Article Per Year (5 Year)
p-Index From 2021 - 2026
2.429
P-Index
This Author published in this journals
All Journal Technologia: Jurnal Ilmiah Abdi Kami : Jurnal Pengabdian Kepada Masyarakat Jumat Informatika: Jurnal Pengabdian Masyarakat Jurnal Media Informatika Scientific Student Journal for Information, Technology and Science Jurnal Buana Pengabdian Jurnal Mahasiswa Ilmu Komputer Jurnal Komprehenshif Jurnal Pengabdian Masyarakat Nasional ABDI KAMI: Jurnal Pengabdian Kepada Masyarakat
Elsa Elvira Awal
Universitas Buana Perjuangan Karawang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Public Health Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Pemodelan Prediksi Ekspor Kopi Indonesia Berbasis Algoritma Machine learning Hilda Yulia Novita; Tatang Rohana; Euis Nurlaelasari; Elsa Elvira Awal
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7097

Abstract

Penelitian ini bertujuan untuk membangun model prediksi ekspor kopi di Indonesia dengan menggunakan tiga algoritma machine learning, yaitu regresi inier, neural networks, dan gradient boosting. Data yang digunakan berasal dari data historis ekspor kopi Indonesia. Penelitian dilakukan melalui tahapan pra-pemrosesan data, pemodelan, dan evaluasi kinerja masing-masing algoritma. Hasil penelitian menunjukkan bahwa ketiga algoritma mampu memprediksi ekspor kopi dengan performa yang cukup baik. Algoritma Linear Regression memberikan hasil terbaik dengan nilai mean squared error (MSE) sebesar 0.0000867, mean absolute error (MAE) sebesar 0.00766, dan skor R² sebesar 95%. neural networks menghasilkan MSE sebesar 0.000171, MAE sebesar 0.01196, dan skor R² sebesar 91%. Sementara itu, gradient boosting menunjukkan performa terendah dengan MSE sebesar 0.01918 dan skor R² sebesar 74%. Temuan ini menunjukkan bahwa pendekatan machine learning dapat digunakan sebagai alat bantu dalam memprediksi tren ekspor komoditas secara akurat.
Perbandingan Algoritma K-Nearest Neighbor dan Decision Tree Untuk Prediksi Diabetes Elsa Elvira Awal; Elfina Novalia; Nurhayati Nurhayati
Komprehensif Vol 4 No 2 (2026)
Publisher : CV Edu Tech Jaya

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

Abstract

Perkembangan teknologi informasi telah meningkatkan ketersediaan data dalam jumlah besar sehingga diperlukan metode klasifikasi yang mampu menghasilkan prediksi secara akurat. Salah satu penerapan klasifikasi yang penting adalah prediksi penyakit diabetes untuk membantu proses pengambilan keputusan di bidang kesehatan. Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Decision Tree dalam memprediksi diabetes serta menentukan algoritma dengan performa terbaik. Dataset yang digunakan adalah Diabetes Prediction Dataset yang diperoleh dari Kaggle, terdiri atas 100.000 data, kemudian dilakukan proses preprocessing berupa penghapusan data duplikat, one-hot encoding pada atribut kategorikal, normalisasi data menggunakan StandardScaler, serta pembagian data latih dan data uji dengan rasio 80:20. Algoritma KNN dioptimalkan melalui pengujian beberapa nilai K, sedangkan Decision Tree dioptimalkan menggunakan GridSearchCV. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa yang lebih baik dibandingkan KNN dengan nilai accuracy sebesar 97%, sedangkan KNN memperoleh accuracy sebesar 96%. Selain itu, Decision Tree menghasilkan nilai recall dan F1-score yang lebih tinggi pada kelas positif diabetes sehingga lebih efektif dalam mengidentifikasi pasien yang berpotensi menderita diabetes. Berdasarkan hasil tersebut, Decision Tree direkomendasikan sebagai algoritma yang lebih sesuai untuk prediksi diabetes pada dataset yang digunakan.
PENGEMBANGAN SISTEM BERBASIS WEBSITE UNTUKMENINGKATKAN AKSES INFORMASI DAN PARTISIPASIMASYARAKAT DI DESA CURUG Elsa Elvira Awal
JURNAL BUANA PENGABDIAN Vol. 8 No. 1 (2026): JURNAL BUANA PENGABDIAN
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/26vwxr82

Abstract

Kegiatan pengabdian ini bertujuan untuk mengatasi masalah akses informasi dan partisipasi masyarakt di Desa Curug melalui pengembangan sistem berbasis website. Masalah utama yang dihadapi adalah minimnya akses informasi, keterbatasan sistem pengelolaan data yang masih manual, serta rendahnya keterampilan digital aparatur desa. Metode yang digunakan meliputi analisis kebutuhan masyarakat, perancangan dan pengembangan website yang responsif, pelatihan penggunaan website, serta evaluasi dampak. Website desa dikembangkan dengan fitur profil desa, layanan publik, berita, dan forum diskusi. Hasil menunjukkan peningkatan keterampilan digital aparatur desa, partisipasi masyarakat yang lebih aktif, serta pengelolaan informasi yang lebih efisien. Rekomendasi tindak lanjut mencakup pemeliharaan sistem, pelatihan berkelanjutan, dan pengembangan konten interaktif. Dengan adanya website ini, Desa Curug diharapkan dapat meningkatkan transparansi dan kualitas pelayanan publik.
Pelatihan Literasi Digital bagi Tenaga Kerja Perkebunan untuk Mendukung Transformasi Industri 4.0. Cici Emilia Sukmawati; Ayu Ratna Juwita; Adi Rizky Pratama; Elsa Elvira Awal
Jumat Informatika: Jurnal Pengabdian Masyarakat Vol. 7 No. 2 (2026): Agustus
Publisher : LPPM Universitas KH. A. Wahab Hasbullah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32764/p4f3sq50

Abstract

Digital transformation in the Industry 4.0 era has encouraged various industrial sectors, including the plantation sector, to improve human resource competency in utilizing digital technology. However, the level of digital literacy among plantation workers remains relatively limited, hampering the optimization of technology utilization in administrative and reporting activities. This community service activity aims to improve the digital literacy of workers at PTPN Cisaruni Garut through practice-based training. The methods used include needs identification, training module design, training implementation and hands-on practice, as well as evaluation and mentoring. The activity was evaluated using pre- and post-tests to measure participants' understanding, and practical assessments to assess digital technology usage skills. This activity was attended by 25 participants, who are plantation workers. The evaluation results showed that the average pre-test score of 58.40 increased to 81.75 in the post-test, with an N-gain value of 0.56, which is included in the moderate category. In addition, more than 80% of participants were able to complete the practical tasks in the good category. These results indicate that the digital literacy training implemented was able to improve participants' knowledge and skills in utilizing digital technology to support reporting and administrative activities in the plantation work environment.
Kajian Model Jaringan Syaraf Tiruan Untuk Memprediksi Secara Dini Tingkat Kelulusan Mahasiswa Tatang Rohana; Euis Nurlaelasari; Elsa Elvira Awal; Hilda Yulia Novita
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.v15i4.15583

Abstract

ABSTRAKMasalah: Penelitian ini terkait dengan kajian algoritma jaringan syaraf tiruan untuk memprediksi secara dini tingkat kelulusan mahasiswa. Tujuan: Tujuan penelitian untuk mendeteksi atau memprediksi tingkat kelulusan mahasiswa yang lulus  tepat waktu, sehingga hasilnya diharapkan bisa memberikan kontribusi bagi progam studi dalam menganalisa tingkat kelulusan mahasiswa.Metode: Algoritma yang dipakai meliputi Multilayer Perceptron, Support Vector Machine, dan Decision Tree. Kemudian akan dibandingkan algoritma mana yang memiliki tingkat akurasi yang terbaik dalam memprediksi tingkat kelulusan mahasiswa.Hasil: Berdasarkan hasil penelitian, model Decision Tree memiliki tingkat error rate yang paling baik yaitu 0, model Support Vector Machine sebesar 0.011, dan Multilayer Perceptron 0.029. Berdasarkan  hasil uji performansi dengan Confusion Matrix, model Multilayer Perceptron  memiliki akurasi sebesar 97,1%, Support Vector  Machine 98,9%, dan Decision Tree memiliki akurasi 100%.Kesimpulan: Model Decision Tree memiliki tingkat akurasi terbaik, sehingga algoritma tersebut bisa digunakan dalam membuat sistem  prediksi kelulusan mahasiswa tepat waktu. Untuk penelitian selanjutnya, disarankan untuk menambahkan lebih banyak data mahasiswa agar hasil penelitian bisa lebih baik. Variabel data set juga bisa diperluas tidak hanya dari aspek akademik mahasiswa, tetapi juga dari aspek non-akademik dan latar belakang ekonomi keluarga, seperti pendapatan orang tua, status pekerjaan mahasiswa, dan variabel lainnya.Kata kunci: Jaringan Syaraf, Prediksi, Multilayer Perceptron, Support Vector Machine, Decision Tree  
Co-Authors Adi Rizky Pratama Ahmad Takdir Anis Fitri Nur Masruriyah Ayu Ratna Juwita Deden Wahiddin Diah Nurlaila E Haodudin Nurkifli Euis Nurlaelasari Fitri Nur Masruriyah, Anis Hanny Hikmayanti Handayani Hilda Yulia Novita Hilman Abdurrohim Azis Maulana Arif Hidayat Novalia, Elfina Nurhayati Nurhayati Rai Tilosava De Araujo Sukmawati, Cici Emilia Tatang Rohana Tesa Nur Padilah