Garuda - Garba Rujukan Digital

HOW TECHNOLOGY AFFECTING RESEARCHERS IN THE ERA OF GENERATIVE AI Yato, Dhimas Buing Rindi Widra; Zogara, Lukas Umbu; Suharmat, Asep
Scientific Journal of Information System Vol. 3 No. 1 (2025): Scientific Journal of Information System
Publisher : Universitas Utpadaka Swastika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70429/sjis.v3i1.175

In the rapidly evolving research landscape, generative AI is emerging as a transformative force. This study explores the multifaceted impacts of generative AI on researchers across various disciplines. By automating routine tasks, enhancing data analysis, and generating novel hypotheses, AI tools are significantly boosting productivity and opening new avenues for innovation. However, these advancements also present challenges, including ethical considerations, the need for transparency, and the potential for bias in AI-generated results. Moreover, the integration of AI into research demands the development of new skill sets, presenting both opportunities and risks for researchers. Drawing on recent studies, this article provides a comprehensive overview of how generative AI is reshaping the research landscape and highlights the critical dynamics researchers must navigate in this new era.

APPLICATION OF DATA MINING TECHNIQUES TO ANALYZE ATTENDANCE AND IMPROVE THE QUALITY OF CHINESE LEARNING Grace Limiko; Pupista, Orinda; Surahmat, Asep; Umbu Zogara, Lukas
Scientific Journal of Information System Vol. 3 No. 1 (2025): Scientific Journal of Information System
Publisher : Universitas Utpadaka Swastika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70429/sjis.v3i1.176

In the era of globalization, learning Chinese is increasingly important, but challenges such as low student attendance and learning quality are still significant problems. This article discusses the application of data mining techniques as a solution to analyze student attendance and improve the quality of Chinese learning. By collecting and analyzing attendance data from 200 students for one semester, through classification and visualization methods, this article identifies patterns that affect student attendance. The analysis results show that 65% of students who followed the interactive teaching method attended more than 80% of the total meetings, compared to only 40% of students who followed the traditional teaching method. In addition, it was found that 75% of students who received additional material for difficult topics experienced a 20% increase in average test scores compared to pre-intervention scores. Recommendations for improvement were made based on these findings, including adaptation of teaching methods and provision of supplementary materials. Through a case study of an educational institution that has successfully implemented this technique, this article shows that data mining can not only improve student attendance, but also significantly improve the quality of learning. This research is expected to encourage educational institutions to adopt data mining technology in an effort to improve students' learning experience.

A COMPARATIVE REVIEW OF CLUSTERING AND CLASSIFICATION ALGORITHMS FOR BIG DATA ANALYTICS Zogara, Lukas Umbu; Ningrum, Leny
Scientific Journal of Information System Vol. 3 No. 1 (2025): Scientific Journal of Information System
Publisher : Universitas Utpadaka Swastika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70429/sjis.v3i1.179

These days, there's so much data being created all the time. It’s honestly getting hard to keep up.That’s where data mining comes in. Basically, people use it to make sense of all this huge amount ofinformation, and there are two main ways to do it: clustering and classification. I found that there area bunch of algorithms for both, like K-Means, DBSCAN, and Hierarchical Clustering for clustering,and then there’s Decision Tree, Naïve Bayes, SVM, and Random Forest for classification. Each ofthese has its own strengths and weaknesses depending on the data you’re working with. The point ofthis paper was really to see how these algorithms perform and to give people an idea of which onemight work best depending on the situation. What we found is that no algorithm is perfect foreverything. So, choosing the right one really comes down to understanding the data and figuring outwhat you're trying to get out of it.

Peran Pendampingan Bimbingan Belajar dalam Mendukung Pendidikan Siswa SD dan SMP di Kelurahan Koang Jaya Umiyati, Hesti; Umbu Zogara, Lukas
Jurnal KKN Kuliah Kerja Nyata Pengabdian Masyarakat Vol. 2 No. 2 (2025): Jurnal Inovasi Gagasan Abdimas dan Kuliah Kerja Nyata
Publisher : IGAKERTA Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70234/74gzxw26

Kegiatan pendampingan bimbingan belajar merupakan salah satu upaya untuk mendukung peningkatan kualitas pendidikan bagi siswa SD dan SMP di Kelurahan Koang Jaya, Kota Tangerang. Program ini bertujuan membantu siswa dalam memahami materi pelajaran dan meningkatkan motivasi belajar. Dengan pendekatan pembelajaran interaktif dan personal, kegiatan ini memberikan dampak positif terhadap keaktifan dan prestasi siswa. Evaluasi yang dilakukan secara berkala menunjukkan adanya peningkatan dalam nilai akademik serta keterlibatan siswa selama proses belajar. Peran aktif pendamping, dukungan orang tua, dan antusiasme siswa turut mendukung keberhasilan program ini. Artikel ini mengulas pelaksanaan kegiatan, tantangan yang dihadapi, dan hasil yang diperoleh.

Kolaborasi Trisektor dalam Pengabdian Masyarakat: Mahasiswa, Kampus, dan Perusahaan Berbagi untuk Anak Yatim Umbu Zogara, Lukas; Umiyati, Hesti
Jurnal KKN Kuliah Kerja Nyata Pengabdian Masyarakat Vol. 2 No. 2 (2025): Jurnal Inovasi Gagasan Abdimas dan Kuliah Kerja Nyata
Publisher : IGAKERTA Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70234/jac9h882

Kegiatan pengabdian masyarakat ini lahir dari kebutuhan untuk meningkatkan kepedulian sosial terhadap anak yatim melalui kolaborasi trisektor antara mahasiswa, kampus, dan perusahaan. Tujuan utama kegiatan adalah menciptakan sinergi yang efektif demi memberikan manfaat optimal bagi anak yatim. Metode yang diterapkan adalah pendekatan kolaboratif dengan partisipasi aktif masing-masing sektor melalui perencanaan bersama, pelaksanaan, dan evaluasi kegiatan sosial. Hasil kegiatan menunjukkan adanya peningkatan kesejahteraan anak yatim yang signifikan serta penguatan hubungan antar sektor dalam pengabdian masyarakat. Kesimpulannya, kolaborasi trisektor ini merupakan model yang efektif dalam memberdayakan komunitas serta mengoptimalkan sumber daya di bidang sosial. Model ini layak dikembangkan lebih luas sebagai inovasi pengabdian masyarakat yang berkelanjutan.

Eksplorasi Social Media Mining Dalam Analitik Big Data: Metode Dan Implementasi Umbu Zogara, Lukas
Jurnal Sistem Informasi dan Teknologi Vol 5 No 2 (2025): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v5i2.168

Perkembangan big data terus menunjukkan peningkatan yang signifikan seiring dengan kemajuan teknologi Internet of Things (IoT). Salah satu perangkat yang paling umum digunakan dalam kehidupan sehari-hari adalah ponsel, terutama jenis smartphone. Melalui aplikasi media sosial yang tersedia di dalamnya, smartphone menjadi sumber utama penghasil data dalam jumlah besar setiap detik. Data yang dihasilkan ini banyak dimanfaatkan dalam berbagai penelitian yang berkaitan dengan analitik big data. Teknik analisis yang digunakan pun bervariasi tergantung pada jenis data dan tujuan studi. Penelitian ini bertujuan untuk mengulas konsep analitik big data, khususnya pada ranah social media mining, beserta teknik-teknik analisis yang digunakan. Pendekatan yang digunakan adalah studi literatur terhadap jurnal ilmiah dan buku yang relevan dengan topik ini. Berdasarkan hasil kajian, ditemukan bahwa media sosial berperan penting dalam menyuplai data yang dapat dimanfaatkan dalam pengambilan keputusan melalui analitik big data. Setiap teknik analitik memiliki keunggulan dan keterbatasan tersendiri, sehingga integrasi beberapa metode dianjurkan guna meningkatkan akurasi hasil analisis. Penelitian ini diharapkan dapat memperluas pemahaman pembaca yang tertarik pada bidang social media mining.

Model Prediksi Pembelian Properti: Menggunakan Analisis Data untuk Memahami Perilaku Konsumen Umbu Zogara, Lukas; Hasyanta, Gopas; Moh. Alfaujianto; Asep Surahmat
Journal Information & Computer Vol. 3 No. 2 (2025): Journal Information & Computer
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jicomisc.v3i2.48799

Penelitian ini bertujuan membangun model prediksi pembelian properti dengan pendekatan analisis data dan metode klasifikasi. Data dikumpulkan dari 125 responden yang mencakup informasi demografis, preferensi pembelian, serta faktor-faktor yang memengaruhi keputusan. Tiga algoritma klasifikasi digunakan: Decision Tree, Random Forest, dan Support Vector Machine (SVM). Hasil menunjukkan bahwa model Random Forest memberikan akurasi tertinggi sebesar 87%, diikuti oleh SVM (83%) dan Decision Tree (80%). Temuan ini mengidentifikasi lokasi, harga, dan reputasi pengembang sebagai tiga faktor utama dalam pengambilan keputusan pembelian. Hasil penelitian ini memberikan wawasan penting bagi pengembang dan agen properti untuk menyusun strategi pemasaran yang lebih tepat sasaran dan sesuai kebutuhan pasar. Penelitian ini juga menekankan potensi besar penerapan machine learning dalam memahami perilaku konsumen di industri properti..

Model Prediksi Pembelian Properti: Menggunakan Analisis Data untuk Memahami Perilaku Konsumen Umbu Zogara, Lukas; Hasyanta, Gopas; Moh. Alfaujianto; Asep Surahmat
Journal Information & Computer Vol. 3 No. 2 (2025): Journal Information & Computer
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jicomisc.v3i2.48799

Penelitian ini bertujuan membangun model prediksi pembelian properti dengan pendekatan analisis data dan metode klasifikasi. Data dikumpulkan dari 125 responden yang mencakup informasi demografis, preferensi pembelian, serta faktor-faktor yang memengaruhi keputusan. Tiga algoritma klasifikasi digunakan: Decision Tree, Random Forest, dan Support Vector Machine (SVM). Hasil menunjukkan bahwa model Random Forest memberikan akurasi tertinggi sebesar 87%, diikuti oleh SVM (83%) dan Decision Tree (80%). Temuan ini mengidentifikasi lokasi, harga, dan reputasi pengembang sebagai tiga faktor utama dalam pengambilan keputusan pembelian. Hasil penelitian ini memberikan wawasan penting bagi pengembang dan agen properti untuk menyusun strategi pemasaran yang lebih tepat sasaran dan sesuai kebutuhan pasar. Penelitian ini juga menekankan potensi besar penerapan machine learning dalam memahami perilaku konsumen di industri properti..

Eksplorasi Social Media Mining Dalam Analitik Big Data: Metode Dan Implementasi Umbu Zogara, Lukas
Jurnal Sistem Informasi dan Teknologi Vol 5 No 2 (2025): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v5i2.168

Perkembangan big data terus menunjukkan peningkatan yang signifikan seiring dengan kemajuan teknologi Internet of Things (IoT). Salah satu perangkat yang paling umum digunakan dalam kehidupan sehari-hari adalah ponsel, terutama jenis smartphone. Melalui aplikasi media sosial yang tersedia di dalamnya, smartphone menjadi sumber utama penghasil data dalam jumlah besar setiap detik. Data yang dihasilkan ini banyak dimanfaatkan dalam berbagai penelitian yang berkaitan dengan analitik big data. Teknik analisis yang digunakan pun bervariasi tergantung pada jenis data dan tujuan studi. Penelitian ini bertujuan untuk mengulas konsep analitik big data, khususnya pada ranah social media mining, beserta teknik-teknik analisis yang digunakan. Pendekatan yang digunakan adalah studi literatur terhadap jurnal ilmiah dan buku yang relevan dengan topik ini. Berdasarkan hasil kajian, ditemukan bahwa media sosial berperan penting dalam menyuplai data yang dapat dimanfaatkan dalam pengambilan keputusan melalui analitik big data. Setiap teknik analitik memiliki keunggulan dan keterbatasan tersendiri, sehingga integrasi beberapa metode dianjurkan guna meningkatkan akurasi hasil analisis. Penelitian ini diharapkan dapat memperluas pemahaman pembaca yang tertarik pada bidang social media mining.

The Impact of Knowledge Management Systems in Enhancing the Competitiveness of Retail Companies Muttaqi, Fajar; Zogara, Lukas Umbu; Alfaujianto, Moh.; Surahmat, Asep
Scientific Journal of Information System Vol. 3 No. 2 (2025): Scientific Journal of Information System
Publisher : Universitas Utpadaka Swastika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70429/sjis.v3i2.227

This study investigates the role of Knowledge Management System (KMS) implementation inenhancing the competitiveness of retail companies, with a specific focus on Lotte Mart Indonesia.Using a qualitative exploratory case study approach, the research collected data through in-depthinterviews, field observations, and company document analysis. The findings demonstrate that KMSaccelerates the flow of information, reduces duplication, and improves operational efficiency, therebyenabling better coordination among departments. Furthermore, KMS facilitates knowledge sharingand collaboration, which supports the development of service innovations and responsive marketingstrategies. Employees reported that the system allows faster access to documents, real-time inventorychecking, and more structured workflows. Beyond operational benefits, KMS contributes tostrengthening customer satisfaction through improved responsiveness and accurate informationdelivery. Additionally, KMS supports the company’s digital transformation by integrating internalsystems such as ERP, CRM, and e-commerce platforms. Overall, KMS functions not only as aknowledge repository but as a strategic enabler of sustainable competitive advantage in the retailsector.

Title

Found 21 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 21 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 21 Documents
Search