Article Per Year (5 Year)
p-Index From 2021 - 2026
1.829
P-Index
This Author published in this journals
All Journal Journal Riset Bisnis Indonesia SPEKTRUM INDUSTRI Jurnal Informatika Upgris E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal DISPROTEK Indonesian Journal of Community Services Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) JUKI : Jurnal Komputer dan Informatika Journal of Dinda : Data Science, Information Technology, and Data Analytics International Journal Software Engineering and Computer Science (IJSECS) Jurnal Minfo Polgan (JMP)
Sarwido Sarwido
Universitas Islam Nahdlatul Ulama Jepara
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Social Sciences Other

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

Found 15 Documents
Search

 1   2 
Analisis Kegunaan Aplikasi Sistem Akademik Mahasiswa Universitas Islam Nahdlatul Ulama Jepara Berdasarkan Metode System Usability Scale Yuhda Rachmat Asrori; Sarwido Sarwido; Buang Budi Wahono
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14030

Abstract

Penelitian ini bertujuan untuk mengevaluasi pengalaman penggunaan aplikasi Sistem Akademik Mahasiswa dengan menggunakan metode System Usability Scale (SUS). SIAMA adalah sistem informasi akademik mahasiswa Universitas Islam Nahdlatul Ulama Jepara, aplikasi berbasis web yang dibangun dengan tujuan mengelola data akademik dan administrasi perkuliahan di Universitas Islam Nahdlatul Ulama Jepara. Evaluasi usability penting untuk memastikan aplikasi ini memenuhi kebutuhan dan harapan penggunanya. Penelitian ini melibatkan 200 responden yang merupakan pengguna aktif Sistem Administrasi Mahasiswa (SIAMA) yaitu mahasiswa aktif. Data dikumpulkan melalui kuesioner SUS yang terdiri dari 10 pernyataan dengan skala Likert 5 poin. Hasil penelitian menunjukkan bahwa skor total SUS yang diperoleh dari 200 responden adalah 6.429. Dari perhitungan, rata-rata skors SUS adalah 32,14, yang setelah dikalikan dengan faktor skala SUS (2,5), menghasilkan skor rata-rata sebesar 80,35. Hasil ini menunjukkan bahwa tingkat kegunaan aplikasi sistem informasi akademik sangat tinggi. Skor rata-rata SUS sebesar 80,35 jauh diatas batas 68, yang dianggap sebagai skor minimal untuk kegunaan yang baik. Temuan ini menunjukkan bahwa banyak pengguna mengalami kemudahan dalam menggunkan aplikasi Sistem Akademik Mahasiswa UNISNU Jepara dan merasa puas dengan pengalaman mereka. Peneltian ini diharapkan dapat memberikan wawasan berharga bagi pengembang aplikasi Sistem Akademik Mahasiswa dalam upaya meningkatkan pengalaman pengguna dan memastikan aplokasi memenuhi standar usability yang lebih tinggi.
Analisis Data Penjualan Sepatu pada Toko MNNZR.ID Menggunakan Algoritma Apriori dan FP-Growth Mohammad Nabil Nizar; Sarwido Sarwido; Adi Sucipto
Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Vol 10 No 4 (2026): OCTOBER 2026
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA), Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jtik.v10i4.7014

Abstract

This study aims to analyze consumer purchasing patterns and compare the performance of Apriori and FP-Growth algorithms using sales transaction data from MNNZR.ID shoe store. A quantitative comparative approach was applied to 520 transaction records collected between June 2023 and January 2025. The data were preprocessed and transformed into a market basket format using one-hot encoding, followed by association rule mining with variations in minimum support and confidence. The results indicate that both algorithms generate identical association rules with similar values of support, confidence, and lift. The strongest rule found is (NB, Adidas, Puma) to Nike, with a confidence of 52.63% and a lift value greater than 1, indicating a positive correlation. However, FP-Growth demonstrates better computational efficiency compared to Apriori. These findings show that association rule mining can effectively support data-driven marketing strategies such as product bundling and cross-selling in retail businesses.
Integrasi Teknologi Internet of Things (IoT) pada Mesin Produksi untuk Meningkatkan Kinerja dan Produktivitas di Java Furniture Jepara Nadia Annisa Maori; Ahmad Faidlon; Sarwido Sarwido; Heru Saputro
Indonesian Journal of Community Services Vol 8, No 1 (2026): May 2026
Publisher : LPPM Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ijocs.8.1.119-125

Abstract

Industri mebel Jepara dikenal luas sebagai salah satu penopang ekonomi daerah dengan kualitas produk yang memiliki daya saing nasional hingga internasional. Namun, di tengah meningkatnya persaingan global, Usaha Mikro, Kecil, dan Menengah (UMKM) di sektor ini masih menghadapi sejumlah kendala, termasuk keterbatasan alat produksi, pemasaran, dan manajemen usaha. Kegiatan pengabdian ini dilakukan bersama Java Furniture Jepara sebagai mitra, dengan tujuan untuk meningkatkan kapasitas produksi, efektivitas pemasaran, dan tata kelola usaha. Pada aspek produksi, solusi yang ditawarkan berupa penerapan teknologi kendali kecepatan motor berbasis Internet of Things yang mendukung efisiensi pengerjaan dan ketepatan waktu produksi. Pada aspek pemasaran, pengembangan e-katalog dirancang untuk memperluas jangkauan promosi sekaligus meningkatkan pelayanan kepada pelanggan. Sedangkan pada aspek manajemen, diterapkan aplikasi pencatatan keuangan agar mitra memiliki laporan usaha yang terstruktur dan akurat. Hasil kegiatan menunjukkan bahwa penerapan teknologi ini mampu mempercepat proses produksi, meningkatkan profesionalitas promosi, serta memudahkan pencatatan transaksi. Dengan demikian, program ini tidak hanya membantu mitra dalam menyelesaikan permasalahan yang ada, tetapi juga membuka peluang untuk meningkatkan daya saing dan keberlanjutan usaha mebel di era digital.The Jepara furniture industry is widely recognized as a key driver of the regional economy, producing high-quality products that are competitive at both national and international levels. However, amid growing global competition, Micro, Small, and Medium Enterprises (MSMEs) in this sector still face several challenges, including limited production tools, marketing strategies, and business management. This community service activity was carried out in collaboration with Java Furniture Jepara as a partner, aiming to improve production capacity, marketing effectiveness, and business governance. In terms of production, the proposed solution involved implementing motor speed control technology based on the Internet of Things to enhance efficiency and timeliness. In marketing, the development of an e-catalog was designed to expand promotional reach and improve customer service. Meanwhile, in management, a financial recording application was introduced to ensure structured and accurate business reports. The results indicate that these technological applications successfully accelerated production processes, improved the professionalism of promotion, and simplified transaction recording. Thus, this program not only addressed the existing challenges faced by the partner but also created opportunities to strengthen competitiveness and ensure the sustainability of the furniture business in the digital era.
Analisis Sentimen Terhadap Ulasan Game Mobile Legend di Playstore menggunakan Algoritma Logistic Regression Wildan Anwarul Ma’arif; Sarwido Sarwido; Teguh Tamrin
JUKI : Jurnal Komputer dan Informatika Vol. 8 No. 1 (2026): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2026
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v8i1.2319

Abstract

Meningkatnya jumlah ulasan pengguna aplikasi Mobile Legends di Google Play Store, yang mewakili opini dan pengalaman pemain, merupakan pendorong utama penelitian ini. Tujuan penelitian ini adalah untuk menerapkan algoritma Regresi Logistik untuk menguji sentimen pengguna terhadap game tersebut. Langkah-langkah pra-pemrosesan, ekstraksi fitur dengan TF-IDF, dan pemodelan klasifikasi merupakan bagian dari strategi penambangan data yang memanfaatkan alat penambangan teks. Berdasarkan peringkat, 1.000 ulasan dibagi menjadi tiga kategori: netral, negatif, dan positif. Menurut temuan, model Regresi Logistik mencapai akurasi 0,79, berkinerja terbaik pada sentimen negatif dan cukup baik pada sentimen positif. Namun, karena ketidakseimbangan data, model tersebut tidak mampu mendeteksi sentimen netral. Penelitian ini menyimpulkan bahwa Logistic Regression cukup efektif dalam analisis sentimen teks, namun masih memiliki keterbatasan dalam menangani data tidak seimbang dan konteks bahasa yang kompleks.
Application of Random Forest Method in Predicting Chronic Obstructive Pulmonary Disease (COPD) Muhhamad Fatkhurridlo Mahendra; Nur Aeni Widiyastuti; Sarwido Sarwido
International Journal Software Engineering and Computer Science (IJSECS) Vol. 5 No. 3 (2025): DECEMBER 2025
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA), Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v5i3.5551

Abstract

Chronic Obstructive Pulmonary Disease (COPD) is one of the major global health problems and remains among the leading causes of death worldwide. Early detection plays a crucial role in preventing disease progression; however, conventional diagnostic methods such as spirometry and CT scans often require high costs, long processing time, and specialized expertise. This study aims to apply the Random Forest algorithm, one of the machine learning methods, to predict COPD based on clinical and lifestyle data. The dataset was obtained from Kaggle, consisting of attributes including age, gender, smoking status, type of occupation, sleep habits, exercise activity, insurance ownership, and history of comorbidities. The research stages include data preprocessing, train-test splitting (80:20), and model evaluation using accuracy, precision, recall, F1-score, and AUC metrics. The Random Forest model achieved an accuracy below 90% (approximately 87%), reflecting realistic performance in medical prediction while avoiding overfitting. The results indicate that Random Forest can serve as a reliable method for COPD detection and holds potential to be developed as the foundation of a Clinical Decision Support System (CDSS). This study contributes to the growing body of literature on the application of machine learning in healthcare, while also offering a faster, cost-effective, and scalable alternative for diagnosis.
Co-Authors Achmad Zainudin Adi Sucipto, Adi Agda Luna Alif Prameswara Ahmad Faidlon Aurellia Putri Buang Budi Wahono Dwi Retna Sulistyawati Dwi Retno Sulistyawati Heru Saputro Mohammad Nabil Nizar Muhhamad Fatkhurridlo Mahendra Nadia Annisa Maori Nugroho Adi Prasetyo Nur Aeni Widiastuti Nur Aeni Widiyastuti R Hadapiningradja Kusumodestoni Rahma Dwi Ningsih Saharul Alim Sulistyawati, Dwi Retno SUSI WIDAYANAH Teguh Tamrin Wibowo, Gentur Wahyu Nyipto Wildan Anwarul Ma’arif Yuhda Rachmat Asrori