Article Per Year (5 Year)
p-Index From 2021 - 2026
2.737
P-Index
This Author published in this journals
All Journal Indonesian Journal on Computing (Indo-JC) Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Building of Informatics, Technology and Science Jurnal Pengabdian kepada Masyarakat Nusantara Charity : Jurnal Pengabdian Masyarakat Indonesian Community Journal Jurnal Pengabdian Masyarakat Akademisi eProceedings of Engineering Jurnal Abdimas UM Jambi Proceeding of Community Service and Engagement
Selly Meliana
Telkom University
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
PEMBANGUNAN LEARNING MANAGEMENT SYSTEM UNTUK CODING CLUB DI SMP AL AZHAR SYIFA BUDI PARAHYANGAN Abdullah Hanifan; Selly Meliana; Farah Afianti
Jurnal Abdimas UM Jambi Vol. 2 No. 1 (2025): Jurnal Abdimas UM Jambi
Publisher : LPPM Universitas Muhammadiyah Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53978/jaum.v2i1.522

Abstract

Penguasaan keterampilan digital di era teknologi adalah kebutuhan mendasar dalam pendidikan. Namun, keterbatasan sarana dan prasarana menjadi tantangan dalam implementasi Kurikulum Merdeka, sebagaimana diatur dalam Peraturan Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi Nomor 56/M/2022. Proposal ini bertujuan mengatasi tantangan tersebut melalui pengenalan Learning Management System (LMS) sebagai solusi praktis untuk mendukung pembelajaran, khususnya pada mata pelajaran Informatika. Program ini mencakup sosialisasi dan pelatihan penggunaan LMS bagi siswa dan tenaga kependidikan, yang dirancang untuk meningkatkan aksesibilitas materi, tugas, dan penilaian. Aplikasi LMS diharapkan dapat mendorong partisipasi siswa, memperkuat kemandirian belajar, serta mendukung pelaksanaan pembelajaran yang lebih terstruktur. Dengan pendekatan ini, diharapkan efektivitas pembelajaran dapat ditingkatkan meskipun ada keterbatasan sumber daya. Dampak jangka panjang dari program ini adalah peningkatan kualitas pendidikan di bidang Informatika, mendukung literasi digital siswa, dan keberlanjutan penggunaan teknologi di sekolah sasar. Abstrak Maksimal 200 kata berbahasa Indonesia dengan Times New Roman 12 point. Abstrak harus jelas, deskriptif dan harus memberikan gambaran singkat masalah pengabdian masyarakat yang dilakukan/ diteliti. Abstrak meliputi alasan pemilihan topik atau pentingnya topik pengabdian masyarakat, metode pengabdian dan ringkasan hasil. Abstrak harus diakhiri dengan komentar tentang pentingnya hasil atau kesimpulan singkat.
Pengembangan Sistem Rekomendasi Anime Berbasis Deep Q-Network (DQN) Ricky Ariesta Fakhruddin; Izzatul Ummah; Selly Meliana
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Sistem rekomendasi berperan penting dalam membantu pengguna menemukan konten sesuai preferensi di tengah banyaknya informasi. Penelitian ini membandingkan dua pendekatan, yaitu Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD) dan Reinforcement Learning (RL) berbasis Deep Q-Network (DQN). Fokus utama penelitian adalah menilai efektivitas keduanya dalam memberikan rekomendasi anime yang relevan, baik untuk pengguna eksisting maupun pengguna baru (cold-start). Dataset penelitian diambil dari Kaggle, melalui tahap preprocessing berupa pembersihan data, normalisasi fitur, dan encoding genre dengan one-hot. Model CF dilatih menggunakan parameter hasil tuning, sedangkan model RL dibangun dalam lingkungan simulasi dengan fungsi reward berbobot yang menggabungkan rating pengguna, skor global anime, dan kesamaan preferensi genre. Evaluasi dilakukan menggunakan skenario Top-N Recommendation (N = 1, 3, 5, 10, 15, 20) dengan metrik Precision@N, Recall@N, dan F1-Score@N. Item relevan untuk pengguna eksisting ditentukan berdasarkan reward persentil ke-80, sementara untuk pengguna baru ditetapkan pada anime dengan skor global ≥ 9.0. Hasil menunjukkan RL dengan DQN unggul pada masalah cold-start, sedangkan CF lebih baik untuk pengguna dengan riwayat interaksi. Perbandingan ini menyoroti kelebihan dan keterbatasan masing-masing pendekatan, sekaligus memberi panduan dalam memilih strategi rekomendasi sesuai konteks pengguna. Kata kunci— deep q-network, reinforcement learning, colaborative filtering, sistem rekomendasi anime
Pengembangan Sistem Rekomendasi Anime Berbasis Deep Q-Network (DQN) Ricky Ariesta Fakhruddin; Izzatul Ummah; Selly Meliana
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Abstract

Sistem rekomendasi berperan penting dalam membantu pengguna menemukan konten sesuai preferensi di tengah banyaknya informasi. Penelitian ini membandingkan dua pendekatan, yaitu Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD) dan Reinforcement Learning (RL) berbasis Deep Q-Network (DQN). Fokus utama penelitian adalah menilai efektivitas keduanya dalam memberikan rekomendasi anime yang relevan, baik untuk pengguna eksisting maupun pengguna baru (cold-start). Dataset penelitian diambil dari Kaggle, melalui tahap preprocessing berupa pembersihan data, normalisasi fitur, dan encoding genre dengan one-hot. Model CF dilatih menggunakan parameter hasil tuning, sedangkan model RL dibangun dalam lingkungan simulasi dengan fungsi reward berbobot yang menggabungkan rating pengguna, skor global anime, dan kesamaan preferensi genre. Evaluasi dilakukan menggunakan skenario Top-N Recommendation (N = 1, 3, 5, 10, 15, 20) dengan metrik Precision@N, Recall@N, dan F1-Score@N. Item relevan untuk pengguna eksisting ditentukan berdasarkan reward persentil ke-80, sementara untuk pengguna baru ditetapkan pada anime dengan skor global ≥ 9.0. Hasil menunjukkan RL dengan DQN unggul pada masalah cold-start, sedangkan CF lebih baik untuk pengguna dengan riwayat interaksi. Perbandingan ini menyoroti kelebihan dan keterbatasan masing-masing pendekatan, sekaligus memberi panduan dalam memilih strategi rekomendasi sesuai konteks pengguna. Kata kunci— deep q-network, reinforcement learning, colaborative filtering, sistem rekomendasi anime
Co-Authors Abdullah Hanifan Ade Romadhony Agung Toto Wibowo Ardiyanto, Fajar Widhi Aryo Handono Bambang Pudjoatmodjo Bambang Pudjotatmodjo Bedy Purnama Bunyamin Bunyamin Dade Nurjanah Dodi Wisaksono Sudiharto Ema Rachmawati Ema Rachmawati Farah Afianti Fat'hah Noor Prawira Fat’hah Noor Prawira Fat’hah Noor Prawira Fazmah Arif Yulianto Ferdian, Edward Fhira Nhita Hani Nurrahmi I Gede Manggala Putra Izzatul Ummah Muhammad Arzaki Prawita, Fat’hah Noor Putu Harry Gunawan Ricky Ariesta Fakhruddin Rimba Whidiana Ciptasari Satria Akbar Mugitama Yunanda, Gisela