Article Per Year (5 Year)
p-Index From 2021 - 2026
7.023
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS Techno.Com: Jurnal Teknologi Informasi Jurnal Inovasi Teknologi Pendidikan Jurnal Teknologi Informasi dan Ilmu Komputer Telematika Jurnas Nasional Teknologi dan Sistem Informasi Sinkron : Jurnal dan Penelitian Teknik Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING InComTech: Jurnal Telekomunikasi dan Komputer JOURNAL OF APPLIED INFORMATICS AND COMPUTING JSiI (Jurnal Sistem Informasi) EDUMATIC: Jurnal Pendidikan Informatika Jurnal Abdimas PHB : Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming Building of Informatics, Technology and Science Journal of Information Systems and Informatics Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Pendidikan dan Teknologi Indonesia Jurnal Pengabdian Masyarakat Indonesia Internet of Things and Artificial Intelligence Journal Journal of Information Technology and Cyber Security CSRID Journal of Informatics and Interactive Technology (JIITE)
Imam Tahyudin
Program Studi Sistem Informasi STMIK AMIKOM Purwokerto
Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Public Health Social Sciences

Published : 56 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 56 Documents
Search

 2   3   4   5   6 
Peran Program Kampus Mengajar Angkatan 6 dalam Meningkatkan Kualitas Pembelajaran di SMP Abdi Negara 1 Kaligondang, Purbalingga Nur Adiya, Az Zahra Dwi; Tahyudin, Imam
Jurnal Pengabdian Masyarakat Indonesia Vol 4 No 2 (2024): JPMI - April 2024
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpmi.2316

Abstract

Penelitian ini bertujuan untuk menganalisis peran Program Kampus Mengajar Angkatan 6 dalam meningkatkan kualitas pembelajaran di SMP Abdi Negara 1 Kaligondang, Purbalingga. Penelitian dilakukan melalui pendekatan kualitatif dengan fokus pada evaluasi efektivitas program dalam mengembangkan keterampilan guru dan meningkatkan kualitas pembelajaran di sekolah sasaran. Metode pengumpulan data meliputi observasi, wawancara, dan analisis dokumen terkait program. Hasil penelitian menunjukkan bahwa Program Kampus Mengajar Angkatan 6 memberikan kontribusi positif dalam peningkatan kualitas pembelajaran di SMP Abdi Negara 1 Kaligondang. Melalui pelatihan, bimbingan, dan kolaborasi antara mahasiswa pengajar dan guru, program ini berhasil meningkatkan metode pengajaran, meningkatkan motivasi belajar siswa, serta memperluas pengetahuan dan keterampilan guru. Temuan ini menggarisbawahi pentingnya peran kolaborasi antara perguruan tinggi dan sekolah dalam meningkatkan standar pendidikan di tingkat menengah, dengan penekanan pada penerapan program-program inovatif untuk peningkatan kualitas pembelajaran. Penelitian ini memberikan wawasan yang bernilai terkait implementasi sukses Program Kampus Mengajar sebagai model kerja sama yang berpotensi dalam meningkatkan kualitas pendidikan di tingkat sekolah menengah.
Enhancing Clustering Performance through Benchmarking of Dimensionality Reduction Techniques on Educational Data Priyanto, Eko; Berlilana, Berlilana; Tahyudin, Imam
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 2 (2025): JUTIF Volume 6, Number 2, April 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.2.4297

Abstract

This study evaluates the effectiveness of dimensionality reduction techniques in enhancing clustering performance using a tracer study dataset of 500 alumni from UMNU Kebumen, containing 58 variables. The objective was to identify the optimal combination of dimensionality reduction and clustering methods for uncovering patterns in alumni profiles, job search strategies, and employment outcomes. Principal Component Analysis (PCA), Non- Negative Matrix Factorization (NMF), t-Distributed Stochastic Neighbor Embedding (t-SNE), and Uniform Manifold Approximation and Projection (UMAP) were applied, followed by clustering using K-Means, DBSCAN, and Hierarchical Clustering. The findings revealed that NMF achieved the highest clustering quality, particularly with K- Means and Hierarchical Clustering, outperforming PCA. NMF also demonstrated superior compactness with a Calinski-Harabasz Index of 287.96, compared to 125.88 for PCA. While t-SNE and UMAP delivered competitive results, their computational times of 245.8 and 76.5 seconds, respectively, made them less practical for large datasets. The novelty of this study lies in its comprehensive evaluation of dimensionality reduction techniques and the integration of diverse clustering algorithms to assess their interplay. The results provide actionable insights, recommending NMF for accuracy-critical tasks and PCA for time-sensitive applications. Given the increasing volume of high-dimensional educational data, this study highlights the critical need for efficient clustering strategies to extract meaningful insights, ultimately supporting data-driven decision-making in education and workforce planning. Addressing these challenges is essential to optimizing institutional strategies, improving student employability, and enhancing workforce alignment with industry demands.
Analisis Sentimen Ulasan Co-Pilot Google Play dengan SVM, Neural Network, dan Decision Tree Najibulloh, Imam Kharits; Tahyudin, Imam; Saputra, Dhanar Intan Surya
Jurnal Pendidikan Informatika (EDUMATIC) Vol 9 No 1 (2025): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v9i1.29673

Abstract

Sentiment analysis is a technique used to understand user opinions through product or service reviews. The purpose of this research is to compare three classification methods, namely Support Vector Machine (SVM), Neural Network (NN), and Decision Tree (DT) in analyzing the sentiment of users of the Indonesian-language Microsoft Co-Pilot application taken from the Google Play Store. The dataset consists of 20,000 reviews, which first went through preprocessing such as normalization, tokenization, stopwords removal, and stemming. The three methods we used in this study have a Multilayer Perceptron (MLP) architecture with three hidden layers and a ReLU activation function, as well as a dropout regularization technique to avoid overfitting. Model evaluation was conducted using accuracy, precision, recall, and F1-score, with the results showing that NN achieved the highest accuracy of 95.5%, followed by SVM with 95.4% and DT with 92.1%. The advantage of the NN method lies in its ability to recognize more complex patterns in Indonesian, especially in handling informal text and code-mixing. This research contributes to the development of Artificial Intelligence (AI)-based applications by providing insights into the effectiveness of classification methods in Indonesian sentiment analysis, which is important for improving service quality and the development of NLP technology in Indonesia. The practical implications of this research can be used in the development of AI-based applications that are more responsive to user sentiment.
Evaluasi Ensemble Learning untuk Prediksi Nilai Matematika Siswa Sekolah Menengah Asikin, Zaenal; Tahyudin, Imam; Hariguna, Taqwa
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.858

Abstract

Prediksi dini performa matematika siswa sekolah menengah sangat penting untuk merancang intervensi pendidikan yang lebih adaptif dan efektif sebelum ujian akhir resmi dilaksanakan. Penelitian ini bertujuan untuk mengevaluasi kinerja tiga model machine learning Random Forest (RF), Gradient Boosting Regressor (GBR), dan Multi-Layer Perceptron (MLP) dalam memprediksi nilai matematika siswa di Indonesia, serta mendokumentasikan proses tuning hyperparameter secara sistematis untuk setiap model. Dataset yang digunakan terdiri dari skor matematika, membaca, menulis, serta variabel demografis meliputi jenis kelamin, latar belakang pendidikan orang tua, jenis layanan makan, dan keikutsertaan kursus persiapan. Proses tuning hyperparameter untuk RF dan GBR dilakukan menggunakan RandomizedSearchCV dengan 5-fold cross-validation, menguji rentang nilai untuk jumlah estimator, kedalaman maksimum pohon, dan laju pembelajaran (learning rate). Sedangkan pada Multi-Layer Perceptron, GridSearchCV diterapkan dengan variasi arsitektur hidden_layer_sizes, laju pembelajaran awal (learning_rate_init), dan faktor regularisasi (alpha) pada 5-fold CV. Model diukur menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil eksperimen menunjukkan bahwa GBR memberikan performa terbaik dengan MAE sebesar 11,61 poin, RMSE 15,23 poin, dan R² 0,10. Random Forest menempati urutan kedua (MAE 12,34; RMSE 16,05; R² 0,64), diikuti MLP (MAE 13,10; RMSE 17,20; R² 0,60). Analisis feature importance mengungkap bahwa skor membaca dan menulis bersama-sama menyumbang lebih dari 60 % kontribusi prediksi, sedangkan faktor demografis seperti latar belakang pendidikan orang tua dan keikutsertaan kursus berperan sekunder namun tetap signifikan. Temuan ini mengindikasikan bahwa model ensemble learning tidak hanya unggul dalam akurasi prediksi, tetapi juga memberikan wawasan mendalam tentang variabel kunci yang memengaruhi performa matematika siswa. Implementasi model ini memungkinkan guru dan pihak sekolah untuk mengidentifikasi siswa yang berisiko rendah secara lebih cepat, merancang program remedial atau pengayaan yang tepat sasaran, serta memanfaatkan sumber daya pendidikan secara lebih efisien. Untuk penelitian lanjutan, disarankan penambahan variabel perilaku siswa seperti durasi belajar mandiri dan kehadiran serta eksplorasi model sekuensial (RNN/Transformer) untuk menangkap dinamika pembelajaran dari waktu ke waktu.
Transformasi Portal Data Pemerintah di Indonesia dengan Large Language Model dan Retrieval-Augmented Generation: Tinjauan Pustaka Sistematis Hadie, Agus Nur; Tahyudin, Imam; Hariguna, Taqwa
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1175

Abstract

Integrasi kecerdasan buatan (Artificial Intelligence/AI) seperti Large Language Model (LLM) dan Retrieval-Augmented Generation (RAG) berpotensi mentransformasi portal data pemerintah, namun implementasinya terhambat oleh kurangnya tinjauan sistematis dan kerangka evaluasi yang spesifik. Penelitian ini bertujuan untuk mengidentifikasi, mengevaluasi, dan mensintesis literatur terkini mengenai metodologi, keberhasilan, dan tantangan integrasi teknologi tersebut melalui tinjauan pustaka sistematis. Metode ini diterapkan dengan pencarian terstruktur pada basis data Google Scholar, Scopus, dan IEEE Xplore, diikuti proses penyaringan bertahap. Hasil tinjauan menunjukkan bahwa teknologi AI terbukti efektif meningkatkan komunikasi pemerintah-warga, efisiensi layanan, dan akurasi pengambilan data, di mana penyesuaian model menjadi faktor penting. Namun, implementasinya masih menghadapi tantangan signifikan terkait tata kelola, kualitas data, dan masalah etis. Hasil penelitian ini menekankan pentingnya pengembangan kerangka kerja tata kelola yang komprehensif untuk memastikan penerapan AI yang akuntabel dan selaras dengan kepentingan publik.
Analisis Sentimen E-Commerce dengan Optimasi IndoBERT Menggunakan Bayesian Optuna Putri, Dewi Kartika; Karyono, Giat; Tahyudin, Imam
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 12 (2025): JPTI - Desember 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1208

Abstract

Pertumbuhan e-commerce di Indonesia memicu peningkatan signifikan jumlah ulasan pengguna terhadap aplikasi Shopee di Google Play, sehingga analisis manual menjadi tidak lagi efisien. Penelitian ini bertujuan untuk meningkatkan performa analisis sentimen pada ulasan pengguna e-commerce berbahasa Indonesia dengan mengoptimalkan model IndoBERT menggunakan teknik Bayesian Optimization melalui framework Optuna. Latar belakang penelitian ini berfokus pada pentingnya pengolahan opini konsumen di platform Shopee, yang semakin tidak dapat ditangani secara manual karena volume data yang besar dan keberagaman gaya bahasa. Metode yang digunakan meliputi pengumpulan data melalui web scraping, praproses teks, pembagian data, pemodelan dengan IndoBERT, serta penalaan hiperparameter menggunakan Optuna. Hasil eksperimen menunjukkan bahwa optimasi Bayesian mampu meningkatkan akurasi klasifikasi dari 89,30% menjadi 96,10% dan macro-F1 dari 85,83% menjadi 94,82%. Selain itu, false-positive dan false-negative masing-masing turun sebesar 60% dan 67%, serta nilai ROC-AUC meningkat signifikan dari 0,9028 menjadi 0,9903. Temuan ini menegaskan efektivitas Optuna dalam meningkatkan performa dan efisiensi sistem klasifikasi sentimen berbasis IndoBERT, yang dapat diintegrasikan dalam pemantauan opini secara real-time di ranah e-commerce.
Co-Authors Agustina, Nur Ngaenun Al-Haq, Ahnaf Vanning Al-Haq Alam, Yusuf Nur Alfirnanda, Weersa Talta Ammar Fauzan, Ammar Ananda, Fahesta Ananda, Rona Sepri Andrianto Andrianto Anggraini, Lintang Wahyu ANNISA HANDAYANI Anton Satria Prabuwono Arifa, Pujana Nisya Aris Munandar Asikin, Zaenal Azhari Shouni Barkah Bayu Surarso Berlilana Berlilana Che Pee, Ahmad Naim Daffa, Nauffal Ammar Dani Arifudin Dhanar Intan Surya Saputra Diniyati, Faoziyah Fahiya Eko Priyanto Eko Winarto Evania Adna Faiz Ichsan Jaya Fajariyanti, Alya Nur Fandy Setyo Utomo Fatmawati, Karlina Diah Febryanto, Bagas Aji Fitriani, Intan Indri Giat Karyono Hadie, Agus Nur Hellik Hermawan Hermanto, Aldy Agil Hidayah, Septi Oktaviani Nur Ilham, Rifqi Arifin Irfan Santiko Iskoko, Angga Isnaini, Khairunnisak Nur Khoerida, Nur Isnaeni khusnul khotimah Kuat Indartono Kusuma, Bagus Adhi Lestari, Silvia Windri Ma'arifah, Windiya Maulida, Trisna Melia Dianingrum Miftahus Surur, Miftahus Muhammad Reza Pahlevi Murtiyoso Murtiyoso Musyafa, Muhamad Fahmi Nabila, Putri Isma Najibulloh, Imam Kharits Nanjar, Agi Nazwan, Nazwan Nur Adiya, Az Zahra Dwi Nur Faizah Nur holifah, Anggita Oyabu, Takashi Prasetya, Subani Charis Prastyo, Priyo Agung PUJI LESTARI Purwadi Purwadi Purwadi Purwadi Putra, Bernardus Septian Cahya Putra, Feishal Azriel Arya Putri, Dewi Kartika R Rizal Isnanto Rahayu, Dania Gusmi Rahma, Felinda Aprilia Ramadani, Nevita Cahaya Rizaqi, Hanif Rozak, Rofik Abdul Rozak, Rofiq 'Abdul Rozak, Rofiq Abdul Rozak, Rofiq ‘Abdul Rozaq, Hasri Akbar Awal Saefullah, Ufu Samsul Arifin Santoso, Bagus Budi Sarmini Sarmini Satriani, Laela Jati Setiabudi, Rizki Sholikhatin, Siti Alvi Syafaat, Alif Yahya Syafiq, Bayu Ibnu Taqwa Hariguna Tikaningsih, Ades Tri Retnaningsih Soeprobowati Triana, Latifah Adi Triawan, Puas Wardani, Syafa Wajahtu Widiawati, Neta Tri Widya Cholid Wahyudin Wini Audiana Wulandari, Hendita Ayu Yarsasi, Sri Zainal Arifin Hasibuan Zulfa Ummu Hani Zumaroh, Agnis Nur Afa