Article Per Year (5 Year)
p-Index From 2021 - 2026
3.946
P-Index
This Author published in this journals
All Journal Jurnal Teknik ITS Jurnal Teknologi Informasi dan Ilmu Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Systemic: Information System and Informatics Journal Jurnal Mantik Jurnal Teknik Elektro dan Komputasi (ELKOM) Jurnal Pengabdian Masyarakat IPTEKS JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer International Journal of Science and Society (IJSOC) Jurnal Ilmiah MEA (Manajemen, Ekonomi, dan Akuntansi) Smart Techno (Smart Technology, Informatic and Technopreneurship) Demokrasi: Jurnal Ilmu Pemerintahan Jurnal Aplikasi Sistem Informasi dan Elektronika International Applied Science ENDLESS : International Journal of Future Studies Jurnal Penelitian IPTEKS
Bagus Setya Rintyarna
Universitas Muhammadiyah Jember
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Penerapan Algoritma Support Vector Machine Berbasis Kernel Radial Basis Function dalam Klasifikasi Sel Kanker Arifin, Zainul; Rahman, Dhimas Fachri; Rintyarna, Bagus Setya; Daryanto, Daryanto
BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Vol 4 No 2 (2023): September
Publisher : Puslitbang Sinergis Asa Professional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37148/bios.v4i2.165

Abstract

Cancer is a leading cause of death globally, with over 10 million deaths reported in 2020, according to the World Health Organization (WHO). Early detection and accurate diagnosis are crucial to improving survival rates. However, conventional diagnostic methods such as biopsies and histopathological analysis have several limitations, including being invasive, time-consuming, and reliant on subjective interpretation by pathologists. With technological advancements, artificial intelligence (AI) and machine learning (ML) offer promising alternatives in cancer diagnosis. This study explores the effectiveness of the Support Vector Machine (SVM) algorithm in classifying cancer cells using the Breast Cancer Wisconsin dataset. The dataset consists of 699 cell samples obtained through fine needle aspiration, each described by 10 morphological features and labeled as benign or malignant. The results show that SVM with a Radial Basis Function (RBF) kernel can classify cancer cells with high accuracy. Data preprocessing, including cleaning and normalization, significantly improves model performance. Additionally, parameter optimization using grid search enhances the model’s reliability. This study highlights the strong potential of SVM as an efficient, accurate, and practical decision-support tool in medical diagnosis, particularly for cancer detection.
Analisis Perbandingan Metode Klasifikasi Sentimen Berita Saham: Pendekatan Machine Learning, Deep Learning, Transfer Learning, dan Graf Tyas, Salsabila Mazya Permataning; Sarno, Riyanarto; Rintyarna, Bagus Setya
Jurnal Penelitian IPTEKS Vol. 9 No. 1 (2024): JURNAL PENELITIAN IPTEKS
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/penelitianipteks.v9i1.1479

Abstract

Pasar saham merupakan arena yang dinamis, di mana keputusan investasi seringkali dipengaruhi oleh berbagai faktor, termasuk informasi yang diperoleh dari berita saham. Analisis sentimen berita saham menjadi krusial dalam memahami reaksi pasar terhadap berita tertentu. Tujuan penelitian ini untuk mengklasifikasikan sentimen berita saham dalam membantu investor dan pelaku pasar untuk membuat keputusan yang lebih baik. Oleh karena itu, pengembangan metode yang efektif untuk mengklasifikasikan sentimen berita saham menjadi suatu kebutuhan mendesak. Penelitian ini fokus pada pemahaman sentimen di dalam berita saham dan menghadirkan perbandingan antara empat metode klasifikasi yang berbeda, yaitu Machine Learning, Deep Learning, Transfer Learning, dan metode berbasis Graf. Dengan memahami perbedaan kinerja dan kelebihan masing-masing metode, diharapkan penelitian ini dapat memberikan pandangan yang lebih mendalam terkait pilihan teknik yang paling sesuai dalam menghadapi kompleksitas analisis sentimen di pasar saham. Hasil eksperimen dan evaluasi kinerja masing-masing metode diukur dengan menggunakan nilai akurasi. Dari seluruh percobaan yang dilakukan nilai akurasi tertinggi diperoleh menggunakan BERT sebesar 81%.
Joint Distribution pada Weighted Majority Vote (WMV) untuk Peningkatan Kinerja Sentiment Analysis Tersupervisi pada Dataset Twitter Rintyarna, Bagus Setya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 5: Oktober 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022956185

Abstract

Sentiment analysis adalah teknik komputasi text mining berbasis natural language processing (NLP) untuk mengekstraksi pendapat seseorang yang diungkapkan dalam platform online, termasuk dalam platform microblogging Twitter, salah satu platform microblogging yang paling popular digunakan di Indonesia. Ada dua pendekatan yang umum digunakan dalam teknik sentiment analysis yaitu pendekatan berbasis machine learning (ML) dan pendekatan berbasis sentiment lexicon (SL). Fokus penelitian ini adalah untuk pengembangan teknik sentiment analysis berbasis machine learning yang disebut juga teknik tersupervisi pada dataset Twitter. Sebagian besar sentiment analysis pada dataset Twitter berbahasa Indonesia mengandalkan single machine learning algorithm. Penelitian ini menggabungkan kinerja berbagai algoritma/experts seraya mengurangi tingkat kesalahan klasifikasi dengan meng-update bobot secara dinamis menggunakan weighted majority vote (WMV) berbasis joint distribution dari Bayesian Network. Pada tahap pertama, data di grabbing dari Twitter dengan 3 hashtag terkait Covid-19 sebagai data eksperimen. Selanjutnya kinerja weighted majority vote secara ekstensif dibandingkan dengan 4 metode baseline sebagai pembanding, yaitu: Naïve Bayes, Gaussian Naïve Bayes, Multinomial Naïve Bayes dan Majority Vote dari ketiga single classifier tersebut. Metrics kinerja yang digunakan adalah precision, recall, fmeasure, accuracy dan Mathews correlation coeficient (MCCC). Dalam eksperimen, terbukti bahwa WMV mampu meningkatkan kinerja sentiment analysis pada ketiga topik dataset dengan evaluator berbagai metrics kinerja sentiment analysis. AbstractSentiment analysis is a computational text mining technique based on natural language processing (NLP) to extract someone's opinion expressed in online platforms, including the Twitter microblogging platform, one of the most popular microblogging platforms used in Indonesia. There are two approaches that are commonly used in sentiment analysis techniques, namely the machine learning (ML) based approach and the sentiment lexicon (SL) based approach. The focus of this research is the development of machine learning-based sentiment analysis techniques which are also called supervised techniques on the Twitter dataset. Most of the sentiment analysis on the Indonesian language Twitter dataset relies on a single machine learning algorithm. This study combines the performance of various algorithms/experts while reducing the level of misclassification by updating the weights dynamically using a joint distribution-based weighted majority vote (WMV) from the Bayesian Network. In the first stage, data was grabbed from Twitter with 3 hashtags related to Covid-19 as experimental data. Furthermore, the performance of the weighted majority vote was extensively compared with 4 baseline methods for comparison, namely: Naïve Bayes, Gaussian Naïve Bayes, Multinomial Nave Bayes and Majority Vote from the three single classifiers. Performance metrics used are precision, recall, fmeasure, accuracy and Mathews correlation coeficient. In experiments, it is proven that WMV is able to improve sentiment analysis performance on the three dataset topics with various evaluators of sentiment analysis performance metrics.
Analisis Sentimen Presepsi Masyarakat Dalam Menghadapi Resesi 2023 Pada Twitter Dengan Metode Bidirectional Encoder Representations From Transformers (BERT) Kursiyanto, Muhammad Nurcahyo; Rintyarna, Bagus Setya; A’yun, Qurrota
IPTEQ Vol 6, No 1 (2024): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v6i1.21073

Abstract

Pada tahun 2023, dunia menghadapi tantangan ekonomi yang berat akibat kombinasi faktor seperti meningkatnya inflasi, eskalasi perang Rusia-Ukraina, dan kelanjutan pandemi COVID-19. Dampak krisis global ini juga dirasakan di Indonesia, terutama dalam bentuk tingginya tingkat inflasi yang mengkhawatirkan. Para pemimpin negara, termasuk Presiden Jokowi dan Menteri Keuangan Sri Mulyani Indrawati, mengungkapkan keprihatinan atas ketidakpastian ekonomi global dan permasalahan inflasi yang semakin meningkat di dalam negeri. Untuk menghadapi situasi yang kompleks ini, berbagai penelitian dilakukan, salah satunya menggunakan model BERT dalam analisis sentimen terhadap data 2285 Tweet yang dikumpulkan dari periode 01 Januari hingga 20 Maret. Model BERT dilatih dengan 10 Epoch, menggunakan Batch size 16, dan Learning rate 5e-5, dan berhasil mencapai tingkat akurasi sebesar 95%, menunjukkan performa yang sangat baik dalam klasifikasi sentimen. Hasil penelitian menunjukkan bahwa dari total 2285 Tweet yang dianalisis, sekitar 40,41% diantaranya diklasifikasikan sebagai sentimen Positive, sementara 58,60% sisanya dikategorikan sebagai sentimen Negative. Selain itu, ditemukan bahwa jumlah Tweet dengan sentimen Negative dan Positive paling tinggi terjadi pada bulan Januari, dengan masing-masing 970 Tweet yang bersifat Negative dan 736 Tweet yang bersifat Positive. Penelitian ini memberikan gambaran mengenai pandangan dan reaksi masyarakat di media sosial terhadap kondisi ekonomi dan situasi global di tahun yang kritis ini. Dengan adanya informasi ini, para pengambil kebijakan dapat lebih memahami sentimen publik, dan diharapkan dapat mengambil langkah-langkah strategis untuk menghadapi tantangan ekonomi dan mengurangi dampak Negativenya pada masyarakat Indonesia. Dalam konteks ketidakpastian global dan situasi inflasi yang tinggi, pemahaman atas sentimen masyarakat menjadi sangat penting dalam merumuskan kebijakan ekonomi yang tepat guna menghadapi masa depan yang penuh dengan tantangan ini.
Adaptation of Community Radio in the New Media Age Sjuchro, Dian Wardiana; Prasetya, Tri Budi; Rintyarna, Bagus Setya; Prasastiningtyas, Widyapuri; Rezeki, Syailendra Reza Irwansyah
International Journal of Science and Society Vol 6 No 2 (2024): International Journal of Science and Society (IJSOC)
Publisher : GoAcademica Research & Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54783/ijsoc.v6i2.1168

Abstract

Community Radio has played an important role in shaping good local governance, village governance, supporting the people's economy, and preserving local wisdom. However, in the current era of new media, the existence of community radio is increasingly tested by various challenges. This study aims to understand how community radio managers adapt to the development of information and communication technology that continues to evolve. The research method used is descriptive with qualitative approach. Community radio is faced with the fact that information and communication technologies are constantly evolving, forming what we know as new media. In earlier eras, radio was identified with a physical device called a radio, but now radio broadcasts can be accessed via online channels or by streaming without being constrained by frequency range. These new media-based broadcasts often lack personal interaction with their listeners. Therefore, to build a more emotional connection with its audience, community radio managers and broadcasters need to adopt a more humanist approach. They seek to strengthen the bond between community radio and its listeners through more direct, responsive, and personalized interactions. Thus, they create stronger bonds and build loyalty among their listeners. This study is expected to provide a deeper insight into the adaptation strategies undertaken by community radio in the face of rapid changes in the media environment. With a better understanding of the challenges and opportunities at hand, community radio can continue to be a relevant and beneficial means for local communities.
Constructed Wetlands Free Water System Dengan Sistem Monitoring IoT Pada Air Lindi Galuh, Senki Desta; Fitriana, Fitriana; Rintyarna, Bagus Setya; Pamuji, Muhammad Ridho; Albani, Erza Rizki; Al-Rosyid, Latifa Mirzatika; Bahri, Mokh Hairul
Jurnal Teknik Elektro dan Komputasi (ELKOM) Vol 7, No 2 (2025): ELKOM
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/elkom.v7i2.22636552

Abstract

Air lindi merupakan cairan terkontaminasi yang mengandung banyak material terlarut atau terendapkan. Karakteristik dari cairan tersebut tergantung dari proses yang terjadi dalam landfill di setiap TPA. Adapun kandungannya dipengaruhi oleh beberapa faktor, yaitu jenis sampah terdeposit, jumlah curah hujan di daerah TPA, dan kondisi spesifik tempat pembuangan tersebut. Salah satu TPA di Kabupaten Jember ialah TPA pakusari yang melayani penimbunan sampah bersumber dari 7 (tujuh) kecamatan di sekitar. TPA Pakusari memiliki luas Kawasan sebesar 6,8 Ha dengan catatan pada tahun 2022 menerima 160 – 180 ton perhari meningkat menjadi 194 ton pada 2023 sampah disuplai setiap harinya. Terdapat bermacam jenis tumbuhan air yang dapat ditemui sekitar TPA pakusari. Pada penelitian ini, digunakan metode wetlands sebagai media pada air lindi TPA Pakusari guna mengetahui jenis potensial yang paling baik digunakan sebagai pengurai Polutan TDS, EC, dan pH. Pengambilan sample uji dilaksanakan pada 1 (satu) titik lokasi, sampel tersebut kemudian diletakan pada sistem konstruksi lahan basah buatan (wetlands) Free water system (FWS). Selanjutnya dilakukan monitoring perubahan TDS, EC, pH, dan temperatur pada sistem konstruksi wetlands tersebut menggunakan sistem berbasis IoT. Penggunaan sistem IoT ini memungkinkan monitoring dapat dilakukan dari jarak jauh melalui smartphone meskipun pemonitor tidak berada di dekat sistem konstruksi wetlands. Monitoring dilakukan setiap 1 jam dalam kurun waktu selama 3 (tiga) hari.
Co-Authors Abadi Sanosra Agus Zainal Arifin Ahmad Zulfan, Ahmad Ainun Najib aji brahma nugroho, aji brahma Al-Rosyid, Latifa Mirzatika Albani, Erza Rizki Any Farida Ari Eko Wardoyo Athoillah, Dwi Kemal Auliq, Muhammad A'an Avid Leonardo Sari A’yun, Qurrota Bahri, Mokh Hairul Candra Krismana Daryanto Daryanto Desta, Senki Dewi Lusiana Dian Wardiana Sjuchro Donny Aliyanto Fatkhul Yaqin, Muhammad Brian Fitriana Fitriana Fitriana, Fitriana Hanifatul Azizah Herry Setyawan Ida Widiawati, Ida Khalid Khalid Kursiyanto, Muhammad Nurcahyo Laksana, Rico Wahyu Lismana, Germenio Cipta M Aan Auliq Moh. Dasuki Muhammad Hermansyah Muhammad Yosi Ashadi Mutia Pamikatsih Nanda Kurnia Wardati Nico Djundharto Djajasinga Nur Qodariyah Odilia D. Insantuan Pamuji, Muhammad Ridho Permataning Tyas, Salsabila Mazya Prasastiningtyas, Widyapuri Prasetya, Tri Budi Pribadi, Heru Cahyono Rahman, Dhimas Fachri Reza Yuridian Purwoko Rezeki, Syailendra Reza Irwansyah Rian Sacipto Richo Artha Wijaya Riska Dwi Ayu Lestari Riska Nur Maulida Riyanarto Sarno Sasmiyanto, Sasmiyanto Setyawan, Herry Siti Nurhayati Sofia Ariyani Suharso, Wiwik Tazkiyah, Ivfa Tut Triawan Adi Cahyanto Tuti Dharmawati Tyas, Salsabila Mazya Permataning Wahyu Nurkholis Hadi Syahputra Wijayanti, Lumastari Ajeng Yachya Trapsilo Rochim ZA, Saida Zainurossalamia Zainul Arifin