Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Indexia
Luban Abdi Susanto
Universitas Muhammadiyah Jember
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
KOMPARASI MODEL SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR PADA ANALISIS SENTIMEN APLIKASI POLRI SUPER APP Luban Abdi Susanto
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 2 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i2.4152

Abstract

Perkembangan teknologi informasi memacu inovasi dalam pengolahan data dan informasi. Inovasi e-government menjadi langkah progresif dalam menyediakan layanan publik yang efektif dan efisien. Polri menjadi contoh lembaga yang sukses menerapkan inovasi ini melalui "Polri Super App", sebuah aplikasi seluler yang meningkatkan layanan kepolisian dengan teknologi digital. Penelitian analisis sentimen terhadap aplikasi e-government di Google Play menarik perhatian. Dalam penelitian sebelumnya, SVM dan Naive Bayes memberikan hasil akurasi yang baik. Penelitian ini membandingkan kinerja KNN dan SVM dalam analisis sentimen terhadap Polri Super App. Hasil pengujian menunjukkan SVM dengan kernel Linear mencapai akurasi tertinggi, yaitu 89,67%, diikuti oleh SVM dengan kernel RBF dan KNN. Analisis ini memberikan pemahaman lebih baik tentang kinerja algoritma dalam mengelompokkan sentimen ulasan pengguna terhadap aplikasi tersebut.
PEMILIHAN HYPERPARAMETER PADA ALEXNET CNN UNTUK KLASIFIKASI CITRA PENYAKIT KEDELAI Luban Abdi Susanto
Indexia : Informatics and Computational Intelligent Journal Vol 5 No 02 (2023): INDEXIA : Informatics and Computational Intelligent Journal
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/indexia.v5i02.5508

Abstract

Kedelai merupakan makanan yang populer. Estimasi hasil di Indonesia berkisar antara 1,2 dan 1,5 ton per hektar, masih jauh di bawah potensi hasil sebesar 2 hingga 2,5 ton per hektar. Gangguan penyakit pada tanaman kedelai merupakan salah satu penyebab rendahnya hasil, sehingga petani harus mengenal penyakit yang menyerang kedelai agar dapat memilih jenis penyakit dan tindakan pengobatan yang tepat. Proses laboratorium pendampingan penyakit masih belum efisien sehingga membutuhkan waktu yang lama. Computer vision dan pembelajaran mendalam sekarang dapat digunakan untuk mengenali informasi prediktif pada objek, meskipun objek diposisikan di mana pun objek tersebut dimasukkan. Convolutional Neural Network (CNN) adalah teknik pembelajaran mendalam yang paling sering digunakan saat ini. Penelitian ini menggunakan arsitektur CNN yakni AlexNet dengan hyperparameter tuning untuk mengklasifikasikan citra penyakit kedelai. Hyperparameter tuning sangat berpengaruh terhadap performa model. Dataset yang digunakan berjumlah 1.500 citra penyakit pada daun kedelai, terdiri dari 3 kelas yakni caterpillar, diabrotica speciosa, dan healthy. Hyperparameter tuning pada AlexNet CNN dengan ukuran bacth size 12, dropout 0.2, optimizer Adam menghasilkan hasil terbaik dari segi nilai akurasi 84%, presisi 81,95%, recall 80,66%, serta f1-score 80,96%.
Co-Authors