Claim Missing Document
Check
Articles

Perancangan Jaringan Internet RT/RW dengan Memanfaatkan Mikrotik dalam Memberikan Layanan Internet bagi Masyarakat Ricky Wahyu Setyawan; Suprianto
Physical Sciences, Life Science and Engineering Vol. 1 No. 2 (2024): March
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/pslse.v1i2.199

Abstract

Kebutuhan dari pengguna internet wireless menjadi tuntutan walaupun secara umum teknologi wireless masih belum bisa mengalahkan teknologi pendahulunya, dan perlu dipertimbangkan untuk kepuasan pengguna mengakses internet. Dalam penelitian ini penulis mengambil tema “Perancangan Jaringan Internet Rt/Rw Dengan Memanfaatkan Mikrotik Dalam Memberikan Layanan Internet Bagi Masyarakat”. Jaringan RT/RW Net sendiri adalah jaringan komputer warnet dalam ruang lingkup RT/RW melalui media kabel dan wireless sebagai sarana komunikasi masyarakat yang diburtuhkan saat ini. Melihat pada jaringan tersebut belum menerapkan sistem voucher mikrotik. Pada proyek akhir ini, penulis mengaplikasikan perancangan jaringan hotspot dengan sistem voucher menggunakan mikrotik pada RT/RW net sebagai sistemuntuk memudahkan client dalam pengkoneksian jaringan internet. Disamping itu juga sangat berguna untuk penyedia internet itu sendiri karena dengan sistem voucher dapat memudahkan dalam penyetingan ip client sehingga dapat meminimalisasikan waktu agar lebih efektif dan efisien untuk meningkatkan pelayanan kepada pengguna internet dan penyedia internet itu sendiri, sehingga diharapkan mampu memaksimalkan bisnis tersebut.
Hybrid CNN-LSTM for Indonesian Cyberbullying Detection on Social Media X Muhammad Hafizh Fattah; Mochamad Alfan Rosid; Sukma Aji; Suprianto
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol. 9 No. 2 (2026): Issues January 2026
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v9i2.16938

Abstract

Cyberbullying on social media platform X has become a critical digital threat and requires automatic detection mechanisms to mitigate psychological impacts on victims. This study proposes a hybrid deep learning architecture that combines Convolutional Neural Network (CNN) for local feature extraction and Long Short-Term Memory (LSTM) for sequential context understanding in classifying Indonesian language cyberbullying comments. This study evaluates model performance using a dataset of 13,677 comments from social media X through a series of systematic testing scenarios, including the impact of regularization, utilization of FastText embeddings, and comparative studies against state-of-the-art models. Experimental results demonstrate that the Early Stopping mechanism is a critical factor in this architecture, where without this mechanism the model experiences accuracy degradation of up to 32%. The proposed CNN-LSTM model achieves 88.38% accuracy and 88.00% F1-Score, improving to 0.9559 AUC with FastText integration. This model achieves over 97% of IndoBERTweet's performance with 22 times lower computational complexity (4.97 million versus 110.88 million parameters) and outperforms machine learning methods such as SVM with an accuracy margin of more than 10 percentage points. This study concludes that the CNN-LSTM architecture offers a robust and efficient solution for cyberbullying detection, particularly for resource-constrained environments
Membangun Ekosistem Kesehatan Digital yang Berkelanjutan: Model Pemberdayaan Kader Posyandu melalui Aplikasi SIGAP di Desa Gelam Sidoarjo Suprianto Suprianto; Widi Arti; Okky Zubairi Abdillah; Mochamad Ramadhan Alfikri; M Zidan Kusuma Firdaus; Raihan Rizki Arsandy; Haselinda Angelina Cahyani
Abdimas Galuh Vol 8, No 2 (2026): September 2026
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/ag.v8i2.26276

Abstract

Posyandu sebagai garda terdepan pelayanan kesehatan primer di Indonesia masih menghadapi tantangan sistemik dalam hal administrasi manual, akurasi data, dan keberlanjutan layanan. Transformasi digital menjadi keniscayaan, namun implementasinya sering terkendala oleh kesiapan sumber daya manusia dan tidak adanya model keberlanjutan yang terstruktur. Kegiatan pengabdian ini bertujuan mengembangkan dan mengimplementasikan model pemberdayaan kader Posyandu berbasis aplikasi SIGAP (Sistem Informasi Giat Posyandu) guna membangun ekosistem kesehatan digital yang berkelanjutan di Desa Gelam, Sidoarjo. Metode yang digunakan adalah pendekatan Community Development yang dilaksanakan selama delapan bulan melalui lima tahapan: identifikasi masalah dan analisis kebutuhan, perancangan solusi dan pengembangan program, penerapan teknologi, pendampingan dan evaluasi formatif, serta monitoring dan penguatan keberlanjutan. Aplikasi SIGAP dikembangkan sebagai Progressive Web App (PWA) dengan fitur database terpusat, analisis otomatis status gizi, modul logistik, dan generator laporan. Pelatihan kader dilakukan dengan metode blended learning dan pendampingan on-the-job training. Hasil kegiatan menunjukkan program berhasil melatih 30 kader dengan tingkat kapabilitas operasional mencapai 90%, mendigitalkan data kesehatan lebih dari 250 kepala keluarga, mengurangi waktu pembuatan Laporan Bulanan Posyandu dari 3-5 hari menjadi kurang dari 2 jam, dan meningkatkan partisipasi masyarakat sebesar 20%. Terbentuk Tim Digital Posyandu Desa sebagai institusi pengelola keberlanjutan serta tersusun buku panduan dan video dokumentasi untuk replikasi. Simpulan dari kegiatan ini adalah model pemberdayaan berbasis aplikasi SIGAP yang mengintegrasikan pelatihan berjenjang, pendampingan intensif, dan institusionalisasi terbukti efektif membangun ekosistem kesehatan digital yang mandiri dan berkelanjutan.
Implementasi Algoritma Naïve Bayes dan Decision Tree pada Sentimen Dampak Bencana Hidrometoeorologi Arry Wahyu Setiawan; Suprianto Suprianto; Yunianita Rahmawati; Suhendro Busono
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3858

Abstract

Abstract Hydrometeorological disasters often trigger public responses on social media, so it’s requiring analysis public opinion toward such disaster.  This study compares the performance of Decision Tree and Naïve Bayes Algorithm to analyze performance on analyzing sentiments of respond related to hydrometeorological disaster. The dataset that used contains of 11890 comments. Comments labeled into Positive, Negative, and neutral then processed by preprocessing, TF-IDF weighting, and classification with 5-fold cross validation. Validation results Naïve Bayes had mean accuracy by 0.79 which higher than Decision Tree, which scored 0,65. Naïve Bayes also got 0.79 score on accuracy, precision, recall, and F1-Score compares to Decision tree that scored scored 0.63, 0.70, 0.63, and 0.64 respectively. Because the gap of the mean accuracy and test accuracy wasn’t far off, concludes that Naïve Bayes have better generalization than Decision Tree. This result shows that Naïve Bayes is better than Decision Tree on classification of Hydrometeorological Disaster respond. Key Words: Sentiment Analysis; Hydrometeorology Disaster; Naïve Bayes; Decision tree; TF-IDF; Social Media   Abstrak Bencana hidrometeorologi memicu berbagai respons masyarakat di media sosial. maka diperlukan analisis untuk memahami opini publik terhadap bencana terkait. Tujuan penelitian ini adalah membandingkan kinerja algoritma Naïve Bayes dan Decision Tree dalam melakukan analisis sentimen terkait bencana Hidrometeorologi. Data digunakan berasal dari TikTok, Instagram Facebook yang terdiri dari 11.890 komentar dengan label kelas positif, negatif, dan netral yang kemudian diproses melalui tahapan pra-pemrosesan, pembobotan TF-IDF, dan klasifikasi dan validasi 5-fold cross validation. Hasil validasi menunjukkan Naïve Bayes memperoleh mean accuracy 0,79 lebih tinggi daripada Decision Tree yang mendapat skor 0,65. Pada data uji, Naïve Bayes memperoleh accuracy, precision, recall, dan F1-Score yang seragam 0,79 lebih unggul dari Decision Tree dengan accuracy 0,63, precision 0,70, recall 0,63, dan F1-score 0,64. Dikarenakan jarak mean acmecuracy dan test accuracy berdekatan disimpulkan Naïve Bayes mempunyai kemampuan generalisasi lebih baik daripada Decision Tree. Hasil ini menunjukkan Naïve Bayes unggul dalam mengklasifikasi sentimen terkait bencana Hidrometeorologi
Data Science Integration For Corporate Inventory Forecasting And Profitability Expansion: Integrasi Data Science Untuk Prakiraan Inventaris Perusahaan Dan Perluasan Profitabilitas Mohammad Krisna Rifkiansyah; Suprianto
Procedia of Engineering and Life Science Vol. 10 No. 1 (2026): Proceedings of the 9th Seminar Nasional Sains 2026
Publisher : Universitas Muhammadiyah Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21070/pels.v10i1.1848

Abstract

Data science has become one of the main focuses in the development of corporate strategies in today's digital era. Through the utilization of big data and advanced analytical techniques, companies can make better decisions and improve operational efficiency. However, although companies already have access to large volumes of data, many still face challenges in optimizing its use to improve business performance. This study aims to analyze and measure the impact of data science implementation in improving company performance, by identifying how companies implement data science technology, evaluating the effect of data science implementation on key performance aspects of the company, strategic decision making, and optimization of resource use. The methods used are data collection techniques and data analysis techniques. The results of this study indicate a significant improvement in the company's performance after implementing data science in various operational and strategic aspects. Overall, the results show that the implementation of data science makes a significant contribution to improving company performance in various aspects, including operational efficiency, strategic decision-making, and customer satisfaction.