Article Per Year (5 Year)
p-Index From 2021 - 2026
2.367
P-Index
This Author published in this journals
All Journal Jurnal Infomedia JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmiah Wahana Pendidikan International Journal of Global Accounting, Management, Education, and Entrepreneurship (IJGAME2) Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat J-Intech (Journal of Information and Technology) Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Aurelia: Jurnal Penelitian dan Pengabdian Masyarakat Indonesia JOSAR (Journal of Students Academic Research) Jurnal ELTEK Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Mawaddah, Udkhiati
Unknown Affiliation
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Nursing Public Health Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Sentiment Analysis On Evos Esports Team Instagram Social Media Using Convolutional Neural Network (CNN) Zen, Mohammad Amir Fatkhi; Yuana, Haris; Mawaddah, Udkhiati
JOSAR (Journal of Students Academic Research) Vol 10 No 2 (2025): September
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/4xw3mn98

Abstract

The rapid growth of the esports industry in Indonesia presents unique challenges for professional teams such as EVOS Esports, particularly in strengthening fan engagement and loyalty in the digital era. This study aims to analyze fan sentiment toward the official Instagram posts of EVOS Esports using a deep learning approach with a Convolutional Neural Network (CNN). The research process involved data collection through web scraping, followed by preprocessing stages such as cleaning, case transformation, normalization, tokenization, stopword removal, and stemming. The dataset was then labeled, split into training and testing sets (90:10), and used for CNN model training and evaluation through a confusion matrix. The results demonstrate that the CNN model successfully classified comments into three sentiment categories—positive, negative, and neutral—with an accuracy of 92%. The model also achieved a precision of 0.92, recall of 0.92, and an F1-score of 0.92, indicating very good classification performance. Sentiment distribution analysis of 11,305 comments showed that neutral sentiment dominated (47.24%), followed by positive (30.12%) and negative (22.64%). These findings provide valuable insights into fan perceptions of esports team performance on social media. For future research, expanding the sentiment lexicon with terms commonly used in online communities is recommended to further enhance classification accuracy.
Comparative Study Of Monthly Electricity Consumption Clusterization Using K-Means and DBSCAN Putri Rochfiani; Chulkamdi, Mukh Taofik; Mawaddah, Udkhiati
JOSAR (Journal of Students Academic Research) Vol 10 No 2 (2025): September
Publisher : Universitas Islam Balitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35457/rqvgbf18

Abstract

Menganalisis pola konsumsi listrik sangat penting untuk meningkatkan efisiensi distribusi energi dan mengidentifikasi anomali seperti lonjakan yang tidak biasa atau kemungkinan pencurian listrik. Penelitian ini menyajikan analisis komparatif dua algoritma klaster—K-Means dan DBSCAN—dalam mengklasifikasikan penggunaan listrik bulanan pelanggan PT PLN (Persero) Rayon Ngunut, yang mencakup Kecamatan Rejotangan, Ngunut, Kalidawir, dan Pucanglaban. Dataset tersebut mencakup catatan konsumsi dari bulan November dan Desember 2024. Algoritma K-Means, yang menggunakan pendekatan klaster berbasis centroid, bekerja efektif pada dataset yang seragam, sementara DBSCAN, sebuah metode berbasis kepadatan, lebih mampu mengenali outlier dan pembentukan klaster yang tidak sferis. Kinerja kedua algoritma dievaluasi menggunakan Akurasi, Mean Squared Error (MSE), Presisi, Recall, dan F1-Score. Hasil eksperimen menunjukkan bahwa K-Means mencapai akurasi 96%, MSE 0,0400, presisi 0,71, recall 1,00, dan skor F1 0,83. Sebaliknya, DBSCAN mencapai akurasi 76%, MSE 0,2400, presisi 0,29, recall 1,00, dan skor F1 0,45. Hasil ini menunjukkan bahwa K-Means menghasilkan klaster yang lebih kompak dan konsisten, sementara DBSCAN lebih unggul dalam mengidentifikasi anomali, dengan total mendeteksi 17 outlier. Akibatnya, K-Means dianggap lebih cocok untuk pengelompokan konsumsi yang stabil, sedangkan DBSCAN direkomendasikan untuk tujuan deteksi anomali. Temuan ini diharapkan dapat membantu PT PLN (Persero) dalam mengembangkan strategi berbasis data dan adaptif untuk manajemen energi yang lebih efisien.
Penerapan metode SAW dan AHP dalam penilaian kinerja pegawai BNN Kabupaten Blitar Lathoif, Miftakhul; Yuana, Haris; Mawaddah, Udkhiati
JURNAL ELTEK Vol. 23 No. 2 (2025): Oktober 2025
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/eltek.v23i2.8658

Abstract

Penilaian kinerja merupakan proses penting yang membantu institusi dalam mengukur, mengevaluasi, dan merangking kinerja pegawai berdasarkan kriteria dan standar yang telah ditentukan. Di BNN Kabupaten Blitar, keberagaman jenis kepegawaian meliputi ASN, Polri, dan pegawai non ASN menyebabkan adanya perbedaan standar dalam pelaksanaan penilaian kinerja. Perbedaan ini menimbulkan permasalahan dalam menentukan evaluasi kinerja yang adil dan menyeluruh. Penelitian ini mengusulkan penerapan metode gabungan Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) guna menghasilkan sistem penilaian yang lebih objektif. Metode AHP digunakan untuk menentukan bobot setiap kriteria, sementara metode SAW digunakan untuk menghitung nilai akhir kinerja pegawai. Sistem penilaian ini juga dikembangkan dalam bentuk aplikasi berbasis website dengan delapan kriteria penilaian. Hasil pengujian menunjukkan bahwa penerapan metode AHP dan SAW berhasil diterapkan dalam penilaian kinerja pegawai. Margin kesalahan nilai akhir tertinggi yang diperoleh sebesar 0,212%, masih berada di bawah ambang toleransi 1%, yang menunjukkan bahwa hasil penilaian mendekati referensi dan layak dijadikan acuan dalam sistem penilaian kinerja di lingkungan BNN Kabupaten Blitar.   ABSTRACT Performance appraisal is a fundamental process that enables institutions to measure, evaluate, and rank employee performance based on predefined criteria and standards. BNN Kabupaten Blitar, the presence of various employment categories ASN, Polri, and Non-ASN has led to the implementation of differing performance evaluation standards. This diversity poses challenges in establishing a unified and equitable assessment of overall employee performance. To address this issue, this study proposes the integration of the Analytical Hierarchy Process (AHP) and Simple Additive Weighting (SAW) methods to develop an objective and consistent performance appraisal system. The AHP method is utilized to determine the weights of each evaluation criterion, while the SAW method is employed to calculate the final performance scores. The system is developed as a web-based and using eight performance criteria. The evaluation results demonstrate that the application of the AHP and SAW methods was successfully implemented, with a maximum margin of error in the final score recorded at 0.212%. This margin remains below the acceptable threshold of 1%, indicating that the results closely align with reference values and validating the system’s feasibility for use in performance assessment at BNN Kabupaten Blitar.
Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Ikan Mas Koki (Carassius Auratus) Berdasarkan Ciri Morfologi Alamsyah, Isnan Ridho; Budiman, Saiful Nur; Mawaddah, Udkhiati
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 2 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i2.7636

Abstract

Ikan mas koki (Carassius auratus) merupakan komoditas ikan hias unggulan Indonesia dengan nilai ekonomi tinggi, namun identifikasi varietasnya secara manual bersifat subjektif dan tidak efisien. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis berbasis Deep Learning untuk mengidentifikasi tiga varietas ikan koki utama: Oranda, Ranchu, dan Ryukin berdasarkan ciri morfologi. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur transfer learning pada model MobileNetV2 yang telah dilatih sebelumnya pada dataset ImageNet. Dataset terdiri dari 240 gambar yang dibagi menjadi data latih (192 gambar) dan data uji (48 gambar). Teknik augmentasi data diterapkan untuk meningkatkan variasi dan mencegah overfitting. Hasil pelatihan model menunjukkan akurasi sebesar 95,35% pada data latih dan 93,75% pada data uji. Evaluasi per kelas menunjukkan akurasi tertinggi untuk Oranda (99,36%), diikuti Ranchu (91,00%), dan Ryukin (68,58%). Performa yang lebih rendah pada Ryukin disebabkan oleh kemiripan morfologinya dengan varietas lain. Hasil penelitian membuktikan bahwa CNN sangat potensial digunakan untuk automasi klasifikasi ikan koki, mendukung program breeding dan standardisasi kualitas dalam industri akuakultur.
FROM DATA TO DECISION: HOW AI AND FINTECH DRIVE DIGITAL TRANSFORMATION IN RURAL ENTREPRENEURSHIP Ratri Anggraheni, Dhiptya; Mawaddah, Udkhiati
International Journal of Global Accounting, Management, Education, and Entrepreneurship Vol. 6 No. 1 (2025): International Journal of Global Accounting, Management, Education, and Entrepre
Publisher : Sekolah tinggi ilmu ekonomi pemuda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.48024/ijgame2.v6i1.228

Abstract

This study presents a systematic literature review (SLR) examining how Artificial Intelligence (AI) and Financial Technology (FinTech) drive digital transformation in rural entrepreneurship. Based on 20 peer-reviewed studies published between 2020 and 2025, the analysis integrates insights from developed and developing economies using the Resource-Based View (RBV), Diffusion of Innovation (DOI) Theory, Institutional Theory, and Sustainable Livelihoods Framework (SLF). Findings reveal that digital infrastructure serves as the foundation for rural participation in the digital economy, while FinTech promotes financial inclusion through mobile banking, blockchain, and data-driven credit systems. AI enhances decision-making via predictive analytics and automation, improving efficiency across production, logistics, and marketing. Governance quality and human capital development shape institutional readiness and ensure sustainability alignment. This review advances theoretical understanding and offers policy guidance for building inclusive digital ecosystems through adaptive governance, capacity-building, and ethical technology integration, fostering resilient and equitable rural transformation.
Pemanfaatan Docker pada Virtualisasi Server untuk Mengoptimalkan Kinerja Aplikasi berbasis Web menggunakan Multiserver Permana Putra, Ageng Eka; Chulkamdi, Mukh. Taofik; Mawaddah, Udkhiati
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 2 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i2.203

Abstract

Pengelolaan aplikasi berbasis web di SMKN 1 Nglegok masih menghadapi tantangan dalam efisiensi penggunaan sumber daya server. Peningkatan jumlah pengguna dan kompleksitas aplikasi sering mengakibatkan beban tinggi pada CPU dan memori, yang berdampak pada penurunan performa. Teknologi virtualisasi server berbasis Docker menawarkan solusi dengan isolasi container, skalabilitas, dan manajemen sumber daya yang efisien. Penelitian ini bertujuan menguji efektivitas penerapan Docker pada arsitektur Multiserver dalam meningkatkan efisiensi penggunaan CPU dan memori, serta stabilitas kinerja aplikasi web. Metode penelitian yang digunakan adalah eksperimen, dengan membandingkan performa aplikasi web sebelum dan sesudah penerapan Docker menggunakan Apache JMeter untuk simulasi trafik, K6 untuk uji beban, serta monitoring dengan Grafana dan Prometheus. Parameter yang diukur meliputi penggunaan CPU, memori, dan waktu respons pada beban 200 hingga 1000 request. Hasil pengujian menunjukkan penurunan penggunaan CPU sebesar 20–35% dan memori 15–30% setelah penerapan Docker. Waktu respons aplikasi tetap stabil di bawah 200 ms meskipun terjadi peningkatan beban hingga 1000 request. Validasi oleh ahli IT dan User Acceptance Testing menghasilkan tingkat kepuasan pengguna lebih dari 85% dengan kategori "Sangat Kuat". Penerapan Docker pada arsitektur Multiserver terbukti efektif dalam meningkatkan efisiensi, menjaga stabilitas performa aplikasi web, dan memenuhi kebutuhan pengelolaan infrastruktur TI di lingkungan pendidikan.
Co-Authors Abdi Pandu Kusuma Adi Purnama, Candra Alamsyah, Isnan Ridho Chulkamd, Mukh Taofik Chulkamdi, Mukh Taofik Chulkamdi, Mukh. Taofik Ferdianto, Hendra Ferdianto Hadi Irawan, Zidhan Hartami Santi, Indyah Lathoif, Miftakhul Lestanti, Sri Nugraha Putra, Muhammad Permana Putra, Ageng Eka Putri Rochfiani Raihan, Muhammad Iqbal Ratri Anggraheni, Dhiptya Saiful Nur Budiman Santi, Indyah Hartami Santiko, Mohandes Sutanto, Yufi Priyo Wahyuni, Ervika Dewi Wulansari, Zunita Yuana, Haris Zaenal Zaenal, Zaenal Zain Zakaria, Robby Zen, Mohammad Amir Fatkhi