Article Per Year (5 Year)
p-Index From 2021 - 2026
3.428
P-Index
This Author published in this journals
All Journal Sainteks Jurnal Ilmiah Ekonomi Islam Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Justek : Jurnal Sains Dan Teknologi NUSANTARA : Jurnal Ilmu Pengetahuan Sosial CYBERNETICS BULETIN AL-RIBAATH GERVASI: Jurnal Pengabdian kepada Masyarakat Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Journal of Innovation Information Technology and Application (JINITA) JUTECH : Journal Education and Technology Jurnal Media Informatika Jurnal Nasional Teknik Elektro dan Teknologi Informasi Journal of Artificial Intelligence and Engineering Applications (JAIEA) SmartComp Jurnal Komputer, Informasi dan Teknologi TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Sucipto
Teknik Informatika Universitas Muhammadiyah Pontianak
Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Social Sciences Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
PELATIHAN JURNALISTIKA MENINGKATKAN MAHASISWA DALAM MEDIA MASSA, MEDIA SOSIAL BAGI ORGANISASI MAHASISWA UNIVERSITAS MUHAMMADIYAH PONTIANAK Barry Ceasar Octariadi; Sucipto; Alya Amanda Putri
GERVASI: Jurnal Pengabdian kepada Masyarakat Vol. 10 No. 1 (2026): GERVASI: Jurnal Pengabdian Kepada Masyarakat
Publisher : LPPM IKIP PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/gervasi.v10i1.10664

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan pemahaman dan keterampilan mahasiswa dalam bidang jurnalistika, khususnya dalam penulisan berita serta pemanfaatan media massa dan media sosial sebagai sarana publikasi organisasi. Metode yang digunakan adalah Participatory Action Research (PAR) dengan tahapan identifikasi masalah, perencanaan, pelaksanaan, evaluasi, dan refleksi. Sasaran kegiatan adalah mahasiswa organisasi mahasiswa (ORMAWA) Universitas Muhammadiyah Pontianak. Hasil pre-test menunjukkan bahwa 60% peserta belum memahami konsep dasar jurnalistik dan teknik pembuatan konten. Setelah pelatihan, hasil post-test menunjukkan peningkatan pemahaman yang signifikan dengan rata-rata mencapai 96%. Selain itu, evaluasi penyajian materi menunjukkan bahwa 75% peserta menilai pada kategori memuaskan hingga sangat baik, 15% sangat baik, dan 15% cukup, tanpa adanya penilaian negatif. Hal ini menunjukkan bahwa metode pelatihan yang digunakan efektif. Dengan demikian, kegiatan ini mampu meningkatkan kompetensi jurnalistik mahasiswa serta mendukung pengelolaan informasi organisasi secara lebih profesional dan informatif.
SISTEM PENDUKUNG KEPUTUSAN EVALUASI KINERJA UNTUK PEMILIHAN PEGAWAI TERBAIK MENGGUNAKAN METODE ROC DAN SAW Diky Pratama; Syarifah Putri Agustini Alkadri; Sucipto
Jurnal Media Informatika Vol. 7 No. 1 (2026): Edisi Januari - Februari
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v7i1.8001

Abstract

Penilaian pegawai bertujuan untuk memilih pegawai terbaik guna meningkatkan semangat kerja. Namun, pemberian reward sering kali tidak tepat sasaran, menyebabkan cemburu sosial dan diskriminasi. Permasalahan ini disebabkan oleh aspek penilaian yang kurang terukur, hanya berdasarkan perilaku, sasaran kerja, dan job description. Untuk memperbaiki hal ini, diperlukan sistem pendukung keputusan menggunakan metode ROC (Rank Order Centroid) dan SAW (Simple Additive Weighting) untuk pemilihan pegawai terbaik di Perumda AMGP Kota Singkawang. Sistem ini menggunakan 12 kriteria dalam 4 aspek penilaian: kesesuaian target, pencapaian target, target laporan, pengetahuan kerja, tanggung jawab, kejujuran, kerja sama tim, kehadiran, loyalitas, kerapian, kesesuaian kinerja, dan pencapaian instruksi tambahan. Hasil perhitungan dengan ROC dan SAW menempatkan Budiman di peringkat pertama dengan nilai preferensi 0.9212, diikuti oleh Bornez (0.8968) dan Agus Aryadin (0.8965). Pengujian dengan confusion matrix menunjukkan akurasi 100%. Sistem ini diharapkan dapat merekomendasikan pegawai terbaik secara tepat sasaran dan tidak terjadi lagi cemburu sosial.
Klasifikasi Penyakit Kanker Paru-Paru Menggunakan Metode Decision Tree C4.5 Khorlis Jainudin; Asrul Abdullah; Sucipto Sucipto
Justek : Jurnal Sains dan Teknologi Vol 8, No 3 (2025): September
Publisher : Unversitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/justek.v8i3.31981

Abstract

The incidence of lung cancer in Indonesia has shown a significant increase, positioning the country as the eighth highest in Southeast Asia, with a growth rate of 10.85% over the past five years. A considerable number of lung cancer cases remain undiagnosed at earlier stages due to difficulties in detection, which contributes to the high mortality rate associated with this disease. Consequently, there is a need for a relatively efficient and straightforward technique to uncover knowledge, patterns, and interrelationships among data. The objective of this study is to develop a classification model for lung cancer using the C4.5 decision tree method and to evaluate its predictive performance. The methodology comprises several stages, including data preprocessing, exploratory data analysis (EDA), handling of missing values, identification of duplicate records, assessment of feature correlations, separation of features and target variables, partitioning of data into training and testing sets, model implementation, and performance evaluation through a confusion matrix. The experimental results demonstrate that the proposed model achieves a recall of 90%, a precision of 86%, an F1-score of 88%, and an overall accuracy of 89%. These findings indicate that the C4.5 decision tree method is effective in classifying lung cancer cases and holds potential as a reliable approach in medical data analysis for early detection and diagnosis.
Penggunaan Information Retrieval untuk Mendeteksi Kesamaan Judul Skripsi dengan Modified Cosine Similarity Sri Wahyuni; Asrul Abdullah; Sucipto Sucipto
Justek : Jurnal Sains dan Teknologi Vol 8, No 2 (2025): Juni
Publisher : Unversitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/justek.v8i2.30146

Abstract

Abstract:  This research develops a web-based system to detect the similarity of thesis titles using the Modified Cosine Similarity method and TF-IDF weighting. This system helps students in evaluating the similarity of titles automatically, so as to avoid plagiarism and increase the originality of research. The process used includes text preprocessing (case folding, tokenizing, stopword removal, stemming), TF-IDF calculation for word weighting, and the use of Modified Cosine Similarity to measure the level of similarity between titles. The test results show that the system is able to identify the similarity of titles with a 100% recall rate, where titles with >70% similarity need to be revised, 31%-70% similarity can be clarified by adding words, and ≤30% similarity is potentially accepted as an original title. With this implementation, it is expected that students can more easily determine a thesis title that is unique and in accordance with academic standards.Abstrak: Penelitian ini mengembangkan sistem berbasis web untuk mendeteksi kemiripan judul skripsi menggunakan metode Modified Cosine Similarity dan pembobotan TF-IDF. Sistem ini membantu mahasiswa dalam mengevaluasi kemiripan judul secara otomatis, sehingga dapat menghindari plagiarisme dan meningkatkan orisinalitas penelitian. Proses yang digunakan meliputi text preprocessing (case folding, tokenizing, stopword removal, stemming), perhitungan TF-IDF untuk pembobotan kata, dan penggunaan Modified Cosine Similarity untuk mengukur tingkat kemiripan antar judul. Hasil pengujian menunjukkan bahwa sistem mampu mengidentifikasi kemiripan judul dengan tingkat recall 100%, di mana judul dengan kemiripan >70% perlu direvisi, kemiripan 31%-70% dapat diperjelas dengan penambahan kata, dan kemiripan ≤30% berpotensi diterima sebagai judul orisinil. Dengan implementasi ini, diharapkan mahasiswa dapat lebih mudah menentukan judul skripsi yang unik dan sesuai dengan standar akademik.
Co-Authors Aldi Mulia Rismanto Alya Amanda Putri Arfiyan, Fandika Roinaldi Arochman Asrul Abdullah Atta Tha Ariq Barry Caesar Octariadi Barry Ceasar Octariadi Dedy Susanto Diky Pratama Dunga Triandri Fadillah Bergas Fenni Supriadi Friska Dwi Choirunisa Gebby Gisela Istikoma Khorlis Jainudin M. Khairul Anwari Menur Wahyu Pangestika, Menur Wahyu Muhammad Hendri Rachmat Wahid Saleh Insani Rachmat Wahid Saleh Insani Ria Maisya Syarifah Sinta Rama Dani Sri Wahyuni Syahril Arsad Syarifah Putri Agustini Alkadri Ya' Ilham Eka Saputra Yulrio Brianorman