Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Indonesian Journal of Data and Science Gotong Royong : Jurnal Pengabdian, Pemberdayaan Dan Penyuluhan Kepada Masyarakat (J-P3KM)
Aldo Syahputra
Universitas Jenderal Achmad Yani Yogyakarta
Religion Computer Science & IT Decision Sciences, Operations Research & Management Environmental Science Health Professions Mathematics Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Emojiku: Media Pengenalan Emosi berbasis Digital untuk Meningkatkan Kesadaran Emosi Siswa Disabilitas Hesty Yuliasari; Putri Pusvitasari; Ulfi Saidata Aesyi; Ardilla Mega Agustin; Lintang Sumirat; Faisal Dwi Nurwenda; Aldo Syahputra
Gotong Royong : Jurnal Pengabdian, Pemberdayaan Dan Penyuluhan Kepada Masyarakat Vol. 4 No. 1 (2024): Gotong Royong (JP3KM) Desember 2024
Publisher : Mata Pena Madani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51849/jp3km.v4i1.56

Abstract

Permasalahan emosi sering menjadi masalah bagi anak disabilitas karena tidak mampu untuk mengeluarkan emosinya secara tepat. Anak-anak sering mengeluarkan emosinya dengan perilaku yang destruktif sehingga mendapatkan penilaian negatif dari lingkungannya. Kondisi ini semakin membuat stigma negatif pada anak disabilitas. Di SLB Bangun Putra, keterbatasan media edukasi dan beban kerja guru yang cukup tinggi karena kurangnya guru membuaar interaksi intens antara guru dan siswa berkurang, sehingga ada baiknya siswa dapat mandiri sesuai dengan kemampuannya dalam mengenali emosi dan mengendalikan emosi. Tujuan dari kegiatan ini adalah untuk meningkatkan kesadaran emosi siswa disabilitas melalui pengenalan emosi berbasis media digital. Pelatihan emotional awareness di berikan pada 55 siswa disabilitas dan pelatihan manajemen stres diberikan pada 15 guru di SLB Bangun Putra Kasihan. Media digital dapat menjadi alternatif edukasi pada siswa SLB sehingga meningkatkan pemahaman secara langsung melalui tampilan gambar emosi. Selain itu, manajemen stress juuga diberikan pada guru untuk meningkatkan manajemen diri guru dalam pengelolaan stres. Berdasarkan kegiatan yang dilakukan, melalui pengenalan emosi berbasis digital, siswa SLB dapat lebih memahami kondisi emosinya dan respon orang lain sehingga dapat membantunya dalam berinteraksi.
Zero-Shot Detection of IndoT5-Synthesized Indonesian Scientific Abstracts Using mDeBERTa v3 Aldo Syahputra; Aris Wahyu Murdiyanto; Ulfi Saidata Aesyi
Indonesian Journal of Data and Science Vol. 7 No. 2 (2026): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v7i2.457

Abstract

 Introduction: Distinguishing human-written scientific abstracts from AI-synthesized text remains challenging, particularly when machine-generated language appears fluent and formally structured. This study evaluates mDeBERTa v3 in a zero-shot Natural Language Inference (NLI) setting for detecting Indonesian scientific abstracts specifically synthesized using IndoT5-base-paraphrase. Method: A balanced dataset of 2,274 abstracts comprising 1,137 human-written abstracts from SINTA 3 journals and 1,137 IndoT5-synthesized counterparts was analyzed. Seven linguistic features were examined using the Mann–Whitney U test, followed by zero-shot mDeBERTa v3 classification using one-, three-, and five-aspect NLI instruction scenarios. A Random Forest classifier using the same linguistic features was included as a supervised baseline. Results and Discussion: All seven linguistic features differed significantly between classes (p < 0.001), with AI texts showing substantially higher sentence-length variation than human texts. The targeted one-aspect NLI scenario achieved the highest recall of 76.52% but only 53.52% accuracy because 790 human abstracts were misclassified as AI. Increasing instruction complexity further reduced recall. In contrast, Random Forest achieved 91.21% accuracy and an F1-score of 0.9130, confirming that the identified linguistic anomalies are strong learnable signals. Conclusion: Zero-shot mDeBERTa v3 can detect generator-specific structural artifacts but remains insufficiently precise for standalone academic-integrity screening and should be supplemented by supervised methods and human review.
Co-Authors Ardilla Mega Agustin Aris Wahyu Murdiyanto Faisal Dwi Nurwenda Lintang Sumirat Putri Pusvitasari Ulfi Saidata Aesyi