Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Infotek : Jurnal Informatika dan Teknologi Journal of Applied Informatics Science
Sokid
Universitas Islam Negeri Siber Syekh Nurjati Cirebon
Computer Science & IT Control & Systems Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sistem Pendukung Keputusan Penentuan Siswa Berprestasi Menggunakan Metode Weighted Product Berbasis GUI Python pada SMK Plus Al Hilal Tegalgubug Sokid; Ananda Sathria Maulana Amri; Afifah Zayyin Amatillah
Journal of Applied Informatics Science Volume 2 Issue 1 (2026)
Publisher : GWS Tech Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65897/jais.v2.i1.92

Abstract

Penentuan siswa berprestasi di SMK Plus Al Hilal Tegalgubug selama ini dilakukan secara manual dengan penilaian yang bersifat subjektif dan membutuhkan waktu lama. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) penentuan siswa berprestasi menggunakan metode Weighted Product (WP) berbasis aplikasi GUI Python dengan database MySQL. Penelitian menggunakan metode pengembangan sistem Waterfall dan melibatkan 43 siswa kelas XII sebagai alternatif dengan lima kriteria penilaian, yaitu nilai akademik, kehadiran, sikap, prestasi non-akademik, dan pelanggaran. Hasil penelitian menunjukkan sistem yang dibangun mampu menghasilkan peringkat siswa berprestasi secara objektif dan konsisten untuk tiga program keahlian: TJKT, TO, dan AKL. Pengujian sistem menggunakan Black Box Testing menunjukkan seluruh fitur berjalan sesuai kebutuhan. Sistem ini diharapkan dapat membantu pihak sekolah dalam pengambilan keputusan yang lebih efisien dan transparan
Perancangan dan Implementasi Sistem Informasi Manajemen Operasional dan Penggajian Berbasis Web Menggunakan Model Waterfall Suhadi Parman; Gina Khayatun Nufus; Sokid; Kahfi Gunardi; Muhammad Iszul Wilsa
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.35288

Abstract

Micro, Small, and Medium Enterprises such as E-Donuts face challenges in daily operational management, sales recording, packaging and donut stock management, and employee payroll because they still rely on manual processes. This study aims to design and implement EdoBest, a web-based operational management and payroll application developed using the Waterfall model. The development process includes planning, requirement analysis through interviews and observation, UML-based system design and responsive interface design, implementation using Laravel 12 and MySQL, black-box testing, and maintenance. The novelty of EdoBest lies in the integration of culinary MSME operational modules into a single system, including delivery batch management, multi-outlet management, packaging and donut stock management, employee activity recording, cash advance management, report validation, and automatic payroll calculation based on daily operational data. The quantitative testing results show that 16 functional test scenarios, consisting of 10 Admin scenarios and 6 Employee scenarios, were successfully executed with a 100% success rate. This research contributes a functionally tested design and implementation of an integrated information system that improves recording accuracy, reporting efficiency, real-time monitoring, and decision-making support for multi-outlet culinary MSMEs.
XSentiment-HS: Hierarchical CNN-BiGRU-SVM with Explainable for Indonesian Multi-Level Hate Speech Detection Gina Khayatun Nufus; Rizki Dewantara; Ardi Susanto; Sokid; Lia Farhatuaini; Jaka Septiadi; Mohammad Raihan Akbar
Journal of Applied Informatics Science Volume 2 Issue 1 (2026)
Publisher : GWS Tech Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65897/jais.v2.i1.81

Abstract

Deteksi ujaran kebencian pada media sosial menuntut interpretasi teks yang kompleks karena sifatnya yang spontan dan ambigu, terutama dalam bahasa Indonesia yang kaya akan slang. Tantangan utama saat ini adalah keterbatasan penelitian sebelumnya yang mayoritas hanya melakukan klasifikasi biner tanpa mendeteksi tingkat keparahan konten. Penelitian ini mengusulkan XSentiment-HS, sebuah model deep learning hierarkis dua tahap untuk deteksi multi-tingkat hate speech. Arsitektur model menggabungkan Convolutional Neural Networks (CNN) untuk ekstraksi fitur lokal dan Bidirectional Gated Recurrent Unit (BiGRU) untuk menangkap ketergantungan kontekstual jangka panjang. Model ini juga diperkuat dengan mekanisme Multi-Head Attention dan Support Vector Machine (SVM) sebagai classifier final. Melalui integrasi ini, XSentiment-HS diharapkan mampu mengatasi tantangan ekstraksi fitur dan polisemi secara lebih efektif dibandingkan metode konvensional.
Co-Authors Afifah Zayyin Amatillah Ananda Sathria Maulana Amri Ardi Susanto Gina Khayatun Nufus Jaka Septiadi Kahfi Gunardi Lia Farhatuaini Mohammad Raihan Akbar Muhammad Iszul Wilsa Rizki Dewantara Suhadi Parman