Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Submit : Jurnal Ilmiah Teknologi Informasi dan Sains
Ardiyansyah, M Feri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

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

Found 2 Documents
Search

 1 
Perbandingan Model LSTM dan GRU Untuk Analisis Sentimen Ulasan Pengguna Spotify Ardiyansyah, M Feri; Zahara, Soffa; Sukmaningtyas, Yanuarini Nur; Kurniawan, Fajar Indra
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v5i2.4523

Abstract

Spotify merupakan salah satu platform streaming musik populer yang menghasilkan banyak ulasan dari pengguna. Analisis sentimen pada ulasan tersebut penting untuk mengetahui persepsi dan tingkat kepuasan pengguna. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan Spotify menggunakan dua model deep learning, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Dataset yang digunakan berjumlah 61.587 ulasan dengan dua kategori sentimen, yaitu positif dan negatif. Tahapan penelitian meliputi pra-proses teks, tokenisasi, padding, pemisahan data, pelatihan model, dan evaluasi. Model dilatih menggunakan embedding bawaan Keras dengan optimizer Adam. Hasil evaluasi menunjukkan bahwa LSTM memperoleh akurasi 0.8950, sedangkan GRU mencapai 0.8922. Kedua model menunjukkan performa yang stabil berdasarkan nilai precision, recall, dan F1-score. Berdasarkan hasil tersebut, LSTM memiliki performa sedikit lebih baik, namun GRU tetap menjadi alternatif yang efisien dengan hasil yang mendekati LSTM.
Sistem Deteksi Nominal Uang Rupiah untuk Tunanetra Berbasis YOLOv8 dan Streamlit Putra, Ananda Diar Eka; Ardiyansyah, M Feri; Harin, Arisa; Akbar, Ronny Makhfuddin
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v5i2.4524

Abstract

Ketersediaan sistem pendeteksi nominal uang kertas Rupiah menjadi kebutuhan penting sebagai alat bantu pengenalan nilai mata uang bagi penyandang disabilitas netra. Sebuah sistem pendeteksi nominal uang Rupiah berbasis deteksi objek dikembangkan menggunakan algoritma YOLOv8 dan diimplementasikan dalam aplikasi web berbasis Streamlit dengan keluaran audio. Dataset yang digunakan terdiri atas 422 citra uang kertas Rupiah emisi 2022 yang mencakup tujuh kelas nominal, dianotasi menggunakan Roboflow dan diperluas melalui teknik augmentasi untuk merepresentasikan variasi sudut pandang, pencahayaan, dan kondisi fisik uang. Proses pelatihan model dilakukan dengan resolusi citra 640×640 piksel dan dievaluasi menggunakan metrik precision, recall, F1-score, serta mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi dan mengklasifikasikan seluruh nominal uang Rupiah secara konsisten dengan tingkat kepercayaan deteksi berada pada rentang 80% hingga 96%. Nominal bernilai besar mencapai performa tertinggi dengan confidence maksimum 95–96%, sementara nominal lainnya tetap menunjukkan kinerja di atas 80%. Capaian tersebut mengindikasikan bahwa model memiliki tingkat akurasi yang tinggi dan stabil dalam kondisi pengujian. Integrasi deteksi visual dan umpan balik suara menjadikan sistem ini berpotensi sebagai prototipe teknologi bantu yang inklusif dan mudah diakses untuk pengenalan uang kertas Rupiah secara real-time.
Co-Authors Akbar, Ronny Makhfuddin Harin, Arisa Kurniawan, Fajar Indra Putra, Ananda Diar Eka Yanuarini Nur Sukmaningtyas Zahara, Soffa