Article Per Year (5 Year)
p-Index From 2021 - 2026
4.429
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Ilmiah Buana Bastra: Bahasa, Susastra, dan Pengajarannya Mathematics Education Journal Lontar Komputer: Jurnal Ilmiah Teknologi Informasi
Indriati
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mathematics Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Klasifikasi Gangguan Kesehatan Mental dan Kondisi Neurodevelopmental Menggunakan BERT dengan Integrasi Fitur Leksikon pada Unggahan Reddit Jaya, Dionisius Surya; Noor Fatyanosa, Tirana; Indriati
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini mengusulkan arsitektur klasifikasi teks hybrid untuk mendeteksi tanda-tanda gangguan kesehatan mental pada postingan media sosial Reddit. Arsitektur yang diusulkan mengintegrasikan representasi kontekstual dari model BERT (Bidirectional Encoder Representations from Transformers) dengan 14 fitur emosi berbasis leksikon dari VADER dan NRC EmoLex menjadi vektor hybrid berdimensi 832 melalui mekanisme concatenation. Model dilatih menggunakan Focal Loss untuk menangani ketidakseimbangan kelas dan hiperparameter dioptimalkan menggunakan algoritma TPE (Tree-structured Parzen Estimator) melalui kerangka Optuna. Evaluasi dilakukan melalui studi ablasi terhadap tujuh arsitektur komparatif pada dataset Reddit yang mencakup lima kelas gangguan: ADHD, OCD, Aspergers, Depression, dan PTSD. Hasil pengujian menunjukkan model Hybrid BERT+Lexicon yang diusulkan mencapai Weighted F1-Score 0,8643 (akurasi 86,41%), melampaui model leksikon murni secara masif (terbaik: Lexicon-Only, F1 0,3800) dan konsisten lebih baik dari BERT-Only (F1 0,8637). Studi ablasi membuktikan fitur BERT sebagai komponen paling determinan, sementara fitur leksikon memberikan kontribusi per-kelas: VADER pada deteksi Depression dan emosi Fear NRC EmoLex pada deteksi PTSD.
Sistem Rekomendasi Game pada Platform Steam Berbasis Content-Based Filtering Menggunakan TF-IDF dan Word2Vec Effendy, Nursyifa Devani; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pesatnya pertumbuhan jumlah game di platform Steam menciptakan tantangan bagi pengguna dalam menemukan konten yang relevan, sehingga diperlukan sistem rekomendasi yang efisien. Penelitian ini memanfaatkan dataset metadata dari katalog platform Steam dengan alur metodologi yang komprehensif, meliputi tahap pembersihan data, prapemrosesan, serta representasi fitur. Representasi fitur dilakukan melalui tiga tahapan utama: pembobotan TF-IDF, pelatihan model Word2Vec, dan penggabungan bobot serta vektor dari kedua metode tersebut. Hasil representasi kemudian dihitung tingkat kemiripannya menggunakan Cosine Similarity untuk menghasilkan urutan rekomendasi item. Evaluasi dilakukan terhadap 100 game dengan jumlah kepemilikan tertinggi menggunakan metrik Precision@K, MAP@K, dan NDCG@K. Model gabungan TF-IDF dan Word2Vec menghasilkan nilai Precision@10 sebesar 0.556, nilai MAP@10 sebesar 0.7033, dan nilai NDCG@10 sebesar 0.8482, serta secara konsisten mengungguli kedua model baseline pada seluruh metrik evaluasi. Hasil ini menunjukkan bahwa sistem yang dibangun efektif tidak hanya dalam mengidentifikasi item yang relevan, tetapi juga dalam mengoptimalkan urutan peringkat rekomendasi sehingga item yang paling relevan berada di posisi teratas.
Analisis dan Interpretasi Transkrip Wawancara Klinis untuk Deteksi Depresi Menggunakan Hierarchical Attention Networks (HAN) Salsabila, Fathia Rahma; Sari, Yuita Arum; Indriati
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 7 (2026): Juli 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Depresi merupakan salah satu gangguan kesehatan mental yang memengaruhi lebih dari 300 juta individu secara global dan memerlukan deteksi dini agar penanganannya dapat dilakukan lebih cepat. Deteksi dini depresi dapat difasilitasi melalui analisis pola bahasa pada transkrip wawancara klinis. Namun, pemrosesan teks yang panjang dan kompleks ini masih menjadi tantangan pada model machine learning konvensional berbasis TF-IDF yang masih kesulitan memahami konteks hubungan antar kata dan kalimat, sementara model deep learning standar seringkali memiliki keterbatasan dalam hal transparansi proses pengambilan keputusannya (explainability). Penelitian ini mengevaluasi penggunaan model Hierarchical Attention Networks (HAN) berbasis Bidirectional GRU dua tingkat untuk mendeteksi gejala depresi dari transkrip wawancara klinis DAIC-WOZ. Melalui pengujian Stratified 5-Fold Cross Validation, model HAN terbukti unggul pada skema pembagian data stratified (85:15) dengan perolehan F1-Score 0,5600 dibandingkan model baseline klasik (TF-IDF dengan LinearSVM dan Logistic Regression), meskipun pada skema official split model klasik tingkat kalimat memiliki performa yang sedikit lebih baik (0,4889 berbanding 0,4658). Selain memberikan performa klasifikasi yang mumpuni, mekanisme attention pada HAN berhasil mengimplementasikan pendekatan Explainable Artificial Intelligence (XAI) dengan memvisualisasikan kata dan kalimat yang paling memengaruhi keputusan prediksi, sehingga menjadikannya sangat potensial sebagai alat bantu skrining depresi yang akurat sekaligus transparan secara klinis.
Analisis Sentimen Komentar Youtube Berbahasa Inggris Menggunakan Model Transformer Flan-T5 Dengan Pendekatan Instruction Tuning Yunas, Ashbahul Danna; Indriati; Edy Santoso
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di SENTRIN 2026
Co-Authors Abdurrachman Bachtiar, Fitra Abilo, Nelson Alfons Achmad Ridok Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu Aldinno, Deva Alfons Abilo, Nelson Andrea, Amalia Reani Ardhiana Bayu Priyambadha Budi Darma Setiawan Dhamara, Helmi Dhiya'uddin, Muhammad Faishal Dyah Ayu Wulandari Edy Santoso Edy Santoso Effendy, Nursyifa Devani Fauzan, M. Sabran Firdausi, Fathina Atsila Firman Yasin, Satferisnan Qoris Fitra Abdurrachman Bachtiar Fuad Hartawan, Alan Hibatullah, Farras Husain Ismanto, Matyus Garbela Jaya, Dionisius Surya Kirana, Nareswara Lintang Kirana, Naufal Laksana Kurnianingtyas, Diva Lailil Muflikhah M. Fajar, M. Mahendra, Andika Raka Mahendra, Zianka Muh. Arif Rahman Muslimah Az-Zahra, Hanifah Naufal, Muhammad Jilan Noor Fatyanosa, Tirana Perdana, Rizal Putra Pandu Adikara Putra Pratama, Ferdiansyah Putra, Octo Perdana Ramadani, Rifki RAMADHAN, ADITYA RIZKY Rizal Setya Perdana Salsabila Sangdiva Laksono, Khansa Salsabila, Fathia Rahma Setya Perdana, Rizal Sinaga, Theresa Yolanda Surya Satya Dharma, I Kadek Syemael Siahaan, Arion Yuita Arum Sari Yunas, Ashbahul Danna Yusuf Hartono Zulhilmi, Anshar