Article Per Year (5 Year)
p-Index From 2020 - 2025
0.947
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jatilima : Jurnal Multimedia Dan Teknologi Informasi Lentera AMMA : Jurnal Pengabdian Masyarakat
Asrawi, Hannan
Unknown Affiliation
Humanities Chemistry Computer Science & IT Economics, Econometrics & Finance Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
The LSTM and Bidirectional GRU Comparison for Text Classification Asrawi, Hannan; Utami, Ema; Yaqin, Ainul
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 4 (2023): Article Research Volume 7 Issue 4, October 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i4.12899

Abstract

Although the phrases machine learning and AI are frequently used interchangeably and are frequently discussed together, they do not have the same meanings. While all artificial intelligence (AI) is machine learning, not all AI is machine learning, which is a key distinction. In the beginning, machine learning and natural language processing (NLP) are related since machine learning is frequently employed as a tool for NLP tasks. The advantage of NLP is that it can perform analysis, and examine a lot of data, including comments on social media accounts and hundreds of online customer evaluations. Text classification is essentially what needs to be done. This study compares Bidirectional GRU and LSTM as text classification algorithms using 20,000 newsgroup documents from 20 newsgroups from The UCI KDD Archive. After using the suggested model, we compare it to the long short-term memory and bidirectional GRU models for accuracy and validation. The results of the two comparisons show that the bidirectional GRU model performs better than the long short-term memory model. And this is a successful classification of text using a deep learning algorithm that uses a bidirectional GRU.
Pelatihan Desain Grafis Menggunakan Aplikasi Canva Untuk Siswa Di SMK Kesehatan Binatama Mizwar A. Rahim, Abd; Bayu Sasongko, Theopilus; Asrawi, Hannan
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 11 : Desember (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

Technological development is an important factor as a driver of growth and progress in a country. Technology today plays a very important role, especially in the field of education. One way to deal with this is utilizing technology, which can be done by starting to introduce technology to students at an early age through graphic design using the Canva app. In the environment of SMK Kesehatan Binatama, the use of technology in teaching activities has not been done effectively. Learning activities are still done normally without frequently using technology, so it is necessary to have Canva training as a form of technology adaptation and a means to channel the creativity of the students. The methods used are training methods that include material delivery, practice, and evaluation. Training activities run smoothly: each student can follow a whole range of activities from start to finish, and each student may create one graphic design independently.
Implementasi Long Short Term Memory pada klasifikasi Teks Asrawi, Hannan
Lentera : Jurnal Ilmiah Sains, Teknologi, Ekonomi, Sosial, dan Budaya Vol. 9 No. 1: Lentera, Februari 2025
Publisher : LPPM Universitas Almuslim

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

Abstract

Meskipun keduanya terkadang digunakan secara bergantian, istilah “pembelajaran mesin” dan “AI” memiliki arti yang berbeda. Tidak semua kecerdasan buatan adalah pembelajaran mesin adalah perbedaan yang signifikan di antara keduanya. Pada awalnya, machine learning dan natural language processing (NLP) saling berkaitan karena machine learning sering digunakan sebagai alat bantu untuk tugas-tugas NLP. Keuntungan dari NLP adalah dapat melakukan analisis dan memeriksa banyak data, termasuk komentar di akun media sosial dan ratusan evaluasi pelanggan online. Penelitian ini menggunakan Long Short Term Memory sebagai algoritma klasifikasi teks dengan menggunakan 18.000 dokumen newsgroup dari 20 newsgroup dari The UCI KDD Archive.
IMPLEMANTASI FITUR EKSTRAKSI GLOVE PADA TEKS KLASIFIKASI MENGGUNAKAN ALGORITMA LONG-SHORT TERM MEMORY Asrawi, Hannan; Sriwinar; Bilqisthi, Muhammad Fataya
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 03 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i03.1694

Abstract

Perkembangan pesat data digital menuntut metode cerdas untuk mengelompokkan teks secara otomatis dan akurat. Salah satu pendekatan yang menjanjikan adalah memadukan representasi kata berbasis word embedding dengan model deep learning yang mampu memahami konteks urutan kata. Mengkaji klasifikasi teks dengan menggabungkan fitur ekstraksi GloVe dan algoritma Long Short-Term Memory (LSTM) untuk mengelompokkan dokumen berita dari dataset 20 Newsgroups. Teks terlebih dahulu melalui pra-pemrosesan pembersihan tanda baca, case folding, penghapusan stopword, tokenisasi, dan stemming lalu setiap kata direpresentasikan sebagai vektor berdimensi tetap menggunakan model GloVe yang mampu menangkap makna dan hubungan semantik secara global. Vektor ini menjadi masukan jaringan LSTM yang belajar mengenali pola urutan kata dan konteks topik. Evaluasi dengan metrik akurasi, presisi, recall, dan F1-score menunjukkan kinerja tinggi: akurasi 0,9562, presisi 0,9701, recall 0,9485, dan F1-score 0,9701. Hasil ini menegaskan bahwa kombinasi GloVe dan LSTM efektif serta kompetitif, mampu menghasilkan klasifikasi teks yang presisi dan seimbang, sehingga layak diterapkan pada berbagai aplikasi pemrosesan bahasa alami yang memerlukan pengelompokan dokumen secara otomatis dan akurat.
Implementasi Long Short Term Memory pada klasifikasi Teks Asrawi, Hannan
Lentera : Jurnal Ilmiah Sains, Teknologi, Ekonomi, Sosial, dan Budaya Vol. 9 No. 1: Lentera, Februari 2025
Publisher : LPPM Universitas Almuslim

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

Abstract

Meskipun keduanya terkadang digunakan secara bergantian, istilah “pembelajaran mesin” dan “AI” memiliki arti yang berbeda. Tidak semua kecerdasan buatan adalah pembelajaran mesin adalah perbedaan yang signifikan di antara keduanya. Pada awalnya, machine learning dan natural language processing (NLP) saling berkaitan karena machine learning sering digunakan sebagai alat bantu untuk tugas-tugas NLP. Keuntungan dari NLP adalah dapat melakukan analisis dan memeriksa banyak data, termasuk komentar di akun media sosial dan ratusan evaluasi pelanggan online. Penelitian ini menggunakan Long Short Term Memory sebagai algoritma klasifikasi teks dengan menggunakan 18.000 dokumen newsgroup dari 20 newsgroup dari The UCI KDD Archive.
Co-Authors AA Sudharmawan, AA Abdul Mizwar A. Rahim Bilqisthi, Muhammad Fataya Ema Utami Sasongko, Theopilus Bayu Sriwinar