Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal CoreIT Indonesian Community Journal
Liza Afriyanti
Universitas Islam Negeri Sultan Syarif Kasim Riau, Indonesia
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Environmental Science Public Health Social Sciences Other

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

Found 2 Documents
Search

 1 
Pemberdayaan Santri Sebagai Agen Perubahan Digital Melalui Pendekatan Participatory Action Research (PAR) Liza Afriyanti; Kholid Junaidi
I-Com: Indonesian Community Journal Vol 6 No 2 (2026): I-Com: Indonesian Community Journal (Juni 2026)
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/i-com.v6i2.9573

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini dilaksanakan berdasarkan adanya kesenjangan literasi digital pada santri, yang memiliki keterbatasan akses namun menghadapi tuntutan untuk menjadi agen perubahan di era disrupsi digital. Fokus utama adalah mengintegrasikan empat pilar literasi digital dengan nilai-nilai keislaman. Metode yang digunakan adalah Participatory Action Research (PAR) dengan melibatkan 71 santri. Efektivitas intervensi diukur menggunakan metrik Normalized Gain melalui perbandingan skor pre-test dan post-test. Secara agregat, program ini mencapai efektivitas Sedang dengan N-Gain sebesar 0.433. Peningkatan paling signifikan terjadi pada pilar Digital Safety dan Digital Ethics, namun terdapat kesenjangan pada pilar Digital Skill, yang mengindikasikan bahwa kompetensi teknis dan psikomotorik memerlukan tindak lanjut berupa praktik langsung yang intensif. PkM ini menghasilkan model intervensi teruji yang dapat dijadikan kerangka acuan untuk program literasi digital berbasis nilai di lingkungan pesantren berkelanjutan. Model pemberdayaan ini berhasil mengubah posisi santri dari sekadar pengguna teknologi menjadi agen yang kritis dan etis di ruang digital.
Benchmarking Various Machine Learning Models to Detect Lung Cancer Iis Afrianty; Liza Afriyanti
Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi Vol. 11 No. 2 (2025): December 2025
Publisher : Fakultas Sains dan Teknologi, Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study benchmarked and evaluated the performance of various machine learning techniques to detect lung cancer using public datasets. The techniques used include Random Forest, Support Vector Machine, Logistic Regression, Multi-Layer Perceptron, C4.5, Bayesian Network, Reptree, Naive Bayes, and P.A.R.T. Evaluation was carried out using metrics such as Accuracy, F-measure, Precision, TPR, ROC, FPR, PRC, and MCC. The results showed that the Support Vector Machine algorithm performed best on balanced dataset distribution, while Random Forest showed stable performance on unbalanced datasets. This study confirms the importance of selecting appropriate algorithms and data distribution to improve lung cancer detection.
Co-Authors Iis Afrianty Kholid Junaidi