Article Per Year (5 Year)
p-Index From 2020 - 2025
4.132
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Knowledge Engineering and Data Science JOURNAL OF APPLIED INFORMATICS AND COMPUTING TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika Jurnal Ilmu Komputer dan Desain Komunikasi Visual Jurnal Mnemonic CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Community Development Journal: Jurnal Pengabdian Masyarakat Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Jurnal Restikom : Riset Teknik Informatika dan Komputer Nusantara Hasana Journal Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Pengabdian Masyarakat Bhinneka Prosiding Seminar Nasional Pengabdian Kepada Masyarakat ROUTERS: Jurnal Sistem dan Teknologi Informasi Journal of World Future Medicine, Health and Nursing The Journal of Enhanced Studies in Informatics and Computer Applications Proceeding International Conference Of Innovation Science, Technology, Education, Children And Health
M. Syauqi Haris
Institut Teknologi, Sains, Dan Kesehatan RS Dr Soepraoen Kesdam V/Brw, Indonesia
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Teknik Identifikasi Fitur Berdasarkan Kalimat Pernyataan Kebutuhan dalam Konteks Pengembangan Software Product Line M Syauqi Haris; Tri Astoto Kurniawan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935732

Abstract

Software product line (SPL) adalah konsep software reuse di bidang industri perangkat lunak yang memiliki fase awal berupa domain engineering untuk mengidentifikasi dan memetakan fitur-fitur dari sekumpulan produk perangkat lunak yang akan dikembangkan. Fitur perangkat lunak sering kali diekspresikan secara eksplisit dalam kalimat pernyataan kebutuhan yang ada pada dokumen spesifikasi kebutuhan perangkat lunak (SRS). Saat ini, penelitian tentang otomatisasi identifikasi fitur perangkat lunak berdasarkan dokumen spesifikasi kebutuhan telah banyak diusulkan dengan berbagai metode, namun hasil yang diperoleh kebanyakan adalah kata benda yang dianggap sebagai kandidat fitur. Representasi fitur dengan kata benda dianggap masih terlalu abstrak dan tidak mewakili konsep fitur sebagai kemampuan atau fungsionalitas suatu perangkat lunak. Dalam penelitian ini, identifikasi fitur yang direpresentasikan dengan frasa gabungan kata kerja dan kata benda diusulkan karena dianggap lebih menjelaskan kemampuan  dan fungsionalitas dari suatu perangkat lunak. Pola penulisan kalimat pernyataan kebutuhan dengan requirement boilerplate dimanfaatkan sebagai dasar identifikasi fitur perangkat lunak secara otomatis dengan menggunakan alat bantu pemrosesan bahasa natural atau NLP (natural language processing). Dalam penelitian ini diusulkan 4 (empat) aturan dependency parser, yang merupakan salah satu pipeline dalam NLP. Tingkat keberhasilan metode pada penelitian ini adalah antara 65% sampai dengan 88% untuk 5 kelompok kalimat pernyataan kebutuhan yang diujikan. Hasil tersebut menunjukkan bahwa metode yang diusulkan pada penelitian ini bisa mengautomasi proses identifikasi fitur pada tahapan domain engineering dalam pengembangan software product line khususnya yang menggunakan metode ekstraktif.AbstractSoftware product line (SPL) is a software reuse concept in the software industry that has an initial phase of domain engineering to identify and map the features of a set of software products to be developed. Software features are often expressed explicitly in the requirement sentences contained in the software requirements specification (SRS) document. Currently, research on the automation of software feature identification based on requirements specification documents has been proposed by various methods, but the results obtained are mostly nouns that are considered feature candidates. Representation of features with nouns is considered too abstract and does not represent the concept of features as capabilities or functionality of the software. In this study, the identification of features represented by combined phrases of verbs and nouns is proposed because it is considered to better explain the capabilities and functionality of software. The pattern of writing a requirement sentence with boilerplate requirements is used as the basis for automatically identifying software features using natural language processing (NLP) tools. In this research, 4 (four) dependency parser rules are proposed, which is one of the pipelines in NLP. The success rate of the method in this study is between 65% to 88% for the 5 groups of sentences that were tested. These results indicate that the method proposed in this study can automate the feature identification process at the domain engineering stage in product line software development, especially those using extractive methods.
Peningkatan Literasi Teknologi Pemasaran Digital Petani Kopi Gapoktan Mekar Tani Desa Jambuwer Kecamatan Kromengan Kabupaten Malang M Syauqi Haris; Wahyu Teja Kusuma; Mochammad Anshori
Jurnal Pengabdian Masyarakat Bhinneka Vol. 1 No. 2 (2022): Bulan November
Publisher : Bhinneka Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58266/jpmb.v1i2.31

Abstract

Produk Kopi Merah hasil perkebunan kopi di Desa Jambuwer, Kecamatan Kromengan, Kabupaten Malang, adalah produk unggulan para petani kopi yang tergabung dalam Gabungan Kelompok Tani (Gapoktan) Mekartani. Meskipun produk kopi tersebut tergolong unggul, terbukti dengan pernah diraihnya juara III dalam Festival Kopi Nusantara tahun 2016 di Kota Batu, namun masih belum banyak dikenal oleh masyarakat sehingga penjualannya pun terhambat. Sampai dengan saat ini, kopi Malang yang dikenal masyarakat pada umumnya hanya dari daerah Dampit dan Ampelgading saja. Pemanfaatan teknologi informasi dan jaringan internet dengan strategi pemasaran yang disebut dengan digital marketing diharapkan mampu membawa produk kopi merah Jambuwer agar lebih dikenal masyarakat luas di Indonesia pada umumnya dan warga Malang dan sekitarnya pada khususnya. Meskipun saat ini pemanfaatan media online dan media sosial sudah dilakukan, namun hasil yang diperoleh belum maksimal. Hal ini disebabkan karena penggunaan media sosial dan alat promosi online yang digunakan masih belum terkonsep dengan baik dan belum menggunakan strategi pemasaran digital yang terstruktur. Oleh karena itu, melalui kegiatan Pengabdian Kepada Masyarakat ini, diharapkan para petani yang tergabung dalam Gapoktan Mekar Tani memiliki mindset pemasaran digital sehingga peningkatan popularitas dan penjualan Kopi Merah Jambuwer bisa terwujud. Media sosial dan blog akan menjadi representasi online dari etalase toko Kopi Merah serta dapat terindeks dengan baik di berbagai situs pencarian. Adapun target luaran dalam kegiatan pengabmas ini adalah peningkatan literasi pemasaran online mitra dalam hal analisis kata kunci dalam Search Engine Optimization (SEO), pembuatan konten berupa gambar maupun video yang sesuai dengan strategi brand, optimalisasi media sosial dan marketplace, serta Google Business Profile.
Pelatihan Komputerisasi Keuangan Untuk Koperasi Syariah Ikmal Ponpes Al-Khoiroot Gondanglegi Malang Menggunakan Perangkat Lunak Akuntansi M. Syauqi Haris; Ahsanun Naseh Khudori; Wahyu Teja Kusuma; Nindynar Rikatsih; Mochammad Anshori
PROSIDING SEMINAR NASIONAL PENGABDIAN KEPADA MASYARAKAT UNIVERSITAS NAHDLATUL ULAMA SURABAYA Vol. 1 No. 1 (2022): Prosiding Seminar Nasional Pengabdian Kepada Masyarakat : Perguruan Tinggi Meng
Publisher : Universitas Nahdlatul Ulama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1328.091 KB) | DOI: 10.33086/snpm.v1i1.877

Abstract

Pengelolaan keuangan pada koperasi secara manual akan menyulitkan dalam pembuatan laporan keuangan yang representatif secara tepat waktu. Selain karena kurangnya pemahaman SDM yang ada terhadap sistem akuntansi, pengarsipan dan pembukuan transaksi secara manual memerlukan waktu yang lama dalam inventarisasi atau rekap transaksi. Pemanfaatan teknologi informasi berupa perangkat lunak akuntansi dibutuhkan untuk memasukkan data setiap transaksi agar tersimpan secara digital sehingga dapat dilakukan pemrosesan secara otomatis dalam pembuatan laporan keuangan yang sesuai dengan prinsip akuntansi. Namun, implementasi perangkat lunak akuntansi harus diiringi dengan Standard Operating Procedure (SOP) yang sesuai dan jelas agar dalam operasional dan input transaksi bisa sesuai dan laporan yang dihasilkan sesuai dengan yang diharapkan. Oleh karena itu, proses diskusi untuk penggalian permasalahan transaksi dan pembuatan panduan operasional yang tepat perlu untuk disusun dan di-training-kan ke pengurus dan pengelola koperasi. Kegiatan ini diharapkan dapat meningkatkan SDM dari lembaga mitra kegiatan dalam hal pembuatan laporan keuangan secara akurat dan efisien dengan memanfaatkan teknologi informasi yang sudah terstandardisasi dengan prinsip akuntansi untuk entitas tanpa akuntabilitas publik (SAK-ETAP) yang menjadi dasar dalam penyusunan laporan koperasi. Berdasarkan hasil survey pasca kegiatan, 80% peserta menyatakan bahwa modul standar prosedur operasional atau SOP bagi SDM koperasi yang disusun sangat membantu dalam menjalankan aktivitas hariannya, terutama dalam melakukan input data transaksi ke dalam sistem. Selanjutnya proses pengawasan atau pendampingan secara berkala tetap diperlukan guna menjaga agar system tetap dijalankan dengan baik sesuai dengan SOP yang ada.
Perbandingan Metode Supervised Machine Learning untuk Prediksi Prevalensi Stunting di Provinsi Jawa Timur M Syauqi Haris; Ahsanun Naseh Khudori; Wahyu Teja Kusuma
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976744

Abstract

Stunting atau kasus balita kerdil/pendek adalah salah satu masalah di bidang kesehatan yang saat ini sedang dihadapi oleh masyarakat Indonesia. Provinsi Jawa Timur memiliki nilai prevalensi stunting sebesar 26,8% berdasarkan integrasi data Kementerian Kesehatan dan Badan Pusat Statistik. Nilai tersebut masih tergolong tinggi karena standar minimal yang ditetapkan oleh World Health Organization (WHO) adalah sebesar 20%. Oleh karena itu, penelitian ini bertujuan untuk memberikan kontribusi dalam penyelesaian permasalahan stunting di Provinsi Jawa Timur dengan cara menganalisis faktor-faktor yang diprediksi bisa memengaruhi tingkat prevalensi stunting berdasarkan data sekunder hasil survei dari beberapa lembaga resmi dan terpercaya di bidang kesehatan yang telah dipublikasikan. Supervised machine learning merupakan pendekatan dalam pembuatan kecerdasan buatan (artificial intelligence) yang menggunakan data-data berlabel sebagai data latihnya. Pendekatan ini dirasa sangat sesuai digunakan dalam prediksi nilai prevalensi stunting pada suatu wilayah berdasarkan data-data lain yang relevan.  Penelitian-penelitian sebelumnya tentang prediksi prevalensi stunting rata-rata hanya menggunakan salah satu metode supervised machine learning saja dan data sekunder yang digunakan hanya bersumber dari salah satu sumber survei saja. Hasil penelitian menunjukkan bahwa faktor-faktor penyebab yang memiliki korelasi tinggi terhadap nilai prevalensi stunting bukan hanya Berat Badan Lahir Rendah (BBLR) saja, namun juga Indeks Pembangunan Manusia, sanitasi, dan Indeks Penduduk Miskin. Selain itu, beberapa metode dalam supervised machine learning juga dibandingkan yaitu, linier regression, support vector regression, dan random forest regression.Metode support vector regression dalam penelitian ini memiliki nilai galat yang lebih rendah yaitu 0,91 untuk MAE dan 1,30 untuk MSE.AbstractStunting or the case of stunted/short toddlers is one of the problems in the health sector that is currently being faced by the people of Indonesia. East Java Province has a stunting prevalence value of 26.8% based on data integration from the Ministry of Health and the Central Statistics Agency. This value is still relatively high because the minimum standard set by the World Health Organization (WHO) is 20%. Therefore, this study aims to contribute to solving the stunting problem in East Java Province by analyzing the factors that are predicted to affect the stunting prevalence rate based on published secondary data from surveys from several official and trusted institutions in the health sector. Supervised machine learning is an approach in making artificial intelligence that uses labeled data as training data. This approach is considered very suitable to be used in predicting the value of stunting prevalence in an area based on other relevant data. Previous studies on predicting the prevalence of stunting on average only used one supervised machine learning method and the secondary data used was only sourced from one survey source. The results showed that the causative factors that have a high correlation to the prevalence of stunting are not only low birth weight (BBLR), but also the Human Development Index, sanitation, and the Poor Population Index. In addition, several methods in supervised machine learning are also compared, namely, linear regression, support vector regression, and random forest regression. The support vector regression method in this study has a lower error value, namely 0.91 for MAE and 1.30 for MSE.
PREDICTION OF STUNTING PREVALENCE IN EAST JAVA PROVINCE WITH RANDOM FOREST ALGORITHM M. Syauqi Haris; Mochammad Anshori; Ahsanun Naseh Khudori
Jurnal Teknik Informatika (Jutif) Vol. 4 No. 1 (2023): JUTIF Volume 4, Number 1, February 2023
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2023.4.1.614

Abstract

Stunting or cases of failure to thrive in toddlers is one of the most serious health problems faced by the people of Indonesia. Based on data from the Ministry of Health and the Central Statistics Agency, East Java Province has a stunting prevalence value of 26.8% which is categorized as a high prevalence value according to the standards of the World Health Organization (WHO). Random forest is one of the machine learning algorithms in the field of artificial intelligence that can learn patterns from labeled data so that it can be used as a method for predicting or forecasting data. This approach is considered very suitable to be used in predicting the value of stunting prevalence because stunting prevalence data is usually accompanied by other data in the health sector according to survey results. Previous studies on the prediction of stunting prevalence used secondary data sourced from one survey only. Therefore, this study is one of the efforts to contribute in providing solutions for the stunting problem in East Java Province by combining several data from different surveys in the same year. The results of this study show that from 20 factor candidates for predicting stunting prevalence value, only 12 factors are suspected to be causative factors based on their correlation value. However, the prediction results obtained using the random forest algorithm in this study, with data consisting of 12 features and a dataset consisting of only 38 data, have results with error values of 1.02 in MAE and 1.64 in MSE that are not better than multi-linear regression which can produce smaller error values of 0.93 in MAE and 1.34 in MSE.
Penerapan Backpropagation Neural Network (BPNN) Untuk Prediksi Kecanduan Smartphone Pada Remaja Mochammad Anshori; M. Syauqi Haris; Wahyu Teja Kusuma
CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Vol 9 No 2 (2023): CICES
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cices.v9i2.2701

Abstract

COVID-19 caused by the coronavirus disease-2019 has spread rapidly and attacked massively. As a precaution, a lockdown policy was issued. This policy limits the activities of schools, offices, shops, prohibits traveling at certain times, maintains distance from one another and reduces crowds in the public. During the lockdown period resulted in a new lifestyle where the use of smartphones increased. This increase is based on the fact that smartphones have many functions such as information, communication, education and entertainment. But excessive use of smartphones can cause addictive effects, especially in adolescents. Excessive use of smartphones makes teenagers become insomniac, different social behavior, low self-confidence, and even anxiety. The complexity of anxiety symptoms in adolescents tends to be difficult to understand, therefore a prediction of smartphone addiction with backpropagation is proposed. Parameter testing is done to get the right artificial neural network architecture. The results of testing the parameters that have been carried out are iterations = 50, the number of neurons in the hidden layer = 9 and the learning rate = 0.3. With this model, an accuracy of 99.49%, TPR of 99.5% and FPR of 0.08% is obtained. Keywords—Backpropagation, Artificial Neural Network, Smartphone Addiction, Machine Learning, Neural Network COVID-19 yang disebabkan oleh coronavirus disease-2019 telah menyebar dengan cepat dan menyerang secara masif. Sebagai tindakan pencegahan maka dikeluarkan kebijakan lockdown. Kebijakan ini membatasi kegiatan sekolah, perkantoran, pertokoan, melarang bepergian dalam waktu tertentu, saling menjaga jarak dan mengurangi kerumunan di publik. Selama masa lockdown menghasilkan gaya hidup yang baru dimana kegunaan smartphone meningkat. Peningkatan ini didasari karena smartphone memiliki banyak fungsi seperti informasi, komunikasi, edukasi dan hiburan. Tetapi penggunaan smartphone yang berlebihan dapat menimbulkan efek candu khususnya pada remaja. Berlebihan dalam menggunakan smartphone membuat anak remaja menjadi insomnia, Tingkah laku pergaulan yang berbeda, kepercayaan diri yang rendah, bahkan kecemasan. Kompleksnya gejala kecemasan pada anak remaja cenderung sulit untuk dipahami, oleh karena itu diusulkan prediksi kecanduan smartphone dengan backpropagation. Pengujian parameter dilakukan untuk mendapatkan arsitektur jaringan syaraf tiruan yang tepat. Hasil pengujian parameter yang telah dilakukan adalah iterasi = 50, jumlah neuron pada hidden layer = 9 dan nilai learning rate = 0.3. Dengan model tersebut, maka didapatkan akurasi sebesar 99.49%, TPR sebesar 99.5% dan FPR sebesar 0.08%. Kata Kunci—Backpropagation, Jaringan Saraf Tiruan, Kecanduan Smartphone, Pembelajaran Mesin, Jaringan Saraf
PREDIKSI PASIEN DENGAN PENYAKIT KARDIOVASKULAR MENGGUNAKAN RANDOM FOREST Mochammad Anshori; Nindynar Rikatsih; M. Syauqi Haris
TEKTRIKA Vol 7 No 2 (2022): TEKTRIKA Vol.7 No.2 2022
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v7i2.5279

Abstract

Cardiovascular disease is one of the deadliest diseases in the world. This is evidenced by data released by WHO which shows around 18 million deaths. This disease causes the cessation of the heartbeat which is the main source of life for the human body.This disease is caused by various things including an unhealthy lifestyle. Examples are consuming cigarettes and alcohol. In addition, it is also caused by other factors, namely health problems such as high blood pressure, cholesterol, diabetes, depression, or anxiety. The cardiovascular disease tends to be difficult to cure, therefore a precise and accurate prediction is needed in diagnosing patients. One method of making predictions is using machine learning techniques. In machine learning, there are various methods that can be used, one of which is the decision tree-based method, namely random forest. Before the random forest is implemented to create a model, the data is pre-processed by normalizing and applying cross-validation with k-fold = 10. The prediction results with the random forest in this study provide an accuracy of 98%. This accuracy is higher when compared to previous studies with the same dataset, namely 96.75% using the ensemble method and 91.61% with logistic regression. On this basis, it proves that the random forest can be used to predict cardiovascular disease. Key Words: cardiovascular disease, tree model, random forest, machine learning.
Predicting Heart Disease using Logistic Regression Mochammad Anshori; M. Syauqi Haris
Knowledge Engineering and Data Science Vol 5, No 2 (2022)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um018v5i22022p188-196

Abstract

A common risk of death is caused by heart disease. It is critical in the field of medicine to be able to diagnose cardiac disease in order to adequately prevent and treat patients. The most accurate method of prediction has the potential to both extend the patient's life and reduce the severity of their cardiac disease. The use of machine learning is one approach that may be taken to generate predictions. In this study, patient medical record information was used in conjunction with an algorithm for logistic regression in order to make heart disease diagnoses. The outcomes of the logistic regression have been utilized to achieve a high level of accuracy in the prediction of heart disease. To get the model coefficients needed for the equation, the experiment uses an iterative form of the logistic regression test. Iteration 14 produced the best results, with an accuracy of 81.3495% and an average calculation time of 0.020 seconds. The best iteration was reached at that point. The percentage of space that lies beneath the ROC curve is 89.36%. The findings of this study have significant implications for the field of heart disease prediction and can contribute to improved patient care and outcomes. Accurate predictions obtained through logistic regression can guide healthcare professionals in identifying individuals at risk and implementing preventive measures or tailored treatment plans. The computational efficiency of the model further enhances its applicability in real-time decision support systems.
Perancangan Audio Murottal Al-qur’an Untuk Terapi Emosi Anak Autis Menggunakan Metode Human Centered Design Wahyu Teja Kusuma; Faurika; M. Syauqi Haris; Ahsanun Naseh Khudori
Jurnal Ilmu Komputer dan Desain Komunikasi Visual Vol 8 No 1 (2023): Journal of Computer Science and Visual Communication Design
Publisher : Fakultas Ilmu Komputer Universitas Nahdlatul Ulama Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55732/jikdiskomvis.v8i1.901

Abstract

One of the characteristics of autistic children or autism spectrum disorder (ASD) is having emotional disturbances. This underlies the design of audio-visual murotal Al-Qur'an as a therapeutic tool for children with autism. Indirectly, murotal Al-Qur'an can calm children's emotions. This study aims to design practical audio-visual-based media for autistic children. The method in this study combines the Human Centered Design (HCD) method, persona, and expert validation. This research cycle begins with pre-production, production to the final result in the form of an audio-visual media design for the emotional therapy of autistic sufferers. The design of the audio-visual media was tested using the expert validation method with functional testing so that the results of the audio-visual media design from this study were by the requirements.
DISEMINASI SOCIAL MEDIA MARKETING BAGI COFFEE SHOP DI DESA TAMANSARI, LICIN, BANYUWANGI Mochammad Anshori; M. Syauqi Haris; Risqy Siwi Pradini
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 4 No. 4 (2023): Volume 4 Nomor 4 Tahun 2023
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v4i4.18212

Abstract

Pengabdian masyarakat ini bertujuan untuk meningkatkan pengetahuan dan keterampilan para pemilik coffee shop di Tamansari, Banyuwangi, dalam menggunakan media sosial untuk pemasaran. Kegiatan ini dilakukan dengan memberikan pelatihan dan pendampingan dalam pembuatan dan pengelolaan akun media sosial, serta strategi pemasaran digital. Hasil kegiatan menunjukkan bahwa para pemilik coffee shop telah memiliki pemahaman yang baik tentang pentingnya media sosial untuk pemasaran. Namun, masih banyak yang perlu ditingkatkan dalam hal teknis pembuatan dan pengelolaan akun, serta strategi pemasaran digital. Melalui kegiatan ini, diharapkan para pemilik coffee shop dapat meningkatkan visibilitas dan daya saing bisnis mereka melalui media sosial. Berdasarkan hasil statistik dengan regresi linier terhadap pre dan pos tes, didapatkan nilai korelasi koefisien = 0,876457 yang berarti memiliki korelasi positif kuat. Presentase keberhasilan kegiatan ini sebesar 76,8% yang didapatkann dari nilai R square. Sedangkan nilai significance F = 0,000876, memiliki makna bahwa kegiatan diseminasi ini memiliki pengaruh secara signifikan karena nilai tersebut lebih dari batas ambang 0,05
Co-Authors Ahsanun Naseh Khudori Anwar, David Saiful Arif Wahyudi Bagus Prasetyo Abdi , Benben Basmalah Abirestu Maulisuriandhy Fatwa Ramdani, Fatwa Faurika Faurika, F Faurika, Faurika Ferdy Riza Firahmi Rizky Fita Rusdian Ikawati Geraldo, Tostes Herry Prasetyo Wibowo Hevlie Winda Nazry S Khofida, Nisa Marilia, Busatto Mika Debora Br Barus Mochamad Anshori Nindynar Rikatsih Nindynar Rikatsih Nugroho Teguh Yuono Risqy Siwi Pradini Saletia, Maria Claudia Tri Astoto Kurniawan Tri Astoto Kurniawan, Tri Astoto Wahyu Tejakusuma, Wahyu Zuli Agustina Gultom