Article Per Year (5 Year)
p-Index From 2021 - 2026
3.421
P-Index
This Author published in this journals
All Journal Teknika Jupiter Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Jurnal Informatika Jurnal Informatika International conference on Information Technology and Business (ICITB) jurnal Teknologi Informasi Magister Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) International Journal of Artificial Intelligence Research Jurnal Sistem Komputer & Kecerdasan Buatan Jurnal Pengabdian kepada Masyarakat Jurnal Abdimas Bina Bangsa Jurnal Pustaka Mitra : Pusat Akses Kajian Mengabdi Terhadap Masyarakat Jurnal Publika Pengabdian Masyarakat Jurnal Pengabdian Mandiri E-Amal: Jurnal Pengabdian Kepada Masyarakat Journal of Data Science Methods and Applications
- Nurjoko
Institut Informatika Dan Bisnis Darmajaya
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Model Indo-BERT untuk Identifikasi Sentimen Kekerasan Verbal di Twitter Nurjoko, Nurjoko; Rahardi, Agus
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12788184

Abstract

Munculnya kekerasan verbal di platform media sosial Twitter menjadi isu yang semakin memprihatinkan dalam beberapa tahun terakhir. Kekerasan verbal mencakup berbagai bentuk komunikasi yang merendahkan, menghina, dan mengancam, seringkali merugikan individu atau kelompok. Permasalahan utama yang dibahas dalam penelitian ini adalah identifikasi sentimen terkait perilaku kekerasan verbal di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk mengembangkan model analisis sentimen Verbal Violence Behavior (VVB) di Twitter dengan menggunakan Indo-BERT. Keakuratan model akan dibandingkan dengan BERT. Penelitian ini diawali dengan pengumpulan data melalui web crawling dengan menggunakan kategori perilaku kekerasan verbal sebagai referensi. Pelabelan dataset dilakukan melalui kombinasi metode manual dan otomatis dengan pendekatan semi-supervised learning. Proses ini melibatkan pembelajaran mandiri, di mana data yang tidak berlabel secara otomatis diberi label menggunakan model yang telah dilatih sebelumnya. Dataset dikategorikan menjadi sentimen positif, sentimen negatif, dan sentimen netral. Model Indo-BERT digunakan sebagai kerangka analisis. Evaluasi hasil dilakukan dengan menerapkan matriks konfusi. Temuan dari percobaan ini menunjukkan bahwa model Indo-BERT memiliki kemampuan yang lebih unggul dengan tingkat akurasi mencapai 72% dalam memproses teks berbahasa Indonesia dibandingkan dengan model BERT dengan tingkat akurasi sebesar 69%.
Sosialisasi Teknologi Smart Farming Kepada Kelompok Tani UB. Berkah Agro Setyawan, Dodi Yudo; Nurfiana, Nurfiana; Rosmalia, Lia; Handayani, Retno Dwi; Nurjoko, Nurjoko
E-Amal: Jurnal Pengabdian Kepada Masyarakat Vol 4 No 3: September-Desember 2024
Publisher : LP2M STP Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47492/eamal.v4i3.3606

Abstract

Kegiatan sosialisasi kepada masyarakat yang dilakukan untuk memperkenalkan teknologi Smart Farming berbasis IoT kepada Kelompok Tani UB Berkah Agro di Pekalongan, Lampung Timur. Tujuannya adalah untuk meningkatkan pemahaman dan efisiensi serta produktivitas pertanian dengan mengganti metode konvensional melalui penggunaan sensor tanah, sistem irigasi otomatis, dan aplikasi manajemen data pertanian. Kegiatan ini mencakup sosialisasi dan diskusi mengenai teknologi Smart Farming. Hasilnya menunjukkan adanya peningkatan pemahaman petani tentang teknologi Smart Farming serta penerapan awal pada proses pembibitan palawija. Walaupun terdapat tantangan terkait akses teknologi dan pemahaman teknis, program ini berhasil mendorong perubahan pola pikir petani menuju metode pertanian yang lebih efisien dan berkelanjutan.
Prediksi Kekambuhan Kanker Tiroid Menggunakan Algoritma Random Forest Safitri, Egi; Rofianto, Dani; Karnila, Sri; Nurjoko, Nurjoko; Kurniawan, Hendra; Arkhiansyah, Yuni; Rizal, Ruki
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 8 No. 3 (2025): Volume VIII - Nomor 3 - Mei 2025
Publisher : Teknik Informatika, Sistem Informasi dan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v8i3.833

Abstract

Kekambuhan kanker tiroid pasca terapi Radioactive Iodine (RAI) merupakan tantangan penting dalam penatalaksanaan jangka panjang pasien. Penelitian ini bertujuan membangun model prediktif untuk mengidentifikasi potensi kekambuhan dengan memanfaatkan data klinis dan patologis menggunakan algoritma Random Forest. Dataset terdiri atas 383 data pasien dengan 13 atribut, termasuk usia, jenis kelamin, staging kanker, jenis patologi, klasifikasi risiko, dan respons terhadap terapi. Proses pra-pemrosesan meliputi penyandian data kategorik, eksplorasi fitur, dan pembagian data latih dan uji secara stratifikasi. Hasil evaluasi menunjukkan performa tinggi dari model, dengan akurasi 96,5%, presisi 96,7%, recall 90,6%, dan AUC 0,99. Analisis fitur menggunakan SHAP mengungkap bahwa Stage, Response, dan Risk merupakan faktor paling berkontribusi terhadap prediksi kekambuhan. Penelitian ini menunjukkan bahwa model Random Forest tidak hanya efektif dalam klasifikasi biner, tetapi juga dapat diinterpretasikan secara klinis untuk mendukung pengambilan keputusan medis yang lebih personal dan preventif.
Evaluasi Performa Random Forest, XGBoost, dan LightGBM dalam Diagnosis Dini Diabetes Mellitus Hendra, Hendra Kurniawan; Asmaul Dwi Akbar; Nicholas Svensons; Yandi Jaya Antonio; Karnila, Sri; Safitri, Egi; Nurjoko, Nurjoko
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 17 No 2 (2025): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

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

Abstract

Diabetes mellitus is a long-term condition marked by elevated blood sugar levels, which can lead to serious complications such as heart disease, kidney failure, and vision impairment. Early detection plays a vital role in minimizing these risks and enhancing patients' quality of life. This research focuses on assessing the performance of three machine learning algorithms—Random Forest, XGBoost, and LightGBM—in predicting diabetes risk. The dataset utilized originates from the National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK), comprising 768 samples with 9 key features. The research methodology involves multiple stages, including data collection, preprocessing, addressing data imbalance using SMOTE, data splitting for training and testing, algorithm implementation, and model evaluation through accuracy, precision, recall, F1-score, and Area Under the Curve (AUC) metrics. Findings reveal that Random Forest delivers the highest performance with an AUC score of 86%, followed by XGBoost (83%) and LightGBM (82%). With its strong accuracy, this model holds potential as a valuable tool for early diabetes diagnosis, contributing to faster and more precise medical decision-making.
Penerapan Metode Klasifikasi Decision Tree dalam Prediksi Kanker Payudara Menggunakan Algoritma C4.5 Nurjoko, Nurjoko; Hendra, Hendra Kurniawan; Cici Cahyati; Elvira Uthia Rustanti; Hiya Cahya Mujahidah; Amanda Putri Maharani; Rosita; Agus Rahardi
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 17 No 2 (2025): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

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

Abstract

Breast cancer is a deadly disease that require early detection and accurate prediction to improve recovery chance. This research aims to predict breast cancer using Data Mining technique with Decision Tree C4.5 algorithm. The dataset includes attributes such as tumor size, estrogen status, progesterone status, Progesterone Status, Survival Month, and status. These attributes were selected based on their clinical relevance and predictive potential in the context of breast cancer. The classification results showed a high level of accuracy with a prediction history of 658 surviving breast cancer patients and a precision class of 91.90%. This study has an accuracy rate of 89,81%. These findings have the potential to be developed int a medical decision support system to assist in more objective and efficient.   Keywords—Breast Cancer, Data Mining, Decision Tree, C4.5, Prediction, Accuracy
Improving the Performance of Higher Education Academic Information Systems Using Cloud Computing Technology Nugroho, Handoyo Widi; nurjoko, Nurjoko; Andani, Bethania
International Journal of Artificial Intelligence Research Vol 7, No 1.1 (2023)
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v7i2.1066

Abstract

Improving the performance of academic information systems using cloud computing technology is very relevant and important. The application of cloud computing technology to higher education academic information systems can also help improve data security and information risk management.  The research results show that cloud computing technology significantly improves the performance of academic information systems in higher education. This technology enables faster and easier access to academic information, and strengthens data management and data analysis capabilities.  
Implementasi Sistem Manajemen Parkir Menggunakan Teknologi QR-CODE Berbasis Web Nurjoko, Nurjoko; Julius, Felix; K, Hendra; Karnila, Sri; Safitri, Egi; Purwati, Neni; Rizal, Ruki
TEKNIKA Vol. 18 No. 1 (2024): Teknika Januari - Juni 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10570439

Abstract

Kemajuan teknologi telah mendorong penegembangan sistem parkir cerdas di lingkungan perguruan tinggi khususnya Institut Informatika dan Bisnis (IIB) Darmajaya. Seiring dengan pertumbuhan populasi mahasiswa dan staf, menjadi tantangan dalam manajemen perparkiran. Permasalahan parkir, seperti kesulitan dalam mencari tempat parkir yang tersedia dan memanajemen waktu untuk parkir dapat menghambat efisiensi dan kenyamanan pengguna di lingkungan kampus. Penelitian ini bertujuan merancang sistem E-parkir berbasis web di perguruan tinggi yang menyajikan solusi efisien untuk masalah parkir. Sistem e-parkir ini menggunakan teknologi QR-Code berbasis web untuk mempermudah pengguna dalam menemukan, mengelola, dan mengurangi resiko kehilangan kendaraan di tempat parkir. Metode pengembangan sistem pada penelitian ini menggunakan pendekatan metode prototype yang berfokus pada pengguna, dengan integrasi fitur monitoring lokasi ketersediaan tempat parkir guna meningkatkan efisiensi dan kenyamanan pengguna dan petugas parkir. Pengujian sistem dilakukan dengan pendekatan metode black box testing. Berdasarkan kriteria presentasi hasil uji secara keseluruhan dengan nilai kualifikasi sebesar 96% dapat disimpulkan bahwa responden menilai sistem e-parkir yang dibangun telah sesuai dengan fungsinya dan dapat dimplementasikan.
Pelatihan dan Implementasi Vertical Farming berbasis Internet of Things (IoT) Bagi Siswa dan Siswi di Emer Islamic Boarding School (EIBOS) Kecamatan Natar Kabupaten Lampung Selatan Setyawan, Dodi Yudo; Nurfiana, Nurfiana; Setiawati, Melia Gripin; Rosmalia, Lia; Nurjoko, Nurjoko
Jurnal Pustaka Mitra (Pusat Akses Kajian Mengabdi Terhadap Masyarakat) Vol 5 No 3 (2025): Jurnal Pustaka Mitra (Pusat Akses Kajian Mengabdi Terhadap Masyarakat)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakamitra.v5i3.925

Abstract

Pengabdian masyarakat ini bertujuan mengembangkan literasi digital dan keterampilan praktis siswa Sekolah Menengah Atas (SMA) melalui penerapan teknologi IoT pada vertical farming, sejalan dengan tuntutan Revolusi Industri 4.0. Metode pelaksanaan dimulai dengan identifikasi masalah melalui Focus Group Discussion (FGD) bersama siswa terkait kendala pengelolaan lahan, pemantauan lingkungan, serta literasi teknologi. Berdasarkan hasil FGD, disusun modul komprehensif yang mencakup pengenalan konsep IoT (sensor, mikrokontroler, jaringan, aplikasi monitoring) dan prinsip vertical farming, dilengkapi peralatan pendukung seperti sensor suhu, kelembaban, pompa air, serta mobile apps. Pelatihan berjalan interaktif, siswa merakit perangkat IoT, mengintegrasikannya ke sistem monitoring berbasis cloud, dan berlatih troubleshooting koneksi. Setelah instalasi di rooftop EIBOS School, sistem memantau suhu (20–35 °C) dan kelembaban (40–80 %) tanaman kangkung, lalu secara otomatis mengatur suplai air. Pendampingan teknis rutin setiap dua minggu memastikan kemandirian operasional dan peningkatan kemampuan troubleshooting. Hasil evaluasi menunjukkan peningkatan pemahaman siswa yang signifikan, terbukti dari kemampuan merakit, mengoperasikan aplikasi monitoring, dan mempresentasikan proyek. Secara teknis, sistem berfungsi andal dengan akurasi sensor tinggi dan efisiensi penggunaan air, sementara aspek soft skill kerja sama tim, komunikasi ilmiah, problem solving terasah melalui kegiatan partisipatif. Satu tim siswa berhasil lolos final Indonesian Science Project Olympiad (ISPO) tingkat nasional, menegaskan efektivitas program dalam mempersiapkan kompetensi ilmiah dan teknis. Dengan demikian, program ini tidak hanya meningkatkan literasi IoT dan produktivitas urban farming, tetapi juga mendukung pembangunan berkelanjutan serta kesiapan generasi muda menghadapi tantangan era digital.
Perbandingan Performa Model Naïve Bayes dan Regresi Logistik dalam Klasifikasi Kecanduan Media Sosial pada Siswa Nurjoko, Nurjoko; Praditya, Agung Dwi; Triyari, Novita; Rafly, M. Rafly Octa; Rahardi, Agus
Journal of Data Science Methods and Applications Vol. 1 No. 2 (2025)
Publisher : Program Studi Sains Data - Institut Informatika dan Bisnis Darmajaya

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

Abstract

Kecanduan media sosial di kalangan pelajar menjadi isu yang semakin relevan seiring meningkatnya penggunaanplatform digital dalam kehidupan sehari-hari. Penelitian ini bertujuan untuk membangun model klasifikasi gunamemprediksi tingkat kecanduan media sosial berdasarkan data survei siswa. Dataset yang digunakan terdiri dari 705responden dengan 13 atribut yang mencakup aspek demografis, akademik, kebiasaan digital, dan kondisi psikososial.Dua model machine learning yang digunakan dalam penelitian ini adalah Gaussian Naïve Bayes dan Regresi Logistik.Setelah melalui proses data preparation, analisis dan evaluasi model menggunakan data uji sebesar 20%, diperolehhasil bahwa Regresi Logistik memiliki performa yang lebih unggul dengan akurasi mencapai 98%, jauh di atas NaïveBayes yang hanya mencapai 69%. Regresi Logistik juga menunjukkan keseimbangan metrik yang baik, termasukprecision, recall, dan nilai ROC AUC sebesar 0,98. Temuan ini mengindikasikan bahwa Regresi Logistik lebih efektifdan sesuai untuk mengidentifikasi siswa yang berisiko mengalami kecanduan media sosial.
Pemanfaatan Machine Learning untuk Prediksi Kepuasan Pelanggan pada UMKM Digital Rahardi, Agus; Nursalim, Nursalim; Andini, Rekha Aprilia; Tri, Anugrah Tri Agil S; Gilang, Gilang Ramadhan; Dwi, Dwi Salim; Nurjoko, Nurjoko
Journal of Data Science Methods and Applications Vol. 1 No. 2 (2025)
Publisher : Program Studi Sains Data - Institut Informatika dan Bisnis Darmajaya

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

Abstract

UMKM digital memainkan peran penting dalam perekonomian Indonesia, namun mempertahankan kepuasan pelanggan tetap menjadi tantangan utama. Penelitian ini bertujuan untuk membangun model prediksi kepuasan pelanggan menggunakan algoritma Machine Learning seperti Logistic Regression, Decision Tree, dan Random Forest. Dataset simulasi sebanyak 10.000 entri pelanggan digunakan, mencakup fitur-fitur seperti frekuensi pembelian, nilai transaksi rata-rata, rating layanan, dan metode pembayaran. Model dievaluasi berdasarkan metrik B. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan akurasi dan kinerja terbaik dalam mengklasifikasikan kepuasan pelanggan. Temuan ini menunjukkan potensi besar penggunaan Machine Learning dalam membantu UMKM digital meningkatkan kualitas layanan dan loyalitas pelanggan.
Co-Authors - Nurfiana Abdi Darmawan Agus Rahardi Agus Rahardi Agus Rahardi, Agus Amanda Putri Maharani Ananda Angelia Purba Andani, Bethania Andini, Rekha Aprilia Asmaul Dwi Akbar Ayu Firdhayanti Cici Cahyati Damayanti, Irah Dani Rofianto Dona Yuliawati Dwi, Dwi Salim Dwirohayati, Defi Egi Safitri Elvira Uthia Rustanti Firdaus Kausar Gilang, Gilang Ramadhan handoyo widi nugroho Hefri Juanto Hendra Kurniawan Hendra Kurniawan Hendra, Hendra Kurniawan Hiya Cahya Mujahidah Ihwan Nurdin Julius, Felix K, Hendra Lia Rosmalia Lia Rosmalia Luh Putu Ratna Sundari Melia Gripin Setiawati Negara, Fuzy Komala Sari Neni Purwati Nicholas Svensons Novi Herawadi Sudibyo Novi Herawadi Sudibyo, Novi Herawadi Nursalim Nursalim Praditya, Agung Dwi Raden Abdurrahman Rafly, M. Rafly Octa Retno Dwi Handayani Rini Nurlistiani Rizal, Ruki Rohiman, Rohiman Rosita Ruki Rizal Safitri, Egi Setiawati, Melia Gripin Setyawan, Dodi Yudo Sifaul Khoiri Sri Karnila Sri Karnila Sri Karnila Sri Rahayu Sushanty Saleh Tri, Anugrah Tri Agil S Triyari, Novita Yandi Jaya Antonio Yuni Arkhiansyah