Article Per Year (5 Year)
p-Index From 2021 - 2026
5.374
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) MEDIA ELEKTRIKA Transmisi: Jurnal Ilmiah Teknik Elektro JURNAL SISTEM INFORMASI BISNIS Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Journal of Telematics and Informatics Jurnal Transformatika Proceeding of the Electrical Engineering Computer Science and Informatics TRANSISTOR Elektro dan Informatika AKSIOLOGIYA : Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Community Services Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Pengabdian kepada Masyarakat Nusantara Community Empowerment JAST Prosiding University Research Colloquium Prosiding Seminar Riset Mahasiswa Jurnal Ilmiah Sultan Agung Jurnal Rekayasa Sistem Informasi dan Teknologi Journal of Data Analytics, Information, and Computer Science (JDAICS) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Inventa: Journal of Science, Technology, and Innovation
Sam Farisa Chaerul Haviana
Universitas Islam Sultan Agung
Religion Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 57 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 57 Documents
Search

 2   3   4   5   6 
PREDIKSI KECEPATAN RATA-RATA BERSEPEDA BERDASARKAN KONDISI TOPOGRAFI DAN FAKTOR CUACA MENGGUNAKAN XGBOOST DARI DATA STRAVA Rifqy Ramdhani Hakim; Sam Farisa Chaerul Haviana
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 2 (2025): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i2.3143

Abstract

Meningkatnya minat bersepeda dan penggunaan aplikasi perekam data seperti Strava menuntut pemahaman mendalam mengenai faktor yang memengaruhi performa. Kecepatan rata-rata sangat dipengaruhi oleh variabel non-linear seperti kondisi topografi dan cuaca, sehingga memerlukan model prediksi yang akurat. Tujuan penelitian ini adalah mengimplementasikan Extreme Gradient Boosting (XGBoost) untuk membangun model prediksi kecepatan rata-rata bersepeda. Penelitian berfokus memodelkan hubungan antara data historis aktivitas Strava dengan variabel lingkungan. Metode penelitian dimulai dari pengumpulan data aktivitas pribadi (Juni 2024 - Agustus 2025) , mencakup fitur jarak, elevasi, cuaca, dan waktu tidur. Data mentah melalui pra-pemrosesan, termasuk normalisasi Min-Max Scaler. Data dibagi menjadi 80% data latih dan 20% data uji. Model XGBRegressor dilatih dengan hyperparameter seperti n_estimators=300 dan learning_rate=0.2. Kinerja model dievaluasi menggunakan Root Mean Squared Error (RMSE) dan R-squared (R²). Hasilnya, model XGBoost mampu memberikan estimasi kecepatan dengan akurasi cukup baik. Model mencapai skor RMSE 1.240 km/jam , yang mengindikasikan rata-rata kesalahan prediksi. Selain itu, model memperoleh nilai R² sebesar 0.800. Nilai R² ini berarti model mampu menjelaskan 80% variasi data kecepatan. Kesimpulannya, model XGBoost terbukti representatif
Implementasi Model BERT dalam Deteksi Ulasan Palsu Pada Platform TikTok Shop Produk Fashion Najma Nora Agustina; Sam Farisa Chaerul Haviana
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 2 (2025): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i2.3202

Abstract

Penelitian ini bertujuan untuk mengimplementasikan model Bidirectional Encoder Representations from Transformers (BERT) dalam mendeteksi ulasan palsu pada produk fashion di platform TikTok Shop berbasis bahasa Indonesia. Metode penelitian ini menggunakan pendekatan machine learning dengan model BERT yang dilatih melalui tahapan data scraping, preprocessing (meliputi lowercasing, penghapusan karakter non-alfabet dan emoji, serta tokenisasi), pembagian dataset menjadi training set (64%), validation set (16%), dan test set (20%), serta proses pelatihan model menggunakan PyTorch. Evaluasi kinerja model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model BERT mencapai performa terbaik pada epoch ke-40 dengan validation accuracy sebesar 91,90% dan nilai precision, recall, F1-score, serta accuracy masing-masing sebesar 0,94. Nilai tersebut menunjukkan keseimbangan yang baik antara kemampuan model dalam mengenali ulasan asli dan palsu secara akurat. Dengan demikian, dapat disimpulkan bahwa implementasi model BERT terbukti efektif dalam mendeteksi ulasan palsu pada produk fashion di TikTok Shop serta dapat menjadi acuan pengembangan sistem deteksi otomatis berbasis bahasa Indonesia pada platform e-commerce lainnya.
Evaluasi dan Peningkatan Wawasan Teknologi Informasi pada Siswa SMA Islam Sultan Agung 3 Semarang Haviana, Sam Farisa Chaerul; Mulyono, Sri; Badieah, Badieah
ABDI: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 7 No 4 (2025): Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Publisher : Labor Jurusan Sosiologi, Fakultas Ilmu Sosial, Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/abdi.v7i4.1424

Abstract

Kemajuan teknologi informasi menuntut penguasaan yang mumpuni, termasuk bagi siswa dari SD hingga SMA. Namun, banyak sekolah di Indonesia, termasuk SMA Islam Sultan Agung 3 Semarang, masih menghadapi keterbatasan pengetahuan teknologi, khususnya komputer dan teknologi terkini seperti Artificial Intelligence (AI). Program pengabdian ini bertujuan memberikan solusi melalui pelatihan yang berfokus pada: 1) wawasan fundamental pada penguasaan hardware, meliputi komponen, fungsi, perakitan, dan perawatan komputer; serta 2) wawasan terkini tentang pemanfaatan AI dalam aktivitas belajar siswa. Targetnya adalah meningkatkan literasi teknologi siswa, mengurangi ketergantungan pada pihak luar, dan mempersiapkan mereka menghadapi era digital. Untuk itu dilakukan pelatihan sebagai metode pelaksanaan dan pembagian formulir umpan balik pada peserta sebagai metode untuk mendapatkan bahan analisis dan evaluasi terhadap efektifitas pelaksanaan program. Hasilnya, program ini berhasil meningkatkan wawasan peserta dengan 65% peserta menyatakan mendapatkan banyak sekali wawasan baru. Selain itu efektifitas progam juga ditujukkan dari mayoritas perserta yang sangat tertarik dengan materi dan bersedia mengikuti program selanjutnya. Dengan demikian dapat disimpulkan bahwa program pelatihan ini berhasil mencapai tujuan utamanya untuk meningkatkan wawasan peserta pelatihan, sehingga memberikan peluang pada peserta agar lebih siap mengembangkan potensi akademis dan profesional mereka di masa depan.
IMPLEMENTASI MODEL INDOBERT UNTUK ANALISIS SENTIMEN PUBLIK TERHADAP ISU DUGAAN IJAZAH PALSU PRESIDEN JOKO WIDODO DALAM PERCAKAPAN DI PLATFORM X (TWITTER) Ramadhani, Naufal Rafif; Haviana, Sam Farisa Chaerul
Jurnal Ilmiah Penelitian Mahasiswa Vol 5, No 1 (2026): MARET 2026
Publisher : Jurnal Ilmiah Sultan Agung

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

Abstract

Penelitian ini membahas implementasi model IndoBERT untuk analisis sentimen publik terhadap isu dugaan ijazah palsu Presiden Joko Widodo di Platform X (Twitter). Tujuan penelitian ini adalah mengklasifikasikan opini publik menjadi tiga kategori sentimen, yakni positif, netral, serta negatif, untuk mengetahui kecenderungan opini masyarakat terhadap isu yang tengah berkembang. Metode yang dipergunakan yakni pendekatan kuantitatif dengan eksperimen model IndoBERT-base-p1 yang di-fine-tune menggunakan dataset berbahasa Indonesia. Data dikumpulkan melalui Twitter API v2 dengan kata kunci terkait isu tersebut, kemudian melalui tahapan preprocessing meliputi cleaning, case folding, normalisasi, tokenisasi, filtering, serta stemming. Sebanyak 2.113 tweet digunakan dan diklasifikasikan ke dalam data latih serta data uji dengan perbandingan 70:30. Model dilatih mempergunakan algoritma AdamW optimizer dengan fungsi Cross-Entropy Loss dan dievaluasi mempergunakan metrik accuracy, precision, recall, serta F1-score. Hasil uji memperlihatkan bahwasanya model IndoBERT memiliki akurasi sebesar 91,13% dengan nilai F1-score sejumlah 0,91, menandakan performa klasifikasi yang sangat baik serta stabil. Distribusi hasil analisis memperlihatkan dominasi sentimen negatif sejumlah 61%, disusul sentimen positif sejumlah 23% serta netral sejumlah 16%. Model ini diimplementasikan ke dalam aplikasi web berbasis Streamlit yang memungkinkan pengguna melaksanakan analisis sentimen secara langsung dan menampilkan hasil dalam bentuk visualisasi interaktif berupa pie chart, bar chart, dan wordcloud. Temuan studi ini menunjukkan bahwa IndoBERT mampu memahami konteks opini publik dalam Bahasa Indonesia secara efektif dan dapat dijadikan dasar pengembangan sistem analisis opini publik yang informatif dan aplikatif.Kata Kunci: Analisis Sentimen, IndoBERT, Opini Publik, Media Sosial, Platform X
Deep neural network classification in chatbot system family health counseling services Riansyah, Andi; Haviana, Sam Farisa Chaerul; Supradewi, Ratna; Wahib, Muhammad Ainul
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 15, No 2: April 2026
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v15.i2.pp1211-1218

Abstract

Mental health problems affect many aspects of life, including physical well being, work productivity, social functioning, and suicide risk. In Indonesia, access to professional mental health services remains very limited: only a small proportion of people with depression receive treatment and the number of mental health professionals per population is far below international recommendations, creating an urgent service gap. This study proposes an artificial intelligence–based chatbot to support family mental health counseling services in Indonesia. The chatbot uses a deep neural network (DNN) to classify user questions into counseling intent categories and to provide appropriate responses. Psychologists compiled and verified a dataset of Indonesian counseling questions and responses, which was then pre processed using standard text processing techniques and encoded with a bag of words (BoW) representation. A fully connected DNN with one input layer, two hidden layers of eight neurons each, and a SoftMax output layer was trained using the Adam optimizer (learning rate 0.01) on 80% of the data and evaluated on the remaining 20%. The best configuration achieved a training accuracy of 96%, with test results of 93% accuracy, 92% precision, 93% recall, and 92% F1-score. These findings indicate that proposed DNN based chatbot can accurately classify counseling intents and generate contextually appropriate responses, suggesting its potential as complementary tool to support initial family mental health counseling in Indonesia.
CHATBOT AKADEMIK BERBASIS RAG UNTUK INFORMASI AKADEMIK MAHASISWA Ikharista Ayu Nusrotun Afifah; Sam Farisa Chaerul Haviana
Journal of Data Analytics, Information, and Computer Science Vol. 3 No. 2 (2026): April
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v3i2.3636

Abstract

This study aims to develop a Retrieval-Augmented Generation (RAG)-based academic chatbot to provide accurate, relevant, and official document-based academic information for students of the Informatics Engineering Study Program, FTI UNISSULA. The methods used include collecting and pre-processing academic documents, chunking processes, forming vector representations using the Sentence-BERT model, and storing them in the FAISS database to support semantic search. The RAG system integrates document retrieval results with the capabilities of the Large Language Model (LLM) in generating contextual responses. System evaluation was carried out using the ROUGE-1 and BLEU-4 metrics on 50 questions consisting of FAQ and non-FAQ categories. The test results showed that the system was able to respond to all questions given, with high performance in the FAQ category (ROUGE-1 of 0.957 and BLEU-4 of 0.877), and lower performance in the non-FAQ category due to paraphrasing variations in academic documents. These results indicate that the RAG approach is effective in improving the accuracy and relevance of academic chatbot answers, and is able to reduce the risk of misinformation compared to a purely generative approach.
Generasi Desain Pakaian Muslimwear Berbasis Multimodal (Teks dan Gambar) Menggunakan Stable Diffusion v1.5 Assyfa Febriwanti; Sam Farisa Chaerul Haviana
Journal of Science, Technology, and Innovation Vol 1 No 3 (2026): : April: Inventa: Journal of Science, Technology, and Innovation
Publisher : CV SCRIPTA INTELEKTUAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65310/abf5c845

Abstract

The rapid advancement of Generative Artificial Intelligence has accelerated the adoption of diffusion models in fashion design applications. However, conventional text-to-image approaches often encounter limitations in maintaining visual consistency and controllability during image generation. This study proposes a multimodal Muslimwear design generation system based on Stable Diffusion v1.5 by integrating textual prompts and reference images through a cross-attention fusion mechanism. The training dataset combines DeepFashion1 and a curated Muslimwear dataset, which were preprocessed through image normalization, resolution standardization, and automated caption generation using BLIP. Domain adaptation was performed using the Low-Rank Adaptation (LoRA) technique to enable computationally efficient fine-tuning. Performance evaluation employed Fréchet Inception Distance (FID) and Structural Similarity Index Measure (SSIM) to assess visual quality and structural consistency. Experimental results indicate that the female model achieved a FID score of 176.77 and an SSIM score of 0.311, outperforming the male model with a FID score of 256.22 and an SSIM score of 0.275. The findings demonstrate that multimodal conditioning enhances visual distribution learning and structural preservation, supporting the development of controllable and efficient AI-assisted fashion design systems.
Co-Authors A Asyhari Achya Puji Sari Adhi, Anjas Restu Mulia Akhsinatul Laeliyah Andi Riansyah Arief Budiman Ariyanto, Bagas Afza Joko Assyfa Febriwanti Asyhari Asyhari Asyhari Asyhari, Asyhari Asyhari, A Azizah, Eka Nurul Badie'ah, Badie'ah Badieah Assegaf Badie’ah, Badie’ah Dedy Kurniadi Dedy Kurniadi Dedy Kurniadi Dedy Kurniadi Ellisa Mu'alifah Fadhilah, Achmad Naufal Fahmi Arif Dewoputro Fatimah, Akmalia Ghozi Fidaul Haq Hermawan, Hildan Mulyo Huda, Rizky Miftachul Ikharista Ayu Nusrotun Afifah Ilham Pradipta, Muhammad Ilhamsyah, Muhamad Reynaldi Imam Much Ibnu Subroto Komsiyah Afri Maryuliana Maryuliana Milasanti, Denina Moch Taufik Muhammad Nur Gofinda Muhammad Taufik Munir, Abdulloh Nada, Anita Soffiyun Najma Nora Agustina Novianto, Andika Nur Fatahna Nurinayah, Alfiyatu Nurnasikha, Kusuma Nurwidiana Nurwidiana Nurwidiana, N Poetro, Bagus Satrio Waluyo Putra, Ardan Nur Chaiya Putra, Yustian Dikma Eka Ramadhani, Naufal Rafif Ratna Supradewi Riansyah, Andi Rifqy Ramdhani Hakim Riziq, Alvin Yusuf Salwa Ahla Amania Sigit Ardianto Sri Mulyono Sri Mulyono Sri Mulyono Sulaiman, Noor Suhana Suryani Alifah Taufik, Muhammad Ushuludin, Mohammad Wahib, Muhammad Ainul Wicaksono, Yusuf Arief Widhya Nugroho Satrioajie Wiwiek Fatmawati Yacob, Azliza Yasni, Loura Yusuf Arief Wicaksono Yusuf Arief Wicaksono