Article Per Year (5 Year)
p-Index From 2021 - 2026
1.578
P-Index
This Author published in this journals
All Journal Jurnal Algoritma Sinkron : Jurnal dan Penelitian Teknik Informatika JurTI (JURNAL TEKNOLOGI INFORMASI) Jurnal Teknologi Sistem Informasi dan Aplikasi Informatik : Jurnal Ilmu Komputer Jurnal Pengabdian Dharma Laksana Technologia: Jurnal Ilmiah Jurnal Algoritma LEBAH Jurnal Informatika: Jurnal Pengembangan IT
Kharisma Wiati Gusti
Universitas Pembangunan Nasional Veteran Jakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy 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 Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Edukasi Sustainable Development Goals (SDGs) sebagai Upaya Meningkatkan Kesadaran Mahasiswa terhadap Pembangunan Berkelanjutan Hengki Tamando Sihotang; Fristi Riandari; Wildan Alrasyid; Jonson Manurung; Kharisma Wiati Gusti; Ezra Natasya.S; Yudistira Alif Raditya; Dahayu Annisa Nathania
Lebah Vol. 19 No. 6 (2026): July: Pengabdian
Publisher : IHSA Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/lebah.v19i6.594

Abstract

Sustainable Development Goals (SDGs) merupakan agenda pembangunan global yang bertujuan mewujudkan pembangunan berkelanjutan melalui 17 tujuan utama yang mencakup aspek sosial, ekonomi, dan lingkungan. Perguruan tinggi memiliki peran strategis dalam meningkatkan literasi SDGs di kalangan mahasiswa sebagai agen perubahan. Kegiatan Pengabdian kepada Masyarakat (PKM) ini bertujuan meningkatkan pemahaman mahasiswa mengenai konsep dan implementasi SDGs melalui kegiatan sosialisasi daring. Kegiatan dilaksanakan pada 05 Juni 2026 melalui Zoom Meeting dengan melibatkan 300 mahasiswa Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jakarta. Metode yang digunakan meliputi tahap persiapan, sosialisasi, diskusi, dan evaluasi menggunakan instrumen pre-test dan post-test. Hasil kegiatan menunjukkan adanya peningkatan pemahaman pada seluruh indikator yang diukur. Rata-rata pemahaman peserta meningkat dari 47,0% pada saat pre-test menjadi 90,3% pada saat post-test dengan peningkatan sebesar 43,3%. Hasil ini menunjukkan bahwa sosialisasi SDGs efektif dalam meningkatkan literasi pembangunan berkelanjutan dan kesadaran mahasiswa terhadap Agenda 2030
Perbandingan Metode Support Vector Machine dan Logistic Regression untuk Klasifikasi Bencana Alam Kharisma Wiati Gusti
Informatik : Jurnal Ilmu Komputer Vol 19 No 2 (2023): Agustus 2023
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v19i2.6355

Abstract

Media sosial, terutama Twitter, telah menjadi sumber penting untuk memantau dan merespons bencana alam. Klasifikasi teks dapat membantu mengidentifikasi pesan yang terkait dengan bencana alam di twitter. Penelitian ini membandingkan kinerja dari dua metode klasifikasi: Support Vector Machine, dan Logistic Regression. Dataset yang digunakan berisi sejumlah tweet yang dikategorikan secara manual menjadi tiga kelas, yaitu darurat, non darurat dan tidak relevan. Pra-pemrosesan data dilakukan untuk membersihkan teks, menghapus tautan dan karakter tertentu, tokenisasi dan normalisasi. Selanjutnya, representasi vektor Word2vec digunakan untuk mengekstraksi fitur yang terkait. Guna mengatasi ketidakseimbangan kelas pada dataset dilakukan teknik untuk mensintesis sampel baru menggunakan metode Synthetic Minority Over-sampling Technique (SMOTE). Model klasifikasi dilatih menggunakan dataset yang telah diolah dengan menggunakan Support Vector Machine, dan Logistic Regression. Kinerja kedua metode dievaluasi menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa SVM memiliki akurasi 80,41% dengan atau tanpa menggunakan metode SMOTE. Sedangkan metode Logistic Regression memiliki akurasi 63,36% tanpa SMOTE dan 70,74% dengan menggunakan SMOTE. Sehingga didapatkan bahwa metode Support Vector Machine memberikan hasil terbaik yaitu akurasi sebesar 80.41%. Penggunaan metode SMOTE tidak terlalu berpengaruh ketika menggunakan metode SVM, sedangkan dalam Logistic Regression pengguanaan SMOTE cukup berpengaruh, dengan memberikan kenaikan akurasi sebesar 28,26%. Penelitian ini dapat membantu dalam pengambilan keputusan darurat dan pemantauan bencana alam di media sosial.
Co-Authors Asri Mulyani Bambang Saras Yulistiawan Capri, Hary Dahayu Annisa Nathania DENI SETIAWAN Ezra Natasya.S FITRIANI, PIPIT Fristi Riandari Hengki Tamando Sihotang Herbawani, Chahya Kharin Ilmi, Ibnu Malkan Bakhrul Jonson Manurung Luthfi Nurwandi Musthofa Galih Pradana Niqotaini, Zatin Nurul Afifah Arifuddin Ridwan Setiawan Rifka Dwi Amalia Rinda Cahyana Sintha Fransiske Simanungkalit Titan Parama Yoga Widayani Wahyuningtyas Wildan Alrasyid Yudistira Alif Raditya Zaidiah, Ati