Claim Missing Document
Check
Articles

Found 2 Documents
Search

IMPLIKASI STRUKTUR USIA TENAGA PENDIDIK TERHADAP KUALITAS PENDIDIKAN: STUDI KASUS DI PROVINSI BANTEN, DKI JAKARTA, JAWA TENGAH, DAN SUMATERA SELATAN Humaidah; Rolen Hardi Irawan Zai; Bayu Samudra; Naufal Dhika Alriansyah; Julia Postelia Wea Buro
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 3 No 09 (2024): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

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

Abstract

This study examines the effect of the age structure of the teaching force on education quality in four provinces in Indonesia. Quantitative data for 2023/2024 was analyzed to find the relationship between the age of the teaching force and education quality indicators, such as average national exam scores and graduation rates. The results show that a balance between young and senior educators contributes positively to improving education quality. Younger educators are usually quicker to adapt to technology while senior educators have more extensive teaching experience. This study recommends the need for policies that support the professional development of educators according to their age and current educational needs.
Deteksi Komentar Toxic Menggunakan BERT Khadifa, Rama Nittia; Anshori, Robi Farhan; Humaidah; Ramadhan, Abdul Ridho; Rosyani, Perani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

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

Abstract

Pesatnya perkembangan media sosial diiringi dengan meningkatnya penyebaran komentar toksik yang dapat merusak lingkungan digital dan kesehatan mental pengguna. Penelitian ini bertujuan untuk mengembangkan model klasifikasi multi-label komentar toksik menggunakan arsitektur DistilBERT yang dimodifikasi dengan custom classification head untuk meningkatkan akurasi dan efisiensi. Dataset yang digunakan merupakan modifikasi dari Jigsaw Toxic Comment Classification dengan penyeimbangan kelas menjadi rasio 50:50. Model dilatih selama 2 epoch dengan hyperparameter optimal melalui proses fine-tuning. Hasil evaluasi menunjukkan model mencapai ROC-AUC 0,9016, precision 71,01%, recall 65,52%, dan F1-Score 0,6781. Model ini terbukti efisien dengan pengurangan parameter hingga 40% dibanding BERT-base, sehingga cocok untuk deployment dalam sistem moderasi konten semi-otomatis. Penelitian ini juga mengidentifikasi tantangan dalam mendeteksi kategori langka dan kontekstual, serta memberikan rekomendasi untuk mitigasi bias dan peningkatan generalisasi model di masa depan.