Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal TRANSISTOR Elektro dan Informatika AMMA : Jurnal Pengabdian Masyarakat
Azizah, Eka Nurul
Unknown Affiliation
Humanities Chemistry Computer Science & IT Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Strategi PDCA untuk Meningkatkan Produktivitas Kerja melalui Penguatan Kerja Sama Tim dan Komunikasi Organisasi Azizah, Eka Nurul; Sari, Anita Kartika; Wahjoedi, Tri; Nugroho, Agung Dwi; Lazuardi, Sofyan
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 11 : Desember (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

−The activity of community service in this program will try to provide support to increase work productivity at CV. BKM Sidoarjo through the implementation of strategies based on PDCA (Plan-Do-Check-Act). Emphasis is placed on strengthening teamwork and organizational communication to break down big obstacles: a lack of trust between team members, a limitation in the competence of new employees, and an inability to be open with any conflict. The different stages of the process involve problem identification through planning, intense provisioning with simulation and role-playing methods during the 'Do' stage, periodic evaluation in the 'Check' stage, and corrective steps for sustainability in the 'Action' stage. Implementation results indicated a productivity increase of 41% over and above the initial target. This program has succeeded in bringing about a culture of collaboration and efficiency in work. The suggestions for sustainability: to create a continuous provisioning program, besides using the 5-S concept as work environment efficiency support. With such benefits being accrued to them in the process, the case would serve as an invaluable reference for other similar organizations grappling with such obstacles.
Implementasi Few-Shot Learning Untuk Prediksi Kalimat Solusi Dari Masalah Pada Artikel Ilmiah Menggunakan Model Large Language Models (LLM) Azizah, Eka Nurul; Chaerul Haviana, Sam Farisa
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025): Agustus : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

Pesatnya pertumbuhan jumlah artikel ilmiah menghadirkan tantangan baru dalam mengekstraksi informasi yang relevan, khususnya dalam mengidentifikasi hubungan antara permasalahan dan solusinya. Penelitian ini bertujuan untuk mengembangkan model prediksi solusi menggunakan Large Language Models (LLM) dengan pendekatan Few-Shot Learning. Model yang diterapkan adalah Llama 3.2, yang telah disesuaikan dengan dataset hasil ekstraksi dari 100 artikel ilmiah, diklasifikasikan ke dalam empat kategori utama: Problem-Solution, Tantangan-Jawaban, Peluang-Jawaban, dan Kelemahan-Peningkatan. Proses pengolahan data mencakup tahapan pre-processing, seperti case folding, tokenizing, filtering, dan stemming, guna meningkatkan kualitas data sebelum model dilatih. Evaluasi model dilakukan menggunakan metrik ROUGE untuk menilai akurasi prediksi solusi yang dihasilkan. Hasil penelitian menunjukkan bahwa pendekatan Few-Shot Learning mampu mengenali pola hubungan masalah-solusi dengan lebih efektif dibandingkan metode konvensional. Selain itu, sistem berbasis website juga dikembangkan untuk mempermudah akses dan pemanfaatan model oleh mahasiswa dalam menyelesaikan tugas akhir. Walaupun model menunjukkan kinerja yang baik, tantangan dalam menangani pertanyaan yang berbeda jauh dari contoh yang diberikan masih menjadi kendala yang perlu disempurnakan dalam penelitian mendatang.
Co-Authors Agung Dwi Nugroho, Agung Dwi Lazuardi, Sofyan Sam Farisa Chaerul Haviana Sari, Anita Kartika Wahjoedi, Tri