Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Universitas Ma Chung Prosiding SENTIMETER : Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer
Naufal Nuryanto
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Engineering Languange, Linguistic, Communication & Media Public Health Other

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

Found 2 Documents
Search

 1 
Sistem Rekomendasi Film Menggunakan Algoritma K-Nearest Neighbors Maximillian Huang; Sany Noor Fauzianty; Naufal Nuryanto; Saila Julia; Fransiskus Octavianus Mado Hurint; Ivana Lucia Kharisma
Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer Vol 4 (2025): Sentimeter 2025
Publisher : Prosiding Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer

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

Abstract

Pemilihan film yang relevan dengan preferensi pengguna menjadi tantangan seiring meningkatnya jumlah pilihan film di berbagai platform. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi film berbasis algoritma K-Nearest Neighbors (KNN) guna memberikan rekomendasi yang lebih personal. Dataset yang digunakan dalam penelitian ini adalah movies_metadata.csv dan ratings_small.csv dari sumber publik. Model diuji dengan parameter k=5, 8, dan 10 menggunakan metrik kesamaan Cosine Similarity dan Euclidean Distance. Hasil pengujian menunjukkan bahwa konfigurasi k=10 dengan metrik Cosine Similarity memberikan hasil terbaik, dengan nilai Root Mean Square Error (RMSE) sebesar 1.0168. Sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi film yang sesuai dengan preferensi pengguna berdasarkan data rating yang tersedia. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem rekomendasi untuk meningkatkan pengalaman pengguna dalam memilih film.
Deteksi Berita Hoaks Berbahasa Indonesia Menggunakan Natural Language Processing (NLP) dengan Model IndoBERT dan Implementasi Berbasis Web Naufal Nuryanto
Prosiding Seminar Nasional Universitas Ma Chung (Informatika & Sistem Informasi Bahasa dan Seni
Publisher : Ma Chung Press

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

Abstract

Penyebaran berita hoaks di Indonesia meningkat drastis seiring tingginya konsumsi informasi digital di masyarakat. Hoaks dapat menimbulkan keresahan, konflik sosial, bahkan mempengaruhi proses demokrasi. Oleh karena itu, dibutuhkan sistem deteksi otomatis berbasis kecerdasan buatan yang mampu mengklasifikasi berita hoaks secara cepat dan akurat. Penelitian ini mengembangkan sistem deteksi berita hoaks menggunakan pendekatan Natural Language Processing (NLP) dengan model IndoBERT. Dataset diambil dari TurnBackHoax.id, melalui proses preprocessing dan fine-tuning model. Dibandingkan dengan algoritma klasik seperti Naïve Bayes dan SVM, IndoBERT memberikan hasil akurasi dan F1-score tertinggi, mencapai lebih dari 90%. Aplikasi ini diimplementasikan dalam bentuk sistem web interaktif berbasis Flask dan Streamlit. Penelitian ini membuktikan bahwa teknologi NLP modern mampu mengenali konteks bahasa Indonesia dengan sangat baik dan dapat dimanfaatkan untuk mengurangi penyebaran hoaks.
Co-Authors Fransiskus Octavianus Mado Hurint IVANA LUCIA KHARISMA Maximillian Huang Saila Julia Sany Noor Fauzianty