Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JITK (Jurnal Ilmu Pengetahuan dan Komputer) Konstelasi: Konvergensi Teknologi dan Sistem Informasi
Wenang, Asta
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Implementasi Model Deep Learning IndoBERT dengan Antarmuka Aplikasi Mobile untuk Deteksi Berita Hoaks Berbahasa Indonesia Wenang, Asta; Akbar Widianto, Krisna; Nugraha, Muhammad Egi; Rizki, Muhamad; Dewi, Kumala
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v5i2.13250

Abstract

Penyebaran berita hoaks di internet semakin meningkat dan berpotensi menimbulkan kesalahpahaman serta keresahan dalam masyarakat. Salah satu tantangan yang dihadapi adalah sulitnya membedakan informasi yang valid dan yang menyesatkan, karena banyak hoaks dibuat dengan tampilan yang menyerupai berita resmi. Penelitian ini bertujuan menerapkan model deep learning IndoBERT untuk mendeteksi berita hoaks berbahasa Indonesia sekaligus mengintegrasikannya ke dalam prototipe aplikasi mobile agar dapat diuji secara praktis. Pendekatan yang digunakan meliputi eksperimen melalui tahapan pengumpulan data, pra-pemrosesan teks, pelatihan model, serta evaluasi kinerja menggunakan metrik akurasi, presisi, recall, dan F1-score. Dataset penelitian berasal dari kumpulan berita daring yang telah diberikan label hoaks dan nonhoaks. Hasil evaluasi menunjukkan bahwa model IndoBERT mampu mencapai akurasi 99% dengan nilai Area Under The Curve (AUC) sebesar 0,999, sehingga terbukti efektif untuk tugas klasifikasi teks. Model terlatih kemudian dihubungkan dengan backend Flask dan diuji melalui antarmuka Flutter, yang memungkinkan pengguna memasukkan teks berita dan memperoleh hasil klasifikasi secara langsung. Berdasarkan hasil tersebut, sistem ini berpotensi menjadi alat bantu verifikasi informasi yang cepat dan akurat dalam upaya menekan penyebaran hoaks di masyarakat.
OPTIMIZING CAYENNE PEPPER PRICE FORECASTING USING HYBRID SARIMAX-LSTM MODEL FOR FOOD SECURITY Supriyatna, Adi; Rahmawati, Mari; Rabbani, Burhanudin; Wenang, Asta; Adly, Sulthan
JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer) Vol. 11 No. 4 (2026): JITK Issue May 2026
Publisher : LPPM Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/jitk.v11i4.7917

Abstract

The price volatility of cayenne pepper in traditional markets significantly impacts household purchasing power and regional inflation. While traditional statistical models can capture seasonal patterns, they often fail to model complex non-linear fluctuations driven by external factors such as weather anomalies and national holidays. To address these limitations, this study proposes a hybrid SARIMAX-LSTM model. The Seasonal AutoRegressive Integrated Moving Average with eXogenous variables (SARIMAX) component is utilized to model linear structures, seasonality, and the influence of exogenous variables (temperature, rainfall, and holidays), whereas the Long Short-Term Memory (LSTM) component specifically models the remaining non-linear patterns within the residuals. Daily data comprising chili prices, weather metrics, and holiday schedules were employed to train and test the model using Root Mean Squared Error (RMSE) and Mean Absolute Percentage Error (MAPE) as performance metrics. Experimental results demonstrate that the proposed hybrid model significantly outperforms the single SARIMAX baseline model, reducing the RMSE by 26.7% (from 11.09 to 8.13) and MAPE by 28.6% (from 23.45% to 16.74%). This approach not only provides a more accurate and robust decision-support tool for price stability but also contributes to the advancement of artificial intelligence-based hybrid methods in the domain of food security.
Co-Authors Adi Supriyatna Adly, Sulthan Akbar Widianto, Krisna Kumala Dewi Mari Rahmawati Muhamad Rizki Nugraha, Muhammad Egi Rabbani, Burhanudin