Article Per Year (5 Year)
p-Index From 2021 - 2026
4.925
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Transformatika E-Dimas: Jurnal Pengabdian kepada Masyarakat JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Pengembangan Rekayasa dan Teknologi Jurnal Surya Masyarakat JSiI (Jurnal Sistem Informasi) ScientiCO : Computer Science and Informatics Journal Journal of Information Systems and Informatics Aiti: Jurnal Teknologi Informasi Jurnal Surya Masyarakat Djtechno: Jurnal Teknologi Informasi Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Riptek SEMINAR NASIONAL PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT Jurnal INFOTEL Tematik Jurnal Informatika: Jurnal Pengembangan IT Signal and Image Processing Letters International Journal of Artificial Intelligence and Science Jurnal DIMASTIK
Aria Hendrawan, Aria
Universitas Semarang
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Nursing Public Health Social Sciences Transportation Other

Published : 40 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 40 Documents
Search

 1   2   3   4 
PENINGKATAN PENGGUNAAN WEBSITE FRAMEWORK LARAVEL PADA KOMUNITAS UMKM RW. 15 TANJUNG MAS SEMARANG UTARA Vydia, Vensy; Hendrawan, Aria; Huizen, Lenny Margaretta
Jurnal DIMASTIK Vol. 2 No. 2 (2024): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/dimastik.v2i2.9603

Abstract

Kesadaran tentang peranan teknologi informasi dalam berbagai aktivitas manusia semakin meluas di seluruh lapisan masyarakat. Jutaan komputer di seluruh dunia terhubung dalam jaringan internet, memungkinkan akses informasi tanpa batas. Salah satu cara menyebarluaskan informasi di internet adalah melalui website, yang memudahkan penyampaian informasi produk maupun kegiatan. UMKM atau Usaha Mikro Kecil Menengah, yang merupakan kegiatan ekonomi rakyat berskala kecil, masih banyak yang menggunakan sistem tradisional dalam penjualan dan promosi produk, termasuk UMKM Srikandi Cantik Bahari RW.15 di Kelurahan Tanjung Mas, Semarang Utara. Mayoritas pelaku UMKM di RW.15 belum mengadopsi sistem komputerisasi karena kendala biaya, kurangnya pemahaman tentang internet, dan fasilitas showroom yang belum memadai. Kegiatan Pengabdian kepada Masyarakat (PkM) yang dilaksanakan terhadap UMKM Srikandi Cipta Bahari menunjukkan peningkatan signifikan. Hasil pre-test menunjukkan 59,1% peserta masih melakukan pencatatan manual dan 63,6% menyatakan penjualan produk mereka belum terkelola dengan baik. Seluruh peserta merasa membutuhkan bantuan teknologi untuk mempermudah pembuatan katalog produk. Hasil post-test menunjukkan 95,5% peserta merasa terbantu dalam menerapkan teknologi yang diajarkan, dan 81,8% peserta merasa puas dengan pelatihan ini. Selain itu, 90,9% peserta menganggap pelatihan ini sebagai solusi efektif dalam pemasaran produk UMKM. Hal ini menunjukkan bahwa pelatihan teknologi sangat penting dalam membantu UMKM meningkatkan efisiensi dan efektivitas operasional mereka.
PENINGKATAN KEMAMPUAN PENGGUNAAN ARDUINO PADA SISWA SMA N 1 TAHUNAN JEPARA Huizen, Lenny Margaretta; vydia, Vensy; Hendrawan, Aria
Jurnal DIMASTIK Vol. 3 No. 1 (2025): Januari
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/dimastik.v3i1.11370

Abstract

Pemanfaatan teknologi dalam pembelajaran sangat penting untuk meningkatkan pemahaman dan keterampilan siswa, khususnya dalam pemrograman mikrokontroler berbasis Arduino. Pelatihan ini dilakukan di SMA N 1 Tahunan dengan menggunakan simulator online Wokwi sebagai alternatif pembelajaran praktis. Metode yang digunakan mencakup pemaparan teori, demonstrasi, diskusi interaktif, dan praktik langsung. Sebelum pelatihan, dilakukan pre-test untuk mengukur pemahaman awal siswa terkait konsep dasar Arduino, dengan rata-rata nilai pre-test sebesar 68,0. Setelah pelatihan, nilai rata-rata post-test meningkat menjadi 88,0, menunjukkan selisih rata-rata sebesar 20,0 poin. Hasil pelatihan menunjukkan peningkatan signifikan pada sebagian besar siswa. Contohnya, Siswa 21 yang awalnya memiliki nilai pre-test 20 berhasil mencapai nilai post-test 90, mencerminkan peningkatan pemahaman yang luar biasa. Namun, terdapat siswa seperti Siswa 4 yang menunjukkan peningkatan terbatas, dari nilai pre-test 30 menjadi 70, menunjukkan perlunya pendekatan yang lebih personal. Pelatihan menggunakan Wokwi terbukti efektif dalam meningkatkan pemahaman siswa terhadap pemrograman Arduino sekaligus mengatasi keterbatasan fasilitas laboratorium. Kegiatan ini juga berhasil meningkatkan minat siswa terhadap teknologi dan penerapannya dalam kehidupan sehari-hari. Untuk hasil yang lebih optimal, disarankan adanya bimbingan tambahan bagi siswa tertentu dan penambahan sesi praktik menggunakan perangkat Arduino fisik.
STRATEGI DIGITAL MARKETING UNTUK UMKM : MEMBANGUN BRANDING ONLINE DAN KONTEN MENARIK UMKM RW. 15 TANJUNG MAS SEMARANG UTARA Vydia, Vensy; Hendrawan, Aria; Margaretta Huizen, Lenny; Rohman Cholil, Saifur; Huizen, Lenny Margaretta
Jurnal DIMASTIK Vol. 3 No. 2 (2025): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/dimastik.v3i2.12640

Abstract

Digital marketing merupakan strategi pemasaran yang memanfaatkan platform digital untuk membangun branding dan meningkatkan jangkauan pasar. Bagi pelaku UMKM, strategi ini menjadi solusi efektif dalam meningkatkan daya saing, khususnya melalui media sosial dan iklan digital. Namun, UMKM di RW 15 Tanjungmas, Semarang, masih menghadapi kendala dalam memanfaatkan strategi ini akibat kurangnya pemahaman dan keterbatasan dalam pembuatan konten yang menarik. Untuk menjawab permasalahan tersebut, dilaksanakan program sosialisasi strategi digital marketing yang mencakup pemanfaatan media sosial, dasar-dasar iklan digital, serta pelatihan pembuatan konten promosi menggunakan aplikasi Canva. Kegiatan ini diikuti oleh 12 peserta dari komunitas UMKM Srikandi Cantik Bahari dan dilaksanakan pada 17 Juni 2025 di Balai RW 15 Tanjungmas. Hasil kegiatan menunjukkan adanya peningkatan signifikan pemahaman peserta. Rata-rata skor pre-test yang berkisar antara 2 hingga 3 meningkat menjadi rata-rata 4 hingga 5 pada post-test. Peningkatan tertinggi terjadi pada aspek kemampuan menggunakan Canva dan pemasaran melalui media sosial. Kegiatan ini berhasil meningkatkan kesadaran dan keterampilan peserta dalam membangun branding produk secara online, serta membekali mereka dengan kemampuan praktis untuk memanfaatkan digital marketing dalam pemasaran produk UMKM.
Comparative Sentiment Analysis on Mobile JKN Application Using Logistic Regression with SMOTE Based Statistical Feature Selection Awaliyah, Rafika Farkhul; Hendrawan, Aria
Journal of Applied Informatics and Computing Vol. 9 No. 6 (2025): December 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i6.10520

Abstract

This study investigates public sentiment on the Mobile JKN application using Logistic Regression enhanced with SMOTE-based statistical feature selection. Unlike prior works that relied solely on conventional feature combinations such as TF-IDF or Word2Vec, this research performs a comparative evaluation of three statistical feature selection techniques: Recursive Feature Elimination (RFE), Chi-Square, and Mutual Information, under both TF-IDF and Word2Vec representations in a low-resource Indonesian language setting. The dataset consists of 2,382 user reviews from the Google Play Store, balanced using SMOTE to mitigate class imbalance. The best configuration, TF-IDF combined with Mutual Information, achieved an accuracy of 73.38% and an F1-score of 50%, indicating a moderate yet consistent performance. A confusion matrix-based error analysis revealed that most misclassifications occurred between neutral and negative classes due to semantic overlap. The relatively low F1-score highlights challenges in sentiment separability, while the superior performance of Mutual Information demonstrates its ability to capture discriminative linguistic features. The superior performance of Mutual Information is attributed to its ability to capture non-linear dependencies between features and sentiment labels, yielding richer discriminative information compared to Chi-Square or RFE. This research establishes a comparative methodological framework that integrates feature selection and data balancing techniques, providing interpretable sentiment classification insights for under-resourced language settings.
ANALISIS SENTIMEN TERHADAP KOMENTAR YOUTUBE TERKAIT JUDI ONLINE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Putra, Abhinaya; Hendrawan, Aria
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.8085

Abstract

Perkembangan teknologi informasi dan komunikasi telah mendorong meningkatnya penggunaan media sosial, termasuk YouTube, yang kini menjadi salah satu platform paling populer untuk berbagi informasi, hiburan, serta opini publik. Banyaknya komentar yang diunggah oleh pengguna mencerminkan berbagai ekspresi sentimen terhadap suatu konten, namun volume data yang besar membuat analisis manual menjadi tidak efisien. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen pada komentar YouTube dengan menggunakan pendekatan deep learning berbasis Convolutional Neural Network (CNN). Proses penelitian diawali dengan pengumpulan data melalui metode web scraping untuk memperoleh komentar pengguna, kemudian dilakukan tahap preprocessing meliputi pembersihan teks, penghapusan tanda baca, tokenisasi, dan normalisasi. Setelah itu, data diberi label berdasarkan kategori sentimen positif, negatif, dan netral. Model CNN diterapkan untuk mengekstraksi fitur penting dari teks melalui lapisan konvolusi dan pooling sehingga mampu mengenali pola kata dan konteks kalimat secara efektif. Evaluasi kinerja dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score untuk mengukur tingkat keberhasilan model dalam klasifikasi sentimen. Hasil penelitian menunjukkan bahwa CNN terbukti efisien dan akurat dalam menganalisis sentimen pada komentar YouTube berbahasa Indonesia serta berpotensi dikembangkan lebih lanjut untuk analisis opini publik di berbagai platform media sosial.
Speech-Driven Visitor Notification System Using Telegram Bot and Voice Activity Detection for Real-Time Retail Applications Setiaji, Aria; Hendrawan, Aria; Christioko, Bernadus Very; Huizen, Lenny Margaretta
International Journal of Artificial Intelligence and Science Vol. 2 No. 2 (2025): September
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/IJAIS.v2i2.44

Abstract

In the retail industry, fast and responsive service is essential for maintaining customer satisfaction and loyalty. A key challenge faced by store owners is delayed responses to customer arrivals, leading to dissatisfaction and potential lost sales. This project develops an automatic notification system using Speech-to-Text technology and a Telegram bot to detect voice keywords and send real-time notifications to store owners. The system was developed using the prototype methodology, allowing for iterative testing and refinement to ensure it met user needs and functional requirements. It integrates the Deepgram API for accurate speech transcription, the Telegram Bot API for notifications, and a web interface for managing keywords and monitoring system status. To enhance efficiency, a Voice Activity Detection (VAD) module was added, ensuring that only human speech is processed, thereby reducing unnecessary processing. Experimental results showed that the system achieved 100% accuracy in quiet environments and 80% in noisy conditions. The system's response time was also impressive, with an average time of 3.72 seconds in quiet conditions and 3.8 seconds in noisy environments. Word Error Rate (WER) and Character Error Rate (CER) evaluations indicated perfect accuracy in quiet conditions (WER 0%, CER 0%) and slight errors in noisy conditions (WER 13.33%, CER 12.5%). Overall, the system effectively improved service speed and responsiveness, offering store owners a valuable tool for enhancing customer experience in retail environments.
The Comparative Analysis Of Multi-Criteria Decision-Making Methods (MCDM) In Priorities Of Industrial Location Development Agusta Praba Ristadi Pinem; Aria Hendrawan; Nur Wakhidah
JURNAL INFOTEL Vol 16 No 4 (2024): November 2024
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v16i4.1099

Abstract

The process of prioritizing the development of an industrial area's site is a matter that necessitates a mature approach. The establishment of an industrial region has significant social implications for the surrounding locality. However, it is also necessary to take into account the availability of variables that facilitate the functioning of such an industrial zone. The goal of the study "A Comparative Analysis of Multi-Criteria Decision Making Methods (MCDM) for Determining the Priority of Industrial Area Location Development" is to compare and contrast different MCDM methods in the context of deciding which industrial area locations should be developed first. A case study was undertaken, examining various possible industrial sites for future development. Multiple approaches, namely MOORA, WASPAS, ARAS, COPRAS, and AHP, are employed to ascertain the prioritization of industrial area development locations. This study presents a comparative analysis of each approach by using the Spearman Rank correlation and utilizing the factual data obtained from the Department of Capital Plantation and Integrated One Door Services (DPMPTSP). The external research is anticipated to involve a comprehensive review of the literature on the efficacy of Multiple Criteria Decision Making (MCDM) methods. This research has the potential to assist both governmental bodies and private entities in establishing priorities for the development of industrial areas, taking into account prevailing circumstances and conditions while also considering various significant factors and criteria.
PEMODELAN URUTAN JANGKA PENDEK VS JANGKA PANJANG: LSTM VS TSFORMER DALAM PREDIKSI LALU LINTAS PERKOTAAN Ramadhani, Jovita Wayan; Hendrawan, Aria
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.6996

Abstract

Prediksi lalu lintas jangka pendek berperan penting dalam pengembangan Intelligent Transportation Systems (ITS), khususnya di wilayah metropolitan yang dinamis. Penelitian ini membandingkan kinerja dua model deep learning, yaitu Long Short-Term Memory (LSTM) dan Time Series Transformer (TSFormer), menggunakan lima sensor dengan tingkat kelengkapan data tertinggi dari dataset METR-LA yang merekam kecepatan kendaraan setiap lima menit. Tahapan eksperimen mencakup penghapusan nilai nol yang diperlakukan sebagai data hilang, pengisian data menggunakan interpolasi spline, normalisasi Min–Max, serta pembentukan data terawasi melalui pendekatan sliding window sepanjang 72 langkah waktu. Kedua model dilatih dengan pengaturan yang sama, meliputi penggunaan optimizer Adam, learning rate yang seragam, dan penerapan early stopping. Evaluasi kinerja dilakukan menggunakan MAE, MSE, RMSE, dan MAPE. Hasil pengujian memperlihatkan bahwa LSTM menunjukkan kinerja yang lebih stabil dan secara konsisten lebih baik dibandingkan TSFormer pada seluruh sensor. LSTM mencapai MAE 0,0026, RMSE 0,0057, dan MAPE 0,58%, sedangkan TSFormer mencatat MAE 0,0075, RMSE 0,0135, dan MAPE 0,96%. Waktu pelatihan LSTM tercatat lebih singkat, yakni sekitar 174 detik, dibandingkan TSFormer yang membutuhkan sekitar 397 detik. Kondisi ini memperlihatkan bahwa LSTM tetap menawarkan keseimbangan yang baik antara stabilitas dan efisiensi untuk prediksi lalu lintas jangka pendek pada lingkungan ITS dengan sumber daya terbatas.
Analysis of the Best Social Media Platforms for Promotion Using Machine Learning and RFE Feature Selection: A Comparative Study of Gradient Boosting, XGBoost, CNN, and SVR Putri, Maulina; Hendrawan, Aria
Journal of Applied Informatics and Computing Vol. 10 No. 1 (2026): February 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i1.12049

Abstract

This study aims to identify the most effective social media platforms for digital marketing. The use of social media for promotion continues to grow, yet many businesses still struggle to determine which platforms have the greatest impact. Therefore, this study compares the performance of various machine learning platforms to predict the best platform. The algorithms used are Gradient Boosting Regressor, XGBoost Regressor, Convolutional Neural Network (CNN), and Support Vector Regression (SVR) to estimate digital conversion potential based on user reviews, ad reach, and content trend patterns. A Knowledge Discovery in Databases (KDD) workflow is used to identify the most important key factors. This process includes data preprocessing, TF-IDF feature extraction, sentiment analysis, feature engineering, and feature elimination (RFE). The results showed that the CNN algorithm excelled in prediction, with the highest R² score of 0.74 and the lowest RMSE of 14.78. CNN predictions showed YouTube topping the list in terms of conversion potential, followed by Facebook and TikTok. These results highlight the higher promotional effectiveness of video-based platforms and the importance of machine learning in digital marketing decision-making. However, this study is limited by its reliance on static user review and ad reach data, which may not fully capture the dynamic changes of social media platforms.
Data-Driven Traffic for Infrastructure Planning: An LSTM Approach Using Indonesian Road-Vehicle Trends Aria Hendrawan; Nabilah Putri
Journal of Information System and Informatics Vol 8 No 2 (2026): April
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v8i2.1516

Abstract

The rapid growth of motorized vehicles in Indonesia, unmatched by proportional expansion in road infrastructure, has intensified pressure on the national transportation system. This study examines the application of a Long Short-Term Memory (LSTM) model to analyze and forecast the national traffic load ratio, defined as the ratio of total motorized vehicles to total road length. Annual aggregate data from the Indonesian Central Bureau of Statistics (BPS) for the period 2016–2023 were used in the analysis. The results indicate that the model achieved a strong fit on the training data, with RMSE = 0.3652 and MAE = 0.3617, but performed substantially worse on the test data, with RMSE = 1.7585 and MAE = 1.7585. This discrepancy suggests overfitting, largely attributable to the extremely limited sample size. As such, the findings should be interpreted as exploratory rather than as evidence of reliable forecasting performance. Despite these limitations, the model projects a continued upward trend in national infrastructure pressure over the next five years. These findings provide an initial data-driven indication that transportation infrastructure demand in Indonesia is likely to intensify, while also underscoring the need for future research using larger datasets and baseline model comparisons before policy-level application can be justified.
Co-Authors Adiuntoro, Alwan Agho, Davit Cany Agusta Praba Ristadi Pinem Agusta Praba Ristadi Pinem April Firman Daru Awaliyah, Rafika Farkhul Basworo Ardi Pramono Cholil, Saifur Rohman Christine Dewi Christioko, B.Very Dimas Dwi Budiarjo Febrian Wahyu Christanto Henny Indriyawati Khairunnisa, Hasna Rizqia Khoiriyah, Rofiatul Khoirudin Khoirudin Khoirudin Khoirudin, Khoirudin Lenny Margaretta Huizen Luqman Hakim Maulana, Charis Maulida, Innayah Nabilah Putri Nur Wakhidah Oky Dwi Nurhayati Pinem, Agusta Praba Ristadi Pradana, Muhamamd Surya Jati Prind Triajeng Pungkasanti, Prind Triajeng Pulung Nurtantio Andono Putra, Abhinaya Putri, Maulina Rahmat Gernowo ramadhani, jovita wayan Rohman Cholil, Saifur Saifur Rohman Cholil Saputri, Anita Nur Widdia Sekar Sari, Mega Setiaji, Aria Siti Asmiatun, Siti Soiful Hadi Susanto Susanto Titin Winarti Vensy Vydia Whisnumurti Adhiwibowo Wicaksana, Dinar Anggit