Garuda - Garba Rujukan Digital

Implementation Of Deep Learning For Fake News Classification In Bahasa Indonesia Eko Prasetio Widhi; Dhomas Hatta Fudholi; Syarif Hidayat
Journal Research of Social Science, Economics, and Management Vol. 3 No. 2 (2023): Journal Research of Social Science, Economics, and Management
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/jrssem.v3i02.546

Fake news has become a serious threat in the digital information era. This research aims to develop a model for detecting fake news in Bahasa Indonesia using a deep learning approach, combining the Long Short-Term Memory (LSTM) method with word representations from Word2vec Continuous Bag of Words (CBOW) to achieve optimal results. Our main model is LSTM, optimized through hyperparameter tuning. This model can process information sequentially from both directions, allowing for a better understanding of the news context. The integration of Word2vec CBOW enriches the model's understanding of word relationships in news text, enabling the identification of important patterns for news classification. The evaluation results show that our model performs very well in detecting fake news. After the tuning process, we achieved an F1-Score of 97.30% and an Accuracy of 98.38%. 10-fold cross-validation yielded even better results, with an F1-Score and Accuracy reaching 99%.

Implementasi Metode Multi Attribute Utility Theory (MAUT) dalam Penilaian Kompetensi Soft Skill Mahasiswa Santri UNIDA Gontor Widhi, Eko Prasetio; Amrullah, Khasib; Jayanti, Kurnia Firmanda; Adi Anggara, Deki Ridho
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 15, No 2 (2024): Desember
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v15i2.4040

Penelitian ini bertujuan untuk mengevaluasi kompetensi soft skill mahasiswa santri Universitas Darussalam Gontor (UNIDA Gontor) menggunakan metode Multi-Attribute Utility Theory (MAUT). Kompetensi yang dievaluasi dibagi dalam tiga kategori utama: Ilmu, Iman, dan Amal, dengan 15 kriteria soft skill. Penelitian ini menganalisis data dari 15 mahasiswa berdasarkan statistik deskriptif dan perhitungan MAUT untuk menentukan peringkat kompetensi mereka. Hasil analisis menunjukkan bahwa sebagian besar mahasiswa memiliki rata-rata kompetensi yang tinggi, meskipun terdapat variasi signifikan dalam beberapa kriteria, seperti negosiasi. Proses MAUT yang melibatkan penentuan bobot, matriks keputusan, normalisasi, serta perhitungan nilai utilitas marginal dan nilai utilitas akhir, memberikan hasil peringkat mahasiswa yang objektif dan terukur. Mahasiswa dengan nilai utilitas akhir tertinggi, yaitu Mahasiswa 3 (0,82), menunjukkan kecocokan terbaik dengan kriteria yang ditetapkan, sementara Mahasiswa 8 dan Mahasiswa 11 berada pada peringkat terendah. Secara keseluruhan, penerapan MAUT meningkatkan objektivitas dan transparansi dalam penilaian kompetensi soft skill mahasiswa, serta memberikan gambaran yang jelas tentang potensi masing-masing mahasiswa.

TINJAUAN LITERATUR: PEMANFAATAN KECERDASAN BUATAN DALAM PEMANTAUAN KUALITAS UDARA MELALUI INOVASI GOOGLE PROJECT AIR VIEW Widhi, Eko Prasetio; Firlana Umi Azzakiy; Mar’ah Rofidah Abidah Khosyatullah
Jurnal Rekayasa Perangkat Lunak dan Sistem Informasi Vol. 5 No. 1 (2025)
Publisher : Department of Information System Muhammadiyah University of Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/seis.v5i1.8347

Polusi udara merupakan salah satu masalah lingkungan yang berdampak signifikan terhadap kesehatan masyarakat dan ekosistem. Seiring perkembangan teknologi, kecerdasan buatan (AI) telah menjadi alat penting dalam meningkatkan efektivitas dan efisiensi pemantauan kualitas udara. Artikel ini menyajikan tinjauan literatur tentang pemanfaatan AI dalam pemantauan kualitas udara, dengan fokus pada inovasi Google Project Air View. Teknologi ini menggunakan kendaraan Google Street View yang dilengkapi sensor canggih untuk menghasilkan data kualitas udara secara real-time dengan resolusi tinggi. Melalui analisis data besar dan algoritma pembelajaran mesin, sistem ini mampu memetakan konsentrasi polutan seperti karbon dioksida (CO₂), nitrogen dioksida (NO₂), dan partikel halus (PM2.5) secara lebih akurat dibandingkan metode tradisional berbasis sensor statis. Artikel ini juga membahas keunggulan teknologi AI, termasuk integrasi dengan IoT, penerapan UAV, edge computing, dan model prediktif berbasis data besar, serta dampaknya dalam mendukung kebijakan publik dan perencanaan kota berkelanjutan. Meskipun terdapat tantangan dalam implementasi teknologi ini, seperti kebutuhan akan infrastruktur yang kompleks dan validasi data, potensi AI untuk mengatasi tantangan polusi udara tetap besar. Artikel ini menyimpulkan bahwa pengembangan lebih lanjut pada sistem berbasis AI dapat memberikan manfaat signifikan bagi pengelolaan kualitas udara global dan mendukung pembangunan yang lebih ramah lingkungan.

Klasifikasi Citra Gerakan Takbir Berdasarkan Fikih Syaikh Al-Albani Menggunakan Model Hibrida CNN-SVM Fahmi, MIftahuddin; Widhi, Eko Prasetio; Fawait, Aldi Bastiatul; Syaifullah, Ahmad
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 9, No 3 (2025): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v9i3.21327

Penelitian ini mengklasifikasikan kebenaran gerakan takbir dalam salat berdasarkan parameter fikih Syaikh Al-Albani menggunakan pendekatan hibrida CNN dan SVM. Alur kerja mencakup prapemrosesan citra melalui deteksi tepi operator Prewitt dan operasi morfologi untuk pemurnian kontur, diikuti normalisasi. Fitur mendalam diekstraksi dengan VGG16 melalui transfer learning, sedangkan klasifikasi dilakukan menggunakan Support Vector Machine dengan penalaan hiperparameter serta mekanisme ambang (threshold) untuk penetapan keputusan. Dataset terdiri atas 184 citra beranotasi (146 benar, 38 tidak benar) dengan pembagian 80:20 untuk pelatihan dan pengujian. Evaluasi menggunakan akurasi, precision, recall, F1-score, dan confusion matrix. Model mencapai akurasi 95% pada data uji, menunjukkan bahwa kombinasi prapemrosesan berbasis tepi, ekstraksi fitur konvolusional, dan klasifikasi margin-maksimum efektif membedakan variasi halus pada postur takbir. Temuan ini berimplikasi pada pengembangan alat bantu pembelajaran dan koreksi gerakan salat, termasuk skenario umpan balik real-time. Keterbatasan meliputi ukuran serta ketidakseimbangan dataset dan rujukan fikih tunggal; penelitian lanjutan diarahkan pada perluasan data, validasi eksternal, dan pengujian pada perangkat nyata.

Sosialisasi Dan Pelatihan Maintenance Pada Mahasiswi Agroteknologi Universitas Darussalam Gontor Anggilia, Fiona; Syifaul, Zahra; Widhi, Eko Prasetio
Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Vol. 4 No. 2 (2024): November - Abdiformatika: Jurnal Pengabdian Masyarakat Informatika
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/abdiformatika.v4i2.233

Artikel ini membahas berbagai metode dan teknik yang digunakan dalam perawatan rutin, termasuk pembersihan fisik, optimisasi perangkat lunak, serta identifikasi dan penyelesaian masalah umum seperti overheating, kinerja lambat, dan serangan malware. Studi ini juga mengeksplorasi dampak dari perawatan preventif terhadap umur panjang perangkat, serta menyoroti pentingnya backup data dan pembaruan perangkat lunak secara berkala. Melalui analisis kasus dan tinjauan literatur, kami menemukan bahwa maintenance yang teratur dapat mengurangi risiko kerusakan sistem yang parah dan meningkatkan efisiensi kerja perangkat secara keseluruhan. Kesimpulan ini menawarkan panduan praktis bagi pengguna individu dan perusahaan dalam mengimplementasikan prosedur perawatan yang efektif, serta memberikan wawasan tentang teknologi dan alat yang dapat mendukung proses maintenance yang lebih efisien dan aman.

Workshop Technopreneurship: Pengembangan Keterampilan Wirausaha Digital untuk Siswa SMP melalui Platform E-Commerce Widhi, Eko Prasetio; Triana Harmini; Dihin Muriyatmoko; Faisal Reza Pradhana; Aziz Musthafa
Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Vol. 4 No. 2 (2024): November - Abdiformatika: Jurnal Pengabdian Masyarakat Informatika
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/abdiformatika.v4i2.242

Workshop technopreneurship ini dilaksanakan untuk meningkatkan pemahaman dan keterampilan siswa SMP dalam bidang technopreneurship dan e-commerce. Topik ini dipilih karena pentingnya penguasaan teknologi digital bagi generasi muda di era digital. Metode yang digunakan meliputi pembelajaran teori, praktik langsung, studi kasus, diskusi kelompok, dan pendekatan edutainment. Hasilnya menunjukkan peningkatan signifikan dalam pemahaman siswa terkait konsep technopreneurship dan e-commerce, serta kemampuan mereka dalam membuat toko online dan menyusun rencana bisnis sederhana. Tantangan yang dihadapi adalah pemahaman teknis e-commerce, yang memerlukan pendampingan lebih lanjut. Kesimpulannya, workshop ini berhasil membekali siswa dengan keterampilan wirausaha digital dan dapat memberikan dampak jangka panjang bagi pengembangan technopreneurship di kalangan siswa SMP.

Edukasi Teknologi Dengan Pendekatan Akhlak Mulia Di TPA Al-Ikhlas Ponorogo Widhi, Eko Prasetio; Triana Harmini; Mohammad Ridho Cahyono; Ghulam Mushthofa; Andrian Maulana
Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Vol. 5 No. 1 (2025): Mei 2025 - Abdiformatika: Jurnal Pengabdian Masyarakat Informatika
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/abdiformatika.v5i1.258

Pengintegrasian literasi teknologi dengan nilai-nilai akhlak menjadi solusi inovatif dalam meningkatkan pemahaman teknologi di kalangan anak-anak, terutama di lingkungan berbasis pesantren. Penelitian ini bertujuan untuk mengukur efektivitas program literasi teknologi berbasis akhlak di TPA Al-Ikhlas, dengan menggunakan metode pretest-posttest untuk mengevaluasi tingkat pemahaman anak-anak. Hasil evaluasi menunjukkan peningkatan pemahaman yang signifikan, dari 50% pada pretest menjadi 85% pada posttest. Peningkatan ini mengindikasikan bahwa pendekatan integratif tidak hanya meningkatkan kemampuan teknis anak-anak, tetapi juga memperkuat karakter mereka melalui penerapan nilai-nilai seperti kejujuran, tanggung jawab, dan empati dalam penggunaan teknologi. Selain itu, program ini berhasil menciptakan pembelajaran yang bermakna dan relevan untuk menghadapi tantangan era digital. Penelitian ini juga menyoroti pentingnya keberlanjutan program melalui pelatihan berkala, pengembangan modul berbasis akhlak, serta potensi replikasi ke institusi pendidikan lain. Dengan demikian, hasil penelitian ini memberikan kontribusi nyata dalam mendukung pengembangan literasi teknologi yang holistik di Indonesia.

Implementation Of Deep Learning For Fake News Classification In Bahasa Indonesia Widhi, Eko Prasetio; Fudholi, Dhomas Hatta; Hidayat, Syarif
Journal Research of Social Science, Economics, and Management Vol. 3 No. 2 (2023): Journal Research of Social Science, Economics, and Management
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/jrssem.v3i02.546

Fake news has become a serious threat in the digital information era. This research aims to develop a model for detecting fake news in Bahasa Indonesia using a deep learning approach, combining the Long Short-Term Memory (LSTM) method with word representations from Word2vec Continuous Bag of Words (CBOW) to achieve optimal results. Our main model is LSTM, optimized through hyperparameter tuning. This model can process information sequentially from both directions, allowing for a better understanding of the news context. The integration of Word2vec CBOW enriches the model's understanding of word relationships in news text, enabling the identification of important patterns for news classification. The evaluation results show that our model performs very well in detecting fake news. After the tuning process, we achieved an F1-Score of 97.30% and an Accuracy of 98.38%. 10-fold cross-validation yielded even better results, with an F1-Score and Accuracy reaching 99%.

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search