cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota semarang,
Jawa tengah
INDONESIA
TRANSISTOR Elektro dan Informatika
Published by Universitas Islam Sultan Agung
ISSN : 1411366X     EISSN : -     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
TRANSISTOR EI (Jurnal Elektro dan Informatika) adalah publikasi ilmiah yang menerbitkan artikel bidang teknik elektro yang mencakup ketenagaan, elektronika, instrumentasi, telekomunikasi, kendali; serta bidang teknik informatika yang mencakup sistem informasi, software engineering, computer network, robotika, kecerdasan buatan, dan data mining. Jurnal ini adalah kelanjutan dari Jurnal Transistor yang terakreditasi DIKTI tahun 2004 s.d. 2007 (SK No. 39/Dikti/Kep/2004). Jurnal ini berubah nama menjadi Jurnal TRANSISTOR Teknik Elektro dan Teknik Informatika (TRANSISTOR-TETI) untuk menegaskan fokus bidang ilmu dari artikel yang diterbitkan yaitu bidang teknik elektro dan teknik informatika. Kedua bidang tersebut sangat dekat dan banyak beririsan dan saling bersinergi sehingga dijadikan tema dalam jurnal ini.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol 7, No 1 (2025): April : Transistor EI" : 6 Documents clear
IMPLEMENTASI FINE-TUNING UNTUK PREDIKSI SOLUSI DARI KALIMAT MASALAH PADA ARTIKEL ILMIAH MENGGUNAKAN LARGE LANGUAGE MODELS (LLM) Nurinayah, Alfiyatu; Chaerul Haviana, Sam Farisa
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

Prediksi solusi kalimat masalah dalam artikel ilmiah merupakan suatu tantangan karena tidak semua kalimat masalah dalam artikel menyebutkan solusi secara eksplisit. Penelitian ini mengembangkan model berbasis fine-tuning Llama 3.2 1B Instruct untuk memprediksi solusi dari kalimat masalah. Model dilatih dengan 99 pasangan kalimat masalah-solusi untuk memahami pola hubungan keduanya. Evaluasi menggunakan ROUGE menunjukkan skor ROUGE-1 sebesar 0,611, ROUGE-2 sebesar 0,496, dan ROUGE-L sebesar 0,576. Selama pelatihan, loss menurun dari 0.4394 pada epoch pertama menjadi 0.0286 pada epoch kelima, menunjukkan peningkatan pemahaman model. Namun, model mengalami kesulitan dalam memprediksi solusi dari permasalahan di luar cakupan data latih dan hasilnya terkadang kurang relevan saat diterapkan dalam aplikasi, kemungkinan karena keterbatasan komputasi. Penelitian lebih lanjut diperlukan untuk meningkatkan akurasi dan stabilitas model pada sistem dengan sumber daya terbatas
IMPLEMENTASI ZERO-SHOT LEARNING UNTUK PREDIKSI SOLUSI DARI KALIMAT MASALAH PADA ARTIKEL ILMIAH MENGGUNAKAN LARGE LANGUAGE MODELS (LLM) Nada, Anita Soffiyun; Chaerul Haviana, Sam Farisa
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

Peningkatan jumlah publikasi ilmiah yang mencapai 2,6 hingga 3 juta artikel per tahun menimbulkan tantangan dalam mengekstraksi informasi penting, terutama dalam mengidentifikasi permasalahan dan solusinya yang sering kali tidak dinyatakan secara eksplisit. Proses manual yang memakan waktu dan rentan terhadap kesalahan manusia, sehingga mendorong perlunya solusi berbasis kecerdasan buatan. Penelitian ini mengusulkan pendekatan Zero-Shot Learning (ZSL) menggunakan model Llama 3 untuk memprediksi solusi dari kalimat masalah dalam artikel ilmiah tanpa memerlukan pelatihan tambahan. Model ini hanya mengandalkan pemrosesan berbasis prompt untuk menghasilkan solusi tanpa menggunakan dataset pelatihan. Evaluasi dilakukan dengan membandingkan hasil prediksi model terhadap solusi referensi (ground truth) menggunakan metrik ROUGE. Hasil evaluasi menunjukkan bahwa skor ROUGE-1, ROUGE-2, dan ROUGE-L berada dalam rentang 3,5% hingga 22%, mengindikasikan bahwa meskipun kesamaan berbasis kata masih terbatas, model tetap mampu menghasilkan solusi yang relevan secara kontekstual. Dengan demikian, sistem berbasis Zero-Shot Learning dan Large Language Model ini diharapkan dapat mendukung analisis pola solusi dalam artikel ilmiah serta menjadi dasar bagi pengembangan model prediksi yang lebih akurat di masa depan.
ANALISA VARIASI SUDUT KEMIRINGAN PANEL SURYA TERHADAP OUTPUT DAYA PADA STASIUN NGROMBO Akbar, Axel Pamoga; Utomo, Sukarno Budi; Nugroho, Dedi
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

AbstrakSaat ini Pemerintah Republik Indonesia melalui RUPTL (Rencana Usaha Penyediaan Tenaga Listrik) menargetkan bauran Energi Baru dan Terbarukan (EBT) mencapai 23% pada tahun 2025. Pada tahun 2023 PT.KAI telah melakukan implementasi PLTS di 40 Stasiun dengan total kapasitas panel sebesar 1072,5 KWp dengan kontribusi rata-rata sebesar 49,63% dari kebutuhan listrik normal. Langkah tersebut merupakan komitmen PT.KAI untuk turut ikut serta menghijaukan Indonesia dalam program Environmental, Social and Governance (ESG) dalam pemanfaatan energi baru terbarukan (EBT). Stasiun Ngrombo merupakan stasiun kelas 1 yang berada di Purwodadi. Memiliki konsumsi listrik harian sebesar 64,22 kWh. Pada penelitian ini membahas analisa variasi sudut kemiringan panel surya  dilakukan guna mengetahui optimalisasi sudut pada Stasiun Ngrombo. Model dan spesifikasi dari PLTS ditetapkan berdasarkan konsumsi listrik harian dari Stasiun. Energi listrik yang nantinya dihasilkan akan difungsikan secara On-Grid sebesar 60% guna membantu suplai listrik pada Stasiun. Parameter yang ditentukan antara lain kapasitas dari panel, konsumsi listrik harian, intensitas radiasi matahari dan kapasitas inverter. Hasil perhitungan diperlukan sekitar 32 buah panel dengan kapasitas masing-masing 330 Wp dengan kapasitas total sebesar 10,8 kWp. Konstruksi dari array dengan struktur 4 string dimana setiap string terdiri atas 8 modul dirangkai seri. Kapasitas inverter yang digunakan sebesar 4,0 kW sebanyak 2 buah. Optimalisasi sudut kemiringan maksimum 15o dengan sudut azimuth menuju utara.Kata Kunci :  PLTS, Sudut Kemiringan, Optimalisasi
Penerapan Metode BERT (Bidirectional Encoder Repretentations From Transformers) Pada Analisis Emosi Terhadap Program Kerja Lapor Mas Wapres Presiden RI Dengan Presepsi Pengguna Media Sosial X Prasetyo, Muhammad Krisna Heri; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

Analisis sentimen dan emosi publik terhadap program kerja Lapor Mas Wapres Presiden Republik Indonesia menjadi salah satu aspek penting dalam memahami respons masyarakat di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen publik menggunakan metode Bidirectional Encoder Representations from Transformers (BERT), khususnya IndoBERT, dalam mengklasifikasikan emosi yang muncul dalam opini masyarakat di platform media sosial X. Hal ini mengindikasikan bahwa publik secara umum memberikan apresiasi positif terhadap program kerja Lapor Mas Wapres, meskipun masih terdapat kritik yang cukup banyak. Model IndoBERT yang digunakan dalam penelitian ini mencapai akurasi sebesar 92%, menunjukkan bahwa model ini mampu mengklasifikasikan sentimen dengan baik. Dengan demikian, hasil analisis ini dapat memberikan gambaran yang cukup akurat mengenai persepsi publik terhadap program kerja pemerintah yang sedang berjalan. 
Sentimen Analisis terhadap Artis yang Terdampak karena Boikot Produk Minuman yang dipromosikannya menggunakan BERT Ashar, Firbaya Mutiara; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.%p

Abstract

Media sosial, khususnya Instagram, telah menjadi wadah utama bagi masyarakat untuk mengekspresikan opini, termasuk dalam merespons fenomena budaya populer seperti Korean Wave dan Kpop. Baru-baru ini, keputusan grup Kpop NCT untuk berkolaborasi dengan Starbucks memicu beragam reaksi dari penggemar, terutama di tengah gerakan boikot terhadap brand tersebut. Penelitian ini bertujuan untuk menganalisis sentimen komentar penggemar NCT terkait kolaborasi ini menggunakan model Indonesian Bidirectional Encoder Representations from Transformers (IndoBERT). Eksperimen dilakukan pada data yang tidak seimbang dan data yang telah diseimbangkan menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa data yang tidak seimbang menyebabkan model mengalami overfitting dengan akurasi sebesar 83%, precision 84%, recall 83%, dan f1-score 83%. Setelah dilakukan balancing data menggunakan SMOTE, performa model meningkat dengan akurasi, precision, recall, dan f1-score sebesar 86%. Hal ini membuktikan bahwa balancing data berperan penting dalam meningkatkan performa model dalam analisis sentimen.
IMPLEMENTASI RETRIEVAL AUGMENTED GENERATION MENGGUNAKAN LANGCHAIN Setyaningsih, Winda; Abdullah, Mustafa
TRANSISTOR Elektro dan Informatika Vol 7, No 1 (2025): April : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.1.43-51

Abstract

Perkembangan Large Language Model atau lebih dikenal LLM yang sangat pesat memberikan dampak yang signifikan dalam aktivitas manusia, kemudahan dan keberagaman informasi tersedia dan hampir bisa diakses oleh berbagai kalangan. Namun terbatasnya data latih menjadi evaluasi yang sangat krusial dan mengakibatkan LLM sering mengalami halusinasi. Penelitian ini bertujuan untuk mengembangkan salah satu alternatif solusi halusinasi pada LLM dengan model Retrieval Augmented Generation menggunakan Langchain dengan hasil berupa output jawaban yang kontekstual. Untuk memastikan LLM memberikan jawaban yang sesuai konteks pertanyaan. Penelitian ini menggunakan framework Langchain untuk mengimplementasikan RAG dengan menggunakan model LLM Gemini-1.5-pro-latest, LLM diuji dengan matriks yang ROUGE dan BLEU. Hasil evalauasi menunjukkanskor kemiripan ROUGE 1 (1,000) ROUGE 2 (1,000) ROUGE L (1,000) BLEU (0,863).

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 7, No 2 (2025): Agustus : Transistor EI Vol 7, No 2 (2025) Vol 7, No 1 (2025): April : Transistor EI Vol 6, No 1 (2024) Vol 5, No 3 (2023) Vol 5, No 2 (2023) Vol 5, No 1 (2023) Vol 4, No 3 (2022) Vol 4, No 2 (2022) Vol 4, No 1 (2022) Vol 3, No 3: 2018 Vol 3, No 2: 2018 Vol 3, No 1: 2018 Vol 2, No 2: 2017 Vol 2, No 1: 2017 Vol 1, No 1: 2016 More Issue