We benchmark 22 open-source large language models (LLMs) against ChatGPT-4 and human annotators on two NLP tasks—sentiment analysis and emotion classification—for Indonesian tweets. This study contributes to NLP in a relatively low-resource language (Bahasa Indonesia) by evaluating zero-shot classification performance on a labeled tweet corpus. The dataset includes sentiment labels (Positive, Negative, Neutral) and emotion labels (Love, Happiness, Sadness, Anger, Fear).We compare model predictions to human annotations and report precision, recall, and F1-score, along with inference time analysis. ChatGPT-4 achieves the highest macro F1-score (0.84) on both tasks, slightly outperforming human annotators. The best-performing open-source models—such as LLaMA3.1_70B and Gemma2_27B—achieve over 90% of ChatGPT-4’s performance, while smaller models lag behind. Notably, some mid-sized models (e.g., Phi-4 at 14B parameters) perform comparably to much larger models on select categories. However, certain classes—particularly Neutral sentiment and Fear emotion—remain challenging, with lower agreement even among human annotators. Inference time varies significantly: optimized models complete predictions in under an hour, while some large models require several days. Our findings show that state-of-the-art open models can approach closed-source LLMs like ChatGPT-4 on Indonesian classification tasks, though efficiency and consistency in edge cases remain open challenges. Future work should explore fine-tuning multilingual LLMs on Indonesian data and practical deployment strategies in real-world applications.

Investing in shares is now increasingly popular and growing rapidly in Indonesia. By investing in shares, investors will get quite fast and large profits in a fairly short time. Investors need to analyze previous stock movements as a form of investment strategy to get maximum investment results. Many techniques have been applied to predict stock prices, one of which uses techniques in Deep Learning such as Recurrent Neural Network. In this research, research was conducted on stock price predictions using the Recurrent Neural Network method with the Long-Short Term Memory (LSTM) approach on BBNI stock data. The research only uses close data or data about daily closing stock prices. In designing LSTM there are several things that are configured such as dropout size, density, activation function, and number of neurons used, and in the training process one of the optimizers provided by the Keras framework is used, namely the ADAM (Adaptive Moment Estimation) optimizer. The test scenario is carried out using a number of epochs of 10 and 20 with a batch size of 32. The test results will produce MAE and MAPE values, where the lower the MAE and MAPE values, the better the model's performance in making accurate predictions. The test results using epoch 10 got an MAE value of 0.0286 and a MAPE value of 0.0488, while the test results using epoch 20 got an MAE value of 0.0150 and a MAPE value of 0.0257.

Designing a Learning Game for Elementary School Students in Learning Mathematics using a Mobile Platform

Jurnal digital (e-journal) melalui Open Journal System (OJS) menjadi salah satu sarana dalam mempublikasikan hasil penelitian pada lingkup yang lebih luas. Hal ini diharapkan dapat meningkatkan reputasi yang baik sebagai referensi dari para penulis dalam pengembangan ilmu pengetahuan. Server adalah tempat untuk menyimpan konten website atau sering juga disebut dengan istilah hosting. Tanpa adanya server, maka sebuah website tidak bisa diakses. Banyak web server yang ada saat ini, cotohnya yang populer adalah Apache dan Nginx. Dua web server ini merupakan web server yang banyak digunakan saat ini oleh banyak website di seluruh dunia. Penelitian ini dilakukan untuk menguji dan menganalisa kinerja dari web server untuk kebutuhan OJS. Sebab, dengan traffic yang tinggi pada OJS, sebuah web server diharapkan mampu untuk menangani permintaan yang tinggi. Dari pengujian yang dilakukan terhadap beberapa parameter, website Open Journal System yang menggunakan web server Apache bekerja lebih optimal daripada website Open Journal Sytstem yang menggunakan web server Nginx sehingga saat diakses menggunakan secure tunnel, web Open Journal System (OJS) gagal memuat file header dan footer sehingga tampilan website jadi kurang menarik dan tidak user friendly.

Employees are one of the wealth owned by the company. Employees are also able to advance the company and benefit the company if the employee has good performance. Therefore, decision makers in the company must determine the best employees in order to motivate their employees to work well. Decision makers are often faced with difficulties in decision making with so much data. To avoid this, a decision support system can be used with the method of MULTI-OBJECTIVE OPTIMIZATION ON THE BASIS OF RATIO ANALYSIS (MOORA) which can help determine the best employees by using predetermined criteria and weights. The criteria used are attendance, letter of reprimand, appreciation, responsibility and timely reporting of duties. This Moora method can help users in determining the Best Employees with optimization values based on these criteria.

Pengelolaan informasi sekolah yang masih dilakukan secara manual menyebabkan inefisiensi, kurangnya transparansi, serta kesulitan akses informasi bagi masyarakat. SDN 003 YKWI menghadapi permasalahan dalam proses penerimaan peserta didik baru (PPDB), pencatatan absensi guru, dan penyebaran informasi sekolah yang belum terintegrasi secara digital. Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk merancang dan mengimplementasikan sistem informasi sekolah terintegrasi yang mencakup website sekolah, sistem PPDB online, dan sistem absensi guru digital guna meningkatkan efisiensi administrasi dan kinerja sekolah. Metode pengembangan sistem yang digunakan dalam kegiatan ini adalah pendekatan Software Development Life Cycle (SDLC), yang terdiri dari tahap-tahap: identifikasi kebutuhan sistem melalui observasi dan wawancara, perancangan sistem (desain antarmuka dan database), implementasi sistem berbasis web, pengujian menggunakan metode black-box testing, serta pelatihan dan evaluasi efektivitas sistem melalui pre-test dan post-test kepada pengguna (guru dan staf administrasi). Evaluasi juga dilakukan berdasarkan respons pengguna dan efisiensi penggunaan sistem dalam aktivitas operasional sekolah. Hasil implementasi menunjukkan bahwa website sekolah memudahkan akses informasi dan meningkatkan transparansi publik, sistem PPDB online mengurangi waktu pendaftaran hingga 60% dan mengurangi kesalahan administrasi secara signifikan, sedangkan sistem absensi guru digital meningkatkan akurasi data kehadiran dan efisiensi pelaporan harian hingga 70%. Evaluasi melalui post-test juga menunjukkan peningkatan pemahaman pengguna terhadap sistem sebesar 85%. Sistem informasi sekolah terintegrasi ini berhasil memberikan kontribusi nyata dalam meningkatkan efisiensi manajemen, transparansi informasi, dan kesiapan digital sekolah. Solusi ini dapat direplikasi untuk sekolah lain yang menghadapi tantangan serupa dalam pengelolaan administrasi di era digital.