Article Per Year (5 Year)
p-Index From 2020 - 2025
6.732
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi Riau Journal of Computer Science IT JOURNAL RESEARCH AND DEVELOPMENT INOVTEK Polbeng - Seri Informatika Dinamisia: Jurnal Pengabdian Kepada Masyarakat JURNAL TEKNOLOGI DAN OPEN SOURCE Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Zonasi: Jurnal Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pengabdian Masyarakat Multidisiplin Jurnal Ilmu Komputer Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Teknik Informatika J-COSCIS : Journal of Computer Science Community Service JAIA - Journal of Artificial Intelligence and Applications Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat SATIN - Sains dan Teknologi Informasi RJOCS (Riau Journal of Computer Science)
Mhd. Arief Hasan, Mhd. Arief
Universitas Lancang Kuning
Aerospace Engineering Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 57 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 57 Documents
Search

 2   3   4   5   6 
PENGARUH INDEXED VIEWS TERHADAP PERFORMA QUERY PADA BASIS DATA SQL SERVER DENGAN DATA SKALA BESAR Rama Putra, Muhammad; Hasan, Mhd. Arief; Stefanus, Vito; Bhaskoro Maghribi, Aulia; Irawan, Marigel; Menzona, Redico
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13159

Abstract

Performa query pada basis data berskala besar sering menjadi tantangan, terutama pada sistem yang membutuhkan analisis cepat untuk mendukung pengambilan keputusan. Salah satu teknik optimasi yang dapat digunakan adalah indexed views, yang dirancang untuk meningkatkan efisiensi query pada SQL Server. Penelitian ini bertujuan untuk menganalisis pengaruh indexed views terhadap performa query berdasarkan metrik seperti waktu eksekusi, logical reads, dan physical reads. Dengan menggunakan basis data uji berisi satu juta transaksi, pengujian dilakukan pada skenario query tanpa dan dengan indexed views. Hasil penelitian menunjukkan bahwa indexed views secara signifikan meningkatkan performa, dengan pengurangan waktu CPU sebesar 100%, waktu total sebesar 96,77%, logical reads sebesar 98,01%, sementara physical reads tidak mengalami perubahan. Temuan ini mengindikasikan bahwa indexed views efektif untuk skenario read-intensive, namun kurang optimal pada sistem dengan operasi write-intensive. Implementasi indexed views direkomendasikan pada aplikasi yang memerlukan analisis data besar untuk menghasilkan respons yang lebih cepat dan efisien.
OPTIMASI QUERY SQL SERVER DENGAN TEKNIK INDEXING DAN PERFORMANCE MONITORING Raphaela Mei Lanny Br Aritonang, Gloria; Arief Hasan, Mhd; Khasbulla Ridwan, Mohammad; Nur Iman, Muhamad; Carlo Pratama Silalahi, Ricky; Suranta Sipayung, Rizky
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13179

Abstract

Pengelolaan database yang efisien merupakan salah satu tantangan utama dalam dunia teknologi informasi, terutama pada sistem dengan volume data besar dan kompleksitas query yang tinggi. Penelitian ini bertujuan untuk mengoptimalkan kinerja query pada Microsoft SQL Server melalui penerapan teknik indexing dan monitoring performa. Eksperimen dilakukan dengan membandingkan performa query pada database tanpa indeks dan dengan indeks, menggunakan data dummy sebanyak 1 juta baris. Hasil penelitian menunjukkan bahwa penerapan indeks mampu mengurangi logical reads hingga 89.77%, CPU time hingga 68.09%, dan waktu eksekusi (elapsed time) hingga 90.20%. Selain itu, monitoring performa melalui SQL Server Management Studio (SSMS) mengidentifikasi tingkat fragmentasi indeks sebagai faktor yang memengaruhi efisiensi query. Dengan demikian, teknik indexing terbukti efektif dalam meningkatkan kinerja pengolahan data pada database SQL Server. Penelitian ini memberikan wawasan strategis tentang pentingnya perancangan indeks yang tepat serta perlunya monitoring performa untuk menjaga efisiensi sistem database.
PEMANFAATAN LSTM UNTUK MENGANALISIS SENTIMEN PENGGUNA TWITTER: STUDI KASUS PADA TWEET BERITA TERKINI Darmawan, Erwin; Hasan, Mhd Arief; Irsando, Irsando; Rahmawati, Ningsi; Kurniawan, Agung; Kurniawan, Veby
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13194

Abstract

Analisis sentimen terhadap berita terkini di platform Twitter menjadi penting untuk memahami dampak informasi terhadap persepsi pengguna. Penelitian ini memanfaatkan Long Short-Term Memory (LSTM) guna menganalisis sentimen pengguna Twitter terhadap tweet berita terkini, dengan tujuan melatih model prediksi sentimen (positif/negatif) sekaligus mengevaluasi pengaruh berita terhadap respons pengguna. Metode yang digunakan melibatkan dataset sebesar 123.218 tweet (75.482 positif dan 47.736 negatif) untuk pelatihan model LSTM, dilengkapi analisis distribusi panjang teks (rata-rata 22,36 karakter untuk sentimen positif dan 23,08 karakter untuk negatif). Evaluasi performa mencakup akurasi, presisi, recall, F1-Score, serta pemeriksaan overfitting melalui grafik akurasi dan loss. Hasil pengujian menunjukkan model mencapai akurasi 91,52%, dengan presisi 91,75%, recall 91,27%, dan F1-Score 91,51%. Klasifikasi berhasil mengidentifikasi 416 tweet positif (True Positive) dan 499 tweet negatif (True Negative), dengan kesalahan 37 False Positive dan 40 False Negative. Grafik akurasi dan loss membuktikan model tidak mengalami overfitting, ditunjukkan oleh konsistensi performa pada data pelatihan dan validasi. Penelitian ini menyimpulkan bahwa LSTM efektif sebagai alat analisis sentimen di Twitter, terutama dalam mengungkap hubungan antara berita terkini dan dinamika sentimen pengguna.
AUDIT KEAMANAN BASIS DATA MENGGUNAKAN SQL SERVER AUDIT UNTUK DETEKSI AKTIVITAS TIDAK SAH Di Juni, Padina; Arief Hasan, Mhd; Sri Putri Sitompul, Yefita; Alexander, Jonatan; Hidayat, Ibnu; Marco Bilbo, Ronaldo
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13198

Abstract

Keamanan basis data merupakan aspek krusial dalam perlindungan informasi sensitif dari aktivitas tidak sah. Dalam era digital yang semakin berkembang, ancaman terhadap keamanan basis data menjadi lebih kompleks, termasuk risiko akses ilegal, manipulasi data, dan serangan siber. Salah satu metode yang dapat digunakan untuk meningkatkan keamanan adalah dengan menerapkan SQL Server Audit untuk mendeteksi dan mencatat aktivitas mencurigakan pada basis data. Penelitian ini bertujuan untuk mengidentifikasi efektivitas SQL Server Audit dalam mendeteksi aktivitas mencurigakan, menguji skenario audit yang melibatkan akses sah dan tidak sah, serta mengevaluasi implementasi SQL Server Audit dalam meningkatkan keamanan basis data. Pendekatan yang digunakan adalah eksperimental, di mana data simulasi sebanyak 2.515 entri diuji dalam berbagai skenario, termasuk login pengguna, pembaruan, dan penghapusan data. Implementasi melibatkan konfigurasi audit server, pembuatan trigger log, serta analisis log menggunakan Power BI dan Excel. Hasil penelitian menunjukkan bahwa SQL Server Audit mampu mendeteksi aktivitas mencurigakan dengan tingkat akurasi tinggi, mencatat setiap interaksi pengguna secara rinci, serta mengidentifikasi pola akses yang tidak sesuai dengan kebijakan keamanan. Sistem ini juga terbukti andal dalam kondisi beban kerja tinggi dan sesuai dengan standar keamanan ISO 27001. Kesimpulannya, SQL Server Audit merupakan alat yang efektif dalam meningkatkan keamanan basis data dengan memberikan pencatatan audit yang sistematis dan transparan. Studi ini memberikan kontribusi bagi organisasi dalam menerapkan kebijakan keamanan berbasis audit, serta membuka peluang untuk penelitian lanjutan yang mengintegrasikan kecerdasan buatan dalam analisis log secara otomatis.
IMPLEMENTASI QUERY TUNING UNTUK PENINGKATAN PERFORMA PADA DATABASE BARANG MINI MARKET NAN Raihan Siddik, Muhammad; Arief Hasan, Mhd.; Fajar Kesuma, Andika; Sari, Nurmala; Dwi Putri, Shania; Uyun Harahap, Qurrotul
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13217

Abstract

Query tuning merupakan suatu langkah optimasi performa database pada SQL Server. Query Tuning ini bertujuan untuk meningkatkan efisiensi eksekusi query dengan meminimalkan penggunaan sumber daya seperti waktu proses dan konsumsi memori. Dalam pengoperasiannya, Query Tuning melibatkan analisis query plan, indeks, serta penggunaan teknik-teknik seperti pembaruan statistik, restrukturisasi query, dan pengelolaan indeks yang tepat. Selain itu, fitur bawaan SQL Server seperti Database Engine Tuning Advisor dan Query Store memberikan panduan praktis dalam mengidentifikasi bottleneck performa. Dengan menerapkan query tuning secara efektif, performa aplikasi berbasis database dapat ditingkatkan secara signifikan, memastikan akses data yang cepat dan handal. Penelitian ini bertujuan untuk mengeksplorasi metode-metode utama dalam query tuning serta dampaknya terhadap kinerja sistem database SQL Server Penerapan query tuning dalam penelitian ini menunjukkan peningkatan efisiensi eksekusi query secara signifikan. Optimasi pada tabel barang mengurangi waktu eksekusi dari 229 ms menjadi 162 ms (29,26%), sementara query kompleks dengan indeks tambahan turun dari 223 ms menjadi 140 ms (37,22%). Strategi optimasi, seperti identifikasi query lambat, penerapan indeks cluster dan non-cluster, serta query refactoring, berdampak positif pada performa sistem, mengurangi waktu eksekusi serta penggunaan CPU dan memori.
MEMBANGUN KETERAMPILAN DIGITAL: PELATIHAN PENGGUNAAN SCRATCH DI SMK NEGERI 8 PEKANBARU Nurliana Nasution; Feldiansyah Bakri Nasution; Mhd Arief Hasan; Muhammad Al Fajar
Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Vol 4, No 1 (2024): April 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jpstm.v4i1.1932

Abstract

Abstract: This community service aims to enhance the programming skills of students at SMK Negeri 8 Pekanbaru through Scratch training. The problems addressed include limited access to and knowledge of programming among students, as well as low participation rates in technology learning. With a practical and interactive approach, the training involved 7 students and one accompanying teacher. The methods used included introducing basic programming concepts, case studies, and practical projects. Evaluation results showed a significant improvement in understanding basic programming concepts, ability to create simple projects, and interest in programming. The level of student participation in the training sessions reached 100%, indicating high enthusiasm and engagement. This activity proves to be an effective step in preparing students to face the challenges in an increasingly digitally connected workforce. Keywords: pelatihan; pemrograman; scratch; siswa; SMK.  Abstrak: Pengabdian ini bertujuan untuk meningkatkan keterampilan pemrograman siswa SMK Negeri 8 Pekanbaru melalui pelatihan penggunaan Scratch. Masalah yang dihadapi adalah keterbatasan akses dan pengetahuan siswa terkait pemrograman serta rendahnya tingkat partisipasi dalam pembelajaran teknologi. Dengan pendekatan praktis dan interaktif, pelatihan dilaksanakan dengan melibatkan 7 siswa dan satu guru pendamping. Metode yang digunakan mencakup pengenalan konsep dasar pemrograman, studi kasus, dan proyek praktikum. Hasil evaluasi menunjukkan peningkatan signifikan dalam pemahaman konsep dasar pemrograman, kemampuan membuat proyek sederhana, dan minat terhadap pemrograman. Tingkat partisipasi siswa dalam sesi pelatihan mencapai 100%, menandakan antusiasme dan keterlibatan yang tinggi. Kegiatan ini membuktikan dirinya sebagai langkah efektif dalam mempersiapkan siswa untuk menghadapi tantangan di dunia kerja yang semakin terhubung secara digital. Kata kunci: training; programming; scratch; students; vocational school.
APLIKASI TEST ONLINE BAGI CALON SISWA BARU UNIVERSITAS LANCANG KUNING Setiawan, David; Hasan, Mhd Arief; Zamzami, Zamzami
Jurnal Ilmu Komputer Vol 4 No 1 (2015): Jurnal Ilmu Komputer
Publisher : STMIK Hang Tuah Pekanbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33060/JIK/2015/Vol4.Iss1.29

Abstract

Aplikasi Tes Online merupakan sarana media yang dapat membantu pihak Universitas Lancang Kuning dalam menerima mahasiswa barunya. Aplikasi ini dapat menggantikan sistem lama yakni sistem ujian yang masih manual. Waktu pemeriksaan yang lama dan biaya operasional yang mahal membuat sistem tersebut menjadi tidak efektif. Maka dari itu diperlukan sistem untuk mengatasi masalah tersebut. Sehingga pelaksanaan seleksi mahasiswa baru bagi Universitas Lancang Kuning nantinya bisa berjalan dengan cepat, tepat, akurat, efektif dan efisien.
PREDICTING FUTURE ENROLLMENT TRENDS AT UNIVERSITAS LANCANG KUNING USING ARIMA AND LSTM MODELS Sutejo, Sutejo; Fadrial, Yogi Ersan; Sadar, M.; Hasan, Mhd Arief
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 3 (2025): Juni 2025
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i3.3865

Abstract

Abstract: This research is driven by the challenges faced by Universitas Lancang Kuning (UNILAK) in attracting applicants amidst intense competition, especially after the government's policy opened independent pathways to State Universities (PTN) from 2022-2023, which impacted private university applicant numbers. To address this and support strategic planning, this study aims to predict the trend of prospective students applying to all study programs at UNILAK for the period 2025-2027. Two time series models were employed: ARIMA (AutoRegressive Integrated Moving Average) and LSTM (Long Short-Term Memory). Applicant data from 2019 to 2024 was used to build the model. The Augmented Dickey-Fuller (ADF) test confirmed the data's stationarity with a p-value of 0.0. ACF and PACF analyses determined the ARIMA parameters as p=1, d=1, q=1. The LSTM model was trained to capture more complex data patterns. ARIMA predictions for 2025, 2026, and 2027 are 3298.66, 3362.33, and 3371.30, respectively. LSTM predictions for the same years are 3335.64, 3476.52, and 3518.42. Evaluation using Root Mean Squared Error (RMSE) showed ARIMA (RMSE=588.72) to be more accurate than LSTM (RMSE=653.96). Nevertheless, LSTM provided a more optimistic prediction. This study concludes that ARIMA is better suited for short-term planning, while LSTM can be used for more ambitious long-term strategies. Keywords: arima; LSTM; applicants; prediction; university Abstrak: Penelitian ini didorong oleh tantangan Universitas Lancang Kuning (UNILAK) dalam menarik pendaftar di tengah persaingan ketat, khususnya setelah kebijakan pemerintah membuka jalur mandiri ke Perguruan Tinggi Negeri (PTN) sejak 2022-2023, yang menyebabkan penurunan jumlah pendaftar di universitas swasta. Untuk mendukung perencanaan strategis, studi ini bertujuan memprediksi tren jumlah calon mahasiswa yang mendaftar ke seluruh program studi di UNILAK untuk periode 2025-2027.Dua model deret waktu digunakan: ARIMA (AutoRegressive Integrated Moving Average) dan LSTM (Long Short-Term Memory). Data jumlah pendaftar dari 2019 hingga 2024 digunakan untuk membangun model. Uji Augmented Dickey-Fuller (ADF) menunjukkan data stasioner dengan p-value 0,0. Analisis ACF dan PACF menentukan parameter ARIMA sebagai p=1, d=1, q=1. Model LSTM dilatih untuk menangkap pola data yang lebih kompleks.Prediksi ARIMA untuk 2025, 2026, dan 2027 adalah 3298.66, 3362.33, dan 3371.30. Prediksi LSTM untuk tahun yang sama adalah 3335.64, 3476.52, dan 3518.42. Evaluasi menggunakan Root Mean Squared Error (RMSE) menunjukkan ARIMA (RMSE=588.72) lebih akurat daripada LSTM (RMSE=653.96). Meskipun demikian, LSTM memberikan prediksi yang lebih optimis. Studi ini menyimpulkan ARIMA lebih cocok untuk perencanaan jangka pendek, sementara LSTM dapat digunakan untuk strategi jangka panjang yang ambisius. Kata kunci: arima; LSTM; pendaftar; prediksi; universitas 
Analisis Sentimen Publik Terhadap Kenaikan Pajak PPN di Indonesia Tahun 2024 Menggunakan Algoritma Machine Learning: Analisis Sentimen Hasan, Mhd Arief; Bimby, Novia
JURNAL FASILKOM Vol. 15 No. 1 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i1.8556

Abstract

Kebijakan kenaikan Pajak Pertambahan Nilai (PPN) sebesar 12% di Indonesia telah memicu beragam reaksi masyarakat, terutama di media sosial seperti Twitter. Permasalahan dalam penelitian ini terletak pada pentingnya memahami persepsi publik terhadap kebijakan tersebut secara otomatis dan akurat, yang menjadi tantangan tersendiri dalam pengolahan data teks. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja tiga algoritma klasifikasi machine learning populer, yaitu Logistic Regression, Naive Bayes, dan Support Vector Machine (SVM), dalam menganalisis sentimen publik dari data tweet terkait kebijakan kenaikan PPN. Proses analisis melibatkan tahapan preprocessing, transformasi teks menggunakan TF-IDF, serta evaluasi menggunakan metrik akurasi dan f1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memberikan performa terbaik dengan akurasi sebesar 82,24%, diikuti oleh Logistic Regression (81,15%) dan Naive Bayes (74,63%). Temuan ini menunjukkan bahwa SVM lebih efektif dalam membedakan sentimen positif, negatif, dan netral pada teks media sosial, serta dapat dijadikan algoritma yang direkomendasikan untuk tugas analisis sentimen serupa di masa mendatang.
PENINGKATAN KREATIVITAS DIGITAL MELALUI PELATIHAN PEMBUATAN KARAKTER AI MENGGUNAKAN MIDJOURNEY PADA SISWA SMK NEGERI 8 PEKANBARU Fajrizal, Fajrizal; Zamsuri, Ahmad; Hasan, Mhd Arief; Fajar, Muhammad Al
Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Vol 5, No 1 (2025): April 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jpstm.v5i1.2814

Abstract

Abstract: This program aimed to introduce and enhance students' understanding of artificial intelligence (AI), with a focus on using MidJourney in digital character creation. The training, attended by 10 students and 1 teacher, covered material from basic to advanced levels regarding AI technology and its application in creative industries. The training methodology included theory introduction, MidJourney tool demonstrations, and hands-on practice in creating digital characters. Evaluation was conducted through pre-test and post-test questionnaires, showing significant improvement in participants' understanding of AI and MidJourney. The pre-test results indicated that 70% of participants had limited foundational knowledge of AI, while the post-test results revealed a 40% increase, with participants now able to create more effective prompts for generating digital characters. Additionally, a post-training satisfaction survey showed high satisfaction levels regarding the delivery of material and the overall quality of the training. This training successfully improved the participants' technological literacy and prepared them for the challenges of the creative industry, which increasingly relies on AI technology. Overall, this activity made a positive contribution in enhancing students' skills in AI-based digital design. Keyword: training; artificial intelligence; midjourney; character design; SMK Negeri 8 pekanbaru; creative technology  Abstrak: Program ini bertujuan untuk memperkenalkan dan meningkatkan pemahaman siswa tentang kecerdasan buatan (AI) dengan fokus pada penggunaan MidJourney dalam pembuatan karakter digital. Peserta pelatihan, yang terdiri dari 10 siswa dan 1 guru pendamping, diberikan materi dari dasar hingga mahir mengenai teknologi AI dan penerapannya dalam dunia kreatif. Metode pelatihan meliputi pengenalan teori, demonstrasi penggunaan MidJourney, serta sesi praktik pembuatan karakter digital. Evaluasi dilakukan menggunakan kuesioner pre-test dan post-test yang menunjukkan peningkatan signifikan dalam pemahaman peserta terhadap AI dan MidJourney. Hasil pre-test menunjukkan bahwa 70% peserta memiliki pemahaman dasar yang terbatas tentang AI, sementara hasil post-test menunjukkan peningkatan sebesar 40% dengan peserta mampu menyusun prompt yang lebih efektif untuk menghasilkan karakter digital. Selain itu, survei kepuasan yang dilakukan setelah pelatihan juga menunjukkan tingkat kepuasan yang tinggi terhadap penyampaian materi dan kualitas pelatihan. Pelatihan ini tidak hanya berhasil meningkatkan literasi teknologi peserta, tetapi juga mempersiapkan mereka untuk menghadapi tantangan dunia kerja di industri kreatif yang semakin bergantung pada teknologi AI. Secara keseluruhan, kegiatan ini memberikan kontribusi positif dalam mengasah keterampilan peserta didik di bidang desain digital berbasis AI.. Kata kunci: pelatihan; kecerdasan buatan; midjourney; desain karakter; SMK Negeri 8 pekanbaru; teknologi kreatif 
Co-Authors Adnan, Govindo Agung Kurniawan Ahmad Zamsuri, Ahmad Al Fajar, Muhammad Alexander, Jonatan Alfajar, Muhammad Amri, Fadilah Aprizald, Aprizaldi Bhaskoro Maghribi, Aulia Bimby, Novia Carlo Pratama Silalahi, Ricky Daffa Ardiansyah, Muhamad David Setiawan David Setiawan David Setiawan, David Debi Setiawan, Debi Di Juni, Padina Dwi Putri, Shania Dwi Wahyu Handoyo Erwin Darmawan Ewa Haris Sembiring Fadrial, Yogi Ersan Fajar Kesuma, Andika Fajar, Muhammad Al Fajrizal Fajrizal Fajrizal, Fajrizal Fatkuroji, Moh Feldiansyah Bakri Nasution Feldiansyah Feldiansyah Feldiansyah Feldiansyah Feldiansyah Nasution Feraldi, Riyan Guntoro, Guntoro Gyna Rahmi Fajri Handoyo, Dwi Wahyu Hartono Tambunan, Rezky Hidayat, Ibnu Irawan, Marigel Irsando, Irsando Jordan Sirait, Michael Khairuna, Aida Khasbulla Ridwan, Mohammad Kurniawan, Veby Leonard, Willyam Loneli Costaner Mahmud, Farid Marco Bilbo, Ronaldo Mariza Devega Megawati Menzona, Redico MIFTAHUL JANNAH Moh. Fatkuroji Muhamad Sadar Muhamad Sadar, Muhamad Muhammad Al Fajar Muhammad Fitra Hamidy Muhammad Luthfi MUHAMMAD RIZAL Nasution, Feldiansyah Nur Iman, Muhamad Nurliana Nasutio Nurliana Nasution, Nurliana Nurmala Sari Patulus Rahmat Tambunan, Salam Rahmawati, Ningsi Raihan Siddik, Muhammad Rama Putra, Muhammad Ramadhan, Hardiansyah Raphaela Mei Lanny Br Aritonang, Gloria Refnaldi kurniawan saputra Rezky, Rafael Rianto Rianto Rifski Alvares Bangun, Gilang Roma Umboh, Joyful Sadar, M. Sasqia Ismi Aulia Sembiring, Rafael Rezky Sihombing, Riyan Feraldi Simorangkir, Jansihar Sitompul, Monica Sri Putri Sitompul, Yefita Sri Utami Lestari Stefanus, Vito Stephen Siahaan, Michael Sudarso SUDARSO Sunaryanto, Hadi Supriadi Supriadi Suranta Sipayung, Rizky Sutejo Sutejo Sya'banu Ahmad Tulus Parmonangan Uyun Harahap, Qurrotul Walhidayat Walhidayat Widiyanto, Septian Yitro Amazihono Yogi Yunefri, Yogi Yuhendri Putra Zamzami Zamzami Zamzami, Zamzami