Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Damar Rizki Agastya
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Transportation

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

Found 2 Documents
Search

 1 
Sosialisasi Pengenalan dan Etika Penggunaan Artificial Intelligence (AI) untuk Meningkatkan Produktivitas Kerja Remaja Sucipto Sucipto; Anita Sari Wardani; Abdul Aziz Hunaifi; Tischa Berlianasari; Sabrina Putri Afifah; Hasyim As’ari; Sylvia Caprie Angelita; Anggi Purwanti; Eka Irma Sofiana; Ratu Ayu Isyana; Khusnul Khotimah; Ridho Banda Gilardino; Rr. Nova Alena Dewanti; Alisya Salsabila; Sindi Laesa Selviana; Mohammad Fauzi; Damar Rizki Agastya; Muhammad Fajar Ramadhan; Ahmad Fajar Permadi; Nugroho Riziq Darmawan Nata Saputra; Fajar Rahmatul Sidiq; Aan Fatkhurrohman
Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Vol. 7 No. 1 (2026): November 2026
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/kontribusi.v7i1.938

Abstract

Latar Belakang: Perkembangan kecerdasan buatan yang pesat membawa dampak signifikan terhadap berbagai sektor kehidupan, termasuk dunia kerja dan Pendidikan. Namun, pemahaman remaja terjadap AI dan etika penggunaannya masih sangat terbatas, terutama di daerah pedesaan seperti Desa Bareng, Kecamatan Sawahan, Kabupaten Nganjuk. Tujuan: Kegiatan pengabdian masyarakat ini bertujuan meningkatkan pemahaman remaja mengenai konsep AI, aplikasi produktivitas berbasis AI, dan etika penggunaann AI secara bertanggung jawab. Metode: Kegiatan dilaksanakan pada 18 Januari 2026 di Balai Desa Bareng, menggunakan metode sosialisasi, ceramah interaktif, demonstrasi langsung sistem deteksi spam email berbasis AI, serta sesi tanya jawab. Peserta berjumlah 30 pemuda desa yang dipilih secara purposive. Hasil: Kegiatan berlangsung lancar dengan partisipasi aktif peserta, ditandai oleh meningkatnya pemahaman tentang konsep dan etika penggunaan AI, kemampuan mengidentifikasi email phishing, serta respons yang sangat positif terhadap demonstrasi sistem deteksi spam berbasis AI. Kesimpulan: Sosialisasi AI berhasil meningkatkan literasi digital remaja Desa Bareng, Khusunya dalam pemanfataan AI untuk produktivitas kerja dan kesadaran etis penggunaan teknologi.
Perbandingan SVM dan Naive Bayes untuk Analisis Sentimen Media Sosial Muhammad Fajr Ramadhan; Damar Rizki Agastya; Bayu Riyanto; Erna Daniati
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/8hjf6s59

Abstract

Analisis sentimen pada media sosial telah menjadi bidang penelitian yang berkembang pesat seiring meningkatnya volume data teks yang dihasilkan pengguna. Penelitian ini melakukan kajian literatur sistematis (Systematic Literature Review/SLR) terhadap 56 jurnal ilmiah yang membahas penerapan algoritma Naive Bayes dan Support Vector Machine (SVM) dalam analisis sentimen pada berbagai platform media sosial. Tujuan penelitian ini adalah membandingkan kinerja kedua algoritma berdasarkan metrik akurasi, precision, recall, dan F1-score, serta mengidentifikasi faktor-faktor yang mempengaruhi performanya. Hasil kajian menunjukkan bahwa SVM secara konsisten menghasilkan akurasi lebih tinggi dibandingkan Naive Bayes, dengan rata-rata akurasi SVM berkisar 83%–97% dan Naive Bayes 56%–95%. Faktor yang mempengaruhi performa kedua algoritma meliputi ukuran dan kualitas dataset, metode preprocessing teks, teknik ekstraksi fitur (TF-IDF, Word2Vec, n-gram), serta karakteristik bahasa. SVM unggul dalam menangani data berdimensi tinggi dan non-linear, sementara Naive Bayes menawarkan efisiensi komputasi lebih baik pada dataset kecil. Penelitian ini memberikan panduan pemilihan algoritma yang tepat sesuai kebutuhan analisis sentimen media sosial
Co-Authors Aan Fatkhurrohman Abdul Aziz Hunaifi Ahmad Fajar Permadi Alisya Salsabila Anggi Purwanti Anita Sari Wardani Bayu Riyanto Eka Irma Sofiana Erna Daniati Fajar Rahmatul Sidiq Hasyim As’ari Khusnul Khotimah Mohammad Fauzi Muhammad Fajar Ramadhan Muhammad Fajr Ramadhan Nugroho Riziq Darmawan Nata Saputra Ratu Ayu Isyana Ridho Banda Gilardino Rr. Nova Alena Dewanti Sabrina Putri Afifah Sindi Laesa Selviana Sucipto Sucipto Sylvia Caprie Angelita Tischa Berlianasari