Claim Missing Document
Check
Articles

Found 26 Documents
Search

Integrating Multimodal Data Processing Techniques to Enhance User Experience Evaluation in Interactive Digital Platforms Khoirudin Khoirudin; Nurtriana Hidayati
Indonesian Journal of Infomatics Vol. 1 No. 1 (2026): February: Indonesian Journal of Infomatics
Publisher : Asosiasi Pengelola Jurnal Informatika dan Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66472/iji.v1i1.26

Abstract

User experience (UX) evaluation plays a crucial role in understanding how users interact with digital platforms and in improving product design. Traditional UX evaluation methods, such as surveys and interaction logs, often rely on a single data source, which limits the depth of analysis. This study explores the integration of multimodal data processing techniques in UX research, aiming to enhance the accuracy and comprehensiveness of UX evaluations. By combining interaction logs, visual attention data, and physiological measurements, this approach provides a more holistic understanding of user behavior, emotional responses, and satisfaction. Interaction logs offer objective data on user actions, while eye-tracking and physiological data capture users' emotional states, providing richer insights into usability and user experience. This study highlights the effectiveness of multimodal integration in identifying patterns that traditional methods overlook, such as emotional responses to interface elements and real-time feedback from users. The findings reveal that multimodal data processing improves the precision of UX assessment by combining objective behaviors with subjective emotional responses, offering a more complete view of user interactions. The study also discusses the challenges of data synchronization and the potential ethical concerns related to the use of physiological data. The integration of these data sources shows great potential for enhancing the design process, allowing designers to make informed decisions based on comprehensive insights. Finally, this research underscores the future potential of multimodal analytics in UX research, suggesting further exploration of additional data modalities and real-time applications in various digital environments.
A Robustness-Oriented Evaluation of LSTM, GRU, and Hybrid LSTM-GRU Models for ANTM.JK Stock Price Forecasting Khoirudin; Prind Triajeng Pungkasanti; Nur Wakhidah; Vinay Rishiwal
Journal of Information System and Informatics Vol 8 No 3 (2026): June
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v8i3.1660

Abstract

Accurately forecasting stock prices remains challenging because of the nonlinear and volatile nature of financial markets, particularly during periods of heightened uncertainty, such as the COVID-19 pandemic. This study evaluates the robustness of three models, LSTM, GRU, and Hybrid LSTM-GRU, for ANTM.JK stock price forecasting using a volatility-oriented evaluation framework. Historical stock data from September 2005 to May 2022 were transformed into supervised time-series datasets using a 15-lag sliding window. The model performance was evaluated using baseline prediction accuracy, 5-fold chronological cross-validation consistency, and synthetic stress scenarios consisting of controlled price drops, price rises, and high-volatility noise. Evaluation metrics included RMSE, MSE, MAE, R, and R^2. The GRU model delivered the top baseline prediction results, achieving the smallest RMSE of 52.95 and MAE of 28.14. In cross-validation, the LSTM model recorded the lowest average RMSE of 119.41. Meanwhile, the Hybrid LSTM-GRU exhibited the highest prediction consistency and robustness across various synthetic stress scenarios. In contrast to earlier research that mainly focused on prediction precision, this study presents a comprehensive framework for evaluating robustness. This framework combines baseline accuracy, consistency through cross-validation, and an analysis of synthetic stress scenarios. The generated robustness map offers a systematic interpretation of model strengths across diverse evaluation goals, facilitating a more thorough assessment of stock-forecasting models in different market environments.
Pengembangan Chatbot “ASTIKA” Berbasis Rasa Framework Untuk Layanan Akademik Prodi Teknik Informatika Universitas Semarang Risky Mul Tazam; Khoirudin Khoirudin
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 3 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i3.10352

Abstract

Layanan informasi akademik di perguruan tinggi seringkali terkendala oleh keterbatasan jam operasional dan beban pertanyaan berulang yang membebani tenaga administrasi. Penelitian ini mengembangkan chatbot bernama ASTIKA (Asisten Teknik Informatika) berbasis Rasa Open Source yang terintegrasi dengan sistem informasi penunjang berbasis Laravel untuk melayani kebutuhan informasi akademik mahasiswa Program Studi Teknik Informatika Universitas Semarang. Sistem dibangun dengan dua komponen utama, yaitu Rasa Framework sebagai mesin pemrosesan bahasa alami (NLU) dan manajemen dialog, serta Laravel sebagai backend pengelolaan FAQ melalui antarmuka web. Data pelatihan NLU terdiri dari 65 intent yang dikelompokkan ke dalam 6 kategori dengan total 863 contoh kalimat. Evaluasi model NLU menggunakan cross-validation 5-fold menghasilkan akurasi keseluruhan sebesar 95,6% dengan F1-Score rata-rata 0,956. Pengujian Black Box Testing menunjukkan seluruh fitur utama berfungsi sesuai spesifikasi. Kontribusi utama penelitian ini terletak pada kemampuan sistem mengabstraksi kompleksitas konfigurasi Rasa melalui antarmuka web sehingga admin dapat mengelola data pelatihan chatbot tanpa memerlukan keahlian teknis
Transformasi branding visual sekolah melalui pemanfaatan teknologi AI canva Pratama Angga Buana; Saifur Rohman Cholil; Khoirudin Khoirudin; Dwi Prabowo; Jessica Eliane Utomo; Evelyn Jenny Farkha Handoko; Reva Rizki Azzahra
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 10, No 4 (2026): August
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v10i4.40705

Abstract

AbstrakMadrasah Aliyah Kejuruan Nahdlatul Ulama (MAK NU) 01 Kota Semarang merupakan madrasah yang diproyeksikan menjadi unggulan di bidang multimedia, namun masih menghadapi permasalahan berupa belum optimalnya kemampuan siswa dalam menghasilkan karya multimedia dan belum adanya standar identitas visual yang kuat sebagai sarana branding sekolah. Kegiatan pengabdian ini bertujuan meningkatkan kompetensi peserta didik dalam pemanfaatan Artificial Intelligence (AI) pada Canva untuk menghasilkan media branding visual sekaligus memperkuat identitas visual sekolah. Berbeda dengan inisiatif sebelumnya, program ini memiliki kebaruan dengan memberdayakan langsung siswa madrasah kejuruan untuk mengintegrasikan identitas visual institusi keagamaan dengan teknologi AI modern secara mandiri. Mitra kegiatan adalah MAK NU 01 Kota Semarang dengan sasaran peserta didik kelas XI sebanyak 12 orang. Jumlah peserta tersebut merupakan peserta yang hadir dan dipilih secara purposive berdasarkan rekomendasi guru bidang studi multimedia. Metode pelaksanaan menggunakan pendekatan partisipatif melalui tahapan persiapan, pelaksanaan pelatihan berbasis praktik (hands-on training), evaluasi menggunakan pretest dan posttest, serta tindak lanjut berupa publikasi dan penyusunan luaran. Hasil kegiatan menunjukkan bahwa peserta mampu menghasilkan desain visual branding berupa poster dan konten promosi sekolah menggunakan AI Canva. Secara kuantitatif, seluruh indikator mengalami peningkatan setelah pelatihan. Peningkatan tertinggi terjadi pada pemahaman fitur AI Canva dengan selisih skor sebesar 1,25 dan nilai N-Gain 0,6522, sedangkan pemahaman konsep identitas visual memperoleh nilai N-Gain tertinggi sebesar 0,7692 dengan kategori tinggi. Secara keseluruhan, pelatihan berhasil meningkatkan pengetahuan, keterampilan, dan motivasi peserta dalam mengembangkan branding visual sekolah berbasis teknologi AI. Kata kunci: artificial intelligence; branding sekolah; canva; identitas visual; madrasah. AbstractMadrasah Aliyah Kejuruan Nahdlatul Ulama (MAK NU) 01 Semarang is projected to become a leading multimedia-based Islamic vocational school. However, it still faces challenges in optimizing students' multimedia competencies and establishing a strong visual identity to support school branding. This community service program aimed to improve students' competencies in utilizing Artificial Intelligence (AI) features in Canva to create visual branding media and strengthen the school's visual identity. Unlike previous initiatives, this program introduces a novelty by directly empowering vocational madrasah students to independently integrate the visual identity of a religious institution with modern AI technology. The partner institution was MAK NU 01 Semarang, involving 12 eleventh-grade students as participants. The number of participants was limited to optimize hands-on training assistance in the laboratory, and they were purposively selected based on recommendations from the multimedia subject teachers. The program employed a participatory approach consisting of preparation, hands-on training sessions, evaluation through pretest and posttest instruments, and follow-up activities through publications and dissemination of outputs. The results showed that participants were able to produce visual branding designs, including posters and promotional content using AI Canva. Quantitatively, all evaluation indicators improved after the training. The highest improvement was found in the understanding of AI Canva features, with a score increase of 1.25 and an N-Gain value of 0.6522. Meanwhile, the understanding of visual identity concepts achieved the highest N-Gain value of 0.7692, categorized as high effectiveness. Overall, the training successfully enhanced participants' knowledge, skills, and motivation in developing school visual branding through AI-based technology. Keywords: artificial intelligence; canva, madrasah; school branding; visual identity.
PREDIKSI PENERIMAAN MAHASISWA BARU DENGAN MULTI LAYER PERCEPTRON Khoirudin Khoirudin; Dewi Nurdiyah; Nur Wakhidah
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 2 No. 1 (2018): Mei (2018)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v14i1.1212

Abstract

Penerimaan mahasiswa baru adalah agenda yang rutin dijalani oleh sebuah institusi perguruan tinggi,. Jumlah penerimaan mahasiswa baru dapat meningkat atau menurun setiap tahunnya di Universitas Semarang. Oleh karenanya, perlu adanya prediksi jumlah penerimaan mahasiswa baru dengan teknologi berbasis artificial intelligent. Penelitian ini mengusulkan metode untuk memprediski jumlah penerimaan mahasiswa baru di Universitas Semarang menggunakan algoritma Multi Layer Perceptron, dengan dataset time series pendaftaran mahasiswa baru dari tahun 2008 hingga 2017. Uji coba Multi Layer Perceptron dengan arsitektur 5-9-1 menghasilkan  Mean Squered Error pada data training sebesar 0.00096 dan Mean Squered Error   pada data testing sebesar 0.1. Sehingga, metode yang diusulkan sangat bagus digunakan untuk prediksi penerimaan mahasiswa baru di Universitas Semarang  
KOMPARASI METODE CLUSTERING K-MEANS DAN FUZZY C-MEANS UNTUK MEMPREDEKSI KETEPATAN WAKTU LULUS Galet Guntoro Setiaji; Khoirudin Khoirudin; Vensy Vydia
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 3 No. 1 (2019): Mei (2019)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v15i1.1488

Abstract

Metode data mining merupakan metode yang banyak digunakan oleh peneliti untuk mencari sebuah informasi dari sebuah kumpulan data-data, penelitian ini menggunakan object data lulusan mahasiswa Universitas Semarang. Data yang kita ambil yaitu dari jurusan Teknik Elektro dan Teknik Sipil.Dengan menggunakan metode data mining terutama algoritma K-Means dan Fuzzy C-Means dapat mengidentifikasi ketepatan lulusan di jurusan Teknik Elektro dan Teknik Sipil. Dimana ada tiga cluster yaitu tepat waktu, tidak tepat waktu dan over studi.Dari hasil penelitian dihasilkan validitas K-Means lebih kecil dan lebih baik, dengan validitas DBI sebesar 2.022, sedangkan FCM dengan validitas XBI didapatkan validitas sebesar 11.948. Dengan kesimpulan lulusan lama studi 4 tahun lebih 2 bulan dengan IPK rata-rata 3.13, sedangkan lama studi 4 tahun dengan ipk 3.42, dan untuk mahasiswa dengan lama studi 5 tahun lebih rata-rata ipk 2.88.
Analisa dan Penerapan Metode Neural Networks Dalam Mengidentifikasi Faktor-Faktor Masa Tunggu Kerja Lulusan Khoirudin Khoirudin; Soiful Hadi; Atmoko Nugroho
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 4 No. 1 (2020): Mei (2020)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v16i1.2399

Abstract

Tracer Study (TS) atau yang disebut studi pelacakan merupakan penelurusan lulusan yang terkait dengan informasi kompentensi pendidikan tinggi di lingkungan dunia kerja professional yang dapat dilakukan paling cepat 2 tahun setelah wisuda, Tracer Study bertujuan untuk mengetahui outcomes pendidikan dalam bentuk transisi dari dunia pendidikan tinggi ke dunia kerja. Masa tunggu kerja merupakan hal yang sangat penting bagi alumni sebuah perguruan tinggi, hal ini juga termasuk indikator sukses tidaknya pelaksanaan belajar mengajar. Data masa tunggu kerja dapat diperoleh dari data tracer study, tetapi perlu dilakukan penelitian lebih lanjut faktor-faktor apa saja yang mempengaruhi alumni untuk memperoleh pekerjaan pertamanya secara cepat.Melihat fakta akan pentingnya masa tunggu kerja bagi alumni, peneliti merasa perlu melakukan penelitian untuk mencari penyebab / faktor-faktor apa saja yang mempengaruhi alumni memperoleh pekerjaan pertamanya, dalam penelitian ini peneliti menggunakan metode neural network. Metode ini bekerja dengan cara melakukan training 70% dan testing 30% dari data alumni yang baru lulus.Berdasarkan hasil dari eksperimen dengan metode Neural Network diperoleh hasil class precision sebesar 87.76 %. Dan prediksi masa tunggu mendapatpekerjaan <= 6 Bulan sebesar 43 dan masa tunggu > 6 bulan sebesar 6.
SISTEM APLIKASI PREDIKSI PENYAKIT DIABETES MENGGUNAKAN FITURE SELECTION KORELASI PEARSON DAN KLASIFIKASI NA VE BAYES mohammad burhan hanif; Khoirudin Khoirudin
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 4 No. 2 (2020): November (2020)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v%vi%i.3089

Abstract

Diabetes penyakit serius yang terkenal didunia dengan sebutan silent killer yang tercatat semakin meningkat dari tahun 1980 sampai 2014 sebanyak 422juta jiwa. Hal ini perlu di perhatikan secara serius karena berimbas pada timbulnya beban kerja sumberdaya medis yang berlebihan serta tentunya beban keuangan yang akan timbul karena hal tersebut. Pada era teknologi maju saat ini data mining pada bidang kesehatan hadir untuk memberikaran analisa data khususnya data penyakit diabetes dengan tepat dan akurat. Klasifikasi data mining dipadukan dengan metode research and development dapat digunakan sebagai sebuah sistem aplikasi untuk memprediksi penyakit diabetes. Oleh sebab itu peneliti membuat sebuah sistem deteksi penyakit diabetes menggunakan fiture selection korelasi pearson dan klasifikasi na ve bayes yang diharapkan dapat membantu ahli medis dalam deteksi penyakit diabetes secara lebih cepat dan mengurangi beban biaya yang timbul akibat masalah ini. Sistem prediksi berbasis web akan menangani data diabetes berjumlah 768 baris data dengan menampilkan 10 fiture yaitu Pregnancies, Glucose, BloodPressure, SkinThickness, Insulin, BMI, DiabetesPedigreeFunction, Age dan Outcome yang diperoleh pada Pima Indians Diabetes kaggle dataset. Penggunaan algoritma korelasi pearson dibutuhkan untuk meningkatkan performa dari algoritma na ve bayes dengan nilai akurasi dari 68,2%  menjadi 79,13% pada data penyakit diabetes.  
Klasifikasi Citra Batik Menggunakan Co-Occurrence Matrices Berbasis Wavelet Filter BADROE ZAMAN; Khoirudin Khoirudin
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 5 No. 2 (2021): November (2021)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v17i2.4594

Abstract

Batik is the result of cultural arts that contains a philosophical meaning in each of its motifs. Various types of batik motifs create complexity in the recognition of batik image patterns. Classification of images into certain classes is also a problem in the field of pattern recognition. Machine learning is a method that is very developed at this time. Machine learning method is used to identify batik motifs through batik image classification. This study focuses on the image dataset of written batik which has two motifs, namely classical motifs and contemporary motifs. This study shows the experimental results of batik image classification using the Backpropagation Neural Network, Support Vector Machine and k-Nearest Neighbor classification methods. Co-occurrence matrices as wavelet filter-based feature extraction are used for input into batik image classification. The experimental results show that k-NN gets the best accuracy value of 95.56% while BPNN gets an accuracy value of 85.40% and SVM gets an accuracy value of 76.51%. Based on these results, it can be concluded that k-NN is the best method for classifying batik images with co-occurrence matrices as wavelet filter-based feature extraction.
Perancangan Sistem Informasi Perpustakaan Berbasis Web Menggunakan Metode Rocchio Relevance Feedback Juan Candy Prima; khoirudin khoirudin
Information Science and Library Vol. 3 No. 1 (2022): Juni
Publisher : UPT Perpustakaan Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jisl.v3i1.5102

Abstract

The school library is one of the supporting facilities in student learning activities. With the availability of a library, students can increase their effectiveness in learning through reading the books in the library. Vocational High School of Muhammadiyah Purwodadi Vocational School is one of the vocational schools located in Grobogan Regency, Central Java Province. Vocational High School of   Muhammadiyah Purwodadi is a school that has a library with complete books, but this library still applies manual library processing, so that it is less able to support effectiveness in managing library administrative data, especially in terms of searching for books and other data. According to the problem s description, a system is required to facilitate the library s management effectiveness. The information system is designed web-based using the Codeigniter framework and MYSQL database with the Rocchio relevance feedback method approach where the method will make it easier to search for books and other library data. With this method, the keywords entered into the search form will be processed through four stages, namely tokenizing, filtering, stemming, and term weighting so as to get the most search results relevant to keywords. With the library information system, expected to be able to facilitate and support the effectiveness in managing library at SMK Muhammadiyah Purwodadi.Perpustakaan sekolah merupakan salah satu sarana penunjang dalam kegiatan belajar siswa. Dengan tersedianya perpustakaan, siswa-siswi dapat meningkatkan efektifitas dalam belajar melalui membaca buku yang tersedia di perpustakaan. SMK Muhammadiyah Purwodadi merupakan sekolah kejuruan yang berada di Kabupaten Grobogan Provinsi Jawa Tengah. SMK Muhammadiyah Purwodadi merupakan sekolah yang memiliki perpustakaan dengan buku yang cukup lengkap, namun perpustakaan ini masih memberlakukan pengolahan perpustakaan secara manual sehingga kurang dapat menunjang efektifitas dalam mengelola data administrasi perpustakaan terutama dalam hal pencarian buku maupun data yang lain. Dari uraian permasalahan tersebut maka dibutuhkan sebuah sistem yang dapat menunjang efektifitas dalam mengelola perpustakaan. Sistem informasi tersebut dirancang berbasis web menggunakan framework Codeigniter dan database MySQL dengan pendekatan metode Rocchio relevance feedback dimana metode tersebut akan mempermudah dalam pencarian buku maupun data perpustakaan yang lain. Dengan metode tersebut kata kunci yang dimasukan kedalam form pencarian akan diolah melalui empat tahapan yaitu tokenizing, filtering, stemming, dan term weighting sehingga mendapatkan hasil pencarian yang paling relevan dengan kata kunci. Dengan adanya sistem informasi perpustakaan tersebut diharapkan mampu mempermudah dan menunjang efektifitas dalam mengelola perpustakaan di SMK Muhammadiyah Purwodadi.