Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi SISFOTENIKA
Febryanto, Bagas Aji
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

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

Found 2 Documents
Search

 1 
Analisis Sentimen Pengguna Aplikasi Merdeka Mengajar Menggunakan Metode Vader Lexicon Arifin, Samsul; Febryanto, Bagas Aji
SISFOTENIKA Vol. 15 No. 1 (2025): SISFOTENIKA
Publisher : STMIK PONTIANAK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30700/sisfotenika.v15i1.513

Abstract

Abstrak Perkembangan teknologi digital memengaruhi dunia pendidikan, termasuk di Indonesia, dengan hadirnya Aplikasi Merdeka Mengajar yang mendukung kebijakan Merdeka Belajar. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi tersebut menggunakan metode VADER (Valence Aware Dictionary and sEntiment Reasoner) Lexicon. Data ulasan diperoleh melalui scraping, diikuti proses preprocessing untuk membersihkan data dan meningkatkan akurasi. VADER Lexicon menganalisis sentimen positif, negatif, dan netral dengan mempertimbangkan elemen linguistik, seperti intensitas dan negasi. Hasil analisis menunjukkan 87.3% ulasan positif, 8.3% negatif, dan 4.4% netral, mencerminkan tingkat kepuasan yang tinggi. Evaluasi dengan akurasi 90%, presisi 93.3%, recall 90%, dan F1-score 90.4% menunjukkan keandalan VADER dalam menganalisis sentimen. Meskipun metode ini efisien dan konsisten, kelemahan dalam menangkap ironi dan sarkasme serta bahasa lokal masih ada. Rekomendasi untuk penelitian selanjutnya mencakup pengembangan leksikon bahasa Indonesia dan kombinasi metode tambahan untuk akurasi yang lebih baik. Kata kunci— Aplikasi Merdeka Mengajar, VADER Lexicon, analisis sentimen, pendidikan digital, scraping
Perbandingan Algoritma CNN, LSTM, FNN untuk Diagnosa Fibrosis Hati dengan Citra Medis Febryanto, Bagas Aji; Tahyudin, Imam
Techno.Com Vol. 24 No. 1 (2025): Februari 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i1.12020

Abstract

Fibrosis hati merupakan kondisi yang berpotensi berkembang menjadi sirosis atau kanker hati jika tidak terdiagnosis dengan tepat. Prosedur biopsi hati yang invasif sering digunakan dalam diagnosis, namun memiliki risiko dan keterbatasan biaya. Penelitian ini bertujuan untuk membandingkan kinerja model deep learning, yaitu Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Feedforward Neural Network (FNN) dalam klasifikasi fibrosis hati menggunakan citra medis. Metode yang digunakan adalah evaluasi kinerja model berdasarkan metrik akurasi, presisi, recall, F1-score, dan loss pada dataset citra medis fibrosis hati. Hasil penelitian menunjukkan bahwa CNN memberikan kinerja terbaik dengan akurasi 98%, diikuti oleh LSTM dengan akurasi 97%, dan FNN dengan akurasi 80%. CNN unggul karena kemampuannya dalam mengekstraksi fitur spasial secara otomatis dari citra medis, sementara LSTM lebih cocok untuk data sekuensial dan FNN terbatas dalam menangani data citra kompleks. Penelitian ini menyimpulkan bahwa CNN lebih efektif dalam klasifikasi fibrosis hati dan dapat menjadi alternatif non-invasif yang lebih efisien dibandingkan metode konvensional seperti biopsi. Teknologi ini berpotensi mempercepat diagnosis fibrosis hati dengan akurasi tinggi dan tanpa risiko komplikasi invasif.   Kata kunci: Fibrosis hati, CNN, LSTM, FNN, klasifikasi citra medis.
Co-Authors Imam Tahyudin Samsul Arifin