Article Per Year (5 Year)
p-Index From 2021 - 2026
4.604
P-Index
This Author published in this journals
All Journal JOURNAL OF CHEMISTRY AND EDUCATION (JCAE) Jurnal Pengabdian Al-Ikhlas Technologia: Jurnal Ilmiah Community Development Journal: Jurnal Pengabdian Masyarakat SmartComp Jurnal Sains Sistem Informasi Jipmas : Journal Inovasi Pengabdian Masyarakat ABDINE :Jurnal Pengabdian Masyarakat
Sefto Pratama
Universitas Islam Kalimantan Muhammad Arsyad Al Banjari Banjarmasin
Humanities Chemistry Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Public Health Social Sciences

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Penerapan metode certainty factor pada diagnosa penyakit pada ayam sefto pratama; Agus Alim Muin
Technologia : Jurnal Ilmiah Vol 15 No 4 (2024): Technologia (Oktober)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i4.16345

Abstract

Dalam industri peternakan ayam yang terus berkembang, menghadapi berbagai penyakit yang dapat menghambat produksi dan kesehatan ternak menjadi krusial, Penerapan Metode Certainty Factor Pada Diagnosa Penyakit Ayam  berutujuan untuk mendiagnosis dan mengatasi penyakit dengan cepat dan akurat. Dalam upaya meningkatkan efektivitas diagnostik, Metode Certainty Factor (CF) muncul sebagai pendekatan sistem pakar yang memperhitungkan tingkat ketidakpastian dan keyakinan dalam pengambilan keputusan. Dalam konteks diagnosa penyakit ayam, penerapan Metode Certainty Factor diharapkan dapat memberikan solusi inovatif untuk meningkatkan akurasi dan efisiensi dalam mengidentifikasi penyakit, yang pada gilirannya akan mendukung kesehatan dan produktivitas ayam dalam industri peternakan modern
IMPLEMENTASI SISTEM PENDUKUNG KEPUTUSAN PENERIMA BANTUAN SOSIAL MENGGUNAKAN METODE SAW (SIMPLE ADDITIVE WEIGHTING) BERBASIS WEB Agus Alim Muin; Sefto Pratama; Muhammad Amin
Technologia : Jurnal Ilmiah Vol 16 No 3 (2025): Technologia (Juli)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i3.19500

Abstract

Bantuan sosial adalah salah satu jenis upaya pemerintah dalam meningkatkan kesejahteraan masyarakat, terutama bagi mereka yang berada di kategori kurang mampu. Akan tetapi, dalam pelaksanaannya, sering kali terjadi masalah dalam penentuan penerima bantuan sosial, seperti ketidaktepatan sasaran, subjektivitas dalam pengambilan keputusan, serta kurangnya transparansi dalam proses seleksi. Metode Simple Additive Weighting (SAW) adalah salah satu metode dalam sistem pendukung keputusan (SPK) yang dapat dimanfaatkan untuk mendukung proses seleksi penerima bantuan sosial. Ada 2 jenis metode penelitian yang digunakan yang pertama dengan metode pengumpulan data dari Observasi wawancara dan stady literatur serta di dukung dengan metode pengembangan perangkat lunak dari Analisis sistem, Perancangan dan implementasi sistem,Pengujian sistem dan Pemeliharaan sistem sistem ini diharapkan dapat membantu menentukan penerima bantuan sosial secara lebih objektif, transparan dan efisien serta diharapkan membantu proses seleksi penerima bantuan sosial dengan lebih akurat dan adil berdasarkan kriteria yang telah ditentukan, sehingga dapat menjadi solusi bagi pemerintah atau lembaga terkait dalam menyalurkan bantuan sosial secara tepat sasaran.
Klasifikasi Sentimen Produk Sepatu Berbasis AI untuk Ulasan Pendek dan Informal di Marketplace M Muflih; Sefto Pratama
Technologia : Jurnal Ilmiah Vol 15 No 1 (2024): Technologia (Januari)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i1.21230

Abstract

Penelitian ini mengembangkan model klasifikasi sentimen berbasis Artificial Intelligence (AI) untuk menganalisis ulasan pendek dan informal produk sepatu di marketplace. Tujuan utama adalah mengidentifikasi algoritma terbaik guna mengkategorikan ulasan ke dalam sentimen positif, negatif, dan netral secara otomatis. Berdasarkan evaluasi kinerja tiga algoritma—Naive Bayes, Regresi Logistik, dan Support Vector Machine (SVM)—pada dataset uji, diperoleh hasil yang menunjukkan performa yang sangat berbeda. Naive Bayes dan Regresi Logistik mencatat akurasi yang identik sebesar 86%, namun keduanya mengalami kelemahan signifikan dalam mendeteksi ulasan positif, yang ditunjukkan oleh recall yang hanya sebesar 0.42. Di sisi lain, model SVM berhasil mencatat performa yang jauh lebih unggul dan hampir sempurna dengan akurasi 99%, didukung oleh nilai precision, recall, dan f1-score yang konsisten dan tinggi di semua kelas sentimen (makro avg F1-score: 0.98). Temuan ini menyimpulkan bahwa SVM merupakan pendekatan yang sangat efektif dan robust untuk menangani karakteristik linguistik yang unik dari ulasan pendek dan informal, sehingga dapat diimplementasikan sebagai solusi otomatis yang andal bagi pelaku bisnis untuk memantau reputasi produk dan memahami opini konsumen secara real-time.. Kata Kunci:  Klasifikasi Sentimen, Ulasan Pendek, Informal, Marketplace
Co-Authors Abdul Hafiz Agus Alim Muin Agus Setiawan Agus Setiawan AGUS SETIAWAN Ahmadi Ahmadi Almubarak Almubarak Erfan Karyadi Putra Fauzi Yusa Rahman Firdaus Firdaus Fitrah Yuridka Galih Mahalisa Gita Ayu Syafarina Hidayatul Rahman Ibrahim . Ibrahim Ibrahim Ibrahim Ibrahim Ihda Innar Ridho Ihsanul Fikri Indu Indah Purnomo Irma Damayanti Jauhari Maulani M Muflih M. Dedy Rosyadi Muhammad Amin Muhammad Amin Nadiya Hijriana Parham Saadi Rahmadi Agus Rizqi Elmuna Hidayah Sari Kumala Silvia Ratna Siti Haidah Syahmani Syahmani Zaenuddin