trang Jeheskiel Liwe Jeremia Siregar Jeremia, Imanuel Jimmy Reagen Robot Jimmy Reagen Robot Jontinus Manullang Joseph Alexander Wowor Jourgent Ligouw Kalambia, Audia Endondaya Kaligis, Jonathan Kaunang, Ronaldino Kendek Allo, Yusi Meilany Kerenhapukh Priskila Waworuntu Kevin, Darmansyah Geraldy Kodoati, Hizkia Kolang, Indri Claudia kurnia, rahmi putri Lasut, Aleeisandro Leatemia, Kevin Legi, Kevin Lelemboto, Jeremia Lie, Nobiana Luis Manoppo M. Ilham Akbar HS, A. Made Hendy Wijaya, I Mailangkay, Roynaldo Makasunggal, Juan Natanel mamoto, Anugerah Manoppo, Jennifer Manoppo, Michael Reynald Mantik, Joy Timoty Marchantia Betsi Bawata, Michyta Markus Karamoy Umboh Martien Mengko, Riky Mawara, Reza Michelly Cantika Mokansi, Misael MOKANSI, MISAEL TELDI Moniaga, Praise Muhammad Fachruddin Suharto Mumbunan, Keren Mundung, Theogravo Fidelino Nadira Tri Ardianti Purnomo Nancy Jeane Tuturoong Nasib Marbun Natalia Kristiani Pangemanan Nelwan, Christa Kitsy Ngama, Kezia Nur Fiat, Daffa Nur Nurul Rizkyani Paat, Margareth Paath, Rivaldo Paendong, Indah Pangemanan, Jonatan Pangemanan, Natasha Pangemanan, Rachel Pasanda, Marlin Syellen Patanduk, Arpen Payung, Grace Tandi Petiunaung, Joshua Ezra Porayou, Andre Prayer kusen, Miracle Punusingon, Paskal Rafby Saputra Mokodompit Rahayaan, Jacob RAHAYAAN, JACOB ALFANICOLLS Reinhard Komansilan Reinhard Komansilan Rendy Syahputra Rengkung, Chezkiel Rengkung, Vancel Rewur, Afny Rahel Prastika Ricardus Anggi Pramunendar Rombeallo, Gabryela Salassa, Norris Elden Salsabilla Putrihanda Sanriomi Sintaro Sembeng, Emmanuela Shakila Maisa Ayu Sibarani, Alu Sitompul, Natanael Soekamto, Nasya Emanuel Sugiarso, Brave Angkasa sumarauw, Joanna Sumarno, Anggraini Dwi Putri Sumendap, Rivaldy Immanuel Supoyo, Bertrand Suranta Bill Fatric Ginting Tafuama, Daniel Takalamingan, Gerald Tondang, Andrew Tutu, Erlica M.I. Umboh, Markus Umboh, Markus Karamoy Victor Tarigan Victor Taringan Wanda Angella Pantouw Wiwik Akhirul Aeni Wungow, Marsel Yefta Yosia Asyel Yeremia Euodia Gumolili Yuri Vanli Akay Zacharias, Glorya Zalmi, Wahyuni Fithratul Zefanya Kambey Zuldesmi