Garuda - Garba Rujukan Digital

PKM Harmoni Religi, Edukasi, dan Keterampilan bagi Anak Anak Mirah Seruni Makassar Risal, Andi Akram Nur; NFH, Alifya; Akbar, Muhammad; Kaswar, Andi Baso; Surianto, Dewi Fatmawati
TEKNOVOKASI : Jurnal Pengabdian Masyarakat Volume 2: Issue 3 (September 2024)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/teknovokasi.v2i3.5347

Kampung Mirah Seruni adalah komunitas di mana sebagian besar penduduknya tidak bekerja dan sebagai ojek online atau pemulung sampah untuk dijual atau didaur ulang. Kehidupan di Kampung Mirah Seruni sering kali diwarnai oleh tantangan sosial, ekonomi, dan kesehatan. Mereka menghadapi keterbatasan akses terhadap layanan dasar seperti pendidikan yang terabaikan dan kesehatan yang diabaikan. Untuk mengatasi masalah di Kampung Mirah Seruni, pendidikan dan pengembangan keterampilan memegang peran penting. Penyediaan pendidikan formal yang berkualitas dan pusat pendidikan di Kampung Mirah Seruni dapat memberikan akses pendidikan sementara kepada anak-anak dan remaja. Selain itu, program pelatihan keterampilan dapat membantu meningkatkan keterampilan masyarakat setempat. Selain pendidikan formal dan pelatihan keterampilan, kegiatan sosial seperti ice breaking, games, dan penghargaan kepada peringkat pertama dapat digunakan sebagai metode untuk memotivasi dan melibatkan masyarakat Kampung Mirah Seruni dalam proses pembelajaran. Serta Kegiatan keagamaan selama bulan ramadan, juga dapat menjadi sarana untuk memperkuat pendidikan dan nilai-nilai keagamaan di Kampung Mirah Seruni. Kegiatan seperti ceramah agama, lomba adzan, menghafal surah pendek, dan dongeng. Kegiatan ini dapat mempererat kepedulian sosial dapat membantu memperkuat ikatan komunitas dan memberikan nilai-nilai positif kepada masyarakat Kampung Mirah Seruni.

Enhancing K-Means Clustering for Journal Articles using TF-IDF and LDA Feature Extraction Surianto, Dewi Fatmarani; Surianto, Dewi Fatmawati
Brilliance: Research of Artificial Intelligence Vol. 4 No. 2 (2024): Brilliance: Research of Artificial Intelligence, Article Research November 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i2.5547

Clustering is a fundamental technique in data analysis, particularly in unsupervised learning, to group data with similar characteristics. However, the effectiveness of the K-Means algorithm in text clustering heavily depends on proper feature extraction. This study proposes an enhanced feature extraction approach by integrating Term Frequency-Inverse Document Frequency (TF-IDF) and Latent Dirichlet Allocation (LDA) to improve clustering performance on journal article datasets. The dataset consists of 427 journal article abstracts collected from Google Scholar. The preprocessing steps include tokenization, stopword removal, and TF-IDF vectorization, followed by topic extraction using LDA, which serves as input features for the K-Means clustering algorithm. The optimal number of clusters is determined using the Silhouette Score, with the best result obtained at k=9, achieving a score of 0.6806. The practical implications of this study include improved accuracy in academic document clustering, with applications in journal recommendation systems, digital library indexing, and research trend analysis. The results demonstrate that the combination of TF-IDF and LDA produces more informative text representations, significantly enhancing clustering quality. This study contributes to text mining and data science by proposing a systematic preprocessing framework for document clustering. Future research could explore its application to full-text articles, hierarchical clustering, or deep learning-based models to further improve clustering performance.

Enhancing K-Means Clustering for Journal Articles using TF-IDF and LDA Feature Extraction Surianto, Dewi Fatmarani; Surianto, Dewi Fatmawati
Brilliance: Research of Artificial Intelligence Vol. 4 No. 2 (2024): Brilliance: Research of Artificial Intelligence, Article Research November 2024
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v4i2.5547

Clustering is a fundamental technique in data analysis, particularly in unsupervised learning, to group data with similar characteristics. However, the effectiveness of the K-Means algorithm in text clustering heavily depends on proper feature extraction. This study proposes an enhanced feature extraction approach by integrating Term Frequency-Inverse Document Frequency (TF-IDF) and Latent Dirichlet Allocation (LDA) to improve clustering performance on journal article datasets. The dataset consists of 427 journal article abstracts collected from Google Scholar. The preprocessing steps include tokenization, stopword removal, and TF-IDF vectorization, followed by topic extraction using LDA, which serves as input features for the K-Means clustering algorithm. The optimal number of clusters is determined using the Silhouette Score, with the best result obtained at k=9, achieving a score of 0.6806. The practical implications of this study include improved accuracy in academic document clustering, with applications in journal recommendation systems, digital library indexing, and research trend analysis. The results demonstrate that the combination of TF-IDF and LDA produces more informative text representations, significantly enhancing clustering quality. This study contributes to text mining and data science by proposing a systematic preprocessing framework for document clustering. Future research could explore its application to full-text articles, hierarchical clustering, or deep learning-based models to further improve clustering performance.

Transformasi Literasi Digital melalui Pelatihan Pemanfaatan Media Sosial secara Efektif Surianto, Dewi Fatmawati; Baso, Fadhlirrahman; Surianto, Dewi Fatmarani; Mappangara, Surianto; Rifqie, Dary Mochamad
Jurnal Kemitraan Responsif untuk Aksi Inovatif dan Pengabdian Masyarakat Volume 3 Issue No. 1: July 2025
Publisher : Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/kreativa.v3i1.20265

Integrasi media sosial dalam kehidupan sehari-hari telah membawa perubahan besar terhadap pola komunikasi masyarakat Indonesia. Media sosial bukan hanya menjadi sarana interaksi dan hiburan, tetapi juga berperan dalam penyebaran informasi, pendidikan, hingga peluang ekonomi. Namun, penggunaan yang tidak terarah dapat menimbulkan risiko, seperti kecanduan, cyberbullying, penyebaran misinformasi, dan ancaman keamanan data. Kegiatan pengabdian masyarakat ini bertujuan untuk memberikan pelatihan mengenai penggunaan media sosial secara efektif serta dampaknya, baik positif maupun negatif, kepada masyarakat dan mahasiswa di Kabupaten Sinjai. Metode pelaksanaan meliputi tahap persiapan, pelatihan interaktif, pendampingan singkat, serta evaluasi. Hasil pelaksanaan menunjukkan adanya peningkatan pengetahuan peserta mengenai risiko digital, kesadaran terhadap dampak negatif, serta keterampilan dalam memanfaatkan media sosial secara produktif, misalnya untuk promosi usaha dan pengembangan jejaring sosial. Kegiatan diskusi memperlihatkan transformasi sikap peserta dari penggunaan yang konsumtif menuju pemanfaatan yang lebih produktif. Meskipun terdapat kendala berupa perbedaan keterampilan digital dan keterbatasan waktu praktik, kegiatan ini terbukti efektif dalam meningkatkan literasi digital masyarakat. Secara keseluruhan, pelatihan ini berkontribusi dalam membentuk sikap bijak, produktif, dan aman dalam bermedia sosial serta memberikan implikasi positif bagi peningkatan kualitas interaksi sosial dan kesejahteraan masyarakat.

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search