Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Social Sciences and Technology for Community Service
Luluk Muthoharoh
Institut Teknologi Sumatera
Humanities Computer Science & IT Engineering Languange, Linguistic, Communication & Media Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Peningkatan Kompetensi Web Modern melalui Pelatihan Framework Next.js bagi siswa SMKN 7 Bandar Lampung Febri Dwi Irawati; Mika Alvionita Sitinjak; Ardika Satria; Ahmad Luky Ramdani; Ira Safitri; Tirta Setiawan; Luluk Muthoharoh; Rohmi Dyah Astuti; Yoga Aji Sukma; Dimas Dwi Randa; Vina Nurmadani; Yustida Bellini
Journal Social Science And Technology For Community Service Vol. 7 No. 1 (2026): Volume 7 Nomor 1 Maret 2026
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v7i1.1689

Abstract

Kesenjangan kompetensi siswa Sekolah Menengah Kejuruan (SMK) dengan kebutuhan industri pengembangan perangkat lunak yang dinamis menjadi latar belakang utama pelaksanaan pengabdian ini. Framework Next.js, sebagai teknologi modern berbasis React, dipilih untuk meningkatkan kapasitas teknis siswa dalam membangun aplikasi web modern dan berkinerja tinggi. Kegiatan ini bertujuan untuk meningkatkan pemahaman dan keterampilan praktis siswa SMKN 7 Bandar Lampung melalui metode project-based learning. Subjek pengabdian terdiri dari 56 siswa yang dievaluasi menggunakan instrumen pre-test dan post-test. Analisis data dilakukan secara komprehensif menggunakan statistika deskriptif dan inferensia non-parametrik Wilcoxon Signed-Rank Test karena distribusi data yang tidak normal (p < 0,05). Hasil analisis menunjukkan adanya peningkatan skor rata-rata yang signifikan dari 28,39 menjadi 37,04. Wilcoxon test menghasilkan nilai statistik V = 3 dengan signifikansi p < 0,001, yang mengonfirmasi adanya perbedaan kompetensi yang nyata setelah intervensi diberikan. Selain itu, capaian effect size sebesar 0,571 (kategori besar) memperkuat bukti bahwa metode pelatihan berbasis praktik efektif dalam mereduksi disparitas pemahaman siswa, terutama pada indikator inisiasi proyek dan struktur folder. Kesimpulannya, pelatihan ini berhasil mentransformasi pengetahuan siswa dari kategori ragu-ragu menjadi paham, sekaligus memberikan fondasi teknologi yang relevan dengan standar industri terkini.
Analisis Sentimen Berbasis Aspek pada Ulasan Pariwisata Menggunakan Varian Algoritma K-Nearest Neighbor: Aspect-Based Sentiment Analysis of Tourism Reviews Using Variants of the K-Nearest Neighbor Algorithm Anastasya Nurfitriyani Hidayat; Ahmad Luky Ramdani; Luluk Muthoharoh
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2522

Abstract

Sektor pariwisata merupakan sektor kunci dalam pembangunan daerah dan kesejahteraan masyarakat. Ulasan pengunjung penting karena memberikan informasi yang membantu meningkatkan kualitas objek wisata. Penelitian ini bertujuan untuk melakukan analisis sentimen berbasis aspek pada objek wisata di Kabupaten Samosir dengan fokus pada tiga aspek utama, yaitu atraksi (attractions), amenitas (amenity), dan aksesibilitas (accessibility) berdasarkan ulasan pengunjung di Google Maps. Berdasarkan hasil eksperimen aspek objek wisata, Modified K-Nearest Neighbor (MKNN) mencapai akurasi 55,50%, presisi 62,28%, recall 80,03%, dan F1-Score 59,96%, sedangkan K-Nearest Neighbor (KNN) mencapai akurasi 74%, presisi 65,17%, recall 84,64%, dan F1-Score 70,45%. Untuk aspek kenyamanan, MKNN mencapai akurasi 89,50%, presisi 87,71%, recall 85,19%, dan F1-Score 86,27%, sedangkan KNN menghasilkan akurasi 92,50%, presisi 93,54%, recall 86,99%, dan F1-Score 89,83%. Pada aspek Aksesibilitas, MKNN memperoleh akurasi 85,50% dengan presisi 77,53%, recall 72,44%, dan F1-Score 74,71%, sedangkan KNN mencapai akurasi 86,50%, presisi 79,02%, recall 70,59%, dan F1-Score 74,05%. Dari sini terlihat bahwa model KNN masih menunjukkan performa yang lebih unggul dibandingkan dengan MKNN pada ketiga aspek yang dianalisis.
Co-Authors Anastasya Nurfitriyani Hidayat Ardika Satria Dimas Dwi Randa Febri Dwi Irawati Fitri April Yanti Hendri Noperi Ira Safitri Mika Alvionita Sitinjak Muhammad Kristiawan Ramdani, Ahmad Luky Reny Dwi Riastuti Rohmi Dyah Astuti Tirta Setiawan Vina Nurmadani Yoga Aji Sukma Yustida Bellini