Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri INTECOMS: Journal of Information Technology and Computer Science Jurnal Masyarakat Madani Indonesia Journal of Early Childhood Education Research JUKOMTIK
Asih, Dybio Dompu Hot
Unknown Affiliation
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Neuroscience Public Health Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Bacteria Classification using Image Processing and Residual Neural Network (ResNet) Dybio Dompu Hot Asih; Adnan Purwanto; Dwiza Riana; Sri Hadianti
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 20, No 1 (2022): Desember 2022
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v20i1.16788

Abstract

Detection of microorganisms is of particular importance to human health and life, and for the industry in general. For this reason, we want this process to be as fast and precise as possible. We also expect that the automation of this activity (detection of microorganisms) can be widely used in various industries. This article is another attempt to the classification of bacteria  that uses a deep learning approach with Residual Neural Network(ResNet) models. The research was conducted by training the ResNet-18,ResNet-34, ResNet50 and ResNet-101 models. The results show that the ResNet-50 and ResNet-101 are the best learning model. It is better to use ResNet-50 than ResNet-101 because of the faster training time. While the results of the research also show that the architecture with the least number of layers is the fastest learning model.  ResNet-50 has an accuracy rate of 96.1% with a training time of 451 seconds is the best learning model. ResNet-18 has an accuracy rate of 93.6% with a training time of 185 seconds is the fastest learning model.
Analisis Sentimen Ulasan Review Aplikasi MyTelkomsel, IndosatM3 dan MyXl di Google Play Store Menggunakan Metode Bert Asih, Dybio Dompu Hot; Manik, Lindung Parningotan
INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 1 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v8i1.12817

Abstract

Aplikasi seluler dari penyedia layanan telekomunikasi, seperti MyTelkomsel, IndosatM3, dan MyXL, semakin penting dalam kehidupan sehari-hari konsumen. Pengguna sering meninggalkan ulasan dan penilaian di platform seperti Google PlayStore, yang dapat menjadi sumber informasi berharga bagi perusahaan untuk meningkatkan kualitas layanan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi MyTelkomsel, IndosatM3, dan MyXL di Google PlayStore menggunakan BERT. Penelitian ini dilakukan untuk analisa sentimen terhadap aplikasi MyTelkomsel, IndosatM3 dan MyXl di Google Play Store. Data review komentar diambil dari fitur komentar yang ada di Google Play Store menggunakan teknik scrapping. Data yang digunakan berjumlah 600 records. Hasil dari analisa sentimen dapat dimanfaatkan untuk melihat respon pengguna MyTelkomsel, IndosatM3 dan MyXl lalu pengembang bisa memaksimalkan fitur yang dirasa kurang oleh pengguna. Model dan metode yang digunakan adalah model pre- trained BERT. Dalam penelitian ini, kami mengumpulkan data ulasan dari ketiga aplikasi tersebut dan mengklasifikasikannya ke dalam tiga kategori sentimen utama: positif, negatif, dan netral. Model BERT dilatih untuk mengenali pola dalam ulasan tersebut dan mengklasifikasikan sentimen dengan akurasi yang tinggi. Aplikasi seluler dari penyedia layanan telekomunikasi, seperti MyTelkomsel, IndosatM3, dan MyXL, semakin penting dalam kehidupan sehari-hari konsumen. Pengguna sering meninggalkan ulasan dan penilaian di platform seperti Google PlayStore, yang dapat menjadi sumber informasi berharga bagi perusahaan untuk meningkatkan kualitas layanan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi MyTelkomsel, IndosatM3, dan MyXL di Google PlayStore menggunakan BERT. Penelitian ini dilakukan untuk analisa sentimen terhadap aplikasi MyTelkomsel, IndosatM3 dan MyXl di Google Play Store. Data review komentar diambil dari fitur komentar yang ada di Google Play Store menggunakan teknik scrapping. Data yang digunakan berjumlah 600 records. Hasil dari analisa sentimen dapat dimanfaatkan untuk melihat respon pengguna MyTelkomsel, IndosatM3 dan MyXl lalu pengembang bisa memaksimalkan fitur yang dirasa kurang oleh pengguna. Model dan metode yang digunakan adalah model pre- trained BERT. Dalam penelitian ini, kami mengumpulkan data ulasan dari ketiga aplikasi tersebut dan mengklasifikasikannya ke dalam tiga kategori sentimen utama: positif, negatif, dan netral. Model BERT dilatih untuk mengenali pola dalam ulasan tersebut dan mengklasifikasikan sentimen dengan akurasi yang tinggi.
Adaptasi Domain BERT pada Evaluasi Akademik Mahasiswa Asih, Dybio; Simanullang, Jasael
Jurnal Komputer dan Teknologi Informasi (JUKOMTIK) Vol. 1 No. 2 (2026): Januari-Maret
Publisher : Samudra Ilmu Indonesia

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

Abstract

Penelitian ini mengkaji adaptasi domain model BERT untuk analisis sentimen terhadap evaluasi akademik mahasiswa di Universitas Wirahusada Medan. Teks evaluasi akademik sering kali mengandung terminologi khusus bidang tertentu, ungkapan informal, serta distribusi sentimen yang tidak seimbang, sehingga menurunkan efektivitas model bahasa pralatih yang bersifat umum. Penelitian ini menerapkan strategi fine-tuning dengan pendekatan Domain-Adaptive Pretraining (DAPT) pada dataset berlabel yang berisi umpan balik mahasiswa. Desain eksperimen membandingkan model BERT dasar (baseline) dengan BERT yang telah diadaptasi domain menggunakan metode stratified 5-fold cross-validation. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan Area Under the Curve (AUC). Uji signifikansi statistik dilakukan dengan paired t-test dan uji McNemar untuk memvalidasi perbedaan performa antar model. Hasil penelitian menunjukkan bahwa adaptasi domain secara signifikan meningkatkan kinerja klasifikasi, khususnya dalam menangani sentimen netral dan negatif. Model yang telah diadaptasi memperoleh nilai F1-score yang lebih tinggi serta menunjukkan kemampuan generalisasi yang lebih baik di setiap fold pengujian. Temuan ini menegaskan bahwa adaptasi spesifik domain mampu meningkatkan ketahanan (robustness) dan keandalan model berbasis transformer dalam sistem penjaminan mutu akademik, serta mendukung pengambilan keputusan berbasis data dalam manajemen pendidikan tinggi.
Curriculum Innovation in Early Childhood Education: A Framework for Developmentally Appropriate Learning Asih, Dybio Dompu Hot; Simanullang, Jasael; Br Bangun, Atania Rosbina
Journal of Early Childhood Education Research Vol. 2 No. 1 (2026): Journal of Early Childhood Education Research
Publisher : South Sulawesi Education Development (SSED)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58230/jecer.v2i1.559

Abstract

Purpose: Early childhood education (ECE) serves as a foundational stage for children's holistic development, yet many programs continue to rely on conventional curricula that inadequately address children's diverse developmental needs. This study examines curriculum innovation and pedagogical advancement in ECE settings, with the aim of proposing a framework for developmentally appropriate practice (DAP) that integrates child-centered, progressive pedagogical approaches to support children's cognitive, social, and emotional development. Methodology: A qualitative case study design was employed across multiple early childhood education centers. Participants comprised early childhood teachers, curriculum coordinators, and school administrators directly involved in curriculum planning and implementation. Data were generated through semi-structured interviews, classroom observations, and document analysis of curriculum materials and lesson plans. Thematic analysis was used to identify patterns across curriculum innovation, pedagogical practices, and developmental appropriateness. Trustworthiness was established through data triangulation and member checking. Results: Findings reveal that curriculum innovation meaningfully enhances developmentally appropriate learning when grounded in child-centered pedagogical practices. Key innovative strategies identified include play-based learning, inquiry-based activities, and integrated thematic curriculum design. These approaches were associated with increased children's engagement, creativity, collaborative behavior, and problem-solving competencies. Teachers who adopted reflective practice and flexible curriculum adaptation demonstrated greater responsiveness to children's diverse developmental needs. Conclusions: Integrating curriculum innovation with progressive pedagogy offers a robust foundation for developmentally appropriate learning in early childhood settings. The proposed framework foregrounds child-centered environments, flexible curriculum structures, and reflective teaching as core principles. These findings carry practical implications for ECE educators, curriculum developers, and policymakers committed to improving the quality and responsiveness of early childhood education programs.
Pelatihan Pengelolaan Data Digital Berbasis Sistem Informasi bagi Aparatur Desa Namorambe Deli Serdang Karo, Alex P Karo; Asih, Dybio Dompu Hot; Lase, Krisman
Jurnal Masyarakat Madani Indonesia Vol. 5 No. 2 (2026): Mei (In Progress)
Publisher : Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/mmnc3n55

Abstract

Perkembangan teknologi informasi mendorong pemerintah desa untuk meningkatkan kualitas pengelolaan data dan pelayanan administrasi kepada masyarakat secara lebih efektif dan efisien. Namun, pada praktiknya masih banyak aparatur desa yang belum memiliki kemampuan yang memadai dalam memanfaatkan teknologi digital untuk pengelolaan data. Kondisi ini juga ditemukan pada aparatur Desa Namorambe Kabupaten Deli Serdang yang masih melakukan pencatatan dan pengarsipan data secara manual sehingga proses pengolahan data menjadi kurang efisien dan berpotensi menimbulkan kesalahan. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pengetahuan dan keterampilan aparatur desa dalam mengelola data digital berbasis sistem informasi. Metode yang digunakan dalam kegiatan ini meliputi observasi awal, pelaksanaan pelatihan, praktik langsung penggunaan aplikasi pengelolaan data, serta pendampingan dalam proses implementasi. Kegiatan pelatihan dilaksanakan dalam bentuk workshop yang melibatkan aparatur desa sebagai peserta utama. Hasil kegiatan menunjukkan adanya peningkatan pemahaman dan kemampuan aparatur desa dalam mengelola data secara digital, mulai dari proses input data, pengolahan, hingga penyimpanan data secara sistematis. Dengan adanya kegiatan ini diharapkan aparatur desa dapat mengoptimalkan pemanfaatan sistem informasi dalam pengelolaan administrasi desa sehingga pelayanan kepada masyarakat menjadi lebih cepat, akurat, dan transparan
Co-Authors Adnan Purwanto Br Bangun, Atania Rosbina Dwiza Riana Jasael Simanullang Karo, Alex P Karo Lase, Krisman Lindung Parningotan Manik Sri Hadianti