Article Per Year (5 Year)
p-Index From 2020 - 2025
0.947
P-Index
This Author published in this journals
All Journal Journal of Applied Data Sciences Jurnal Pengabdian Kepada Masyarakat Abdi Putra Sisfo: Jurnal Ilmiah Sistem Informasi Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) Journal of Advanced Computer Knowledge and Algorithms
Irwanda Syahputra
Universitas Malikussaleh
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science Mechanical Engineering Public Health Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Menjelajahi Dunia Digital: Membangun Generasi Cerdas melalui Pengenalan Teknik Komputer yang Menyenangkan Muttaqin; Irwanda Syahputra; Wiwin Apriani; Vivi Asbar; Fitri Ramadhani; Zanuar Rizkiansyah
Jurnal Pengabdian Kepada Masyarakat Abdi Putra Vol 4 No 3 (2024): September 2024
Publisher : Universitas Nusa Putra & Persatuan Insinyur Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/abdiputra.v4i3.280

Abstract

Pengabdian ini bertujuan untuk memperkenalkan teknik komputer kepada siswa SMK Negeri 2 Karang Baru, Aceh Tamiang, guna membangun generasi penerus yang cerdas dan siap menghadapi era digital. Melalui pendekatan pembelajaran yang menyenangkan dan interaktif, siswa diperkenalkan dengan dasar-dasar pemrograman, desain CAD, dan konsep Internet of Things (IoT). Hasil program menunjukkan peningkatan signifikan dalam pengetahuan dan keterampilan siswa, serta peningkatan minat terhadap karir di bidang Teknik komputer. Program ini juga berhasil meningkatkan kepercayaan diri siswa dalam mengaplikasikan teknologi digital. Keberhasilan ini membuka peluang untuk pengembangan lebih lanjut dan replikasi program di sekolah lain
Improved Performance of Hybrid GRU-BiLSTM for Detection Emotion on Twitter Dataset Anam, M. Khairul; Munawir, Munawir; Efrizoni, Lusiana; Fadillah, Nurul; Agustin, Wirta; Syahputra, Irwanda; Lestari, Tri Putri; Firdaus, Muhammad Bambang; Lathifah, Lathifah; Sari, Atalya Kurnia
Journal of Applied Data Sciences Vol 6, No 1: JANUARY 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i1.459

Abstract

This study addresses emotion detection challenges in tweets, focusing on contextual understanding and class imbalance. A novel hybrid deep learning architecture combining GRU-BiLSTM with SMOTE is proposed to enhance classification performance on an Israel-Palestine conflict dataset. The dataset contains 40,000 tweets labeled with six emotions: anger, disgust, fear, joy, sadness, and surprise. SMOTE effectively balances the dataset, improving model fairness in detecting minority classes. Experimental results show that the GRU-BiLSTM hybrid with an 80:20 data split achieves the highest accuracy of 89%, surpassing BiLSTM alone, which obtained 88%, and other state-of-the-art models. Notably, the proposed model delivers significant improvement in detecting the emotion of joy (recall: 0.87, F1-score: 0.86). In contrast, the surprise category remains challenging (recall: 0.24). Compared to existing research, this study highlights the effectiveness of combining SMOTE and hybrid GRU-BiLSTM, outperforming models such as CNN, GRU, and LSTM on similar datasets. The incorporation of GloVe embeddings enhances contextual word representations, enabling nuanced emotion detection even in sarcastic or ambiguous texts. The novelty lies in addressing class imbalance systematically with SMOTE and leveraging GRU-BiLSTM's complementary strengths, yielding superior performance metrics. This approach contributes to advancing emotion detection tasks, especially in conflict-related social media data, by offering a robust, context-sensitive, and balanced classification method.
K Fold Cross Validation Analysis for Electricity Meter Classification at PLN Lhoksukon Using K-NN and SVM Methods Zuboili, Zuboili; Dinata, Rozzi Kesuma; Syahputra, Irwanda
Journal of Advanced Computer Knowledge and Algorithms Vol 2, No 2 (2025): Journal of Advanced Computer Knowledge and Algorithms - April 2025
Publisher : Department of Informatics, Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/jacka.v2i2.21340

Abstract

Electricity consumption continues to increase every year in line with the increase in national economic growth. Predicting current electricity demand is important to understand the overall electricity supplied to each region. The problem is that currently, the electricity supply in various areas of Lhoksukon has not matched the needs of the community. In addition, problems can arise if the power generated is less than the load power requirements, causing energy shortages in an area. To find out whether the electricity provided is appropriate or not, a classification using Supervised Learning method is used. After classification, we will use K-fold Cross Validation to measure how good the accuracy is between the methods. This study will use 200 electricity meter data consisting of 150 test data and 50 training data with a composition of 75%: 25%. The testing process where the data process that has been divided is then carried out in the testing process where the data process is obtained from manual calculations. So that in this study get results in the form of the K-NN method with 99.3% accuracy, 100% precision, 99.29% recall and the SVM method with 94.00% accuracy, 94.00% precision, 100% recall. And to find out how well the performance of the method is based on Supervised Learning method, it will be checked using K-Fold Cross Validation with the results of K-NN 99.53% and SVM 96.00%, with the conclusion that the K-Nearest Neighbor method has a better accuracy rate.
Transformasi Cara Belajar Siswa dengan Teknologi AI di Genggaman Menggunakan ChatGPT Hasibuan, Ade Zulkarnain; Asih, Munjiat Setiani; Syahputra, Irwanda; Fadhilla, Cut Alna; Gunawan, Chichi Rizka
JURIBMAS : Jurnal Hasil Pengabdian Masyarakat Vol 3 No 3 (2025): Maret 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juribmas.v3i3.336

Abstract

Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) telah membuka peluang baru dalam dunia pendidikan, khususnya dalam mendukung pembelajaran mandiri siswa. Kegiatan pengabdian masyarakat ini bertujuan untuk memperkenalkan ChatGPT sebagai salah satu bentuk AI yang dapat dimanfaatkan sebagai alat bantu belajar siswa secara interaktif dan fleksibel. Kegiatan dilaksanakan di SMK Pantai Labu dengan melibatkan siswa sebagai peserta utama. Metode pelaksanaan meliputi observasi dan analisis kebutuhan, penyusunan materi pelatihan, serta pelaksanaan pelatihan tatap muka. Siswa dilatih untuk menggunakan ChatGPT dalam memahami materi pelajaran, menyusun pertanyaan, serta mengeksplorasi topik akademik secara mandiri. Hasil kegiatan menunjukkan bahwa 85% siswa merasa terbantu dalam belajar menggunakan ChatGPT, dan 78% menyatakan akan menggunakannya kembali. Kegiatan ini berhasil meningkatkan pemahaman siswa terhadap konsep AI, membangun kebiasaan belajar mandiri, serta memperkuat literasi digital. Pengenalan teknologi AI melalui ChatGPT terbukti memberikan dampak positif terhadap motivasi dan cara belajar siswa serta sangat relevan untuk diimplementasikan lebih luas dalam sistem pendidikan menengah.
PERAMALAN PERSEDIAAN GABAH KERING GILING (GKG) DENGAN MENGGUNAKAN METODE LOT SIZING DI KILANG PADI MARKOM Syahputra, Irwanda; Fuadi, Wahyu; Pratama, Angga
Sisfo: Jurnal Ilmiah Sistem Informasi Vol. 1 No. 2 (2017): Sisfo: Jurnal Ilmiah Sistem Informasi, Oktober 2017
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/sisfo.v1i2.242

Abstract

Seiring dengan semakin berkembangnya teknologi, kondisi persaingan didalamdunia usaha menjadi semakin ketat. Untuk menghadapi persaingan yang ketat inidiperlukan suatu sistem yang dapat meramalkan persediaan agar proses produksitidak terganggu dengan masalah bahan baku. Gabah kering giling (GKG)merupakan Untuk meramalkan persediaan ini maka dibagun sebuah sistem yangdapat memperkirakan permitaan kedepan dengan data dari tahun sebelumnya,serta dapat memaksimalkan dari segi biaya yang dikeluarkan untuk melakukanpersediaan tersebut. Perancagan penelitian ini menggunakan metode unifiedmodeling language (UML), yaitu dengan use case diagram, sequence diagram,activity diagram serta class diagram. Adapun tahapan dalam penelitian ini terdiridari proses peramalan permintaan dari gabah kering giling untuk satu tahunkedepan dengan menggunakan metode peramalan kuantitatif, selanjutnya akandicari nilai safety stock dan menghitung biaya pemesanan terkecil dari periodeyang ada dengan metode lot sizing. Dari hasil pengujian yang telah dilakukandidapatkan hasil untuk total permintaan selama tahun 2016 adalah sebesar 464360kg dan turun 12,06 % dari permintaan tahun 2015, dimana hasil tersebutselanjutnya dibagikan kembali atas 12 periode yang ada dalam setahunberdasarkan pola yang terbentuk dari data sebelumnya. Untuk perhitungan lotsizing nya didapatkan hasil berupa biaya pemesanan perperiode dengan biayapaling kecil jika pemesanan dilakukan pada setiap periode, sehingga menjadikanjumlah pemesanan dalam setahun sebanyak 12 kali pemesanan.Kata Kunci: Lot Sizing, Silver Meal, GKG, Safety Stock, Peramalan, UML.
Co-Authors Anam, M Khairul Angga Pratama Asih, Munjiat Setiani Efrizoni, Lusiana Fadhilla, Cut Alna Firdaus, Muhammad Bambang Fitri Ramadhani Fuadi, Wahyu Gunawan, Chichi Rizka Hasibuan, Ade Zulkarnain Lathifah, Lathifah Munawir Munawir Muttaqin Nurul fadillah, Nurul Rozzi Kesuma Dinata Sari, Atalya Kurnia Tri Putri Lestari, Tri Putri Vivi Asbar Wirta Agustin Wiwin Apriani Zanuar Rizkiansyah Zuboili, Zuboili