Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Journal of Artificial Intelligence and Digital Business Jurnal Sains dan Teknologi
Al Rosyid, Harun
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Law, Crime, Criminology & Criminal Justice Physics Transportation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Peningkatan Promosi Desa Wisata Soco Melalui Digitalisasi Objek Wisata dan Edukasi Komunitas Sisephaputra, Bonda; Suroni, Azis; Islam, Khoirul; Yahya, Saifudin; Nashihin, Durrotun; Al Rosyid, Harun; Orvala, Fathan; Putra, Dicky Sanjaya; Pratama, Tora Rizal
Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Vol. 6 No. 1 (2025): November 2025
Publisher : Cipta Media Harmoni

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53624/kontribusi.v6i1.747

Abstract

Latar Belakang: Promosi desa wisata berbasis digital merupakan strategi penting dalam mengembangkan potensi lokal dan memperluas jangkauan wisatawan. Namun, banyak desa, termasuk Desa Soco di Kabupaten Magetan, belum memanfaatkan teknologi secara optimal. Rendahnya literasi digital masyarakat menjadi kendala utama dalam promosi mandiri. Tujuan: Mengetahui sejauh mana digitalisasi objek wisata dan edukasi komunitas dapat meningkatkan kapasitas promosi wisata di Desa Soco. Metode: Menggunakan pendekatan kualitatif deskriptif dalam bentuk studi kasus. Data dikumpulkan melalui observasi, wawancara, dokumentasi, dan evaluasi pelatihan partisipatif. Hasil: Pelatihan fotografi, videografi, editing video, pengelolaan website, dan media sosial meningkatkan pemahaman peserta terhadap strategi promosi digital. Media berupa video profil, website, dan kanal YouTube disajikan sebagai model pengelolaan konten. Peserta menunjukkan motivasi dan kesiapan mengelola media digital secara mandiri. Kesimpulan: Digitalisasi objek wisata yang disertai pelatihan teknis efektif meningkatkan kapasitas promosi desa wisata. Pendampingan lanjutan dibutuhkan untuk pengembangan konten yang berkelanjutan.  
Clustering Wilayah Pulau Sumatera Berdasarkan Indikator Sosial Ekonomi Menggunakan Metode K-Medoids Sari, Ika Desy Pramita; Pratiwi, Sefni Marcella; Al Rosyid, Harun
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4836

Abstract

Ketidakseimbangan kondisi sosial ekonomi antarwilayah masih menjadi tantangan utama dalam pembangunan di Indonesia, khususnya di Pulau Sumatera yang memiliki keragaman kondisi geografis dan tingkat perkembangan wilayah. Perbedaan capaian indikator sosial ekonomi, seperti pendidikan, kesehatan, pengangguran, dan kemiskinan, menunjukkan perlunya pemetaan wilayah berbasis data untuk memetakan kemiripan karakteristik wilayah secara objektif. Penelitian ini bertujuan mengelompokkan 150 kabupaten/kota di Pulau Sumatera berdasarkan indikator sosial ekonomi menggunakan metode K-Medoids. Menggunakan data sekunder Badan Pusat Statistik (BPS) tahun 2023 yang mencakup Indeks Pembangunan Manusia (IPM), Angka Harapan Hidup (AHH), Rata-rata Lama Sekolah (RLS), Tingkat Pengangguran Terbuka (TPT), dan kemiskinan. Tahapan penelitian meliputi prapemrosesan data melalui penghapusan pada nilai kosong dan normalisasi menggunakan metode Min–Max Scaling, termasuk pembalikan skala pada indikator yang bersifat negatif terhadap kesejahteraan. Penentuan jumlah cluster optimal ditentukan melalui kombinasi metode Elbow dan Silhouette Score. Hasil analisis menunjukkan struktur data paling representatif terbentuk pada tiga cluster. Penerapan algoritma K-Medoids menghasilkan pengelompokan wilayah ke dalam tiga cluster dengan karakteristik sosial ekonomi relatif rendah, menengah, dan tinggi. Visualisasi menggunakan Principal Component Analysis (PCA) menunjukkan pola pemisahan cluster yang cukup jelas dan membantu interpretasi struktur pengelompokan wilayah. Pada hasil akhir, cluster pertama terdiri atas 34 kabupaten/kota, cluster kedua mencakup 84 kabupaten/kota, dan cluster ketiga beranggotakan 32 kabupaten/kota, yang menggambarkan distribusi ketimpangan sosial ekonomi antarwilayah di Pulau Sumatera.
Penerapan Algoritma K-Means untuk Klasterisasi Lagu Terpopuler 2025 Versi Spotify Al Aini, Nuril Aliya; Endynda, Rahmadanix Cinta; Al Rosyid, Harun
Jurnal Sains Dan Teknologi | E-ISSN : 3063-9980 Vol. 2 No. 3 (2026): Januari - Maret
Publisher : GLOBAL SCIENTS PUBLISHER

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

Abstract

This study aims to analyze and group the most popular songs on Spotify in 2025 based on the emotions or moods they represent. The research uses the K-Means algorithm. The data includes the top 3,000 songs with ten main audio features: valence, energy, danceability, tempo, loudness, acousticness, instrumentalness, speechiness, liveness, and duration_ms. The research process includes several stages, such as data preprocessing, normalization using the standardization method, determining the best number of clusters with the Elbow and Silhouette Score methods, and applying the K-Means algorithm. The results show that the best number of clusters is four. The first cluster includes 1,180 songs that represent happy or cheerful moods, the second cluster consists of 930 songs that are energetic, the third cluster has 260 songs that show calm or relaxed feelings, and the fourth cluster includes 630 songs with sad or mellow tones. The results are visualized using PCA and heatmap, showing clear and accurate differences between the clusters based on audio features. These findings indicate that the K-Means algorithm is effective for analyzing the mood of songs and can be used in developing music recommendation systems based on mood.
Co-Authors Al Aini, Nuril Aliya Bonda Sisephaputra Endynda, Rahmadanix Cinta Islam, Khoirul Nashihin, Durrotun Orvala, Fathan Pratama, Tora Rizal Pratiwi, Sefni Marcella Putra, Dicky Sanjaya Sari, Ika Desy Pramita Suroni, Azis Yahya, Saifudin