Claim Missing Document
Check
Articles

Found 2 Documents
Search

REKOMENDASI KATA KUNCI ARTIKEL ILMIAH BERBASIS CONTEXTUALIZED WORD EMBEDDING DAN AGGLOMERATIVE CLUSTERING Sulthan Rafif; Faisal Zaidan Pradana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17805

Abstract

Kata kunci adalah alat untuk memudahkan pembaca menemukan artikel ilmiah. Kata kunci yang ditentukan dengan tepat akan menarik perhatian pembaca untuk mengkaji dan mengutip artikel ilmiah. Kata kunci yang tidak ditentukan secara tepat dapat mengurangi kesempatan artikel ilmiah dijangkau oleh pembaca. Berdasarkan permasalahan tersebut perlu menerapkan penentuan kata kunci secara otomatis untuk mengurangi kesalahan dan mempercepat pekerjaan. Pada penelitian sebelumnya diterapkan pendekatan Contextualized Word Embedding, Clustering, dan Part-of-Speech Tagging dalam ekstraksi kata kunci. Kombinasi pendekatan Contextualized Word Embedding dan Part-of-Speech diterapkan pada penelitian sebelumnya dengan Model PatternRank. Model PatternRank dalam ekstraksi kata kunci hanya mempertimbangkan perspektif dari satu artikel ilmiah yang menyebabkan informasi yang diperoleh terbatas sehingga perlu menerapkan pendekatan clustering. Pendekatan clustering dalam ekstraksi kata kunci pada penelitian sebelumnya menerapkan TF-IDF dalam proses embedding. TF-IDF tidak memperhatikan urutan kata, sehingga menyebabkan nilai embedding yang dihasilkan dari TF-IDF tidak sesuai dengan konteks kalimat. Sehingga berdasarkan kelemahan dari pendekatan Contextualized Word Embedding dan Clustering, pada penelitian ini menerapkan kombinasi dari kedua pendekatan tersebut dalam ekstraksi kata kunci. Berdasarkan nilai indikator precision, recall, dan f1-score hasil dari evaluasi menunjukkan kombinasi dari Metode Clustering dan Contextualized Word Embedding mengungguli Metode PatternRank.
SIGAP Wedoro: Digitalisasi Deteksi Dini Status Gizi Balita Berbasis AI di Posyandu Wedoro Sidoarjo Dewi Rahmawati; Sri Hidayati; Faisal Zaidan Pradana; Yosep Warih Martua Manik; Siti Nafiatul Fauziah; Muhamad Rozi; Aqilah Jihan Nabila; Zahid Abdullah Nur Mukhlisin
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 7 No. 2 (2026): Edisi Mei - Agustus
Publisher : Lembaga Dongan Dosen

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

Abstract

Kader Posyandu Wedoro, Kecamatan Waru, Sidoarjo, masih bergantung pada pencatatan manual dan buku manual cetak untuk menghitung status gizi balita, sehingga rentan terhadap keterlambatan pelaporan dan kesalahan interpretasi parameter gizi (stunting, wasting, gizi kurang); aplikasi pendataan sudah tersedia namun fungsinya masih terbatas dan belum menjawab kebutuhan tersebut secara optimal. Kader juga kesulitan memberikan panduan stimulasi perkembangan non-fisik (kognitif, bahasa, sosio-emosional) sesuai buku KIA/KMS, sebagaimana dikonfirmasi melalui wawancara dengan koordinator kader pada 12 Februari 2026. Sebagai solusi, tim pengabdian mengembangkan aplikasi SIGAP Wedoro (Sistem Informasi Gizi dan Pertumbuhan) berbasis web yang mengintegrasikan tiga fitur utama: (1) Modul Prediktif Pertumbuhan Balita berbasis XGBoost untuk memproyeksikan status pertumbuhan anak tiga bulan ke depan; (2) AI Chat sebagai asisten digital bagi orang tua dan kader untuk konsultasi gizi dan stimulasi berbasis pedoman Kemenkes/WHO; serta (3) Dashboard Terpadu, Kalkulator Gizi, Riwayat Anak, dan Rekomendasi Gizi otomatis. Sistem dikembangkan sebagai modul plug-and-play yang berjalan paralel tanpa menggantikan infrastruktur eksisting, dan dapat diakses melalui sigap-wedoro.cloud tanpa instalasi. Pelaksanaan mengikuti tiga tahap: persiapan (koordinasi kebutuhan dan perancangan sistem), pelaksanaan (penyerahan buku manual kepada Kepala Desa serta pelatihan aplikasi kepada petugas posyandu dan orang tua balita), dan evaluasi (kuesioner kepuasan). Evaluasi terhadap 19 responden mitra sasaran menunjukkan tingkat penerimaan tinggi, dengan total tanggapan Setuju dan Sangat Setuju mencapai 94,74%. Luaran meliputi Hak Cipta aplikasi (No. EC002026104022), publikasi pada tiga media massa nasional, serta video dokumentasi pada kanal YouTube Universitas Telkom Surabaya. Kegiatan ini mendukung SDGs #3 dan percepatan penurunan stunting melalui pemberdayaan kader dan orang tua berbasis teknologi human-centered.