Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Rekayasa Perangkat Lunak BERNAS: Jurnal Pengabdian Kepada Masyarakat
Steven Adi Putra
Universitas Katolik Musi Charitas
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Dentistry Education Environmental Science Languange, Linguistic, Communication & Media Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENDAMPINGAN PELATIHAN DESAIN GRAFIS MENGGUNAKAN PUBLISHER DI SEKOLAH YAYASAN PEMBINAAN ANAK CACAT (YPAC) PALEMBANG Sukarman Sukarman; Stefanus Setyo Wibagso; Ria Triayomi; Ignasius Putera Setiahati; Maria Oktavia Nira Tania; Yosep Putra Beda; Steven Adi Putra; Hanna Christy
BERNAS: Jurnal Pengabdian Kepada Masyarakat Vol. 3 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (198.907 KB) | DOI: 10.31949/jb.v3i2.2271

Abstract

Pengabdian masyarakat ini dilaksanakan oleh tim dosen Prodi PGSD dan Prodi Sistem Informasi di Sekolah Mitra yakni Sekolah YPAC Palembang dalam bentuk pelatihan. Pelatihan ini diberikan bagi para guru di sekolah YPAC Palembang. Desain grafis adalah kegiatan kreatif dan inovatif untuk menciptakan bentuk karya yang fungsional dan estetis untuk berbagai media sebagai sarana komunikasi yang tidak hanya mengandalkan teks. Guru perlu mengembangkan kemampuan profesionalitasnya untuk berinovasi dan berkreasi di bidang-bidang lain untuk mendukung proses pembelajaran. Pengembangan di bidang teknologi digital dalam desain grafis akan bermanfaat untuk meningkatkan ketrampilan di bidang lain. Pelatihan desain grafis menggunakan publisher di YPAC Palembang merupakan proses pengembangan profesionalitas kinerja guru. Tim dosen UKMC selalu terbuka untuk bekerja sama dengan para guru untuk mengadakan pelatihan dan workshop untuk pengembangan profesionalitas guru dalam menjalankan tugasnya. Pelatihan ini akan menjawab kebutuhan para guru agar memiliki ketrampilan desain grafis untuk melatih para peserta didik yang sesuai dengan kebutuhan zaman sekarang. Desain Grafis ini sesuai dengan harapan Dinas Pendidikan yang saat ini menekan kurikulum untuk Anak Berkebutuhan Khusus 40% diisi dengan ketrampilan. Ketrampilan desai grafis juga sangat sesuai dengan tuntutan masyarakat digital dewasa ini. Harapan dari pelatihan ini adalah agar para guru menguasai desain gratis untuk diajarkan kepada peserta didik di Sekolah YPAC Palembang.
Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) untuk mendeteksi Sentimen Ancaman Siber Andri Wijaya; Steven Adi Putra
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol. 7 No. 1 (2025): Maret
Publisher : Universitas Wahid Hasyim

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

Abstract

Cybersecurity has become a critical issue in the digital era, with evidence in the last 3 years there have been 6 cybercrime cases in Indonesia that attacked servers, one of which was the latest theft of Bank Syariah Indonesia data in May which resulted in the server being paralyzed for 5 days and the impact was that customers could not access the mobile banking application. From the various cybercrime cases that have occurred in Indonesia, we need to know the current trend of public sentiment about it and one of the sources of public sentiment is Twitter. The use of Machine Learning (ML) and Natural Language Processing (NLP) has become a major focus in understanding public sentiment contained in twitter data. This research proposes an approach that combines ML and NLP techniques to detect sentiment in tweets. The method includes a pre-processing stage to clean and transform the tweet text into a vector representation, followed by the application of ML classification model namely Naïve Bayes to identify positive, negative or neutral sentiments from the tweet dataset. This research utilizes a set of collected and annotated tweet data using python to train and test the model. The experimental results show that the proposed approach successfully produces sentiment classification with an accuracy rate of 62%. It can be concluded that the accuracy of the model is still satisfactory with a positive recall value of 74%, meaning that the public sentiment of the tweets still contains words of a positive nature.
Co-Authors Andri Wijaya Hanna Christy Ignasius Putera Setiahati Maria Oktavia Nira Tania Ria Triayomi Sukarman Sukarman Wibagso, Stefanus Setyo Yosep Putra Beda