Article Per Year (5 Year)
p-Index From 2021 - 2026
3.258
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Penelitian Pendidikan IPA (JPPIPA) Jurnal Sains dan Informatika Pendas : Jurnah Ilmiah Pendidikan Dasar JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Pengabdian kepada Masyarakat Nusantara Insand Comtech : Information Science and Computer Technology Journal Journal of Informatics and Electronics Engineering Proceeding Applied Business and Engineering Conference Journal of Artificial Intelligence and Digital Business Jurnal Ilmiah Teknik Informatika dan Komunikasi JITER-PM (Jurnal Inovasi Terapan - Pengabdian Masyarakat) Jurnal Pengabdian Masyarakat dan Riset Pendidikan Repeater: Publikasi Teknik Informatika dan Jaringan Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika Jurnal Teknik Informatika dan Teknologi Informasi
Elvi Rahmi
Politeknik Negeri Bengkalis
Religion Agriculture, Biological Sciences & Forestry Humanities 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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Peningkatan Kapasitas Pemasaran UMKM Melalui Media Promosi Berbasis Augmented Reality (AR): Pengabdian Rahmi, Elvi; Rambe, Armita Novriana; Angrayni, Septi Ayu
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 2 (2025): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 2 (October 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i2.3940

Abstract

Program pengabdian ini bertujuan untuk meningkatkan kapasitas pemasaran dan pengelolaan keuangan UMKM melalui penerapan teknologi Augmented Reality (AR) dan pelatihan literasi keuangan. Mitra kegiatan adalah BUMDes Kuala Alam, sebuah Badan Usaha Milik Desa yang berada di Desa Kuala Alam, Kecamatan Bengkalis, Riau, yang berfungsi untuk mendongkrak perekonomian desa melalui berbagai usaha, seperti produksi olahan ikan, penanaman nanas, dan pengelolaan sumber daya lokal.Kegiatan dilaksanakan dalam lima tahap: sosialisasi, pelatihan, penerapan teknologi, pendampingan, dan strategi keberlanjutan. Teknologi AR diterapkan dalam bentuk label interaktif berbasis WebAR yang menampilkan video promosi dan narasi produk. Hasil observasi menunjukkan bahwa mitra mampu mengadopsi teknologi secara bertahap, dengan respon positif terhadap peningkatan daya tarik kemasan dan promosi digital. Dalam aspek keuangan, pelatihan dilakukan untuk memperkuat pemahaman mitra terhadap pencatatan usaha, analisis HPP, dan perhitungan keuntungan. Evaluasi melalui pre-test dan post-test menunjukkan peningkatan rata-rata nilai dari 71,2 menjadi 90,4. Peningkatan ini mengindikasikan keberhasilan pendekatan praktik langsung dalam membangun literasi keuangan UMKM. Secara keseluruhan, program ini menunjukkan bahwa integrasi teknologi promosi berbasis AR dan penguatan kapasitas keuangan dapat mendorong transformasi digital dan kemandirian usaha di tingkat desa.
Penerapan Algoritma Knuth Morris Pratt untuk Mendeteksi Tingkat Plagiarisme pada Tugas Mahasiswa Erisya Herlina; Elvi Rahmi
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 5 No. 1 (2025): April: Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v5i1.5154

Abstract

The rapid development of information technology has made it easier to access various sources of information, but it has also increased the risk of plagiarism, especially among university students. To maintain academic integrity and the quality of education, plagiarism detection is essential. This study aims to develop a plagiarism detection system using the Knuth-Morris-Pratt (KMP) algorithm combined with the Jaccard Similarity method to measure the similarity between documents. The system is designed to analyze Indonesian-language essay documents in Word (.docx) and PDF (.pdf) formats that do not contain images or tables. The detection process begins with data preprocessing steps, including case folding, tokenizing, stopword removal, and stemming, to enhance efficiency and accuracy. The system is developed using the Python programming language and the Flask framework. Test results show that the system can detect plagiarism with an average accuracy of 98.66%. The level of similarity between documents is then categorized into three levels: Minor, Moderate, and Severe Plagiarism. This system is expected to serve as an effective tool in minimizing plagiarism practices in higher education and supporting the creation of an honest and responsible academic culture.
Analisis Sentimen Ulasan untuk Menentukan Kualitas Produk Terbaik E-Commerce (Tokopedia) Menggunakan Algoritma Naive Bayes Syahlan Ardiawal; Elvi Rahmi; Eva Kurniawaty
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 5 No. 3 (2025): Desember: Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v5i3.6482

Abstract

The development of e-commerce in Indonesia, particularly Tokopedia, has led to an increase in the number of reviews given by consumers after making a purchase. These reviews consist of positive and negative opinions that can be used to assess product quality. However, the high volume of reviews makes manual analysis ineffective. This study aims to classify product review sentiment on Tokopedia using the Naïve Bayes algorithm to determine the best product quality from several stores selling similar items. The Naïve Bayes algorithm was chosen because of its good classification capabilities and efficiency in text data processing. The results show that Naïve Bayes is capable of classifying reviews as positive or negative with an average accuracy of 95% on the test data. Testing per store also yielded consistent results with an accuracy of around 90%. Furthermore, the sentiment results were converted into quality metrics with the categories Good, Fair, and Poor. Products at Store A scored 85% and Store B scored 80%, so both were categorized as Good, with Store A being more recommended. This study shows that Naïve Bayes-based sentiment analysis is effective for assessing product quality and provides insights for sellers to improve their services.
Rancang Bangun E-Helpdesk Kampus Menggunakan Metode Agile Zidni Ilman Wahyudi; Elvi Rahmi
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 5 No. 3 (2025): Desember: Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v5i3.6510

Abstract

Politeknik Negeri Bengkalis, which serves thousands of students, frequently receives complaints regarding facilities and infrastructure, often managed manually through the Student Affairs Department due to the lack of a dedicated campus complaint feature. This traditional method results in unrecorded complaints and slow processing. To address this, an effective and transparent system is necessary to improve service quality and student satisfaction. The purpose of this study is to design and build an E-Helpdesk Campus application for mobile platforms using the Agile development method. The system was developed through two main iterations, focusing on features like complaint submission with categorization, status monitoring, and user management for campus staff/admin. The application was built using the Flutter framework. Based on the results of Black Box Testing, the E-Helpdesk Campus system was successfully implemented and operates effectively, replacing the manual process. The system successfully records complaints in a structured manner, allows students to monitor progress, and is proven to be user-friendly, thereby achieving the research objectives of creating an effective and transparent student complaint system.
Strengthening Partnership Ecosystems to Foster Innovation and Empower Farmers Based on Regional Potential in Riau Province M. Alkadri Perdana; Andri Nofiar. Am; Anggy Trisnadoli; Hardiyanto Hardiyanto; Johny Custer; Elvi Rahmi
Jurnal Penelitian Pendidikan IPA Vol 11 No 6 (2025): June
Publisher : Postgraduate, University of Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jppipa.v11i6.11339

Abstract

In the face of rapid economic and technological change, building a robust partnership ecosystem is essential to ensure inclusive and sustainable development, particularly in regions with strong resource-based economies such as Riau Province, Indonesia. As the largest palm oil–producing region in the country, Riau plays a pivotal role in Indonesia's agricultural landscape. However, its significant economic growth—mainly driven by the palm oil industry—has not translated into equitable outcomes for rural communities, especially smallholder farmers and the sustainability of education for farmers' children. This study aims to develop an integrated framework that strengthens multi-stakeholder partnerships to foster innovation and empower farmers based on regional potential. The research adopts foresight methodology and system dynamics to model strategic scenarios. Data were analyzed through horizon scanning, focus group discussions, and simulation techniques. The results highlight persistent gaps in employment absorption, rural unemployment, and limited access to innovation and vocational training. Over half of surveyed enterprises indicated plans to enhance digital infrastructure and adopt artificial intelligence (AI). The study concludes that inclusive partnerships, vocational education aligned with industrial needs, and technology adoption are key to empowering farmers, diversifying the economy, and enhancing regional resilience.
ANALISIS SENTIMEN PUBLIK TERHADAP INFRASTRUKTUR DAN AMENITAS KOTA PEKANBARU MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) BERBASIS DATA TWITTER Muhammad Yusri; Elvi Rahmi; Gunawan
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 11 No 2 (2026): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v11i2.8313

Abstract

Infrastructure development and the provision of urban amenities are important elements in supporting the quality of life of communities in Pekanbaru City. Twitter has become an alternative platform for measuring public opinion in real time. This study aims to analyze public sentiment toward the infrastructure and amenities of Pekanbaru City using the Support Vector Machine (SVM) algorithm. The dataset consists of  3,743 tweets  collected through a scraping technique using the Instant Data Scraper plugin. The analysis process includes text preprocessing, namely data cleaning, case folding, tokenization, normalization, stopword removal, and stemming. The data are then transformed using the Term Frequency–Inverse Document Frequency (TF-IDF) method for term weighting. In addition, this study implements a rule-based Named Entity Recognition (NER) approach to extract location entities from textual data. The proposed SVM model is expected to classify public sentiment effectively into positive, negative, and neutral categories and identify sentiment based on the locations mentioned in the tweets.
KLASIFIKASI KELAYAKAN PENERIMA KERINGANAN UANG KULIAH TUNGGAL MAHASISWA POLITEKNIK NEGERI BENGKALIS MENGGUNAKAN ALGORITMA DECISION TREE C5.0 Maisharoh Maisharoh; Elvi Rahmi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16862

Abstract

 Sistem penentuan keringanan Uang Kuliah Tunggal (UKT) di Politeknik Negeri Bengkalis saat ini masih dilakukan secara manual. Kondisi tersebut menyebabkan proses seleksi membutuhkan waktu yang lama dan berpotensi menimbulkan kesalahan subjektif dalam pengambilan keputusan. Permasalahan utama dalam penelitian ini adalah belum tersedianya sistem klasifikasi yang objektif dan terkomputerisasi untuk menentukan kelayakan penerima keringanan UKT. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kelayakan penerima keringanan UKT menggunakan algoritma Decision Tree C5.0 serta mengimplementasikannya dalam aplikasi berbasis website. Dataset yang digunakan terdiri dari atribut tempat tinggal, status anak bagi orang tua, pekerjaan orang tua, penghasilan orang tua, jumlah tanggungan, kepemilikan DTKS/KIP/KKS/PKH, dan kepemilikan SKTM. Metode penelitian meliputi tahapan preprocessing data, pembagian dataset, pembangunan model Decision Tree C5.0, serta evaluasi kinerja model menggunakan confusion matrix. Hasil pengujian menunjukkan bahwa model menghasilkan tingkat akurasi sebesar 88,42%, yang menandakan kemampuan klasifikasi yang tinggi dan konsisten. Implementasi sistem berbasis web mampu mempercepat proses seleksi, mengurangi subjektivitas, serta meningkatkan efisiensi dalam penentuan kelayakan penerima keringanan UKT
Memperkuat Kelembagaan Vokasi dalam Mengoptimalkan Kemitraan Bersama Dunia Usaha dan Dunia Industri Melalui Kegiatan Business Matching and Public Discussion Mona Elviyenti; M. Alkadri Perdana; Anggy Trisnadoli; Andri Noviar; Hardiayanto; Elvi Rahmi; Fina Nasari; Yuliska
JITER-PM (Jurnal Inovasi Terapan - Pengabdian Masyarakat) Vol. 2 No. 3 (2024): JITER-PM
Publisher : Politeknik Caltex Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35143/jiter-pm.v2i3.6513

Abstract

Pendidikan vokasi berperan penting dalam menyiapkan tenaga kerja yang kompeten dan siap menghadapi tantangan industri. Kegiatan Business Matching and Public Discussion merupakan upaya strategis untuk memperkuat kelembagaan vokasi melalui kemitraan dengan dunia usaha dan dunia industri (DUDI). Kegiatan ini diselenggarakan oleh Tim Penguatan Ekosistem Kemitraan Vokasi Provinsi Riau, yang terdiri dari Politeknik Bengkalis, Politeknik Caltex Riau, dan Politeknik Kampar, pada Selasa, 9 Juli 2024, bertempat di Gedung Serba Guna Politeknik Caltex Riau, Pekanbaru. Tujuan utama kegiatan ini adalah membangun jejaring kemitraan antara lembaga vokasi dan industri, mengidentifikasi kebutuhan tenaga kerja, serta menyelaraskan kurikulum vokasi dengan tuntutan pasar kerja. Rangkaian kegiatan meliputi sesi pembukaan, pemaparan dari dunia industri, diskusi panel, serta penandatanganan nota kesepahaman (MoU) antara industri dan lembaga vokasi. Hasil dari kegiatan ini menunjukkan bahwa kolaborasi antara vokasi dan industri dapat mempercepat implementasi program magang, rekrutmen tenaga kerja, serta peningkatan kualitas lulusan vokasi. Oleh karena itu, kegiatan serupa perlu dilakukan secara berkala guna memastikan kesinambungan kerja sama yang lebih erat antara pendidikan vokasi dan dunia industri dalam rangka meningkatkan daya saing tenaga kerja Indonesia khususnya di Provinsi Riau.
Analisis Sentimen Masyarakat terhadap Kebijakan Gubernur Jawa Barat di Sosial Media menggunakan Algoritma Long Short Term Memory M Fikri Setiawan; Elvi Rahmi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.11497

Abstract

Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kebijakan Gubernur Jawa Barat yang terekam pada berbagai media sosial, seperti Twitter, Instagram, dan TikTok, dengan memanfaatkan algoritma Long Short-Term Memory (LSTM). Analisis sentimen dipilih karena mampu memberikan gambaran mengenai persepsi publik secara cepat dan berkelanjutan seiring meningkatnya penggunaan media sosial sebagai sarana penyampaian opini. Permasalahan utama penelitian ini adalah karakteristik opini masyarakat yang sangat dinamis, berjumlah besar, serta tersebar di berbagai platform digital, sehingga metode konvensional seperti survei atau wawancara memiliki keterbatasan dalam memperoleh informasi secara real time dan representatif. Dataset penelitian diperoleh melalui proses scrapping komentar berbahasa Indonesia yang berkaitan dengan kebijakan Gubernur Jawa Barat. Data kemudian diproses menggunakan tahapan Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, preprocessing, transformasi data, pelabelan sentimen, serta pembobotan kata menggunakan metode Word Embedding untuk menghasilkan representasi fitur yang optimal. Selanjutnya, model LSTM dilatih untuk mengklasifikasikan sentimen ke dalam tiga kategori, yaitu positif, negatif, dan netral. Evaluasi performa model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score guna mengukur kemampuan klasifikasi secara menyeluruh. Hasil penelitian menunjukkan bahwa algoritma LSTM mampu mengidentifikasi dan mengklasifikasikan sentimen masyarakat dengan tingkat performa yang baik, sehingga dapat menggambarkan kecenderungan opini publik terhadap berbagai kebijakan yang diterapkan. Temuan ini diharapkan dapat menjadi landasan dalam pengembangan sistem pemantauan opini publik berbasis kecerdasan buatan yang mendukung proses evaluasi kebijakan serta pengambilan keputusan pemerintah daerah secara lebih cepat, responsif, objektif, dan tepat sasaran
Analisis Sentimen Ulasan Kepuasan Pengguna BRKS (BANK RIAU KEPRI SYARIAH) Mobile Di Google Play Store Menggunakan Algoritma Random Forest Sofi Septriani; Elvi Rahmi; Desi Wahana
Journal of Informatics and Electronics Engineering Vol. 6 No. 01 (2026): Juni 2026
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v6i01.1576

Abstract

Ulasan pengguna pada aplikasi mobile banking di Google Play Store merupakan sumber informasi penting dalam mengevaluasi tingkat kepuasan dan kualitas layanan. Namun, jumlah ulasan yang besar menyebabkan analisis secara manual menjadi tidak efisien. Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral, menggunakan algoritma Random Forest. Metode penelitian meliputi proses web scraping untuk pengumpulan data sebanyak 2.500 ulasan, penambahan 49 ulasan dari App Store untuk mengatasi ketidakseimbangan kelas, serta preprocessing teks yang menghasilkan 2.020 data bersih, pembobotan fitur menggunakan TF-IDF, dan klasifikasi menggunakan Random Forest. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian pada 404 data uji menunjukkan bahwa model memperoleh nilai Accuracy 80,94%, Precision 79,62%, Recall 78,76%, dan F1-Score 78,77%. Secara keseluruhan, algoritma Random Forest menunjukkan kinerja yang baik dalam melakukan klasifikasi sentimen ulasan pengguna aplikasi mobile banking.
Co-Authors Andri Nofiar. Am Andri Noviar Anggy Trisnadoli Anggy Trisnadoli Angrayni, Septi Ayu Arfando Saputra Bayu Dani Kurniawan Custer, Johny Desi Wahana DESI WAHANA Erisya Herlina Eva Kurniawaty Eva Kurniawaty Fajar Ratnawati Fajri Profesio Putra Fina Nasari Gunawan Gunawan, Renki Hardiayanto Hardiyanto Hardiyanto Julianto, Afis M Fikri Setiawan M. Alkadri Perdana M. Alkadri Perdana Maisharoh Maisharoh Miftahul Jannah Mona Elviyenti Muhammad Azmi Muhammad Suhairi Muhammad Yusri Nadiatul Husna, Mella Nur Safika Profesio Putra, Fajri Rama Otari Rambe, Armita Novriana Reka Rama Rani Sitti Nuraeni Sofi Septriani Syahlan Ardiawal Wiwin Saputra Yuliska Yumami, Eva Zidni Ilman Wahyudi