Claim Missing Document
Check
Articles

Found 18 Documents
Search

Analisis Tweet Politik-Keagamaan pada Hasil Pemilihan Presiden Indonesia tahun 2014 dan 2019: Sebuah Studi Eksploratif Zain, Poppy Dalama; Sutanto, Taufik Edy; Liebenlito, Muhaza
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3751

Abstract

Agama dan politik saling terkait dalam konteks pemilihan umum di Indonesia. Penggunaan isu agama dalam kegiatan politik merambah luas di pemilu Indonesia tahun 2014 dan 2019 di media sosial. Paper ini mengisi kekosongan di literatur untuk mengkaji fenomena penggunaan isu agama dalam politik secara kuantitatif. Data diambil menggunakan dari media sosial twitter menggunakan API secara legal dan menjaga privasi pengguna. Pengambilan data dilakukan dengan menggunakan kata kunci terkait agama seperti Islam, Al-Qur’an, Hadits, Halal, Shalat, dan sebagainya lalu di filter dengan berbagai kata kunci terkait politik. Melalui berbagai teknik eksplorasi data seperti analisis korelasi Spearman dan visualisasi geospasial, penelitian ini menemukan adanya hubungan signifikan antara banyaknya isu agama terkait politik dan perolehan suara calon presiden. Pada tahun 2014 korelasi untuk Prabowo dibandingkan korelasi untuk Jokowi lebih tinggi yaitu sebesar 0.72, lalu menurun pada tahun 2019 menjadi 0.56. Penelitian ini dapat dijadikan inspirasi untuk penurunan dan pencegahan terjadinya polarisasi di masyarakat akibat penggunaan isu agama dalam kegiatan politik.
Perbandingan Deteksi Alzheimer: ViT, CNN dan ViT dengan Bobot pada Citra Medis Salsabila, Aisyah Nur; Liebenlito, Muhaza; Zulkifli, Dhea Urfina
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3765

Abstract

Penyakit Alzheimer merupakan suatu tipe demensia yang berpengaruh terhadap ingatan, cara berpikir, dan perilaku. Gejala-gejala tersebut dapat menjadi cukup parah sehingga dapat mempengaruhi kegiatan sehari-hari. Dalam penelitian ini, diperkenalkan aplikasi Convolutional Neural Network (CNN) sederhana dan pre-trained model Vision Transformer (ViT) untuk menganalisis data MRI Scan Alzheimer dengan empat kelas, yaitu Mild Demented, Moderate Demented, Non Demented, dan Very Mild Demented. Pada penelitian ini, dilakukan perbandingan pengaplikasian CNN dengan bobot dan ViT yang dilakukan dengan menggunakan dua cara, yaitu dengan bobot dan tidak. Hasil dari penelitian ini menunjukkan bahwa pengaplikasian ViT dengan bobot menghasilkan akurasi yang lebih tinggi dibanding dengan metode lainnya. Dari penelitian ini, diharapkan dapat menganalisa dan mendeteksi penyakit Alzheimer dalam bidang kesehatan dengan efisien.
Dual Reciprocity Boundary Element Method for Steady Infiltration Problems from Furrow Irrigation Channels in Heterogeneous Soil Manaqib, Muhammad; Irene, Yanne; Liebenlito, Muhaza; Aulia, Rizki
(IJCSAM) International Journal of Computing Science and Applied Mathematics Vol 11, No 1 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24775401.v11i1.18975

Abstract

This research discusses solving the problem of infiltration of furrow irrigation channels in heterogeneous soil containing five soil layers using the Dual Reciprocity Boundary Element Method (DRBEM) numerical method. The mathematical infiltration model in furrow irrigation channels takes the form of the Richard Equation, which is transformed into a modified Helmholtz equation with mixed boundary conditions. Solving with DRBEM shows that in heterogeneous and homogeneous soils, the soil type influences the suction potential and water content values. Different soil depths in heterogeneous soil produce variations and jumps in suction potential and water content values in each soil layer.
Analisis Sentimen Publik Terhadap Penangkapan Ikan Ilegal oleh Kapal Vietnam di Twitter Menggunakan Metode GRAFT Ardiansyah, Rama; Inayah, Nur; Liebenlito, Muhaza
The Indonesian Journal of Computer Science Vol. 14 No. 2 (2025): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i2.4650

Abstract

Penangkapan ikan ilegal oleh kapal asing, khususnya dari Vietnam, telah menjadi masalah yang cukup serius di Indonesia. Kegiatan ini tidak hanya merugikan perekonomian nasional, tetapi juga mengancam sumber daya laut. Di era digital, media sosial, khususnya Twitter, telah menjadi wadah penting bagi masyarakat untuk menyuarakan pendapat dan reaksi terhadap berbagai isu terkini. Penelitian ini menggunakan metode GRAFT untuk menganalisis sentimen publik di Twitter terkait penangkapan ikan ilegal oleh Vietnam. Analisis ini bertujuan untuk menggali pandangan masyarakat dan mendapatkan wawasan yang lebih mendalam mengenai isu-isu tersebut. Temuan penelitian ini diharapkan dapat menjadi dasar untuk merumuskan kebijakan yang lebih efektif dalam menanggulangi IUU Fishing di perairan Indonesia.
Kajian Performa Efisiensi Infrastruktur Big Data Hemat Energi Menggunakan Single Board Computer dan Framework Apache Spark Rusfi Razaba, Syahel; Liebenlito, Muhaza; Edy Sutanto, Taufik
Jurnal Nasional Teknologi dan Sistem Informasi Vol 11 No 2 (2025): Agustus 2025
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v11i2.2025.152-160

Abstract

Meningkatnya kebutuhan komputasi untuk pemrosesan big data dan pelatihan model AI modern berdampak signifikan terhadap konsumsi energi komputasi global. Penelitian ini mengkaji efisiensi energi dan performa klaster Single Board Computer (SBC) dalam menjalankan beberapa algoritma machine learning menggunakan Apache Spark, sebagai alternatif ramah lingkungan terhadap infrastruktur komputasi konvensional. Tiga algoritma digunakan dalam eksperimen ini, yaitu Multi-Layer Perceptron (MLP), Regresi Logistik, dan Random Forest, yang dijalankan secara terdistribusi pada klaster SBC. Evaluasi dilakukan terhadap dua metrik utama, yaitu waktu eksekusi dan konsumsi energi, dengan tiga skenario ukuran dataset dan lima variasi jumlah inti (core). Hasil menunjukkan bahwa klaster SBC mampu mencapai percepatan waktu pelatihan hingga 59.7% pada algoritma Multi-Layer Perceptron dan hingga 49.3% pada Random Forest saat menangani data berukuran besar. Konsumsi daya listrik juga tetap rendah dan stabil, yakni sekitar 11.4 watt untuk konfigurasi satu core dan 12.6 watt untuk konfigurasi multi-core. Temuan ini menegaskan bahwa penggunaan klaster SBC berdaya rendah merupakan pendekatan potensial untuk mendukung komputasi hemat energi dan inisiatif Green AI.
Perbandingan Model Klasifikasi Transfer Learning Convolutional Neural Network Tumor Otak menggunakan Citra Magnetic Resonance Imaging Pratama, Noval; Liebenlito, Muhaza; Irene, Yanne
Jurnal Sehat Indonesia (JUSINDO) Vol. 6 No. 01 (2024): Jurnal Sehat Indonesia (JUSINDO)
Publisher : CV. Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/jsi.v6i01.81

Abstract

Analisis tumor otak menjadi subjek penting dalam kedokteran, di mana deteksi yang cepat dan akurat dapat mengarah pada perawatan yang lebih baik. Tujuan penelitian ini adalah untuk membandingkan dan mengevaluasi kinerja delapan model arsitektur jaringan pre-built yang telah dibangun sebelumnya dalam mengklasifikasikan tumor MRI menggunakan metodologi pembelajaran transfer learning. Pada penelitian ini dataset yang digunakan merupakan citra Magnetic Resonance Imaging (MRI) sebanyak 3.264 yang terdiri dari meningioma, glioma, pituitary dan yang tidak menderita tumor otak. Pada penelitian ini, peneliti menggunakan arsitektur jaringan yang telah dilatih sebelumnya pada kumpulan data besar untuk tugas klasifikasi umum. Pendekatan pembelajaran transfer ini memungkinkan kita untuk memanfaatkan fitur tingkat tinggi yang telah dipelajari oleh model dalam dataset umum dan menyesuaikannya dengan dataset spesifik tumor otak yang lebih kecil. Hasil eksperimen menunjukkan bahwa pendekatan transfer learning ini berhasil mengklasifikasikan jenis tumor otak dengan akurasi yang memuaskan, bahkan dengan dataset yang terbatas. Teknik ini menjanjikan untuk meningkatkan diagnosis dini dan manajemen tumor otak dalam praktik klinis dengan memanfaatkan kekuatan model yang ada tanpa perlu melatih model dari awal.
Solusi Model Navier Stokes Korteweg dengan Syarat Batas Slip di Half-Space Berdimensi 3 Salsabila, Anisa; Inna, Suma; Liebenlito, Muhaza; Purnomowati, Rahmi
MAJAMATH: Jurnal Matematika dan Pendidikan Matematika Vol. 7 No. 1 (2024): Vol 7 No 1 Maret 2024
Publisher : Prodi Pendidikan matematika Universitas Islam Majapahit (UNIM), Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/majamath.v7i1.3158

Abstract

Model Navier Stokes Kortewege merupakan model yang mendeskripsikan aliran fluida termampatkan dengan mempertimbangkan konstanta kapilaritas ( ) yang dikenal sebagai konstanta kapiler. Adapun penelitian ini bertujuan untuk membuktikan keberadaan operator solusi sistem persamaan resolvent model Navier Stokes Kortewege dengan syarat batas slip di half-space berdimensi 3  khususnya pada kasus koefisien  dan . Dalam mencari operator solusi sistem persamaan resolvent tersebut dilakukan beberapa langkah, seperti melakukan reduksi terhadap sistem persamaan resolvent tak homogen, kemudian dilakukan transformasi Fourier parsial terhadap sistem persamaan resolvent homogen untuk memperoleh persamaan diferensial biasa yang lebih sederhana. Sehingga, diperoleh operator solusi .
Analisis Performa Klaster Single Board Computer dalam Implementasi Singular Value Decomposition Azka, Syahrul; Liebenlito, Muhaza; Sutanto, Taufik Edy
Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Volume 13 Issue 3 December 2025
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/euler.v13i3.33367

Abstract

This study aims to evaluate the performance of Singular Value Decomposition operations based on the divide-and-conquer method on two computing cluster architectures: an Intel Core i5-12400-based PC cluster and an Allwinner H618-based Orange Pi Zero 3 Single Board Computer cluster. The evaluation focuses on three key metrics: execution time, speedup, and energy consumption. Experiments were conducted on three matrix sizes (2160×2160, 3240×3240, and 5400×5400) with processor cores ranging from 1 to 12. Energy consumption was measured using a wattmeter by recording peak power during execution. The results show that the PC cluster achieves faster execution times but exhibits limited parallel scalability, reaching a maximum speedup of 10.31× and energy consumption of 2.07 Wh for the 5400×5400 matrix with 12 cores. In contrast, the SBC cluster demonstrates significantly higher parallel efficiency, achieving a speedup of 117.75× with energy consumption of only 0.23 Wh under the same configuration. These findings indicate that the SBC cluster offers a promising energy-efficient, cost-effective solution for parallel numerical computing, particularly for sustainable computing infrastructure in higher education, in alignment with the Sustainable Development Goals 7.