Article Per Year (5 Year)
p-Index From 2021 - 2026
5.47
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer Jurnal Ilmiah Media Sisfo Budimas : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Informatika dan Rekayasa Komputer Jurnal Manajemen Teknologi dan Sistem Informasi Jurnal Pengabdian Masyarakat Unama
Rohaini, Eni
Universitas Dinamika Bangsa
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Social Sciences Other

Published : 45 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 45 Documents
Search

 1   2   3   4   5 
EDUKASI PAJAK DIGITAL: PELAPORAN PAJAK SECARA DIGITAL UNTUK MENDORONG EFISIENSI EKONOMI DAN KEUANGAN PADA MAHASISWA UNIVERSITAS BATANGHARI Yossinomita; Feranika, Ayu; Rohaini, Eni; Devitra, Joni; Fadillah, Yosi; Meisak, Despita; Jovansah, Afif; The, Felix Filbert
BUDIMAS : JURNAL PENGABDIAN MASYARAKAT Vol. 7 No. 2 (2025): BUDIMAS : Jurnal Pengabdian Masyarakat
Publisher : LPPM ITB AAS Indonesia Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/budimas.v7i2.16999

Abstract

Transformasi digital telah mengubah berbagai aspek kehidupan, termasuk perpajakan, seiring dengan berkembangnya ekonomi digital. Sebagai bagian dari kerjasama antara Universitas Dinamika Bangsa (UNAMA) dan Universitas Batanghari (UNBARI), tim PKM UNAMA menyelenggarakan program edukasi pajak digital untuk memperkenalkan mahasiswa UNBARI pada konsep dan praktik perpajakan digital, seperti e-Filing dan e-Billing, guna meningkatkan kesadaran dan keterampilan mereka dalam memenuhi kewajiban pajak secara efisien. Program ini bertujuan untuk membekali mahasiswa dengan pengetahuan yang relevan dalam menghadapi tantangan ekonomi digital, serta menekankan pentingnya kepatuhan pajak dan peran teknologi dalam meningkatkan transparansi dan akuntabilitas administrasi perpajakan. Kerjasama antara pemerintah, universitas, dan sektor swasta sangat diperlukan untuk menciptakan generasi muda yang siap berkontribusi pada pembangunan ekonomi digital yang berkelanjutan.
PENGUATAN BRAND IDENTITY DAN DIGITAL MARKETING UNTUK PENINGKATAN DAYA SAING USAHA ANEKA KERIPIK DAN PEYEK LAS YAYANG Hassandi, Irfan; Yossinomita; Mardiana R.; Eni Rohaini; Saifan Ali Fazila; Amilia Difa S. Putri
BUDIMAS : JURNAL PENGABDIAN MASYARAKAT Vol. 8 No. 1 (2026): BUDIMAS : Jurnal Pengabdian Masyarakat
Publisher : LPPM ITB AAS Indonesia Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29040/budimas.v8i1.18495

Abstract

This community service activity aims to strengthen brand identity and enhance digital marketing skills for the MSME Aneka Keripik and Peyek Las Yayang in Jambi City. The main issues faced by the partner are the weak brand identity and the limited use of digital media for promotion. The program was conducted using a participatory approach through counseling, training, and direct mentoring on brand management concepts, visual identity design, and social media–based digital marketing strategies. Evaluation through pre- and post-tests revealed a significant improvement in participants’ understanding of brand identity, digital marketing strategies, and the use of social media for online sales. This activity had a positive impact on raising awareness among MSME actors about the importance of branding and digital technology utilization to expand markets and strengthen business competitiveness.
Optimalisasi Digital Marketing Dan Bisnis Digital Dalam Ruang Kreatif Untuk Meningkatkan Potensi Pemuda Di Desa Tantan Kecamatan Sekernan Kabupaten Muaro Jambi Nurhayati; Nurhadi; Dodo Zaenal Abidin; Yossinomita; Eni Rohaini; Meisak, Despita; Sharipuddin; Beni Purnama; Roby Setiawan8; ronal naibaho; Ayu Feranika
Jurnal Pengabdian Masyarakat UNAMA Vol 4 No 2 (2025): JPMU Volume 4 Nomor 2 Oktober 2025
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/jpmu.2025.4.2.2543

Abstract

Pelatihan ini bertujuan untuk memberikan pemahaman dan keterampilan praktis mengenai manfaat digital marketing dan bisnis digital dalam ruang kreatif sebagai upaya meningkatkan potensi pemuda di Desa Tantan, Kecamatan Sekernan, Kabupaten Muaro Jambi. Kegiatan dilaksanakan pada tanggal 16 Agustus 2026 bertempat di Aula Masyarakat Desa Tantan, dengan jumlah peserta sebanyak 20 orang yang terdiri dari pemuda desa, anggota Karang Taruna, Koperasi Desa, BUMDes, Perpustakaan Desa, serta dihadiri oleh Kepala Desa Bapak Mashur, S.Pd. Metode pelatihan meliputi penyampaian materi, diskusi interaktif, dan praktik langsung mengenai strategi digital marketing, pemanfaatan media sosial, serta pengembangan bisnis digital berbasis potensi lokal. Hasil dari pelatihan menunjukkan adanya peningkatan pemahaman peserta mengenai pentingnya literasi digital, keterampilan pemasaran berbasis teknologi, serta kreativitas dalam membangun brand desa. Selain itu, pelatihan ini juga memperkuat sinergi antarorganisasi desa sebagai upaya penguatan kelembagaan dalam pengembangan ekonomi kreatif berbasis digital.Dengan demikian, pelatihan ini diharapkan dapat menjadi langkah awal dalam membentuk pemuda yang berdaya saing, mandiri, serta mampu berkontribusi terhadap pembangunan ekonomi desa secara berkelanjutan di era digital
Fitur Information Gain untuk Meningkatkan Nilai Performa Pengklasifikasi Machine Learning pada Analisis Sentimen Komentar Spam Pengguna Youtube Jasmir, Jasmir; Gunardi, Gunardi; Rohaini, Eni; Naibaho, Ronald; Sukoco, Bambang; Jasmir , Jasmir
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 2: April 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.132

Abstract

Perkembangan pesat media sosial telah memberikan ruang bagi setiap individu untuk menyampaikan pendapat, baik berupa komentar positif maupun negatif terhadap konten yang mereka akses. Kemudahan dalam memberikan opini secara daring ini berdampak pada semakin besarnya jumlah ulasan yang tersedia. Namun, volume ulasan yang sangat besar sering kali sulit untuk dianalisis secara manual dan berpotensi menimbulkan bias dalam penilaian. Untuk mengatasi permasalahan tersebut, diperlukan pendekatan otomatis melalui klasifikasi sentimen yang bertujuan mengelompokkan opini pengguna ke dalam kategori positif atau negatif. Dalam penelitian ini digunakan tiga algoritma pembelajaran mesin, yaitu Naïve Bayes (NB), K-Nearest Neighbor (KNN), dan Random Forest (RF). Data penelitian diperoleh dari public dataset UCI Machine Learning. Fokus penelitian adalah meningkatkan kinerja klasifikasi dengan memanfaatkan teknik seleksi fitur information gain. Hasil eksperimen menunjukkan bahwa penerapan information gain secara konsisten meningkatkan performa semua algoritma yang diuji, baik pada metrik akurasi, presisi, recall, maupun f1-score. Naïve Bayes awalnya memperoleh akurasi tertinggi sebesar 74,33% pada kondisi tanpa fitur tambahan. Namun, setelah penerapan information gain, algoritma KNN menunjukkan hasil paling optimal dengan akurasi mencapai 81,28% serta performa yang relatif seimbang pada semua metrik evaluasi. Sementara itu, Random Forest juga mengalami peningkatan, meskipun tidak melampaui KNN. Secara keseluruhan, penelitian ini menegaskan bahwa pemilihan fitur yang relevan melalui information gain mampu meningkatkan efisiensi dan efektivitas klasifikasi sentimen, serta dapat menjadi pendekatan yang potensial untuk menganalisis opini dalam skala besar.   Abstract The rapid growth of social media has provided individuals with the opportunity to freely express their opinions, whether positive or negative, toward the content they encounter. The increasing ease of sharing opinions online has resulted in a massive volume of user reviews. However, the large number of reviews is difficult to analyze manually and may introduce bias in interpretation. To address this issue, sentiment classification is applied to automatically categorize user opinions into positive or negative classes. In this study, three machine learning algorithms were employed: Naïve Bayes (NB), K-Nearest Neighbor (KNN), and Random Forest (RF). The dataset was obtained from the public UCI Machine Learning repository. The main objective of this research is to improve classification performance by utilizing feature selection through the information gain method. Experimental results demonstrate that applying information gain consistently enhances the performance of all evaluated algorithms across multiple metrics, including accuracy, precision, recall, and F1-score. Without feature selection, Naïve Bayes achieved the highest accuracy of 74.33%. However, after applying information gain, KNN outperformed the other algorithms by reaching an accuracy of 81.28% and exhibited balanced results across all evaluation metrics. Random Forest also showed improvement but did not surpass the performance of KNN. Overall, these findings highlight the importance of feature selection in improving both the efficiency and effectiveness of sentiment classification. Furthermore, the use of information gain proves to be a promising approach for large-scale opinion analysis, particularly in handling the high dimensionality of textual data.
An Adaptive Feature-Aware Hybrid Resampling Strategy for Imbalanced Diabetes Classification with Integrated Balanced Index Evaluation Jasmir, Jasmir; Pahlevi, Riza; Gunardi, Gunardi; Rohaini, Eni; Annisa, Tiko Nur
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 2 (2026): April 2026
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i2.7418

Abstract

Class imbalance remains a critical challenge in medical data classification, particularly in diabetes prediction, as it significantly degrades minority-class sensitivity. This study proposes an Adaptive Feature-Aware Hybrid Resampling Strategy (AHRS) that dynamically integrates oversampling and undersampling based on Imbalance Ratio (IR) and Feature Importance (FI). Unlike conventional static resampling methods, AHRS iteratively adjusts class distribution while preserving informative feature structures. In addition, this study introduces the Integrated Balanced Index (IBI), a bounded composite metric integrating precision, recall, and specificity to provide a fairer evaluation of classification performance on imbalanced medical datasets. The proposed approach was evaluated using the Pima Indian Diabetes Dataset (768 instances) with K-Nearest Neighbor, Naïve Bayes, and Random Forest classifiers under 5-fold stratified cross-validation. Experimental results demonstrate that AHRS consistently outperforms SMOTE, Random Oversampling, and Tomek Links, achieving accuracy improvements of 5–7% and recall gains of up to 10%. Random Forest combined with AHRS achieved the highest IBI score of 0.90, indicating strong balance between sensitivity and specificity. The findings suggest that adaptive, feature-aware resampling combined with balanced evaluation metrics provides a reliable and interpretable framework for fair medical classification systems and Clinical Decision Support Systems (CDSS).
Co-Authors Abdurrahman Ade Saputra Agus Siswanto Aldino Ramadhani Amilia Difa S. Putri Amin Syam, Atha Bugis Andrianti, Ari Annisa, Tiko Nur Aryani, Lies Ayu Alysia Bambang Sukoco Beni Purnama Despita Meisak Dodi Sandra Dodo Zaenal Abidin Errissya Rasywir Fadillah, Yosi Feranika, Ayu Gunardi Gunardi Gunardi Hendri Hendri Ibnu Sani Wijaya Indana Arum , Refi Inggrit Tia Pratiwi Inggrit Tia Septiana Irfan Hassandi Jasmir Jasmir , Jasmir Jasmir, Jasmir Joni Devitra, Joni Jovansah, Afif Lely Febriyanti Lies Aryani Lola Yorita Astri, Lola Yorita M Riza Pahlevi M. Taufik Aufa Mardiana R. Meisak, Despita mery Muhammad Afif Dzaky Khairullah Muhammad Fadri Adam Muhammad Fajar Muhammad Riza Pahlevi Muhammad Rizki Saputra NAIBAHO, RONALD Nasrul Ahlunaza Nurhadi NURHADI Nurhadi Nurhadi Nurhayati Nurhayati Nurhayati Oktavianus, Welsen Oldie Versileno, Satria Pahlevi B, M Riza Pahlevi, M. Riza Pardamean Simanjuntak, Daniel Sintong Purnama, Benni Putra Ramadhan, Muhammad Alif Ramadhan Saputra, Tri reza saputra, Fharis Rezky Pramudia, Muhammad Rico Natanael Rifky Januardi Risky Handayani Riza Pahlefi Riza Pahlevi, Riza ROBY SETIAWAN ronal naibaho Saifan Ali Fazila Setiawan Assegaf Sharipuddin Silvia Rianti Agustini Sirait, Gusnaldi Triardo Stevent Chandra Dinata The, Felix Filbert Virginia Casanova Andiko William William WILLY RIYADI Xaverius Sika Yossinomita Yovi Pratama