Article Per Year (5 Year)
p-Index From 2020 - 2025
6.434
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 : 54 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 54 Documents
Search

 2   3   4   5   6 
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 
PENINGKATAN KETERAMPILAN DESAIN GRAFIS BERBASIS AI MELALUI PELATIHAN PENGGUNAAN MIDJOURNEY PADA SISWA JURUSAN REKAYASA PERANGKAT LUNAK DI SMK NEGERI 8 PEKANBARU Fajrizal; Ahmad Zamsuri; Mhd Arief Hasan
J-COSCIS : Journal of Computer Science Community Service Vol. 5 No. 2 (2025): J-COSCIS : Journal of Computer Science Community Service
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/np1yqq20

Abstract

Penelitian ini bertujuan untuk mengimplementasikan pelatihan penggunaan teknologi MidJourney berbasis AI dalam pembuatan desain grafis di SMK Negeri 8 Pekanbaru, khususnya untuk siswa jurusan Rekayasa Perangkat Lunak. Analisis situasi menunjukkan bahwa peserta didik memiliki keterbatasan dalam memahami dan mengaplikasikan teknologi AI dalam desain grafis. Solusi yang ditawarkan adalah pelatihan penggunaan MidJourney untuk meningkatkan kreativitas dan keterampilan teknis peserta dalam desain. Pelatihan dilakukan dengan pendekatan praktikal, mencakup pengenalan platform, pembuatan desain berbasis prompt, serta praktik mandiri dengan pendampingan. Hasil dari kuisioner yang dibagikan sebelum dan sesudah pelatihan menunjukkan peningkatan signifikan dalam keterampilan peserta. Sebelum pelatihan, pemahaman peserta mengenai AI berada pada 50%, namun setelah pelatihan meningkat menjadi 86%. Kemampuan menggunakan MidJourney meningkat dari 44% menjadi 80%, dan kreativitas peserta mengalami peningkatan dari 56% menjadi 84%. Umpan balik dari peserta menunjukkan kepuasan terhadap materi yang diberikan, meskipun ada saran terkait durasi pelatihan dan penyediaan materi lanjutan. Secara keseluruhan, pelatihan ini berhasil memperkenalkan teknologi AI kepada peserta didik dan memberikan dampak positif terhadap pengembangan keterampilan desain grafis berbasis digital.
Co-Authors Adnan, Govindo Agung Kurniawan Ahmad Zamsuri, Ahmad Al Fajar, Muhammad Alexander, Jonatan Amri, Fadilah Aprizaldi Aprizald Bhaskoro Maghribi, Aulia Bimby, Novia Carlo Pratama Silalahi, Ricky Daffa Ardiansyah, Muhamad David Setiawan David Setiawan David Setiawan, David Debi Setiawan 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 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 Alfajar Muhammad Fitra Hamidy 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, Zamzami