Article Per Year (5 Year)
p-Index From 2021 - 2026
2.764
P-Index
This Author published in this journals
All Journal JSM (Jurnal SIFO Mikroskil) E-Dimas: Jurnal Pengabdian kepada Masyarakat JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Journal of Computer System and Informatics (JoSYC) Yayasan Cita Cendikiawan Al Khwarizmi Journal of Social Responsibility Projects by Higher Education Forum
Sio Jurnalis Pipin
Universitas Mikroskil
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
Analisis Sentimen Kebijakan MBKM Berdasarkan Opini Masyarakat di Twitter Menggunakan LSTM Sio Jurnalis Pipin; Heru Kurniawan
Jurnal SIFO Mikroskil Vol 23, No 2 (2022): JSM VOLUME 23 NOMOR 2 TAHUN 2022
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v23i2.900

Abstract

Merdeka Belajar Kampus Merdeka (MBKM) merupakan kebijakan dari Kemendikbud RI yang berperan penting dalam pembelajaran yang otonom dan fleksibel pada kegiatan belajar mahasiswa diluar program studi. Namun, MBKM memiliki pro dan kontra sehingga perlu dilakukan analisis dan evaluasi kebijakannya untuk meningkatkan kinerja melalui umpan balik dari masyarakat. Penelitian ini akan melakukan sentimen analisis pada kebijakan MBKM pada tweet pengguna Twitter dari tahun 2020 - 2022 dengan kata kunci "MBKM", "MSIB" dan "merdeka belajar".Long-Short Term Memory (LSTM) digunakan untuk menganalisa sentimen multiclass pada tweet Bahasa Indonesia ke dalam 6 (enam) kelas emosi. Pengumpulan dan persiapan dataset dimulai dengan seleksi fitur, menghilangkan duplikasi dan seleksi tweet, kemudian dilakukan pre-processing yaitu case folding, tokenizing, pembersihan karakter, normalisasi hingga stemming untuk digunakan dalam pembobotan TF-IDF yang diperlukan dalam pembuatan model LSTM.Hasil penelitian ini menghasilkan model LSTM yang telah dilatih dari dataset 658 tweet dengan nilai akurasi terbaik di 80,42%. Analisis sentimen program MBKM dari tweet pengguna didominasi oleh perasaan "bingung" yaitu 39,51%, kemudian disusul oleh perasaan "senang" yaitu 16,26%, perasaan "sedih" yaitu 15,80%, perasaan "marah" yaitu 13,98%, perasaan "takut" yaitu 7,29%, dan perasaan "terkejut" yaitu 7,14%. Sehingga penting pengkajian untuk meningkatkan program MBKM agar memiliki prosedur dan pelaksanaan yang jelas sehingga mahasiswa nyaman dan memiliki sentimen positif terhadap program MBKM.
Evaluasi Usability pada Aplikasi PeduliLindungi Menggunakan Metode Usability Testing Octa Vi Yanti Siahaan; Fadia C. Damanik; Christofer Jaya Zebua; Florida N.S. Damanik; Sio Jurnalis Pipin
Jurnal SIFO Mikroskil Vol 23, No 2 (2022): JSM VOLUME 23 NOMOR 2 TAHUN 2022
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v23i2.901

Abstract

PeduliLindungi adalah aplikasi oleh Kementerian Komunikasi dan Informatika (Kominfo) yang digunakan untuk melakukan pelacakan dan menghambat penyebaran Coronavirus Disease (Covid-19) yang terjadi di Indonesia. Berdasarkan beberapa penelitian yang dilakukan oleh penelitian sebelumnya, kepercayaan masyarakat masih minim menerima dan menggunakan PeduliLindungi. Dapat dilihat dari persentase rating buruk sebesar 23% dari total ulasan yang ada pada Google Play dan aplikasi ini masih memiliki beberapa kekurangan yang mempengaruhi tingkat kepuasan penggunanya.Perlu dilakukan evaluasi tingkat usability dengan metode usability testing untuk mengukur aspek Effectiveness, Efficiency, Memorability, Error, dan Satisfaction. Kegiatan pengumpulan data dilakukan dengan menyebarkan kuesioner System Usability Scale kepada 97 responden dan task menggunakan Microsoft Form kepada 20 responden dari mahasiswa/i pada lingkungan Universitas Mikroskil. Pengujian task dilakukan selama 2 sesi.Berdasarkan pengukuran aspek usability didapatkan hasil Effectiveness baik dengan persentase 91,2% dan 93,4% pada sesi I dan sesi II, Efficiency didapatkan peningkatan waktu efisien pada sesi I 0,09 goals/sec dan pada sesi II  sebesar 0,11 goals/sec, Memorability menunjukan hasil yang baik dimana setiap pengerjaan task mengalami penurunan waktu, Error rate tergolong rendah dengan persentase sebesar 8% pada sesi I dan 5% pada sesi II, dan Satisfaction dengan skor 57 mendapat peringkat D yaitu acceptable dan diterima secara marginal. Kemudian terdapat rekomendasi tampilan pada fitur berdasarkan feedback responden yaitu pada fitur pengecekan sertifikat, check-in, dan dark mode.
Perancangan Basis Data Relasional untuk Bengkel Sepeda Motor Serba Djadi Felix; Sio Jurnalis Pipin
Dedikasi Sains dan Teknologi (DST) Vol. 3 No. 1 (2023): Dedikasi Sains dan Teknologi : Volume 3 Nomor 1, Mei 2023
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dst.v3i1.2265

Abstract

Bengkel sepeda motor adalah usaha yang melibatkan sejumlah tahapan pekerjaan diawali dengan masuknya sepeda motor yang butuh penanganan dan diakhiri dengan sepeda motor yang selesai ditangani. Dalam prosesnya akan terdapat sekumpulan data yang perlu dicatat dengan baik seperti nomor pelat kendaraan, nomor telepon pelanggan, jenis perbaikan, onderdil yang diganti, ukuran perkakas yang digunakan, biaya servis motor. Bengkel juga melibatkan beberapa peran seperti pemilik bengkel, mekanik, pelanggan, supplier onderdil. Kegiatan pengabdian diwujudkan dalam beberapa tahapan yaitu tahapan analisis SWOT (Strength, Weakness, Opportunity, dan Threat) mitra, analisis sistem berjalan bengkel, kajian ilmiah mengenai bengkel dan perancangan basis data, dan perancangan basis data untuk mitra. Kegiatan pengabdian dilakukan selama 2 semester dimulai dari Semester Genap 2021/2022 hingga Semester Ganjil 2022/2023 sesuai jadwal perkuliahan PTS (Perguruan Tinggi Swasta) di Medan. Hasil kegiatan pengabdian berupa rancangan ERD (Entity Relationship Diagram) menggunakan Microsoft Visio. Rancangan ERD menggunakan crow’s foot notation sebagai salah satu model yang populer digunakan pada masa sekarang. Rancangan ini nantinya dapat membantu pihak bengkel jika hendak diterapkan di DBMS seperti Microsoft Access. Selain itu, bisa dimanfaatkan sebagai bahan di dalam mengembangkan aplikasi di kemudian hari. Setelah kegiatan pengabdian ini dilaksanakan, dapat disimpulkan bahwa mitra mengalami peningkatan pemahaman dalam manajemen data. Selain itu, wawasan mitra mengenai teknologi informasi menjadi bertambah. Hal ini dinilai penting bagi masyarakat di dalam menghadapi persaingan bisnis dan perkembangan zaman yang semakin bergantung kepada basis data, komputer, internet, dan teknologi.
Perancangan Ulang UI/UX Mika dengan Metode Design Thinking Felix Felix; Sio Jurnalis Pipin; David David; Thiyara Al-Mawaddah
Jurnal SIFO Mikroskil Vol 24, No 1 (2023): JSM VOLUME 24 NOMOR 1 TAHUN 2023
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v24i1.921

Abstract

Mika adalah portal akademik yang digunakan oleh Universitas Mikroskil untuk mengakamodasi kebutuhan-kebutuhan yang berkaitan dengan data akademik. Pengguna Mika berasal dari berbagai kelompok seperti mahasiswa, dosen, dosen penasihat akademik, BAA, Prodi, hingga pihak Wakil Rektor I. Sebagai salah satu website penting bagi warga kampus Mikroskil, Mika masih dapat dikembangkan dengan lebih baik lagi untuk menghasilkan UI/UX yang sesuai dengan kebutuhan pengguna. Pengembangan Mika sampai sekarang masih menggunakan teknik-teknik yang belum berorientasi kepada pengguna sehingga belum mencapai potensi yang maksimum. Design Thinking hadir sebagai suatu pendekatan yang mampu memberikan solusi yang lebih baik. Hal ini dikarenakan metode ini berpusat kepada pengguna sehingga kebutuhannya dapat terpenuhi meskipun pengguna sendiri bisa saja belum tahu pasti apa masalah yang dihadapinya. Masalah demikian dikenal dengan istilah ill-defined problem dan wicked problem. Design Thinking terdiri dari 7 tahapan yaitu: Understand, Observe, Define point of view, Ideate, Prototype, Test, dan Reflect. Setiap tahapan dapat dikerjakan dengan beragam tool yang ada sesuai dengan kebutuhan dan kondisi. Tool-tool tersebut juga dapat digunakan secara seri maupun paralel. Hasil penelitian ini diharapkan mampu menghasilkan sebuah rancangan UI/UX Mika yang lebih sesuai dengan kebutuhan pengguna sehingga dapat memaksimalkan potensi website tersebut.
Pelatihan Instalasi Jaringan Komputer Menggunakan Simulasi Cisco pada SMK Methodist Tanjung Morawa Frans Mikael Sinaga; Sio Jurnalis Pipin; Heru Kurniawan
Journal of Social Responsibility Projects by Higher Education Forum Vol 4 No 1 (2023): Juli 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/jrespro.v4i1.3633

Abstract

SMK Swasta Methodist Tanjung Morawa is one of the private schools under the auspices of Yayasan Methodist Kasih Imanuel Indonesia, which was established in 2008. Tanjung Morawa Methodist Private Vocational School has various majors, one of which is Network and Computer Engineering (TKJ). Network installation is one of the most interesting subjects to discuss because the students have studied it before and it is already a lesson that is in accordance with the majors of the students of Tanjung Morawa Methodist Private Vocational School, namely Computer Network Engineering (TKJ). The students have learned several computer network simulation applications such as virtual boxes but the network simulation applications studied are still limited, therefore, the Faculty of Informatics Universitas Mikroskil offers activities in the form of computer network installation training using Cisco simulation to improve the ability of students to have better competencies. This training activity lasted for 2 days and was carried out in the computer laboratory of Universitas Mikroskil. During this training activity the students were given pre-test questions, materials and case studies, post-test and final feedback.
Sentiment Analysis Classification of ChatGPT on Twitter Big Data in Indonesia Using Fast R-CNN Sio Jurnalis Pipin; Frans Mikael Sinaga; Sunaryo Winardi; Muhammad Noor Hakim
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 7, No 4 (2023): Oktober 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v7i4.6816

Abstract

The advent of OpenAI's ChatGPT, a large language model (LLM) proficient in various fields including artificial intelligence (AI) and natural language processing (NLP), has ignited a plethora of opinions and discussions, especially on social media platforms like Twitter in Indonesia. This research seeks to delve into the intricate dynamics of these discussions, aiming to map both the commendations and criticisms surrounding ChatGPT's technological advancements and potential negative impacts. Utilizing deep learning-based sentiment analysis techniques, the study employs Convolutional Neural Network (CNN) and Fast Region-based Convolutional Network (Fast R-CNN) to analyze a dataset consisting of 7,604 tweets categorized into "Positive", "Negative", and "Neutral" sentiments. The objective is to provide a comprehensive understanding of the societal perceptions towards this artificial intelligence technology in the Indonesian context. The methodology encompasses several stages including data collection from Twitter, data cleaning, and pre-processing, followed by the application of CNN and Fast R-CNN models for sentiment analysis. The findings indicate a superior performance of the Fast R-CNN model, achieving an accuracy rate of 94.5%, compared to the CNN model with an accuracy rate of 86%. In conclusion, the research highlights the effectiveness of integrating Fast R-CNN in sentiment analysis to extract deeper insights from Twitter data in Indonesia. This study not only contributes to the scientific literature in the fields of sentiment analysis and natural language processing but also aids in formulating informed strategies to navigate the challenges and opportunities presented by artificial intelligence technology in the Indonesian landscape. Future research avenues should focus on optimizing this sentiment analysis model and exploring other potential applications of this technology in the dynamically evolving digital landscape in Indonesia.
Prediksi Saham Menggunakan Recurrent Neural Network (RNN-LSTM) dengan Optimasi Adaptive Moment Estimation Sio Jurnalis Pipin; Ronsen Purba; Heru Kurniawan
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.4014

Abstract

Predicting stock price movements is a complex challenge in the financial market due to unpredictable price fluctuations and high sensitivity levels. Noise in historical stock price data and temporal dependencies between previous and current prices make recognizing price movement patterns difficult. In a dynamic market environment, the model's ability to generate accurate predictions holds significant implications for more informed investment decision-making. The Recurrent Neural Network - Long Short-Term Memory (RNN-LSTM) model holds great potential for stock price prediction. It captures temporal dependencies, identifies non-linear relationships, and deciphers complex trends in stock price data. This study employs deep learning techniques with the RNN-LSTM model optimized using Adaptive Moment Estimation (Adam) to enhance stock price prediction accuracy by leveraging historical stock price data and technical factors. Data preprocessing, including handling missing values and data normalization, aids the model in navigating the dataset's intricacies. Test results utilizing the Mean Squared Error (MSE) metric reveal the model's ability to produce predictions that closely resemble actual stock prices, with a low loss value of 0109012. The model also exhibits good predictive accuracy, as evidenced by a favorable Mean Percentage Error (MPE) score of 1.74% between predicted and actual values. These findings hold valuable implications for assisting investors and financial practitioners in managing complexity and uncertainty within the stock market
Optimization of Sentiment Analysis Classification of ChatGPT on Big Data Twitter in Indonesia using BERT Sinaga, Frans Mikael; Purba, Ronsen; Pipin, Sio Jurnalis; Lestari, Wulan Sri; Winardi, Sunaryo
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 3 (2024): Juli 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i3.7861

Abstract

This research is grounded in the emergence of ChatGPT technology, supported by prior and similar studies. The urgency of the issue is highlighted by previous research indicating non-convergent classification outcomes in LSTM (Long Short-Term Memory) methods due to suboptimal hyperparameter settings and limitations in understanding text data within Big Data. The presence of ChatGPT technology brings both benefits and potential misuse, such as copyright infringement, unauthorized news extraction, and violations of accountability principles. Understanding public sentiment towards the presence of ChatGPT technology is crucial. The research aims to implement the BERT (Bidirectional Encoder Representations from Transformers) method to achieve accurate and convergent sentiment analysis classification. This study involves data preprocessing stages using Natural Language Processing (NLP) techniques. Text data, already vectorized, is classified using BERT to determine public sentiment (positive, negative, neutral) towards ChatGPT technology, ensuring greater accuracy, convergence, and contextual relevance. Performance testing of the BERT model is conducted using a Confusion Matrix. With parameters set to Max Sequence Length = 128 and Batch Size = 16, the highest classification accuracy achieved is 93.4%.
Forecasting Climate Change Patterns to Improving Rice Harvest Using SVR for Achieving Green Economy Juliandy, Carles; Kelvin, Kelvin; Halim, Apriyanto; Pipin, Sio Jurnalis; Sinaga, Frans Mikael; Lestari, Wulan Sri
Indonesian Journal of Artificial Intelligence and Data Mining Vol 7, No 2 (2024): September 2024
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v7i2.32393

Abstract

The consistently declining rice harvest will cause several economic and environmental problems. The unstable and unpredictable climate change was believed as the main problem of the declining rice harvest. We proposed a method for forecasting climate change to help the farmer in their rice cultivation. We used Support Vector Regression (SVR) to improve algorithm steps such as normalizing the data and applying an Adaptive Linear Combiner (ALC) to optimize the dataset before we processed it with the algorithm. Our model gets 95% accuracy as measured with the confusion matrix. We believe our model will help the farmers in their rice cultivation with good climate forecasting. A further benefit of this research we belief that with the well-forecasted climate, the usage of pesticides will decrease and will help the vision of the Indonesian government with a green economy
Analisis Dan Perancangan Sistem Informasi Penilaian Kinerja Dosen Universitas Mikroskil Berbasis Web Jordan, Alvito; Jeslim, Jeslim; Manurung, Stieven B.L.; Irviantina, Syanti; Pipin, Sio Jurnalis
Jurnal Sifo Mikroskil Vol. 25 No. 2 (2024): JSM VOLUME 25 NOMOR 2 TAHUN 2024
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v25i2.1351

Abstract

Sistem Penilaian Kinerja Dosen digunakan untuk mengevaluasi kinerja dosen dalam melaksanakan Tridharma Perguruan Tinggi guna meningkatkan kualitas dosen, dan mutu perguruan tinggi. Saat ini, proses penilaian kinerja dosen di Universitas Mikroskil masih menggunakan Microsoft Excel, sehingga rentan terhadap kesalahan perhitungan dan risiko kehilangan data yang dapat mengakibatkan keterlambatan pelaporan hasil kinerja dosen. Oleh karena itu diperlukan analisis dan perancangan sistem informasi penilaian kinerja dosen berbasis web yang dapat mencegah terjadinya kesalahan dalam perhitungan angka kredit berdasarkan pedoman PAK tahun 2019. Penelitian ini menggunakan metode Waterfall sebagai pengembangan sistem. Analisis kebutuhan dilakukan dengan mengidentifikasi masalah dan kebutuhan pengguna melalui wawancara dan studi literatur. Perancangan sistem dibuat menggunakan Unified Modeling Language (UML), dan perancangan prototipe dengan menggunakan figma. Penelitian ini menghasilkan rancangan sistem informasi penilaian kinerja dosen berbasis web dengan fitur perhitungan angka kredit otomatis, pemantauan status laporan, riwayat, berita, serta kustomisasi penilaian angka kredit yang dapat membantu proses penilaian kinerja dosen. Rancangan ini diharapkan dapat menjadi referensi untuk dikembangkan menjadi aplikasi yang dapat diimplementasikan
Co-Authors Ananda Putra Brahmana Apriyanto Halim Carles Juliandy Christofer Jaya Zebua Damanik, Florida N.S. David David Enjelin, Enjelin Fadia C. Damanik Felix Felix Florida N.S. Damanik Gultom, Ahmad Taufiq Gunawan Gunawan Hardy Hardy Heru Kurniawan Heru Kurniawan Irpan Pardosi Jeslim, Jeslim Jordan, Alvito Karina Mannita Tarigan Kelvin Kelvin Leticia, Leticia Manurung, Stieven B.L. Muhammad Noor Hakim Octa Vi Yanti Siahaan Prasetia, Muhammad Danu Riche Riche Ricky Paian Limbong Ronsen Purba Ronsen Purba Sinaga, Frans Mikael Sunaryo Winardi Syanti Irviantina Tanti Tanti Tanti Thiyara Al-Mawaddah William William Winardi, Sunaryo Wulan Sri Lestari