Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jiko (Jurnal Informatika dan komputer) Prosiding Konferensi Nasional PKM-CSR Jurnal Pendidikan dan Pengabdian Masyarakat
Ferawaty Ferawaty
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Environmental Science Nursing Public Health Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PEMANFAATAN KEGIATAN PKM UNTUK PENGEMBANGAN KEAHLIAN MAHASISWA DALAM PENYELESAIAN SKRIPSI Daniel Cassa Augustinus; Ferawaty Ferawaty; Alfonsius Alfonsius
Prosiding Konferensi Nasional Pengabdian Kepada Masyarakat dan Corporate Social Responsibility (PKM-CSR) Vol 5 (2022): PERAN PERGURUAN TINGGI DAN DUNIA USAHA DALAM AKSELERASI PEMULIHAN DAMPAK PANDEMI
Publisher : Asosiasi Sinergi Pengabdi dan Pemberdaya Indonesia (ASPPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37695/pkmcsr.v5i0.1652

Abstract

Dalam hal penyelesaian tugas akhir atau skripsi, mahasiswa memerlukan kemampuan analisis dan perhitungan matematis. Hal ini telah dipersiapkan melalui adanya mata kuliah dalam kurikulum operasional. Mata kuliah tersebut bernama statiska. Kenyataannya, saat mahasiswa melakukan pengolahan data, Mahasiswa memerlukan kemampuan tambahan dalam hal menggunakan perangkat lunak yang bisa mendukung pengolahan data tersebut. Kemampuan ini, penggunaan aplikasi seperti SPSS, tidak menjadi keahlian yang secara khusus diajarkan dalam kurikulum. Oleh karena itu dalam rangka mendukung pengakuisisian keahlian penggunaan aplikasi seperti SPSS, diperlukan kegiatan pelatihan tambahan. Pelatihan ini memiliki tujuan untuk membantu mahasiswa memiliki pengetahuan dan keahlian penggunaan SPSS yang secara spesifik membantu mereka menyelesaikan tugas akhir. Untuk mencapai tujuan yang diharapkan, maka program studi mengadakan lokakarya yang secara spesifik membahas SPSS. Kegiatan ini telah dilakukan selama dua tahun di Universitas Pelita Harapan Kampus Medan yang dilaksanakan dengan kepanitiaan dari Himpunan Mahasiswa Program Studi Manajemen dan juga melibatkan dosen di lingkungan Universitas Pelita Harapan Kampus Medan sebagai narasumber dan instruktur di lokakarya tersebut. Kegiatan dibuka untuk seluruh mahasiswa dan ditujukan bagi yang telah selesai mengikuti mata kuliah Statistik.
PELATIHAN DESAIN GRAFIS UNTUK MENINGKATKAN KREATIVITAS SISWA PADA SMA HUSNI THAMRIN Murdiaty Murdiaty; Ferawaty Ferawaty; Hita Hita
Jurnal Pendidikan dan Pengabdian Masyarakat Vol. 3 No. 2 (2020): Mei
Publisher : FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (245.857 KB) | DOI: 10.29303/jppm.v3i2.1860

Abstract

SMA Husni Thamrin, merupakan lembaga pendidikan yang memberikan pendidikan formal kepada anak usia sekolah. SMA Husni Thamrin bertempat di Jalan Galang No.1 Medan dengan jarak ± 9,9 Km dari kampus STMIK Mikroskil. Mata pelajaran komputer yang diberikan kepada siswa-siswi pada SMA Husni Thamrin masih terbatas pada pengetahuan komputer dasar. Dengan berbekal pengetahuan dasar tersebut, tentunya siswa-siswi harus mengembangkan kembali kreativitasnya dalam dunia digital. Extra Kurikuler yang diberikan SMA Husni Thamrin hanya dalam bidang Olahraga. Oleh karena itu, siswa-siswi pada SMA Husni Thamrin sebagai generasi milenial harus dapat memanfaatkan dunia digital untuk dapat meningkatkan kemampuan yang dimiliki sehingga dapat digunakan sebagai salah satu bekal dalam menghadapi persaingan dalam dunia kerja nanti. Disamping itu, SMA Husni Thamrin belum memiliki mata pelajaran desain grafis, sehingga dilakukan kegiatan pengabdian kepada masyarakat untuk mengadakan sebuah pelatihan yang bertemakan desain grafis selama 2 hari. Melalui program pengabdian kepada masyarakat ini diharapkan dapat meningkatkan kreativitas siswa dalam pengetahuan dan kemampuan desain grafis. Hasilnya menunjukkan bahwa peserta sangat antusias dalam mengikuti kegiatan pelatihan desain grafis ini. Peserta dapat mengenal desain grafis serta dapat mempraktekkan aplikasi yang digunakan untuk membuat desain grafis tersebut. Diakhir pelatihan, dilakukan kompetisi dimana peserta diminta untuk membuat rancangan kartu nama masing-masing.
COMPARISON OF NAÏVE BAYES CLASSIFIER AND K-NEAREST NEIGHBOR ALGORITHMS IN SENTIMENT ANALYSIS ON SOCIAL MEDIA X WITH VADER LEXICON Steven Tiang; Wenripin Chandra; Ferawaty Ferawaty; Mangasa A. S. Manulang
JIKO (Jurnal Informatika dan Komputer) Vol 8 No 2 (2025)
Publisher : Program Studi Teknik Informatika Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v8i2.9865

Abstract

The increasing use of social media as a platform for expressing public opinion has established platform X (formerly Twitter) an important data source for sentiment analysis. However, the ever-growing volume of data and the lack of sentiment labels present significant challenges for manual analysis, which is inefficient and time-consuming. This research addresses the problem of selecting effective algorithms for accurate and efficient sentiment classification on large-scale unlabeled data. The study aims to compare the performance of the Naïve Bayes Classifier and K-Nearest Neighbor (KNN) algorithms in sentiment classification related to the Value Added Tax (VAT) increase on platform X. To support classification accuracy, sentiment labeling is performed automatically using the VADER Lexicon. The research methodology involves data scraping, automatic sentiment labeling, implementation and training of classification models, and performance evaluation using a Confusion Matrix and ROC curve. The results show that the KNN algorithm with k = 1 achieved the best performance with an accuracy of 93.19%, precision of 94.07%, recall of 92.96%, a misclassification error of 6.81%, and an AUC of 0.95. In contrast, the Naïve Bayes Classifier achieved an accuracy of 88.29%, precision of 87.43%, recall of 86.67%, misclassification error of 11.71%, and an AUC of 0.93. Therefore, KNN is proven to be superior in classifying sentiment more accurately and efficiently than the Naïve Bayes Classifier.
Co-Authors Alfonsius Alfonsius Daniel Cassa Augustinus Hita Mangasa A. S. Manulang Murdiaty Murdiaty Romindo Romindo Steven Tiang Wenripin Chandra