Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) Jurnal Ilmu Komputer dan Teknik Informatika
Maulidania Mediawati Chinthia
Politeknik Lembaga Pendidikan dan Pengembangan Profesi Indonesia
Computer Science & IT Education Electrical & Electronics Engineering Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Penguatan Peran Gen-Z sebagai Kreator Konten Digital untuk Promosi Produk UMKM di Media Sosial Eka Pandu Cynthia; Ramadhan Harahap; Muhammad Amin; Maulidania Mediawati Chinthia; Muhammad Hasanuddin
JURIBMAS : Jurnal Hasil Pengabdian Masyarakat Vol 4 No 2 (2025): Oktober 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juribmas.v4i2.658

Abstract

Kegiatan pengabdian masyarakat ini bertujuan untuk memperkuat peran generasi Z sebagai kreator konten digital dalam upaya meningkatkan promosi dan daya saing produk Usaha Mikro, Kecil, dan Menengah (UMKM) di media sosial. Generasi Z memiliki potensi besar dalam mengoptimalkan platform digital karena kedekatannya dengan teknologi dan kemampuan adaptif terhadap tren komunikasi modern. Pelatihan dilakukan melalui pendekatan praktik langsung dan pendampingan intensif, meliputi pembuatan konten foto, video, copywriting promosi, serta strategi manajemen media sosial yang efektif. Hasil kegiatan menunjukkan peningkatan kemampuan peserta dalam menghasilkan konten yang menarik, relevan, dan berdampak pada peningkatan interaksi akun promosi UMKM. Selain itu, kegiatan ini turut memperluas jangkauan pemasaran digital UMKM melalui kolaborasi antara pelaku usaha dan kreator muda. Dampak nyata terlihat dari peningkatan engagement dan awareness terhadap produk lokal. Program ini menjadi langkah strategis dalam membangun ekosistem ekonomi kreatif berbasis digital yang berkelanjutan serta memperkuat sinergi antara generasi muda dan sektor UMKM.
Pengaruh Parameter Learning Rate terhadap Konvergensi Model Neural Network dalam Proses Pelatihan Maulidania Mediawati Chinthia; Eka Pandu Cynthia; Muhammad Eka; Febi Nursalisah
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 1 No. 1 (2025): Januari 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v1i1.45

Abstract

Dalam pengembangan model neural network, proses pelatihan memegang peranan kunci dalam menentukan kualitas generalisasi dan performa akhir model. Salah satu parameter paling krusial dalam proses pelatihan adalah learning rate, yang mengatur seberapa besar langkah pembaruan bobot dilakukan terhadap gradien fungsi kerugian. Penentuan nilai learning rate yang tepat sangat mempengaruhi kecepatan konvergensi serta stabilitas pembelajaran. Penelitian ini bertujuan untuk menganalisis secara teoritis dan eksperimental pengaruh variasi parameter learning rate terhadap konvergensi model neural network. Studi dilakukan dengan menggunakan dataset standar MNIST dan CIFAR-10 pada model multilayer perceptron (MLP) dan convolutional neural network (CNN). Parameter learning rate divariasikan dalam beberapa skenario, mulai dari sangat kecil (1e-5) hingga besar (1e-1), dan dievaluasi berdasarkan laju konvergensi, kestabilan loss, serta akurasi validasi. Hasil penelitian menunjukkan bahwa learning rate yang terlalu kecil menyebabkan proses pelatihan lambat dan berisiko terjebak dalam local minima, sementara learning rate yang terlalu besar menyebabkan fluktuasi signifikan bahkan divergensi. Ditemukan bahwa terdapat kisaran nilai learning rate optimal yang bersifat kontekstual terhadap arsitektur model dan karakteristik data. Selain itu, implementasi teknik penyesuaian dinamis seperti learning rate decay atau adaptive learning rate methods (misalnya Adam, RMSprop) secara signifikan membantu mempercepat konvergensi dan meningkatkan kestabilan pelatihan. Temuan ini menegaskan pentingnya pemilihan dan penyetelan learning rate yang tepat untuk menghindari permasalahan underfitting maupun overfitting, sekaligus memaksimalkan efisiensi pelatihan model neural network secara keseluruhan.
Co-Authors Amin, Muhammad Eka Pandu Cynthia Eka Pandu Cynthia Febi Nursalisah Muhammad Eka Muhammad Hasanuddin Ramadhan Harahap