p-Index From 2020 - 2025
6.314
P-Index
This Author published in this journals
All Journal Teknika Jupiter PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Jurnal Informatika Jurnal Informatika Proceeding International Conference on Information Technology and Business International conference on Information Technology and Business (ICITB) Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) International Journal of Artificial Intelligence Research Jurnal CoreIT Prosiding Seminar Nasional Darmajaya Jurnal Sinergitas PkM & CSR Jurnal Teknologi Informasi MURA Jurnal Informasi dan Komputer IJISCS (International Journal Of Information System and Computer Science) Jurnal Tekno Kompak Building of Informatics, Technology and Science JPGMI (Jurnal Pendidikan Guru Madrasah Ibtidaiyah Al-Multazam) Jurnal Komunitas: Jurnal Pengabidian Kepada Masyarakat Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) Jurnal Pengabdian kepada Masyarakat Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Pengabdian Mandiri NEAR: Jurnal Pengabdian kepada Masyarakat SIENNA Jurnal Indonesia Sosial Sains Jurnal Ilmu Komputer, Sistem Informasi, Teknik Informatika (JILKOMSITI) Jurnal Ilmiah ESAI Jurnal Teknologi Informasi Mura Scientica: Jurnal Ilmiah Sains dan Teknologi Darma Diksani: Jurnal Pengabdian Ilmu Pendidikan, Sosial, dan Humaniora International Journal of Computer Technology and Science Journal of Computer Science and Informatics (JOCSI) Journal of Software Engineering And Technology IJISCS (International Journal of Information System and Computer Science)
Claim Missing Document
Check
Articles

Implementasi Sistem Integrasi Informasi Kompetensi Aparatur (SIISKA) Berbasis Web untuk Optimalisasi Pengembangan Kompetensi Pegawai di Disperindag Provinsi Lampung Ilhamiharja, Arbi; Yuliawati, Dona; Sutedi, Sutedi; Karnila, Sri
TEKNIKA Vol. 19 No. 3 (2025): Teknika September 2025
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.15567285

Abstract

Dinas Perindustrian dan Perdagangan Provinsi Lampung menghadapi kendala dalam pengelolaan data pengembangan kompetensi ASN yang masih dilakukan secara manual menggunakan Microsoft Word dan Excel, sehingga berdampak pada keterlambatan pelaporan, duplikasi data, dan rendahnya efisiensi kerja. Penelitian ini bertujuan mengembangkan Sistem Integrasi Informasi Kompetensi Aparatur (SIISKA) berbasis web untuk mendukung proses pendaftaran, pelaksanaan, dan pelaporan kegiatan coaching, mentoring, serta analisis kesenjangan jabatan secara terstruktur. Metode pengembangan yang digunakan adalah waterfall, dengan teknik pengumpulan data melalui wawancara, observasi, dan studi literatur. Sistem diuji menggunakan metode black-box. Hasil implementasi menunjukkan bahwa SIISKA mampu menurunkan waktu proses pendaftaran dari 2–3 hari menjadi kurang dari 1 jam, mengurangi tingkat kesalahan input dari 15% menjadi di bawah 3%, serta meningkatkan kepuasan pengguna hingga 85%. Sistem ini memberikan kontribusi nyata dalam digitalisasi pengelolaan kompetensi ASN secara efisien dan terintegrasi.
Pelatihan AI untuk Pariwisata Budaya Lokal dalam Proyek P5 Kurikulum Merdeka : Training on Utilizing AI Tools to Promote Local Cultural Tourism within the Pancasila Learner Profile Project (P5) of Merdeka Curriculum in Indonesia Karim, Arman Suryadi; Melda Agarina; Susanti, Susanti; Sutedi, Sutedi; Maulana, Muh Royan Fauzi; Purnomo, Hendri
DARMADIKSANI Vol 5 No 1 (2025): Edisi Juni
Publisher : Jurusan Pendidikan Bahasa dan Seni, FKIP, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/darmadiksani.v5i1.6808

Abstract

Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan potensi pengetahuan dan keterampilan siswa SMA dalam memanfaatkan kecerdasan buatan (AI) untuk mempromosikan pariwisata lokal sebagai bagian dari Projek Penguatan Profil Pelajar Pancasila (P5). Pelatihan yang diberikan berfokus pada penggunaan AI dalam pembuatan desain poster, video, audio, dan copywriting yang menarik. Hasil kegiatan ini menunjukkan bahwa pelatihan ini berhasil meningkatkan pemahaman siswa tentang konsep dan pengaplikasian AI, serta kemampuan mereka dalam menciptakan konten promosi yang kreatif dan relevan. Selain itu, pelatihan ini juga berkontribusi pada pengembangan Profil Pelajar Pancasila, khususnya pada dimensi berkarya dan berteknologi. Dengan demikian, kegiatan Pengabdian kepada Masyarakat ini menyoroti pentingnya integrasi teknologi AI dalam pendidikan guna mendukung pengembangan kompetensi abad ke-21 serta mendorong partisipasi aktif siswa dan dalam pembangunan daerah. Agar dampak kegiatan ini lebih berkelanjutan, disarankan adanya pendampingan lanjutan bagi siswa dan guru dalam pengembangan konten digital berbasis AI, serta kolaborasi dengan pemerintah daerah dan pelaku industri pariwisata untuk mempublikasikan hasil karya siswa secara lebih luas. Selain itu, pelatihan serupa dapat diperluas ke sekolah-sekolah lain di wilayah berbeda guna memperkuat kapasitas generasi muda dalam menghadapi tantangan era digital secara kreatif dan produktif.
Brain Tumor Auto Segmentation On 3D MRI Using Deep Neural Network Agarina, Melda; Maulana, Muh Royan Fauzi; Sutedi, Sutedi; Karim, Arman Suryadi
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 5 (2025): JUTIF Volume 6, Number 5, Oktober 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.5.5106

Abstract

Accurate and automated segmentation of brain tumours from Magnetic Resonance Imaging (MRI) is crucial for clinical diagnosis and treatment planning, yet it remains a significant challenge due to tumour heterogeneity and data imbalance. This research investigation examines the effectiveness of a 3D UNet architecture for the segmentation of brain tumours utilizing MRI imaging modalities. The research employs the BRATS 2021 dataset, which consists of 675 MRI datasets across four distinct imaging modalities (FLAIR, T1-Weighted, T1-Contrast, and T2-Weighted) and encompasses four distinct segmentation label classes. The employed model integrated soft dice loss and dice coefficient as its loss functions, with the objective of achieving convergence despite the presence of imbalanced data. While constraints related to resources limited the training process, the model yielded promising outcomes, exhibiting high accuracy (99.43%) and specificity (99.5%), The model aids medical professionals in understanding tumor growth and enhances treatment planning via segmentation predictions in surgery. Nevertheless, the sensitivity, particularly concerning non-enhancing tumour classes, persists as a significant challenge, underscoring the necessity for future research to concentrate on data-centric methodologies and enhanced pre-processing techniques to improve model efficacy in critical medical applications such as the segmentation of brain tumours.
Analisis Ulasan Pengguna Aplikasi Seabank Dengan Support Vector Machine Dan Naïve Bayes Adela, Cindy Nada; Karnila, Sri; Sutedi, Sutedi; Agarina, Melda
Jurnal Tekno Kompak Vol 18, No 2 (2024): AGUSTUS
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jtk.v18i2.4156

Abstract

Aplikasi perbankan digital seperti Seabank, telah menjadi bagian dari kebutuhan kehidupan saat ini. Diluncurkan pada Februari 2021 oleh PT Bank Seabank Indonesia, dan meraih popularitas yang signifikan. Penggunaan aplikasi ini menghasilkan sejumlah besar ulasan yang mencerminkan sentimen pengguna terkait dengan kinerja, layanan dan keamanan aplikasi. Memahami sentimen positif, netral, dan negatif dari ulasan pengguna. Seabank memungkinkan untuk mendapatkan wawasan tentang tingkat kepuasan pelanggan, kelemahan aplikasi, dan area perbaikan yang diperlukan. Untuk itu penting dilakukan analisis data dan klasifkikasi ulasan pengguna. Penelitian ini bertujuan mengetahui kinerja dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Naïve Bayes, dalam mengklasifikasikan sentimen ulasan pengguna. Pengujian dilakukan dengan menggunakan 3789 data, pembagian rasio 80% training dan 20% testing. Hasil pelabelan menunjukkan adanya 438 sentimen positif, 1379 sentimen netral, dan 77 sentimen negatif. Sedangkan hasil pelabelan oleh ahli bahasa menunjukkan jumlah 1100 sentimen positif, 308 sentimen netral, dan 486 sentimen negatif. Hasil pengujian akurasi menggunakan confusion matrix menunjukkan bahwa algoritma Support Vector Machine memiliki nilai akurasi tertinggi sebesar 63%, sedangkan algoritma Gaussian Naïve Bayes memiliki nilai terendah sebesar 30%. Dengan demikian, dapat disimpulkan bahwa model SVM lebih efektif dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Seabank daripada model Naïve Bayes.