Article Per Year (5 Year)
p-Index From 2021 - 2026
2.887
P-Index
This Author published in this journals
All Journal Jurnal Informatika Universitas Pamulang MIND (Multimedia Artificial Intelligent Networking Database) Journal Jambura Journal of Informatics Building of Informatics, Technology and Science Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Teknik Informatika (JUTIF) Jumat Informatika: Jurnal Pengabdian Masyarakat Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Scientific Student Journal for Information, Technology and Science Jurnal Buana Pengabdian Jurnal Informatika: Jurnal Pengembangan IT
Sukmawati, Cici Emilia
Universitas Buana Perjuangan Karawang
Religion Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Analisis Sentimen Rencana Penerapan Cukai Pada Minuman Manis Kemasan Menggunakan Algoritma Naive Bayes dan Logistic Regression Gozali, Gozali; Baihaqi, Kiki Ahmad; Sukmawati, Cici Emilia; Wahiddin, Deden
Building of Informatics, Technology and Science (BITS) Vol 7 No 1 (2025): June (2025)
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i1.7411

Abstract

The plan to impose excise tax on packaged sweetened beverages (PSB) is proposed as a strategic measure to reduce sugar consumption among the public. This policy has elicited various responses from society, especially on social media platforms such as TikTok. The purpose of this study is to evaluate public sentiment towards the PSB excise tax policy by analyzing comments posted on the TikTok platform, comparing the performance of the Naive Bayes and Logistic Regression algorithms. Data were collected from comments on news videos about the implementation of the excise tax on PSB posted by official journalist accounts on TikTok, using the TikTok Comments Scraper available on the apipy website, resulting in 1,332 comments. The data were processed through preprocessing steps including text cleaning, tokenization, stemming, and word weighting using TF-IDF. After expert sentiment labeling, the data were then split into training and testing sets with an 80:20 ratio. Evaluation was conducted using a confusion matrix to obtain performance metrics such as accuracy, precision, recall, and F1-score for each model. The analysis revealed that negative comments dominated at 65.2%, while positive comments accounted for 34.8%. The Logistic Regression algorithm achieved an accuracy of 81.37%, precision of 86.22%, recall of 75.14%, and an F1-score of 77.06%. Meanwhile, the Naive Bayes algorithm obtained an accuracy of 79.85%, precision of 82.19%, recall of 74.17%, and an F1-score of 75.76%. It can be concluded that the majority of TikTok users still express negative responses to the PSB excise tax policy, and the Logistic Regression algorithm demonstrates superior performance in sentiment classification compared to the Naive Bayes algorithm.
Perbandingan Algoritma K-Means dan DBSCAN Menggunakan Data Kunjungan Wisatawan Asing ke Indonesia di Masa Pandemi COVID-19 Muhamad Irfan Fadillah; Ayu Ratna Juwita; Cici Emilia Sukmawati
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pandemi Covid-19 berskala global yang telah terjadi selama beberapa tahun terakhir berpengaruh secara signifikan terhadap berbagai sektor. Pariwisata menjadi sektor yang paling terdampak oleh pandemi Covid-19 karena upaya menahan peningkatan jumlah orang yang terinfeksi dilakukan dengan membatasi pergerakan manusia, sehingga wisatawan asing tidak dapat leluasa bepergian ke luar negeri. Data yang tersedia di Badan Pusat Statistik (BPS) mengenai kunjungan wisatawan mancanegara ke Indonesia pada masa pandemi masih berupa data mentah dan belum diolah menggunakan bahasa pemrograman maupun melalui berbagai kajian ilmiah. Subjek penelitian ini berfokus pada permasalahan data pariwisata mancanegara tersebut. Berdasarkan rangkuman yang dilakukan dalam penelitian ini, penerapan algoritma K-Means dan DBSCAN memerlukan beberapa tahapan dalam pengolahan data pariwisata mancanegara, yaitu pengumpulan data, seleksi data, serta implementasi algoritma K-Means dan algoritma DBSCAN. Setelah hasil pengelompokan diperoleh, dilakukan evaluasi menggunakan metode Silhouette Coefficient. Hasil perhitungan evaluasi menunjukkan bahwa algoritma DBSCAN menghasilkan nilai Silhouette Coefficient sebesar 0,91962, yang lebih rendah dibandingkan dengan algoritma K-Means yang memiliki nilai sebesar 0,96234. Dengan demikian, dapat disimpulkan bahwa pada penelitian ini algoritma K-Means memiliki kinerja yang lebih baik dibandingkan algoritma DBSCAN dalam pengelompokan dataset kunjungan wisatawan mancanegara yang digunakan.
Penerapan Algoritma Support Vector Machine untuk Klasifikasi Penyakit Daun Tanaman Padi melalui Citra Irfan; Hanny Hikmayanti Handayani; Cici Emilia Sukmawati; Ahmad Fauzi
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertanian padi memiliki peran penting dalam perekonomian Indonesia, namun kerap terganggu oleh penyakit daun, seperti blast, blight, dan tungro. Penelitian ini mengembangkan metode klasifikasi citra daun padi menggunakan algoritma Support Vector Machine (SVM) untuk mendeteksi ketiga jenis penyakit tersebut. Penelitian ini menggunakan 240 data citra daun padi. Tahapan yang dilakukan meliputi prapemrosesan citra, seperti resizing, grayscale, peningkatan kontras, dan tahapan lainnya, dilanjutkan dengan ekstraksi fitur Local Binary Pattern (LBP), normalisasi data, serta validasi menggunakan metode 5-Fold Cross-Validation dengan kernel RBF. Model SVM yang dihasilkan mencapai akurasi sebesar 83,33%. Nilai precision dan recall masing-masing untuk penyakit blast adalah 81% dan 85%, blight sebesar 86,6% dan 97,5%, serta tungro sebesar 82,29% dan 67,5%. Nilai F1-score tertinggi diperoleh pada kelas blight sebesar 91,72%, sedangkan nilai terendah terdapat pada kelas tungro sebesar 74,34%. Meskipun akurasi yang diperoleh tergolong cukup tinggi, model masih mengalami kesulitan dalam mengenali penyakit tungro. Hal ini menunjukkan perlunya peningkatan metode pemrosesan data dan pengembangan pendekatan lanjutan agar kinerja klasifikasi dapat ditingkatkan.
Implementasi Algoritma Support Vector Machine dalam Klasifikasi Biji Jagung Berondong dan Biji Jagung Pakan Ayam Rini Beatrix Laurentzia; Sutan Faisal; Cici Emilia Sukmawati; Ahmad Fauzi
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 1 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jagung merupakan komoditas penting dalam sektor pangan dan pakan ternak, dengan varietas yang memiliki karakteristik fisik yang berbeda. Salah satu tantangan di lapangan adalah membedakan biji jagung berondong dan biji jagung pakan ayam secara akurat, terutama ketika perbedaan visual di antara keduanya sangat tipis. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi berbasis citra menggunakan algoritma Support Vector Machine (SVM) guna membedakan kedua jenis jagung tersebut. Dataset yang digunakan terdiri atas 400 citra biji jagung dengan dua kelas, yaitu jagung berondong dan jagung pakan ayam. Tahapan penelitian meliputi prapemrosesan citra, segmentasi, serta ekstraksi fitur menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dengan enam fitur utama, yaitu kontras, energi, homogenitas, korelasi, varians, dan dissimilarity. Model SVM diuji menggunakan beberapa jenis kernel, dan evaluasi dilakukan dengan confusion matrix. Hasil pengujian menunjukkan bahwa akurasi klasifikasi biji jagung berondong dan biji jagung pakan ayam menggunakan algoritma SVM mencapai 68,18% dengan pembagian data latih dan uji sebesar 80:20 serta menggunakan kernel polynomial. Nilai akurasi tersebut menunjukkan bahwa algoritma SVM belum cukup andal dalam melakukan klasifikasi, sehingga masih terdapat ruang untuk perbaikan, khususnya melalui proses tuning parameter SVM.
Prediksi Pendaftaran Calon Jamaah Haji di Kabupaten Karawang menggunakan algoritma Random Forest dan XGBoost Dimas Satrio; Sutan Faisal; Cici Emilia Sukmawati; Jamaludin Indra
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia sebagai negara dengan jumlah penduduk Muslim terbesar di dunia menghadapi tantangan dalam pengelolaan pendaftaran haji yang terus meningkat setiap tahunnya. Penelitian ini bertujuan untuk memprediksi jumlah pendaftaran haji menggunakan algoritma Random Forest dan XGBoost, yang dikenal memiliki tingkat akurasi yang tinggi dalam analisis data berskala besar dan bersifat nonlinier. Dengan menggunakan data historis pendaftaran haji, model ini dirancang untuk mengidentifikasi pola dan faktor-faktor utama yang memengaruhi jumlah pendaftaran. Hasil evaluasi model menunjukkan bahwa Random Forest memberikan performa yang jauh lebih unggul dibandingkan XGBoost, dengan nilai R-squared sebesar 0,93 yang menunjukkan kemampuan model dalam menjelaskan variasi data, serta nilai Mean Absolute Error (MAE) dan Mean Squared Error (MSE) yang lebih rendah. Sebaliknya, XGBoost menunjukkan performa yang kurang optimal dengan nilai R-squared sebesar 0,40. Temuan ini memberikan informasi penting bagi pemerintah untuk mengoptimalkan perencanaan dan pengelolaan kuota haji sehingga pelayanan kepada calon jamaah dapat menjadi lebih efisien dan tepat sasaran.
Komparasi Kinerja K-Means dan K-Medoids dalam Klasterisasi Kelompok Keluarga Berisiko Stunting Seluruh Desa di Jawa Barat Wildan Gusty Sakhril Amin; Ahmad Fauzi; Cici Emilia Sukmawati; Ayu Ratna Juwita
Scientific Student Journal for Information, Technology and Science Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Stunting merupakan masalah gizi kronis yang masih menjadi tantangan besar di Indonesia. Provinsi Jawa Barat memiliki prevalensi stunting sebesar 21,7%, sehingga menjadi provinsi dengan prevalensi stunting tertinggi kedua di Pulau Jawa. Untuk mendukung upaya pencegahan stunting, penelitian ini bertujuan mengelompokkan desa-desa di Jawa Barat berdasarkan kelompok keluarga berisiko stunting menggunakan algoritma K-Means dan K-Medoids, serta mengevaluasi performa kedua algoritma tersebut. Penelitian ini menerapkan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Hasil penelitian menunjukkan bahwa algoritma K-Means membentuk tiga klaster, yaitu klaster rendah sebanyak 5.196 desa, klaster sedang sebanyak 106 desa, dan klaster tinggi sebanyak 9 desa. Sementara itu, algoritma K-Medoids juga menghasilkan tiga klaster, yaitu klaster rendah sebanyak 5.196 desa, klaster sedang sebanyak 105 desa, dan klaster tinggi sebanyak 14 desa. Hasil evaluasi menunjukkan bahwa algoritma K-Means memiliki performa yang lebih baik dengan nilai Silhouette Score sebesar 0,9278 dan Davies–Bouldin Index (DBI) sebesar 0,9380 dibandingkan algoritma K-Medoids, yang memperoleh nilai Silhouette Score sebesar 0,9233 dan DBI sebesar 1,0699. Penelitian ini diharapkan dapat membantu pemerintah dalam menentukan prioritas intervensi stunting secara lebih tepat sasaran serta menjadi referensi dalam pengembangan metode klasterisasi menggunakan algoritma K-Means dan K-Medoids.
Kompetensi Digital Guru-Guru Pesantren Al-Kautsar Melalui Pelatihan Teknologi Pendidikan Cici Emilia Sukmawati; Ayu Ratna Juwita; Nurul Latifah; Nova Pustita Khairani
Jumat Informatika: Jurnal Pengabdian Masyarakat Vol. 6 No. 1 (2025): April
Publisher : LPPM Universitas KH. A. Wahab Hasbullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32764/abdimasif.v6i1.5633

Abstract

The digital literacy skills of teachers in Islamic boarding schools are still low, especially in the use of technology to support learning activities and academic administration. One of the challenges faced is the lack of skills in using word processing software to systematically compile teaching materials and academic documents. This community service aims to improve the digital competence of Islamic boarding school teachers through training in the use of word processing software. The method used is a participatory approach with stages of planning, implementation of training based on direct practice, and evaluation through pre-tests and post-tests. This activity involves Islamic boarding school teachers as the main participants who receive intensive training in document creation and formatting, table management, and the use of automation features such as mass mailings and tables of contents. The results of the community service show an increase in participants' skills in operating word processing software, as indicated by an increase in post-test scores compared to the pre-test. In addition, this training also resulted in significant social changes, such as increased digital literacy of teachers, the emergence of individuals who act as mentors for colleagues, and the adoption of technology in academic administration. This program proves that a direct practice-based approach is effective in improving the digital skills of Islamic boarding school teachers. For the sustainability of the program, it is recommended that there be further training, a mentoring system between teachers, and technological infrastructure support so that the implementation of digital skills can take place optimally and sustainably.
OPTIMASI PEMBELAJARAN DIGITAL: PENGEMBANGAN APLIKASI ELEARNING BERBASIS WEB UNTUK PENINGKATAN KUALITAS EDUKASI Adi Rizky Pratama; Ayu Ratna juwita; Tohirin Al Mudzakir; Cici Emilia Sukmawati; Teguh Budianto
JURNAL BUANA PENGABDIAN Vol. 8 No. 1 (2026): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/6v6ve850

Abstract

Pengembangan aplikasi e-learning berbasis web, dilaksanakan bersama Buana Online Course UBP Karawang, dengan tujuan meningkatkan kualitas edukasi. Kegiatan ini diadakan secara online pada bulan September, menjangkau hingga 2000 peserta. Fokus utama adalah pada pengembangan konten interaktif dan metode pembelajaran yang melibatkan diskusi kelompok dan webinar. Hasil kegiatan menunjukkan peningkatan pemahaman peserta terhadap sistem pembelajaran online dan pemanfaatan modul e-learning. Inisiatif ini juga berdampak positif terhadap peningkatan kapasitas institusi dan pengembangan keterampilan dosen dalam merancang materi pembelajaran online yang efektif.
Pelatihan Literasi Digital bagi Tenaga Kerja Perkebunan untuk Mendukung Transformasi Industri 4.0. Cici Emilia Sukmawati; Ayu Ratna Juwita; Adi Rizky Pratama; Elsa Elvira Awal
Jumat Informatika: Jurnal Pengabdian Masyarakat Vol. 7 No. 2 (2026): Agustus
Publisher : LPPM Universitas KH. A. Wahab Hasbullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32764/p4f3sq50

Abstract

Digital transformation in the Industry 4.0 era has encouraged various industrial sectors, including the plantation sector, to improve human resource competency in utilizing digital technology. However, the level of digital literacy among plantation workers remains relatively limited, hampering the optimization of technology utilization in administrative and reporting activities. This community service activity aims to improve the digital literacy of workers at PTPN Cisaruni Garut through practice-based training. The methods used include needs identification, training module design, training implementation and hands-on practice, as well as evaluation and mentoring. The activity was evaluated using pre- and post-tests to measure participants' understanding, and practical assessments to assess digital technology usage skills. This activity was attended by 25 participants, who are plantation workers. The evaluation results showed that the average pre-test score of 58.40 increased to 81.75 in the post-test, with an N-gain value of 0.56, which is included in the moderate category. In addition, more than 80% of participants were able to complete the practical tasks in the good category. These results indicate that the digital literacy training implemented was able to improve participants' knowledge and skills in utilizing digital technology to support reporting and administrative activities in the plantation work environment.
PEMBERDAYAAN MASYARAKAT MELALUI PENGUATAN PENGELOLAAN SAMPAH BERBASIS EKONOMI SIRKULAR DI DESA CILAMAYA Cipto Ramdhani Yusuf; Cici Emilia Sukmawati; Yuni Syifau Rohman
JURNAL BUANA PENGABDIAN Vol. 8 No. 2 (2026): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/ypf66d75

Abstract

Pengelolaan sampah rumah tangga di Desa Cilamaya masih menghadapi permasalahan berupa belum konsistennya pemilahan sampah dari sumber, keterbatasan pengelolaan, serta belum optimalnya pemanfaatan sampah sebagai sumber daya ekonomi. Kegiatan pengabdian kepada masyarakat ini bertujuan meningkatkan pengetahuan, keterampilan, dan partisipasi masyarakat dalam pengelolaan sampah berbasis ekonomi sirkular. Metode yang digunakan meliputi identifikasi kebutuhan, sosialisasi 3R, pelatihan dan praktik pengolahan sampah organik dan anorganik, penguatan Bank Sampah, pendampingan, serta monitoring dan evaluasi. Kegiatan melibatkan masyarakat, pengelola Bank Sampah, dan pemerintah desa. Hasil kegiatan menunjukkan adanya respons positif masyarakat terhadap program, peningkatan pemahaman mengenai pemilahan dan pengelolaan sampah, serta terbentuknya Bank Sampah sebagai sarana pengumpulan dan pemanfaatan sampah bernilai ekonomi. Pengolahan sampah organik melalui kompos dan eco enzyme serta pemanfaatan sampah anorganik melalui Bank Sampah memberikan peluang untuk mengurangi sampah yang dibuang sekaligus menciptakan nilai guna dan ekonomi. Keberlanjutan program masih memerlukan penguatan kelembagaan, peningkatan jumlah nasabah, konsistensi pemilahan, pencatatan, dan kerja sama dengan mitra pengolahan.
Co-Authors Abigael, Rakha Adi Rizky Pratama Ahmad Fauzi Amril Mutoi Siregar ARIF, SITI NOVIANTI NURAINI Ayu Ratna Juwita Baihaqi, Kiki Ahmad Bayu Prasetyo, Bayu Cipto Ramdhani Yusuf Damaiarta Tejayanda, Rigger Dimas Satrio Elsa Elvira Awal Faisal, Muhamad Agus Fitri Nur Masruriyah, Anis Gozali, Gozali Gumilar, Rizki Bintang Hanny Hikmayanti Handayani Iin Kurniawati Indra, Jamaludin Irfan Juwita, Ayu Ratna Khairani, Nova Pustita Mudzakir, Tohirin Al Muhamad Irfan Fadillah Nova Pustita Khairani Novalia, Elfina Novita, Hilda Yulia Nurmayanti, Trisya Nurul Latifah nurul latifah Pratama, Adi Rizky RAMADHAN, ANGGA RAMDA Rini Beatrix Laurentzia Rohana, Tatang Saputra, Arbi Niandi Siregar, Amril Mutoi Sutan Faisal Teguh Budianto Tejayanda, Rigger Damaiarta Wahiddin, Deden Wildan Gusty Sakhril Amin Yana Cahyana Yuni Syifau Rohman