Claim Missing Document
Check
Articles

PREDIKSI KECEPATAN RATA-RATA BERSEPEDA BERDASARKAN KONDISI TOPOGRAFI DAN FAKTOR CUACA MENGGUNAKAN XGBOOST DARI DATA STRAVA Rifqy Ramdhani Hakim; Sam Farisa Chaerul Haviana
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 2 (2025): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i2.3143

Abstract

Meningkatnya minat bersepeda dan penggunaan aplikasi perekam data seperti Strava menuntut pemahaman mendalam mengenai faktor yang memengaruhi performa. Kecepatan rata-rata sangat dipengaruhi oleh variabel non-linear seperti kondisi topografi dan cuaca, sehingga memerlukan model prediksi yang akurat. Tujuan penelitian ini adalah mengimplementasikan Extreme Gradient Boosting (XGBoost) untuk membangun model prediksi kecepatan rata-rata bersepeda. Penelitian berfokus memodelkan hubungan antara data historis aktivitas Strava dengan variabel lingkungan. Metode penelitian dimulai dari pengumpulan data aktivitas pribadi (Juni 2024 - Agustus 2025) , mencakup fitur jarak, elevasi, cuaca, dan waktu tidur. Data mentah melalui pra-pemrosesan, termasuk normalisasi Min-Max Scaler. Data dibagi menjadi 80% data latih dan 20% data uji. Model XGBRegressor dilatih dengan hyperparameter seperti n_estimators=300 dan learning_rate=0.2. Kinerja model dievaluasi menggunakan Root Mean Squared Error (RMSE) dan R-squared (R²). Hasilnya, model XGBoost mampu memberikan estimasi kecepatan dengan akurasi cukup baik. Model mencapai skor RMSE 1.240 km/jam , yang mengindikasikan rata-rata kesalahan prediksi. Selain itu, model memperoleh nilai R² sebesar 0.800. Nilai R² ini berarti model mampu menjelaskan 80% variasi data kecepatan. Kesimpulannya, model XGBoost terbukti representatif
Implementasi Model BERT dalam Deteksi Ulasan Palsu Pada Platform TikTok Shop Produk Fashion Najma Nora Agustina; Sam Farisa Chaerul Haviana
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 2 (2025): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i2.3202

Abstract

Penelitian ini bertujuan untuk mengimplementasikan model Bidirectional Encoder Representations from Transformers (BERT) dalam mendeteksi ulasan palsu pada produk fashion di platform TikTok Shop berbasis bahasa Indonesia. Metode penelitian ini menggunakan pendekatan machine learning dengan model BERT yang dilatih melalui tahapan data scraping, preprocessing (meliputi lowercasing, penghapusan karakter non-alfabet dan emoji, serta tokenisasi), pembagian dataset menjadi training set (64%), validation set (16%), dan test set (20%), serta proses pelatihan model menggunakan PyTorch. Evaluasi kinerja model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model BERT mencapai performa terbaik pada epoch ke-40 dengan validation accuracy sebesar 91,90% dan nilai precision, recall, F1-score, serta accuracy masing-masing sebesar 0,94. Nilai tersebut menunjukkan keseimbangan yang baik antara kemampuan model dalam mengenali ulasan asli dan palsu secara akurat. Dengan demikian, dapat disimpulkan bahwa implementasi model BERT terbukti efektif dalam mendeteksi ulasan palsu pada produk fashion di TikTok Shop serta dapat menjadi acuan pengembangan sistem deteksi otomatis berbasis bahasa Indonesia pada platform e-commerce lainnya.
Evaluasi dan Peningkatan Wawasan Teknologi Informasi pada Siswa SMA Islam Sultan Agung 3 Semarang Sam Farisa Chaerul Haviana; Sri Mulyono; Badieah Badieah
ABDI: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 7 No 4 (2025): Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Publisher : Labor Jurusan Sosiologi, Fakultas Ilmu Sosial, Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/abdi.v7i4.1424

Abstract

Kemajuan teknologi informasi menuntut penguasaan yang mumpuni, termasuk bagi siswa dari SD hingga SMA. Namun, banyak sekolah di Indonesia, termasuk SMA Islam Sultan Agung 3 Semarang, masih menghadapi keterbatasan pengetahuan teknologi, khususnya komputer dan teknologi terkini seperti Artificial Intelligence (AI). Program pengabdian ini bertujuan memberikan solusi melalui pelatihan yang berfokus pada: 1) wawasan fundamental pada penguasaan hardware, meliputi komponen, fungsi, perakitan, dan perawatan komputer; serta 2) wawasan terkini tentang pemanfaatan AI dalam aktivitas belajar siswa. Targetnya adalah meningkatkan literasi teknologi siswa, mengurangi ketergantungan pada pihak luar, dan mempersiapkan mereka menghadapi era digital. Untuk itu dilakukan pelatihan sebagai metode pelaksanaan dan pembagian formulir umpan balik pada peserta sebagai metode untuk mendapatkan bahan analisis dan evaluasi terhadap efektifitas pelaksanaan program. Hasilnya, program ini berhasil meningkatkan wawasan peserta dengan 65% peserta menyatakan mendapatkan banyak sekali wawasan baru. Selain itu efektifitas progam juga ditujukkan dari mayoritas perserta yang sangat tertarik dengan materi dan bersedia mengikuti program selanjutnya. Dengan demikian dapat disimpulkan bahwa program pelatihan ini berhasil mencapai tujuan utamanya untuk meningkatkan wawasan peserta pelatihan, sehingga memberikan peluang pada peserta agar lebih siap mengembangkan potensi akademis dan profesional mereka di masa depan.