Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Repositor
Christian Sri Kusuma
Universitas Muhammadiyah Malang
Computer Science & IT Education

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

Found 2 Documents
Search

 1 
OPTIMALISASI MODEL DEEP LEARNING UNTUK MENINGKATKAN AKURASI KLASIFIKASI CITRA MAKANAN KHAS JAWA DAN SUMATERA Azka Faza Dzulqarnain; Christian Sri Kusuma
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.7055

Abstract

Indonesia adalah negara yang memiliki kekayaan kuliner yang beragam,namun tantangan dalam mengidentifikasi dan mengklasifikasikanmakanan tradisional semakin meningkat, terutama di kalangan generasimuda. Penelitian ini bertujuan untuk mengoptimalkan model deeplearning dalam meningkatkan akurasi klasifikasi citra makanan khasJawa dan Sumatera menggunakan pendekatan transfer learning. Datasetyang digunakan terdiri dari 595 citra makanan dari 14 provinsi di PulauJawa dan Sumatera. Implementasi dilakukan menggunakan duaarsitektur, yaitu VGG16 dan ResNet50, dengan menerapkan teknikpreprocessing dan augmentasi data untuk meningkatkan kualitas danvariasi dataset. Hasil penelitian menunjukkan peningkatan signifikandibandingkan penelitian sebelumnya yang menggunakan CNN custom(64%), dimana model ResNet50 mencapai akurasi tertinggi sebesar 90%,sementara VGG16 mencapai akurasi 88%. Meskipun menghadapitantangan seperti ketidakseimbangan dataset dan kompleksitas visual,kedua model menunjukkan kemampuan yang baik dalammengklasifikasikan makanan tradisional. Penelitian ini memberikankontribusi dalam pengembangan sistem klasifikasi makanan tradisionalyang lebih akurat, yang dapat membantu upaya pelestarian dan promosiwarisan kuliner nusantara.
Analisis Sentimen Twitter terhadap Isu Penundaan Pemilu 2024 Menggunakan Metode Long Short-Term Memory (LSTM) Andy Putra Prasetyo; Christian Sri Kusuma; Didih Rizki
Jurnal Repositor Vol. 6 No. 3 (2024): Agustus 2024
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v6i3.32643

Abstract

Media sosial adalah bentuk aktivitas sosial yang menggunakan jaringan online untuk berkomunikasi melalui teks, gambar, dan video. Salah satu platform media sosial yang tetap menjadi tempat ekspresi bebas bagi individu adalah Twitter. Penelitian ini mengkaji sentimen masyarakat di Twitter terkait isu penundaan pemilu 2024 di Indonesia. Fokus utama penelitian ini adalah untuk menganalisis pandangan publik terhadap isu tersebut menggunakan metode Long Short-Term Memory (LSTM) dalam analisis sentimen. Data yang digunakan berasal dari cuitan-cuitan yang terkait dengan isu penundaan pemilu di Twitter. Tujuan penelitian ini adalah untuk memahami sejauh mana sentimen masyarakat terhadap isu penundaan pemilu 2024, apakah bersifat positif, negatif, atau netral. Metode yang digunakan adalah LSTM, sebuah teknik deep learning yang digunakan untuk memproses data teks dalam urutan. Data yang digunakan mencakup 1758 sampel setelah melalui proses pra-pemrosesan. Hasil penelitian menunjukkan bahwa sebanyak 58,0% dari sampel menunjukkan sentimen positif, sementara 42,0% menunjukkan sentimen negatif. Model LSTM yang diterapkan berhasil mencapai tingkat akurasi sebesar 88% dalam mengklasifikasikan sentimen masyarakat di Twitter terkait isu penundaan pemilu. Kesimpulan penelitian ini adalah mayoritas masyarakat yang terlibat dalam percakapan di Twitter terkait isu penundaan pemilu 2024 menunjukkan sentimen positif. Namun, masih ada sebagian yang menunjukkan sentimen negatif. Tingkat akurasi model LSTM yang tinggi menunjukkan efektivitas metode ini dalam menganalisis data teks dari media sosial. Oleh karena itu, penelitian ini memberikan wawasan yang berharga tentang pandangan publik terhadap isu penting ini diera digital.
Co-Authors Andy Putra Prasetyo Azka Faza Dzulqarnain Didih Rizki