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 2 Documents
Search
Journal : journal of applied informatics science

 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
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 Farhatuaini, Lia Gina Khayatun Nufus Jaka Septiadi Kahfi Gunardi Mohammad Raihan Akbar Muhammad Iszul Wilsa Rizki Dewantara Suhadi Parman