Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) SmartComp
Dzulhijjah, Dwi Ahmad
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
IMPLEMENTASI ALGORITMA BI-LSTM DALAM MENDETEKSI ENTITAS WAKTU DAN LOKASI KEBAKARAN HUTAN Dzulhijjah, Dwi Ahmad; Kusrini, Kusrini; Ari Yuana, Kumara
Jurnal Mnemonic Vol 6 No 2 (2023): Mnemonic Vol. 6 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i2.8134

Abstract

Penelitian ini berfokus pada penerapan algoritma Bidirectional Long Short-Term Memory (Bi-LSTM) untuk identifikasi entitas waktu dan lokasi dalam konteks kebakaran hutan menggunakan teks berbahasa Indonesia. Melalui eksperimen, model dievaluasi dengan mengukur akurasi dan loss, khususnya terkait data teks yang berkaitan dengan kebakaran hutan. Hasil penelitian menunjukkan peningkatan kinerja model selama proses pelatihan, dengan mencapai tingkat akurasi tertinggi pada 75.2% pada epoch terakhir. Kurva loss menunjukkan penurunan yang konsisten hingga mencapai nilai minimum pada 0.801. Evaluasi model pada data uji menghasilkan nilai loss sebesar 0.8750 dan akurasi sebesar 70.49%. Temuan ini menegaskan efektivitas model dalam mendeteksi entitas waktu dan lokasi kebakaran hutan, memberikan kontribusi signifikan pada pengembangan teknologi deteksi dini bencana alam, terutama dalam konteks kebakaran hutan di Indonesia.
SISTEM MONITORING KUALITAS AIR AKUARIUM MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Dzulhijjah, Dwi Ahmad; Adi Wibowo, Suryo; Zulfia Zahro’, Hani; Joyo Sentoso, Lukas
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v6i2.5298

Abstract

Hobi akuarium merupakan hobi populer yang dapat didukung dengan penggunaan teknologi. Penggunaan teknologi kecerdasan buatan dan internet of things dapat mempermudah aktivitas sehari-hari untuk memantau atau memonitoring alat atau lingkungan, salah satu lingkungan yang dapat dipantau dengan teknologi internet of things adalah kualitas air akuarium. Kualitas air akuarium dapat dipantau melalui parameter pH, temperatur, TDS, dan turbidity. Klasifikasi manual dapat dilakukan dengan mengikuti standar Indeks Pencemaran (IP), Water Quality Index (WQI) dan STORET namun memerlukan waktu dan biaya yang tinggi. Klasifikasi manual atau inferensi akan tidak efisienan ketika data yang ditambahkan menggunakan parameter yang beragam. Klasifikasi manual dapat digantikan dengan metode klasifikasi otomatis atau menggunakan neural network seperti Learning Vector Quantization (LVQ). Berdasarkan hasil penelitian hardware sudah berhasil mengakuisisi data kemudian menyimpan ke database dan ditampilkan di website berikut hasil klasifikasinya. Sistem monitoring melalui pengujian hardware sudah berhasil mengirimkan data antar perangkat dan komunikasi ke website melalui API kemudian uji sensor dilakukan dengan melihat rata-rata error pada pembacaan yang kurang dari 5%. Melalui pengujian blackbox, responsivitas, dan uji penggunaan aplikasi ini sudah memenuhi standar ekspektasi penelitian berikut uji notifikasi dengan hasil pengiriman notifikasi dari website yang dapat digunakan secara fungsional. Penerapan Learning Vector Quantization mampu menghasilkan klasifikasi dengan akurasi sebesar 94%.
Perbandingan Metode Random Forest dan KNN pada Analisis Sentimen Twitter Dzulhijjah, Dwi Ahmad; Sanjaya, Hafidz; Wahyudi Hidayat, Aji Said; Alwanda, Almi Yulistia; Utami, Ema
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 12, No 3 (2023): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v12i3.5106

Abstract

Twitter menjadi salah satu platform media sosial yang sering digunakan untuk menyampaikan berbagai keresahan terhadap berbagai permasalahan yang ada termasuk dengan program-program yang dibuat oleh pemerintah. Tweets adalah salah satu layanan yang disediakan kepada penggunanya dimana tweets ini berisi ungkapan pendapat pengguna yang dapat juga dibaca oleh pengguna lain. Pada penelitian ini dilakukan perbandingan antara dua algoritma klasifikasi yaitu Support Vector Machine dan K-nearest Neighbor dari segi akurasi. Perbandingan ini tidak lain bertujuan untuk mengetahui algoritma klasifikasi mana yang dapat menghasilkan akurasi terbaik dalam mengklasifikasi analisis sentiment data twitter. Setelah dilakukan pengujian dan evaluasi didapatkan hasil akurasi dari algoritma SVM sebesar 83% dan KNN sebesar 49%. Kata Kunci: Analisis Sentimen; KNN; Support Vector Machine
Co-Authors Almi Yulistia Alwanda Ari Yuana, Kumara Ema Utami Hafidz Sanjaya, Hafidz Joyo Sentoso, Lukas Kusrini, Kusrini Suryo Adi Wibowo Wahyudi Hidayat, Aji Said Zulfia Zahro’, Hani