Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Lilis Kurniasari has a total of 13 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Pengawasan dan Pemberian Pakan pada Kolam Ikan di Pondok Pesantren Lintang Songo Menggunakan Telegram

    by Ulif Simproni, Zulkhairi Zulkhairi, Lilis Kurniasari, Irwan Novianto, Bledug Kusuma P

    Budidaya ikan menjadi salah satu usaha mandiri yang dilakukan oleh masyarakat, salah satunya adalah Pondok Pesantren Lintang Songo. Pentingnya memperhatikan cara merawat dan memelihara ikan, salah satunya dengan pemberian pakan ikan yang dilakukan secara teratur untuk mendapatkan ikan yang baik dan layak konsumsi. Pemberian pakan dengan memanfaatkan teknologi Internet of Things dibangun untuk mempermudah pemberian pakan ikan agar dapat dilakukan dari jarak jauh. Selain pemberian pakan, ketersediaan pakan juga dibangun agar letersediaan pakan dapat diawasi dari jarak jauh menggunakan aplikasi Telegram. Mikrokontroller yang digunakan Wemos D1 R1 sebagai pusat kendali. Ketersediaan pakan dideteksi oleh sensor ultrasonik untuk mengetahui ketinggian pakan sebagai ketersediaan pakan. Pada pemberian pakan ikan menggunakan servo yang berfungsi untuk membuka dan menutup pakan agar pakan dapat keluar secara otomatis. Hasil dari perancangan sistem ini adalah pengawasan ketersediaan dan pemberian pakan ikan ini dapat dilakukan secara jarak jauh menggunakan aplikasi Telegram. Budidaya ikan menjadi salah satu usaha mandiri yang dilakukan oleh masyarakat, salah satunya adalah Pondok Pesantren Lintang Songo. Pentingnya memperhatikan cara merawat dan memelihara ikan, salah satunya dengan pemberian pakan ikan yang dilakukan secara teratur untuk mendapatkan ikan yang baik dan layak konsumsi. Pemberian pakan dengan memanfaatkan teknologi Internet of Things dibangun untuk mempermudah pemberian pakan ikan agar dapat dilakukan dari jarak jauh. Selain pemberian pakan, ketersediaan pakan juga dibangun agar letersediaan pakan dapat diawasi dari jarak jauh menggunakan aplikasi Telegram. Mikrokontroller yang digunakan Wemos D1 R1 sebagai pusat kendali. Ketersediaan pakan dideteksi oleh sensor ultrasonik untuk mengetahui ketinggian pakan sebagai ketersediaan pakan. Pada pemberian pakan ikan menggunakan servo yang berfungsi untuk membuka dan menutup pakan agar pakan dapat keluar secara otomatis. Hasil dari perancangan sistem ini adalah pengawasan ketersediaan dan pemberian pakan ikan ini dapat dilakukan secara jarak jauh menggunakan aplikasi Telegram.

  • Open Access

    Arabic Language Opinion Mining Based on Long Short-Term Memory (LSTM)

    by Arief Setyanto, Arif Laksito, Fawaz Alarfaj, Mohammed Alreshoodi, Kusrini, Irwan Oyong, Mardhiya Hayaty, Abdullah Alomair, Naif Almusallam, Lilis Kurniasari

    Arabic is one of the official languages recognized by the United Nations (UN) and is widely used in the middle east, and parts of Asia, Africa, and other countries. Social media activity currently dominates the textual communication on the Internet and potentially represents people’s views about specific issues. Opinion mining is an important task for understanding public opinion polarity towards an issue. Understanding public opinion leads to better decisions in many fields, such as public services and business. Language background plays a vital role in understanding opinion polarity. Variation is not only due to the vocabulary but also cultural background. The sentence is a time series signal; therefore, sequence gives a significant correlation to the meaning of the text. A recurrent neural network (RNN) is a variant of deep learning where the sequence is considered. Long short-term memory (LSTM) is an implementation of RNN with a particular gate to keep or ignore specific word signals during a sequence of inputs. Text is unstructured data, and it cannot be processed further by a machine unless an algorithm transforms the representation into a readable machine learning format as a vector of numerical values. Transformation algorithms range from the Term Frequency–Inverse Document Frequency (TF-IDF) transform to advanced word embedding. Word embedding methods include GloVe, word2vec, BERT, and fastText. This research experimented with those algorithms to perform vector transformation of the Arabic text dataset. This study implements and compares the GloVe and fastText word embedding algorithms and long short-term memory (LSTM) implemented in single-, double-, and triple-layer architectures. Finally, this research compares their accuracy for opinion mining on an Arabic dataset. It evaluates the proposed algorithm with the ASAD dataset of 55,000 annotated tweets in three classes. The dataset was augmented to achieve equal proportions of positive, negative, and neutral classes. According to the evaluation results, the triple-layer LSTM with fastText word embedding achieved the best testing accuracy, at 90.9%, surpassing all other experimental scenarios.