Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Maulana, Muhammad Taufik
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Deteksi Spam Berbahasa Indonesia Berbasis Teks Menggunakan Model Bert Amin, Muhammad Basil Musyaffa; Hakim, Gibran; Maulana, Muhammad Taufik; Alwan, Muhammad Fajrul; Anggraheni, Hanna Shafira; Naufal, Muhammad Jilan; Yudistira, Novanto
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 6: Desember 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118121

Abstract

Spam pada SMS dan Email menyebabkan pengalaman kurang menyenangkan bagi pengguna dalam pemanfaatan teknologi. Spam secara umum merupakan sebuah tindakan mengirim pesan yang tidak diinginkan atau tidak diminta kepada sejumlah besar orang. Spam kini dapat ditemui dalam berbagai bentuk, seperti web maupun multimedia. Penelitian ini bertujuan untuk mengevaluasi model berbasis BERT, khususnya IndoBERT dan MultilingualBERT, dalam mendeteksi dan mengklasifikasi spam berbahasa Indonesia pada pesan SMS dan Email. Model yang dipilih kemudian dilatih untuk mengidentifikasi perbedaan antara pesan spam dan bukan spam. Hasil evaluasi pada percobaan menggunakan dataset SMS dan Email memiliki nilai akurasi sebesar 98% pada model IndoBERT dan 95% pada model MultilingualBERT, yang menunjukkan tingkat akurasi yang tinggi. Hasil ini menunjukkan bahwa model BERT efektif dalam mendeteksi pesan spam dalam Bahasa Indonesia.   Abstract Spam on SMS and Email causes an unpleasant experience for users in using technology. Spam in general is the act of sending unwanted or unsolicited messages to a large number of people. Spam can now be found in various forms, such as web and multimedia. This research aims to evaluate BERT-based models, specifically IndoBERT and MultilingualBERT, in detecting and classifying Indonesian spam in SMS and Email messages. The selected model is then trained to identify the differences between spam and non-spam messages. Evaluation results in experiments using SMS and Email datasets have an accuracy value of 98% in the IndoBERT model and 95% in the MultilingualBERT model, which shows a high level of accuracy. These results indicate that the BERT model is effective in detecting spam messages in Indonesian.
Analisis Sentimen Pengguna Indodax Menggunakan FastText dan Convolutional Neural Network (CNN) Maulana, Muhammad Taufik; Muflikhah, Lailil; Fatyanosa, Tirana Noor
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 6 (2025): Juni 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan pesat investor cryptocurrency di Indonesia, yang jumlahnya melampaui investor pasar saham, menyoroti pentingnya platform perdagangan seperti Indodax. Ulasan pengguna menjadi krusial untuk evaluasi layanan, namun volumenya yang besar memerlukan analisis otomatis. Penelitian ini bertujuan untuk membangun dan mengevaluasi model deep learning untuk analisis sentimen pada ulasan aplikasi Indodax dari Google Play Store. Metode yang digunakan adalah kombinasi FastText sebagai word embedding dan convolutional neural network (CNN) untuk klasifikasi sentimen ke dalam tiga kelas yaitu positif, negatif, dan netral. Pengujian difokuskan pada tiga aspek utama yaitu pengaruh ukuran kernel CNN (3, 4, dan 5), dampak tahapan preprocessing data, dan kinerja keseluruhan model. Hasil penelitian menunjukkan bahwa model dengan ukuran kernel 5 mencapai akurasi tertinggi sebesar 0,8079. Tahapan preprocessing data, terutama cleaning, terbukti krusial dalam meningkatkan kinerja model. Secara keseluruhan, model kombinasi FastText dan CNN menunjukkan kinerja yang solid, meskipun menghadapi tantangan dalam membedakan ulasan netral dan negatif. Penelitian ini memberikan kontribusi dalam penerapan analisis sentimen di domain keuangan digital Indonesia. 
Co-Authors Alwan, Muhammad Fajrul Amin, Muhammad Basil Musyaffa Anggraheni, Hanna Shafira Hakim, Gibran Lailil Muflikhah Naufal, Muhammad Jilan Novanto Yudistira Tirana Noor Fatyanosa, Tirana Noor