Article Per Year (5 Year)
p-Index From 2021 - 2026
1.745
P-Index
This Author published in this journals
All Journal Dinamisia: Jurnal Pengabdian Kepada Masyarakat Sebatik JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) JUKI : Jurnal Komputer dan Informatika Jurnal Hasil Pengabdian Masyarakat (JURIBMAS) Jurnal Indonesia : Manajemen Informatika dan Komunikasi Jurnal Ilmu Komputer dan Teknik Informatika Jurnal Pengabdian Masyarakat Berdampak
Eka Pandu Cynthia, Eka Pandu
UIN Sultan Syarif Kasim Riau
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
RANCANG BANGUN APLIKASI SIMULASI MINING PADA JARINGAN BLOCKCHAIN BITCOIN Sugandi, Hatami Karsa; Harahap, Nazruddin Safaat; Cynthia, Eka Pandu; Yanto, Febi; Sanjaya, Suwanto
Sebatik Vol. 26 No. 1 (2022): Juni 2022
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46984/sebatik.v26i1.1875

Abstract

Bitcoin merupakan salah satu dari mata uang digital yang dalam regulasinya tidak diatur oleh siapa pun seperti lembaga, organisasi maupun pemerintahan. Bitcoin menggunakan teknologi kriptografi atau yang biasa dikenal dengan teknologi Blockchain. Teknologi ini merupakan teknologi penyimpanan data atau transaksi kedalam sebuah block, dimana setiap proses penambahan block baru harus melalui proses validasi oleh sistem sesuai dengan konsensus yang berlaku. Untuk mengamankan jaringan Blockchain miliknya, bitcoin menggunakan algoritma konsensus Proof of Work (PoW). Proses validasi block inilah yang dinamakan dengan proses mining. Mining dilakukan untuk menambahkan transaksi kedalam Block dengan cara memecahkan teka-teki matematika dari algoritma PoW dengan cara memberikan komputasi power dari GPU oleh miner. Dikarenakan membutuhkan power yang besar, para miner diberi imbalan berupa bitcoin. Besaran bitcoin yang diterima tergantung dari hash power miner. Fenomena mining bitcoin menjadi trend bisnis pada masa kini karena menjanjikan keuntungan. Fenomena ini membuat banyak orang awam untuk ikut melakukan mining, tanpa mengetahui apa yang sebenarnya akan dilakukan. Maka dari itu simulasi ini dibuat dengan tujuan untuk mengedukasi bagaimana proses yang terjadi pada mining Bitcoin dengan cara visualisasi melalui Aplikasi web yang nantinya akan dibangun menggunakan bahasa pemrograman javascript dan diharapkan dapat menggambarkan proses mining pada blockchain dengan menerapkan algoritma konsensus Proof of Work di dalamnya.
Klasifikasi Sentimen Masyarakat di Twitter terhadap Puan Maharani dengan Metode Modified K-Nearest Neighbor Putra, Wahyu Eka; Fikry, Muhammad; Yusra; Yanto, Febi; Cynthia, Eka Pandu
Jurnal Indonesia : Manajemen Informatika dan Komunikasi Vol. 6 No. 1 (2025): Januari
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/jimik.v6i1.1211

Abstract

This study aims to address the challenges in classifying sentiment on Twitter regarding Puan Maharani by implementing the Modified K-Nearest Neighbor (MK-NN) method, supplemented with feature weighting and feature selection techniques. This method is designed to improve accuracy by assigning higher weights to important features and reducing data dimensions to avoid overfitting. Data is collected using a crawling technique on Indonesian-language tweets, which are then manually labeled and processed through a preprocessing stage. The testing results using the modified K-Nearest Neighbor (MK-NN) method with confusion matrices show the model's performance at three different values of K (3, 5, and 7) and data ratios of 90:10, 80:20, and 70:30. With a 90:10 data ratio and K=3, the method achieved the highest accuracy of 89.0%. These results indicate that the combination of MK-NN and related techniques is highly effective in sentiment classification, offering an innovative solution to the limitations of conventional methods. These findings have potential applications in public opinion analysis, particularly for supporting data-driven strategic decision-making.
Penguatan Peran Gen-Z sebagai Kreator Konten Digital untuk Promosi Produk UMKM di Media Sosial Cynthia, Eka Pandu; Harahap, Ramadhan; Amin, Muhammad; Saeed, Alabbas Hussein; Hasanuddin, Muhammad
JURIBMAS : Jurnal Hasil Pengabdian Masyarakat Vol 4 No 2 (2025): Oktober 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juribmas.v4i2.658

Abstract

Kegiatan pengabdian masyarakat ini bertujuan untuk memperkuat peran generasi Z sebagai kreator konten digital dalam upaya meningkatkan promosi dan daya saing produk Usaha Mikro, Kecil, dan Menengah (UMKM) di media sosial. Generasi Z memiliki potensi besar dalam mengoptimalkan platform digital karena kedekatannya dengan teknologi dan kemampuan adaptif terhadap tren komunikasi modern. Pelatihan dilakukan melalui pendekatan praktik langsung dan pendampingan intensif, meliputi pembuatan konten foto, video, copywriting promosi, serta strategi manajemen media sosial yang efektif. Hasil kegiatan menunjukkan peningkatan kemampuan peserta dalam menghasilkan konten yang menarik, relevan, dan berdampak pada peningkatan interaksi akun promosi UMKM. Selain itu, kegiatan ini turut memperluas jangkauan pemasaran digital UMKM melalui kolaborasi antara pelaku usaha dan kreator muda. Dampak nyata terlihat dari peningkatan engagement dan awareness terhadap produk lokal. Program ini menjadi langkah strategis dalam membangun ekosistem ekonomi kreatif berbasis digital yang berkelanjutan serta memperkuat sinergi antara generasi muda dan sektor UMKM.
Penerapan Naïve Bayes Classifier dalam Klasifikasi Sentimen Publik di Twitter terhadap Puan Maharani Hidayat, Rizki; Fikry, Muhammad; Yusra, Yusra; Yanto, Febi; Cynthia, Eka Pandu
JUKI : Jurnal Komputer dan Informatika Vol. 6 No. 1 (2024): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2024
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v6i1.479

Abstract

Twitter adalah salah satu jejaring sosial terpopuler di Indonesia, dengan 18,45 juta pengguna aktif pada tahun 2022. Politisi berpengaruh Puan Maharani menjadi topik hangat di pesta ulang tahunnya di tengah protes harga bahan bakar. Analisis sentimen dapat membantu memahami keseluruhan sentimen yang diungkapkan di Twitter tentang Puan Maharani. Dua jenis dataset yang digunakan dalam penelitian ini, yaitu dataset tidak seimbang (9000 tweet: 7800 positif, 1200 negatif) dan dataset seimbang (2400 tweet: 1200 positif, 1200 negatif). Metode Naive Bayes classifier digunakan untuk klasifikasi sentimen, meliputi pengumpulan data, pelabelan, preprocessing, pembobotan TF-IDF, seleksi fitur, pembagian data, klasifikasi Naive Bayes, dan evaluasi dengan confusion matrix. Data dibagi dengan rasio 70:30, 80:20 dan 90:10 untuk data latih serta data uji. Feature selection menggunakan threshold 0,001. Merujuk hasil penelitian yang dilaksanakan, bisa disimpulkan bahwsanya analisis sentimen dapat menjadi alat yang efektif untuk memahami pendapat masyarakat khususnya netizen di platform Twitter terkait dengan persepsi terhadap Puan Maharani. Nilai akurasi tertinggi dari dataset tidak seimbang didapatkan yaitu sebesar 88.89% pada rasio pembagian data latih dan data uji 90:10 serta akurasi tertinggi dari dataset seimbang sebesar 81.0% pada rasio pembagian data 90:10.
Pengaruh Penyeimbangan Data Pada Klasifikasi Terjemahan Al-Quran Dengan Metode Naïve Bayes dan Long Short Term Memory Ningsih, Sulistia; Safaat, Nazruddin; Agustian, Surya; Yusra, Yusra; Cynthia, Eka Pandu
Journal of Computer System and Informatics (JoSYC) Vol 5 No 3 (2024): May 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v5i3.5181

Abstract

The Al Qur'an is a holy book of Muslims which is a guide to life for all mankind. Studying and understanding the translation of the Al-Quran is not easy, one way that can be done is to classify the translation of Al-Quran verses into existing topics. This research uses Naïve Bayes and LSTM methods in the classification process. The data used comes from translation data of the Al-Quran in Indonesian which has been labeled based on multi-class classification. One of the main problems faced is data imbalance. To overcome this problem, data balancing, text preprocessing, feature construction and feature extraction processes were carried out using the Bag of Words (BoW) and TF.IDF techniques. The research results indicate that the most optimal Naïve Bayes model achieved an average accuracy of 55.39% on test data from juz 30, 61.59% on test data from juz 10-20, and 59.53% on test data from juz 25-28. Meanwhile, the most optimal LSTM model yielded an accuracy of 58.02% on test data from juz 30, 59.64% on test data from juz 10-20, and 58.59% on test data from juz 25-28. The main aim of this research is to improve classification performance and compare the accuracy between naïve Bayes and lstm.
Penerapan Algoritma Apriori pada Transaksi Penjualan Produk Cat untuk Meningkatkan Strategi Bisnis Mulyati, Sabar; Nazir, Alwis; Budianita, Elvia; Cynthia, Eka Pandu
Journal of Information System Research (JOSH) Vol 5 No 2 (2024): Januari 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v5i2.4725

Abstract

Data mining is a combination of data analysis techniques and determining important patterns in the data. Data mining can also be used to improve business progress. In this research, data mining is used to improve sales business strategies at CV. Sumber Tirta Anugerah in the last 1 year. Previously CV. Sumber Tirta Anugerah does not apply the a priori method to sales, causing product stock to pile up. Data mining is assisted by an a priori algorithm to determine the frequency of itemsets in looking for patterns of items that are usually purchased by customers at the same time. In this research, several items were used such as Lippo coupons, Lippo Emultion, Lektone Emultion, Lippo waterproof, Japanese Duco paint, Kansai Tropical, Beta Chemie, Flalit, and cable clamps, synthetic property, Tajima New putty and Bioton Emultion. Based on the research that has been carried out, the largest support value is 32.18% for 1 itemset. Then for the 2 itemsets the largest support was found at 9.32%. Next, the 3 itemsets obtained the largest support of 1.94%. So based on the overall data, the confidence is 72.97% and the lift ratio test value is 2.22%.
Digital Adoption Asistance for the Wood Craftmans Community Towards Upgrading MSMEs: Pendampingan Adopsi Digital Bagi Komunitas Pengrajin Kayu Menuju UMKM Naik Kelas Cynthia, Eka Pandu; Afriyanti, Liza; Arifandy, M. Imam
Dinamisia : Jurnal Pengabdian Kepada Masyarakat Vol. 8 No. 1 (2024): Dinamisia: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/dinamisia.v8i1.16706

Abstract

The government has launched the MSME Level Up program, which is a government program to facilitate MSMEs to move up a class in terms of digital adoption in order to expand marketing access, and business efficiency, increase sales transactions, and increase the competitiveness of MSMEs. Pekanbaru City has 1,034 registered MSMEs that are engaged in producing various products from wood. This PKM activity has succeeded in providing education and assistance to MSME Furniqa and MSME KadoKekayuan partners regarding Digital Adoption, Basics of Digital Media, Creating Digital Content, Digital Benchmarking, Advertising on Google and Meta (Instagram, Facebook, Tiktok), Maximizing Digital Marketing (Digital Simulation Marketing Templates), Getting to Know Analytics (Google and Meta), Measuring the Effectiveness of Advertising Campaigns, and Optimizing Search Engine Optimization (SEO) through content. As an evaluation, the level of success of activities and understanding of partners has been measured by obtaining results >80%.
Evaluasi Efisiensi Pemanfaatan Struktur Data dalam Bahasa Pemrograman Python untuk Operasi Pencarian dan Penyimpanan Cynthia, Eka Pandu; Permana, Inggih; Nursalisah, Febi; Aprijon
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 1 No. 1 (2025): Januari 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v1i1.41

Abstract

Penelitian ini bertujuan untuk mengevaluasi efisiensi berbagai struktur data yang tersedia dalam bahasa pemrograman Python, khususnya dalam konteks operasi pencarian (searching) dan penyimpanan (storing). Struktur data seperti list, tuple, set, dan dictionary memiliki karakteristik dan kompleksitas waktu yang berbeda, sehingga pemilihan yang tepat sangat berpengaruh terhadap performa program, terutama pada skenario dengan data berukuran besar. Metodologi penelitian ini menggunakan pendekatan kuantitatif melalui serangkaian pengujian eksperimental terhadap masing-masing struktur data. Pengujian dilakukan dengan mengukur waktu eksekusi dan penggunaan memori dalam operasi pencarian dan penyimpanan terhadap sejumlah data dengan variasi ukuran dari kecil hingga sangat besar. Hasil pengujian menunjukkan bahwa dictionary memiliki performa terbaik dalam hal kecepatan pencarian dan penyimpanan karena memanfaatkan teknik hashing, sementara set juga menunjukkan efisiensi yang tinggi dalam pencarian tetapi lebih terbatas dalam hal penyimpanan data kompleks. Sebaliknya, list dan tuple menunjukkan efisiensi yang lebih rendah dalam pencarian karena memerlukan pencarian linear, meskipun penggunaan memori tuple lebih hemat dibanding list. Kesimpulan dari penelitian ini menekankan pentingnya pemahaman terhadap karakteristik struktur data dalam Python untuk mengoptimalkan efisiensi program, khususnya dalam sistem atau aplikasi yang mengandalkan pemrosesan data dalam jumlah besar. Implikasi dari studi ini dapat digunakan sebagai acuan bagi pengembang perangkat lunak dalam memilih struktur data yang paling sesuai berdasarkan kebutuhan spesifik dari aplikasi yang dikembangkan.
Pengaruh Parameter Learning Rate terhadap Konvergensi Model Neural Network dalam Proses Pelatihan Saeed, Alabbas Hussein; Cynthia, Eka Pandu; Eka, Muhammad; Nursalisah, Febi
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 1 No. 1 (2025): Januari 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v1i1.45

Abstract

Dalam pengembangan model neural network, proses pelatihan memegang peranan kunci dalam menentukan kualitas generalisasi dan performa akhir model. Salah satu parameter paling krusial dalam proses pelatihan adalah learning rate, yang mengatur seberapa besar langkah pembaruan bobot dilakukan terhadap gradien fungsi kerugian. Penentuan nilai learning rate yang tepat sangat mempengaruhi kecepatan konvergensi serta stabilitas pembelajaran. Penelitian ini bertujuan untuk menganalisis secara teoritis dan eksperimental pengaruh variasi parameter learning rate terhadap konvergensi model neural network. Studi dilakukan dengan menggunakan dataset standar MNIST dan CIFAR-10 pada model multilayer perceptron (MLP) dan convolutional neural network (CNN). Parameter learning rate divariasikan dalam beberapa skenario, mulai dari sangat kecil (1e-5) hingga besar (1e-1), dan dievaluasi berdasarkan laju konvergensi, kestabilan loss, serta akurasi validasi. Hasil penelitian menunjukkan bahwa learning rate yang terlalu kecil menyebabkan proses pelatihan lambat dan berisiko terjebak dalam local minima, sementara learning rate yang terlalu besar menyebabkan fluktuasi signifikan bahkan divergensi. Ditemukan bahwa terdapat kisaran nilai learning rate optimal yang bersifat kontekstual terhadap arsitektur model dan karakteristik data. Selain itu, implementasi teknik penyesuaian dinamis seperti learning rate decay atau adaptive learning rate methods (misalnya Adam, RMSprop) secara signifikan membantu mempercepat konvergensi dan meningkatkan kestabilan pelatihan. Temuan ini menegaskan pentingnya pemilihan dan penyetelan learning rate yang tepat untuk menghindari permasalahan underfitting maupun overfitting, sekaligus memaksimalkan efisiensi pelatihan model neural network secara keseluruhan.
Peningkatan Literasi Digital Masyarakat Melalui Pelatihan Pemanfaatan Google Workspace Rizki, Cindy Atika; Mardiah; Cynthia, Eka Pandu; Saeed, Alabbas Hussein; Khairuniza, Nabila
Jurnal Pengabdian Masyarakat Berdampak Vol. 1 No. 1 (2025): Januari 2025
Publisher : Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jupemba.v1i1.35

Abstract

Pemanfaatan teknologi digital yang optimal menjadi kunci dalam mendorong kemajuan masyarakat desa di era informasi. Namun, rendahnya literasi digital masih menjadi tantangan di banyak wilayah, termasuk Desa Cinta Rakyat. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan literasi digital warga melalui pelatihan pemanfaatan Google Workspace, yang mencakup layanan seperti Gmail, Google Drive, Google Docs, Google Sheets, dan Google Meet. Metode pelaksanaan mencakup pendekatan partisipatif melalui penyuluhan, demonstrasi langsung, dan praktik terarah yang melibatkan perangkat desa, pemuda, dan masyarakat umum. Hasil kegiatan menunjukkan peningkatan pemahaman dan keterampilan peserta dalam menggunakan layanan Google Workspace untuk keperluan komunikasi, pengelolaan data, serta kolaborasi daring. Selain itu, pelatihan ini juga mendorong terbentuknya kebiasaan kerja yang lebih produktif dan efisien di lingkungan masyarakat desa. Dengan meningkatnya literasi digital, masyarakat Desa Cinta Rakyat diharapkan mampu memanfaatkan teknologi secara bijak dan mandiri, serta lebih siap menghadapi tantangan era digital. Kegiatan ini membuktikan bahwa pendekatan pelatihan berbasis kebutuhan lokal dengan alat digital yang relevan mampu memberikan dampak nyata dalam pemberdayaan masyarakat.
Co-Authors Afriyanti, Liza Agustian, Surya Aprijon Arifandy, M. Imam Eka, Muhammad Elvia Budianita Febi Yanto Harahap, Ramadhan Hidayat, Rizki Inggih Permana Khairuniza, Nabila Mardiah Muhammad Amin Muhammad Fikry Muhammad Hasanuddin, Muhammad Mulyati, Sabar Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H nursalisah, febi Putra, Wahyu Eka Rizki, Cindy Atika Saeed, Alabbas Hussein Sugandi, Hatami Karsa Sulistia Ningsih, Sulistia Suwanto Sanjaya Yusra Yusra, Yusra