Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Journal of Artificial Intelligence and Digital Business APPA : Jurnal Pengabdian Kepada Masyarakat
Apandi, Sopiyan
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Meningkatkan Kreativitas Desain Digital Dan Pengenalan Figma Sebagai Alat Prototyping UI/UX Lina, Angel; Aria, Alfinto; Erlangga, Adithya; Hasanudin, Didin; Hartansyah, Dika; Alam, Dzikrul; Hermawan, Galih; Ferry Nandiwardana, Muhammad; Purianto, Riki; Riarno, Riyan; Apandi, Sopiyan
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 2 No 3 (2024): APPA : Jurnal Pengabdian kepada Masyarakat
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tujuan Program Pengabdian Kepada Masyarakat (PKM) ini bertujuan untuk meningkatkan kreativitas siswa SMK Plus Al Musyarrofah dalam desain digital serta mengenalkan Figma sebagai alat prototyping UI/UX. Kegiatan ini melibatkan siswa jurusan Teknik Komputer Jaringan (TKJ) dan dilaksanakan melalui pendekatan interaktif, seperti sosialisasi konsep UI/UX, praktik langsung menggunakan Figma, serta diskusi kelompok. Hasil evaluasi menunjukkan bahwa siswa mampu memahami konsep dasar desain digital dan mengimplementasikan pembuatan prototipe aplikasi. Diharapkan kegiatan ini dapat memberikan dampak positif bagi kesiapan siswa dalam menghadapi dunia kerja yang berbasis teknologi.
Analisis Klasterisasi Indikator Makroekonomi Indonesia Menggunakan K-Means Diwongso, Abu Thaariq Nur; Fauzan, Ubaid; Elfatih, Yusritsan Ghinan; Apandi, Sopiyan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1335

Abstract

Penelitian ini bertujuan untuk mengelompokkan indikator makroekonomi Indonesia menggunakan algoritma klasterisasi K-Means. Indikator yang dianalisis meliputi tingkat pengangguran terbuka berdasarkan jenjang pendidikan, inflasi menurut kelompok pengeluaran, dan rasio utang pemerintah terhadap Produk Domestik Bruto (PDB). Data bersumber dari Badan Pusat Statistik (BPS) untuk periode 2005–2023 dan diolah menggunakan Python dengan pustaka Pandas, scikit-learn, dan Matplotlib. Proses klasterisasi dilakukan secara terpisah untuk setiap indikator guna memperoleh pola spesifik yang relevan dengan kebijakan ekonomi. Hasil penelitian menunjukkan bahwa setiap klaster mampu merepresentasikan kondisi ekonomi yang berbeda, seperti dominasi pengangguran di tingkat SMK serta fluktuasi inflasi pada kelompok bahan makanan. Temuan ini memberikan gambaran awal yang dapat digunakan untuk mendukung analisis kebijakan fiskal dan ketenagakerjaan di Indonesia. Penelitian ini juga menunjukkan bahwa metode K-Means efektif dalam menyederhanakan interpretasi data ekonomi multivariat.
Perbandingan Kinerja Naive Bayes, Support Vector Machine, Regresi Logistik, dan Decision Tree untuk Klasifikasi Sentimen Ulasan Produk Berbasis TF-IDF Bahrein, Muhammad; Apandi, Sopiyan
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.13968

Abstract

Analisis sentimen merupakan salah satu pendekatan penting dalam pemrosesan bahasa alami yang digunakan untuk memahami opini konsumen melalui data ulasan produk di platform digital. Tantangan utama dalam analisis ini adalah memilih algoritma klasifikasi yang paling efektif untuk memproses data teks dalam jumlah besar dan kompleks. Penelitian ini bertujuan membandingkan kinerja empat algoritma klasifikasi populer, yaitu Naive Bayes, Support Vector Machine (SVM), Regresi Logistik, dan Decision Tree, dalam mengklasifikasikan sentimen ulasan produk berbasis fitur TF-IDF. Data yang digunakan berjumlah 830 ulasan produk yang dikumpulkan melalui teknik web scraping dari salah satu platform e-commerce. Seluruh data dipra-pemroses dengan tahapan pembersihan, tokenisasi, stopwords removal, dan stemming, kemudian diubah menjadi vektor numerik menggunakan metode TF-IDF. Selanjutnya, data dibagi menjadi data latih dan data uji dengan proporsi 80:20 dan diuji menggunakan keempat algoritma klasifikasi. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM) memiliki performa terbaik dengan akurasi sebesar 94%, diikuti oleh Regresi Logistik (92%), Naive Bayes (91%), dan Decision Tree (76%). Nilai precision, recall, dan F1-score pada SVM juga unggul dibandingkan algoritma lain. Temuan ini merekomendasikan SVM sebagai algoritma yang paling efektif untuk klasifikasi sentimen pada ulasan produk berbasis teks. Penelitian ini dapat menjadi referensi bagi pengembangan sistem analisis sentimen yang lebih optimal di masa mendatang.   Kata Kunci - Analisis sentimen, Naive Bayes, Support Vector Machine (SVM), Regresi Logistik, Decision Tree.
Co-Authors Alam, Dzikrul Aria, Alfinto Bahrein, Muhammad Diwongso, Abu Thaariq Nur Elfatih, Yusritsan Ghinan Erlangga, Adithya Fauzan, Ubaid Ferry Nandiwardana, Muhammad Hartansyah, Dika Hasanudin, Didin Hermawan, Galih Lina, Angel Purianto, Riki Riarno, Riyan