Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi dan Sains Teknologi Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Hermansyah, Mas'ud
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

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

Found 3 Documents
Search

 1 
OTOMATISASI PENJADWALAN DAN PENGINGAT TUGAS BERBASIS GOOGLE FORM, APPS SCRIPT, DAN GOOGLE CALENDAR UNTUK EFISIENSI MANAJEMEN PROYEK Setiawan, Akas Bagus; Hermansyah, Mas'ud
Jurnal Sistem Informasi dan Sains Teknologi Vol 7, No 2 (2025): Jurnal Sistem Informasi dan Sains Teknologi
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v7i2.2425

Abstract

Manajemen tugas yang efektif menjadi tantangan utama dalam organisasi modern, terutama dalam mengelola tenggat waktu dan kolaborasi antar anggota tim. Penelitian ini mengembangkan sistem otomatisasi penjadwalan dan pengingat tugas berbasis Google Form, Google Apps Script, dan Google Calendar. Sistem ini memungkinkan data tugas yang diinput melalui Google Form secara otomatis dijadwalkan ke Google Calendar, lengkap dengan pengingat sebelum deadline. Metode penelitian meliputi perancangan form digital, pemrograman Apps Script untuk integrasi data, serta pengujian sistem pada lingkungan kerja nyata. Hasil implementasi menunjukkan peningkatan kepatuhan terhadap deadline dan efisiensi monitoring tugas. Integrasi ini juga mengurangi beban administratif dan potensi human error dalam penjadwalan manual. Sistem yang diusulkan dapat diadopsi oleh berbagai organisasi untuk meningkatkan efektivitas manajemen tugas dan kolaborasi tim.
Implementasi Naïve Bayes dalam Flask Framework untuk Sistem Informasi Klasifikasi Penyakit Jantung Bagus Setiawan, Akas; Nasyatha Adlin, Dzakiyyan; Hermansyah, Mas'ud
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 5 (2025): EDISI SEPTEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i5.11494

Abstract

Penyakit jantung merupakan salah satu penyebab utama kematian di Indonesia, dengan tren kasus yang terus meningkat setiap tahunnya. Deteksi dini sangat penting untuk mencegah risiko yang lebih parah, namun keterbatasan akses terhadap layanan kesehatan menjadi kendala di beberapa wilayah. Penelitian ini bertujuan untuk membangun sistem klasifikasi penyakit jantung berbasis algoritma Naive Bayes yang diimplementasikan dalam API menggunakan Flask Framework Python sebagai backend cerdas. Dataset yang digunakan diperoleh dari Kaggle dan telah melalui tahapan preprocessing, seleksi atribut, transformasi data, serta pembagian data latih dan uji. Model Naive Bayes dipilih karena kesederhanaannya serta kemampuannya dalam menangani data berskala besar. Evaluasi model menunjukkan performa yang cukup baik, dengan accuracy mencapai 73,77%, precision 67,57%, dan recall 86,21%. Sistem yang dikembangkan diintegrasikan dalam layanan web dan mobile, sehingga dapat diakses oleh pengguna secara luas. Hasil penelitian ini menunjukkan bahwa integrasi algoritma machine learning dan API dapat memberikan solusi deteksi dini penyakit jantung yang ringan, cepat, dan mudah digunakan. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem pendukung keputusan dalam bidang kesehatan digital.
BERT Sentimen: Fine-Tuning Multibahasa untuk Ulasan Bahasa Indonesia Khen Dedes; Fatimatuzzahra; Hermansyah, Mas'ud; Setiawan, Akas Bagus; Pradana, Reza Putra; Harvyanti , Annisa Fitri Maghfiroh
Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.585

Abstract

Penelitian ini mengevaluasi pengaruh teknik augmentasi dan fine‑tuning terhadap kinerja model BERT multibahasa pada tugas klasifikasi sentimen ulasan film berbahasa Indonesia. Dataset awal terdiri dari 1.200 ulasan; 80% digunakan untuk pelatihan dan validasi (n = 960) dan 20% untuk pengujian (n = 240). Data pelatihan diperluas melalui augmentasi menjadi 2.880 sampel sintetis untuk keperluan fine‑tuning. Model kemudian di‑fine‑tune pada korpus yang diperluas dan dievaluasi menggunakan metrik akurasi, precision, recall, dan F1. Pada set pengujian diperoleh akurasi 82,5%, precision untuk kelas positif 76,0%, recall 95,0%, dan F1‑score 84,44%. Matriks kebingungan menunjukkan TP = 114, FN = 6, FP = 36, dan TN = 84, yang mengindikasikan sensitivitas tinggi terhadap ulasan positif namun terdapat proporsi false positive yang relatif besar. Temuan ini mengindikasikan bahwa augmentasi meningkatkan kemampuan model dalam menangkap sinyal positif (tingginya recall), namun memerlukan penyesuaian lebih lanjut untuk mengurangi kesalahan prediksi positif (meningkatkan precision). Secara keseluruhan, hasil penelitian menyediakan bukti bahwa BERT multibahasa mampu menangani tugas sentimen berbahasa Indonesia dengan performa memadai apabila didukung strategi augmentasi dan prosedur validasi yang tepat.
Co-Authors Fatimatuzzahra Harvyanti , Annisa Fitri Maghfiroh Khen Dedes Nasyatha Adlin, Dzakiyyan Pradana, Reza Putra Setiawan, Akas Bagus