Article Per Year (5 Year)
p-Index From 2021 - 2026
3.388
P-Index
This Author published in this journals
All Journal CARADDE: Jurnal Pengabdian Kepada Masyarakat Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) International Journal for Applied Information Management International Journal of Social Service and Research Nuansa Informatika Jurnal Indonesia : Manajemen Informatika dan Komunikasi Buffer Informatika Journal of Informatics and Interactive Technology (JIITE)
Tarwoto
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Public Health Social Sciences

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Analisis Sentimen Ulasan Aplikasi Mobile JKN di Google PlayStore Menggunakan IndoBERT Tarwoto; Rizki Nugroho; Najmul Azka; Wakhid Sayudha Rendra Graha
Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Vol 9 No 2 (2025): APRIL-JUNE 2025
Publisher : Lembaga Otonom Lembaga Informasi dan Riset Indonesia (KITA INFO dan RISET)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jtik.v9i2.3340

Abstract

This research analyzes the sentiment of JKN mobile app reviews on Google PlayStore using the IndoBERT model, a deep learning-based language model designed for Indonesian text. The research process involved review data collection, text pre-processing, and sentiment classification into three categories: positive, negative, and neutral. The results show that the model performs very well, with an average accuracy of 97.28% and best metrics of 98.27% on accuracy, precision, recall, and F1 score. The specific contribution of this research is the development of a deep learning-based approach for sentiment analysis of Indonesian texts, particularly in the health sector through mobile applications. The findings not only provide insight into user perceptions of the JKN app, but also provide a basis for feature improvements and service enhancements. The implications of this research can support developers in designing strategies to improve the quality of digital-based health services in Indonesia.
Perancangan Enterprise Architecture Pada Rumah Sakit Umum Harapan Ibu Purbalingga Menggunakan Framework TOGAF Elsa Ayunda Pratiwi; Annisa Suci Octavia; Adinda Arininta Loysiana; Falia Nur Afifah; Tarwoto
Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Vol 9 No 2 (2025): APRIL-JUNE 2025
Publisher : Lembaga Otonom Lembaga Informasi dan Riset Indonesia (KITA INFO dan RISET)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jtik.v9i2.3349

Abstract

The development of information technology (IT) is very important in improving the efficiency and quality of health services in public hospitals, such as RSU Harapan Ibu Purbalingga. The TOGAF framework (The Open Group Architecture Framework) offers a structured approach to designing, managing and implementing IT architecture. This research explores the application of TOGAF in IT infrastructure planning at RSU Harapan Ibu to improve operational efficiency and service quality. The methods used include IT requirements analysis, TOGAF-based architectural modeling, and architectural implementation evaluation. The research results show that implementing TOGAF can increase the speed of access to patient information and optimize hospital operations.
Implementasi Data Mining untuk Clustering Lowongan Pekerjaan Menggunakan Metode Algoritma K-Means Rifqi Mubarok; Akhmal Angga Syahputra; Abdillah Teguh Permana; Lifa Sholiah; Tarwoto
Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Vol 9 No 2 (2025): APRIL-JUNE 2025
Publisher : Lembaga Otonom Lembaga Informasi dan Riset Indonesia (KITA INFO dan RISET)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jtik.v9i2.3438

Abstract

The development of digital technology has transformed the way businesses recruit employees online. This study aims to create an interactive dashboard that facilitates job seekers and companies, using clustering methods with the K-Means algorithm to analyze job posting data in the United States. The data from the Kaggle LinkedIn Job Postings 2023 dataset, consisting of 33,000 records, is processed using the CRISP-DM phases: business understanding, data understanding, data preparation, modeling, evaluation, and deployment. The clustering analysis results in four job categories: low-mid-level general jobs, high-level executive jobs, time-based jobs, and mid-high-level professional jobs. Model evaluation shows good clustering quality with a Silhouette Coefficient of 0.78 and a Davies-Bouldin Index of 0.55. The developed dashboard helps companies plan recruitment and job seekers find positions matching their skills and salary expectations. The practical contribution of this study is modernizing the recruitment process, assisting companies and recruitment agencies in screening candidates more efficiently, and improving job matching through deeper data analysis.
Pengembangan Algoritma Support Vector Machine (SVM) untuk Mengklasifikasi Penyakit Diabetes Samsul Arifin; Raul Satria; Tarwoto
Journal of Informatics and Interactive Technology Vol. 1 No. 2 (2024): Agustus
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v1i2.39

Abstract

Diabetes Mellitus (DM) merupakan penyakit kronis yang ditandai dengan kadar gula darah tinggi dan berpotensi menimbulkan berbagai komplikasi serius, seperti serangan jantung, stroke, gagal ginjal, amputasi kaki, dan gangguan pada sistem saraf. Deteksi dini DM menjadi kunci untuk mencegah terjadinya komplikasi-komplikasi tersebut. Penelitian ini bertujuan mengembangkan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan DM berdasarkan data klinis pasien. Algoritma SVM bekerja dengan cara memisahkan data menjadi dua kelompok dengan mencari garis hyperplane yang optimal untuk mendapatkan hasil akurasi yang tinggi. Algoritma SVM dilatih dan diuji menggunakan data sekunder dari rekam medis pasien DM dan non-DM yang diperoleh dari Kaggle.com. Data ini mencakup berbagai variabel klinis yang relevan, seperti kadar glukosa darah, tekanan darah, indeks massa tubuh, dan lain-lain. Hasil dari penelitian menunjukkan bahwa algoritma SVM menghasilkan performa terbaik dengan akurasi 77,27%, dibandingkan dengan penelitian sebelumnya yang hanya mencapai akurasi 65%. Tentunya, ini menunjukkan potensi algoritma SVM sebagai alat bantu diagnosis DM yang lebih akurat dan efisien. Keberhasilan algoritma SVM dalam meningkatkan akurasi diagnosis DM sangat penting, mengingat deteksi dini dan pengelolaan yang tepat dapat mengurangi risiko komplikasi serius pada pasien. Selain itu, algoritma ini juga dapat diadaptasi dan ditingkatkan lebih lanjut untuk mencapai akurasi yang lebih tinggi, misalnya dengan menggunakan teknik pra-pemrosesan data yang lebih canggih atau dengan menggabungkan SVM dengan metode machine learning lainnya. Implementasi algoritma SVM yang lebih baik dapat membantu tenaga medis dalam pengambilan keputusan klinis yang lebih cepat dan tepat. pengembangan teknologi seperti SVM untuk deteksi dini DM dapat berdampak signifikan terhadap kesehatan masyarakat secara keseluruhan. Dengan diagnosis yang lebih cepat dan tepat, pasien dapat mendapatkan perawatan yang sesuai lebih awal, sehingga mengurangi beban penyakit dan meningkatkan kualitas hidup mereka.
Pelatihan Desain Produk Menggunakan Aplikasi Adobe Ilustrator Untuk Guru Dan Siswa Di SMK Miftahul Huda Rawalo Tarwoto; Eka Ardiya Putri; Dwi Puji Lestari
JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Vol. 5 No. 1 (2024)
Publisher : Politeknik Piksi Ganesha Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37339/jurpikat.v5i1.1619

Abstract

Pelajar memainkan peran kunci dalam proses pembelajaran, dengan media komputer sebagai alat interaksi yang memungkinkan mereka berkomunikasi tanpa perlu mengandalkan aplikasi tambahan. Pembelajaran saat ini cenderung menggunakan media, mengharuskan peran guru sebagai fasilitator untuk merancang model pembelajaran yang mandiri dan mendukung pemahaman materi di dalam dan di luar kelas. Penggunaan komputer oleh pelajar tidak hanya sebatas untuk memperoleh informasi, melainkan juga sebagai alat untuk mengekspresikan kreativitas digital. Pandemi COVID-19 telah mengubah dinamika pembelajaran dengan pembatasan sosial, mengakibatkan penerapan metode pembelajaran daring. Sekolah Menengah Kejuruan Miftahul Huda Rawalo, dengan fokus pada ketrampilan multimedia, dihadapkan pada tantangan ini. Pelatihan komputer desain grafis dianggap sebagai strategi untuk mengembangkan keterampilan multimedia grafis siswa, memberikan mereka kemampuan untuk membuat dan merancang desain sesuai keinginan, sekaligus memenuhi kebutuhan dari lingkungan sekolah.
Co-Authors Abdillah Teguh Permana Abid, Umar Abdul Adinda Arininta Loysiana Afifah, Falia Nur Afilda Trisetya Riziana Ahnaf Vanning AL-Haq Akhmal Angga Syahputra Akmal, Rafii Nur Al Raidhan, Muhammad Akhmal AL-Haq, Ahnaf Vanning Ali, Siti Saekhah Amanda Ayu Novitasari Anania, Zanela Anggraeni, Dea Lili Anindya Fidela Annisa Suci Octavia Aris Wijanarko Ariska Nurul Habibah Asha Nuril Jannah Astit Karmawati, Ita Audiana, Wini Az Zahra Dwi Nur Adiya Azka, Najmul Cahyaningrum, Fadhila Intan Dea Lili Anggraeni Deni Dwi Susilo Desty, Excel Ervinta Devi Yunita Saputri Dwi Puji Lestari Eka Ardiya Putri Elsa Ayunda Pratiwi Epa Latifah Fadillah, Septiya Nur Falia Nur Afifah Fauzan, Kiagus Rachmat Feishal Azriel Arya Putra Fidela, Anindya Graha, Wakhid Sayudha Rendra Hani, Zulfa Ummu Haqqi, Matsnan Heni Nurhaeni Ika Komalasari Irma Darmayanti Isroni Astuti Ita Yulita, Ita Khairunisa, Fitria Is’aaf Kodir Lifa Sholiah Loysiana, Adinda Arininta Megananda, Evelyn Gina Mubarok, Rifqi Muhammad Akhmal Al Raidhan Muhammad, Yudhistira Najmul Azka Nandang Hermanto Novitasari, Amanda Ayu Nugroho, Rizki Nur Adiya, Az Zahra Dwi Nurdianto, Imam Bayu Nurul Hidayati Octavia, Annisa Suci Permana, Abdillah Teguh Prakoso, Osara Gandang Pratama, Rizki Adhi Pratiwi, Aniec Anafisah Pratiwi, Elsa Ayunda Priyanti, Dika Rachman, Naura Farica Ragilah Ismiyati Rahayu, Syawalia Raul Satria Rifqi Mubarok Rizki Nugroho Rochmah, Lailatur Rouf, Erik Halma Safitri, Arisanti Dwi samsul arifin Santosa, Muhammad Wildan Saputri, Inka Selina Isni Setiasih Serli Sholiah, Lifa Sri Handayani Suryani Manurung Syahputra, Akhmal Angga Syawalia Rahayu Tanfitra, Adhim Tyastuti, Dwi Uthana Kalyana Mitha Wakhid Sayudha Rendra Graha Waluyo, Bibit Wini Audiana Zanela Anania Zulfa Ummu Hani