Article Per Year (5 Year)
p-Index From 2021 - 2026
5.383
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri Menara Riau: Jurnal Ilmu Pengetahuan dan Pengembangan Masyarakat Islam Infotech Journal Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Jurnal Pengabdian UntukMu NegeRI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Seminar Nasional Teknologi Informasi Komunikasi dan Industri INOVTEK Polbeng - Seri Informatika JITK (Jurnal Ilmu Pengetahuan dan Komputer) Dinamisia: Jurnal Pengabdian Kepada Masyarakat Sebatik ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) Journal of Education Informatic Technology and Science Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) IJISTECH KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) INOVTEK Polbeng - Seri Informatika Journal of Computer Science Artificial Intelligence and Communications Jurnal Ilmu Komputer dan Teknik Informatika Jurnal Pengabdian Masyarakat Berdampak
Eka Pandu Cynthia
UIN Sultan Syarif Kasim RIau
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 54 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 54 Documents
Search

 2   3   4   5   6 
Pengaruh Parameter Learning Rate terhadap Konvergensi Model Neural Network dalam Proses Pelatihan Chinthia, Maulidania Mediawati; Cynthia, Eka Pandu; Eka, Muhammad; Nursalisah, Febi
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 1 No. 1 (2025): Januari 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v1i1.45

Abstract

Dalam pengembangan model neural network, proses pelatihan memegang peranan kunci dalam menentukan kualitas generalisasi dan performa akhir model. Salah satu parameter paling krusial dalam proses pelatihan adalah learning rate, yang mengatur seberapa besar langkah pembaruan bobot dilakukan terhadap gradien fungsi kerugian. Penentuan nilai learning rate yang tepat sangat mempengaruhi kecepatan konvergensi serta stabilitas pembelajaran. Penelitian ini bertujuan untuk menganalisis secara teoritis dan eksperimental pengaruh variasi parameter learning rate terhadap konvergensi model neural network. Studi dilakukan dengan menggunakan dataset standar MNIST dan CIFAR-10 pada model multilayer perceptron (MLP) dan convolutional neural network (CNN). Parameter learning rate divariasikan dalam beberapa skenario, mulai dari sangat kecil (1e-5) hingga besar (1e-1), dan dievaluasi berdasarkan laju konvergensi, kestabilan loss, serta akurasi validasi. Hasil penelitian menunjukkan bahwa learning rate yang terlalu kecil menyebabkan proses pelatihan lambat dan berisiko terjebak dalam local minima, sementara learning rate yang terlalu besar menyebabkan fluktuasi signifikan bahkan divergensi. Ditemukan bahwa terdapat kisaran nilai learning rate optimal yang bersifat kontekstual terhadap arsitektur model dan karakteristik data. Selain itu, implementasi teknik penyesuaian dinamis seperti learning rate decay atau adaptive learning rate methods (misalnya Adam, RMSprop) secara signifikan membantu mempercepat konvergensi dan meningkatkan kestabilan pelatihan. Temuan ini menegaskan pentingnya pemilihan dan penyetelan learning rate yang tepat untuk menghindari permasalahan underfitting maupun overfitting, sekaligus memaksimalkan efisiensi pelatihan model neural network secara keseluruhan.
Peningkatan Literasi Digital Masyarakat Melalui Pelatihan Pemanfaatan Google Workspace Mardiah; Cynthia, Eka Pandu; Chinthia, Maulidania Mediawati; Rizki, Cindy Atika; Khairuniza, Nabila
Jurnal Pengabdian Masyarakat Berdampak Vol. 1 No. 1 (2025): Januari 2025
Publisher : Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jupemba.v1i1.35

Abstract

Pemanfaatan teknologi digital yang optimal menjadi kunci dalam mendorong kemajuan masyarakat desa di era informasi. Namun, rendahnya literasi digital masih menjadi tantangan di banyak wilayah, termasuk Desa Cinta Rakyat. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan literasi digital warga melalui pelatihan pemanfaatan Google Workspace, yang mencakup layanan seperti Gmail, Google Drive, Google Docs, Google Sheets, dan Google Meet. Metode pelaksanaan mencakup pendekatan partisipatif melalui penyuluhan, demonstrasi langsung, dan praktik terarah yang melibatkan perangkat desa, pemuda, dan masyarakat umum. Hasil kegiatan menunjukkan peningkatan pemahaman dan keterampilan peserta dalam menggunakan layanan Google Workspace untuk keperluan komunikasi, pengelolaan data, serta kolaborasi daring. Selain itu, pelatihan ini juga mendorong terbentuknya kebiasaan kerja yang lebih produktif dan efisien di lingkungan masyarakat desa. Dengan meningkatnya literasi digital, masyarakat Desa Cinta Rakyat diharapkan mampu memanfaatkan teknologi secara bijak dan mandiri, serta lebih siap menghadapi tantangan era digital. Kegiatan ini membuktikan bahwa pendekatan pelatihan berbasis kebutuhan lokal dengan alat digital yang relevan mampu memberikan dampak nyata dalam pemberdayaan masyarakat.
Peningkatan Keterampilan Teknologi Digital untuk Siap Kerja di Era Global Memanfaatkan Pembelajaran Hybrid Cynthia, Eka Pandu; Chinthia, Maulidania Mediawati; Permana, Inggih; Nursalisah, Febi; Aprijon
Jurnal Pengabdian Masyarakat Berdampak Vol. 1 No. 2 (2025): Mei 2025
Publisher : Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jupemba.v1i2.37

Abstract

Perkembangan teknologi digital yang pesat menuntut generasi muda untuk memiliki keterampilan yang adaptif, kritis, dan siap pakai dalam menghadapi tantangan dunia kerja global. Namun, masih banyak peserta didik yang mengalami kesenjangan keterampilan digital, baik dari sisi penguasaan perangkat lunak, komunikasi digital, hingga pemanfaatan platform kolaboratif. Penelitian ini bertujuan untuk mengidentifikasi dan meningkatkan keterampilan teknologi digital generasi muda melalui pendekatan pembelajaran hybrid sebagai strategi yang adaptif terhadap kebutuhan zaman. Metode yang digunakan adalah studi tindakan (action research) dengan melibatkan 60 peserta dari lembaga pelatihan vokasi yang mengikuti program selama delapan minggu. Pembelajaran dilakukan dengan kombinasi sinkron (tatap muka dan daring langsung) dan asinkron (modul dan video mandiri), serta penilaian berbasis proyek. Hasil penelitian menunjukkan bahwa pendekatan hybrid secara signifikan meningkatkan kemampuan peserta dalam mengoperasikan teknologi produktivitas (Google Workspace, Canva, Trello), berkomunikasi secara profesional di ruang digital, serta berpikir kritis dalam memecahkan masalah berbasis teknologi. Evaluasi pre-test dan post-test menunjukkan peningkatan skor rata-rata sebesar 38%. Selain itu, peserta melaporkan peningkatan kepercayaan diri dalam menghadapi wawancara kerja daring, menyusun portofolio digital, dan melakukan presentasi virtual. Penelitian ini menyimpulkan bahwa model pembelajaran hybrid yang dirancang secara kontekstual dapat menjadi solusi efektif untuk menjembatani gap keterampilan digital sekaligus menyiapkan generasi muda yang lebih kompeten, adaptif, dan siap bersaing di era global. Rekomendasi diberikan untuk integrasi kurikulum digital secara menyeluruh di lembaga pendidikan dan pelatihan kerja.
Application of Machine Learning for Classifying and Identifying Security Threats Using a Supervised Learning Algorithm Approach Arta, Yudhi; Mohamad Samuri, Suzani; Syafitri, Nesi; Hanafiah, Anggi; Oktaria, Wina; Maripati, Maripati; Pandu Cynthia, Eka
INOVTEK Polbeng - Seri Informatika Vol. 10 No. 3 (2025): November
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/aqjdbj22

Abstract

The rapid growth of harmful web content has intensified the demand for intelligent systems capable of accurately classifying cyber threats based on URL patterns. This study evaluates two widely used supervised learning algorithms, Random Forest and Naïve Bayes, for probabilistic classification of multi-class URL datasets. A synthetic dataset comprising 547,775 URLs was designed to reflect realistic threat distribution: benign (65.74%), phishing (14.46%), defacement (14.81%), and malware (4.99%). Each sample included simple structural features such as URL length, number of dots, HTTPS usage, and keyword indicators. Both models were tested using identical stratified train-test splits with varying sample sizes, including focused experiments on 15,000 and 100,000 entries. Results revealed that both models achieved high recall and precision only for the benign class, while failing to detect minority classes. For Random Forest, precision and recall for benign URLs reached 1.00 but dropped to 0.00 for phishing, defacement, and malware in all test scenarios. Naïve Bayes exhibited similar shortcomings, highlighting the impact of class imbalance and limited feature expressiveness. This research concludes that while Random Forest and Naïve Bayes are computationally efficient, they are inadequate for detecting cyber threats without preprocessing techniques such as SMOTE, cost-sensitive learning, or feature enrichment. Future work will explore adaptive hybrid models with contextual features and deep learning frameworks to enhance multi-class detection in real-world cybersecurity scenarios.
Co-Authors Adi Mustofa Afriyanti, Liza Ahyani Junia Karlina Alwis Nazir Anggi Pranata Anwar Alfaruqi Sipayung Aprijon Ardiansyah Saputra Arifandy, M. Imam Baehaqi Batubara, Supina Budianita , Elvia Chinthia, Maulidania Mediawati Dicky Abimanyu Dina Septiawati Edi Ismanto Effendi, Noverta Eka, Muhammad Elin Haerani Elvia Budianita Fadhilah Syafria Febi Yanto Fikri, Mhd Ikhsanul Fitra Kurnia Fitri Insani Fitri Wulandari Fitriani Muttakin Fitriani Muttakin Gultom, Imeldawaty Gusti, Siska Kurnia Hammam Zaki Hanafiah, Anggi Harahap, Ramadhan Hasdi Radiles Iis Afrianty Inggih Permana Intan Eria Elfi Iwan Iskandar Iwan Iskandar Jannata, Nanda Januar Al Amien Jasril Jasril Jeki Dwi Arisandi Khairuniza, Nabila Lestari Handayani M Imam Arifandy M. Afdal M. Afdal M. Afif Rizky A. M. Imam Arifandy Mardiah Maripati, Maripati mohamad samuri, suzani Muhammad Affandes Muhammad Amin Muhammad Fikry Muhammad Hasanuddin, Muhammad Muhammad Irsyad Muhammad Khairy Dzaky Muhammad Ridha MUHAMMAD YUSUF Muhammad Zen, Muhammad Mulyati, Sabar Mushlihul Afif Nazaruddin Nazaruddin Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H Novi Yanti Novi Yanti nursalisah, febi Octadino Hariyadi Okfalisa Okfalisa Oktaria, Wina Pizaini Pizaini Putra, Randi Rian Rahmad Al Rian Rahmat Al Hafiz Rahmawati Raihan Mahdy Reski Mai Candra Ritonga, Sinta Wahyuni Rizki, Cindy Atika Roni Setyawan Rusmin Saragih, Rusmin Sarbaini Sarbaini Sinaga, Ayu Puspita Sari Siti Ramadhani Sugandi, Hatami Karsa Sulistia Ningsih, Sulistia Surya Agustian Suwanto Sanjaya Syafitri, Nesi Syaifullah Syaifullah Yelfi Yelfi Yelvi Fitriani Yelvi Fitriani Yelvi Vitriani Yenggi Putra Dinata Yudhi Arta, Yudhi Yusra Yusra . Yusra Yusra Yusra Yusra Yusra, Yusra Zulham Zulham