Ferdilian, M Lazuardi
Unknown Affiliation

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

Found 2 Documents
Search

PELATIHAN PENGGUNAAN AI DALAM HAL MENGGAMBAR DI SEKOLAH MAITREYAWIRA Hujaya, Alvin; Levid, Jonathan Felix; Ferdilian, M Lazuardi; Saputra, Adi; Batitusta, Putra Regian; Arman, Molavi
FORDICATE Vol 4 No 3 (2025): November 2025
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v4i3.12076

Abstract

Kegiatan kepada masyarakat tentang Artificial Intelligence atau AI Dalam Hal Menggambar di Sekolah Maitreyawira adalah kegiatan mengajar yang dilakukan untuk memberikan pemahaman dasar kepada para siswa dan masa depan bangsa, agar dapat mengetahui apa itu AI dan cara mengimplementasikannya dengan contoh sederhana yaitu dalam hal menggambar. Kegiatan ini dibuat bertujuan untuk menjawab berbagai permasalahan terkait pekerjaan dan kehidupan manusia di masa depan yang nantinya berhubungan erat dengan AI. Melalui perlatihan ini, diharapkan para siswa dapat dengan mudah mengetahui apa dan manfaat dari penggunaan AI di kehidupan sehari -hari. Selain itu, dari kegiatan ini diharapkan para siswa dapat menggunakan kegiatan ini sebagai bekal untuk beradaptasi di lingkungan yang penuh dengan teknologi dan artificial intelligence di masa depan.
ANALISIS PENCARIAN TEKS EMOSI DALAM TWEET BERBAHASA INDONESIA MENGGUNAKAN TF-IDF DAN COSINE SIMILARITY Saputra, Adi; Ferdilian, M Lazuardi; Irsyad, Hafiz; Rahman, Abdul
Journal of Informatics and Computer Engineering Research Vol. 2 No. 2 (2025)
Publisher : Politeknik Negeri Ujung Pandang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31963/jicer.v2i2.6012

Abstract

Social media platforms such as Twitter present a wide range of emotional expressions from users in short and informal texts, which pose significant challenges for automated analysis. This study develops a search system for Indonesian-language tweets that identifies user emotions based on semantic similarity to a given text query. The method employs Term Frequency-Inverse Document Frequency (TF-IDF) for feature weighting and Cosine Similarity to measure textual similarity. Preprocessing stages including normalization, tokenization, stopword removal, and stemming are applied to enhance text representation accuracy. The system is tested using emotion-based queries and returns relevant tweets with high semantic match scores. Experimental results show that 50% of the top retrieved tweets match the expected emotional context. This approach proves effective in detecting emotions in short texts and offers potential for further development in sentiment-driven opinion analysis and emotion-aware recommendation systems