Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika (JUTIF) Teknologi Informasi dan Digital (TRIDI)
Murti Prabowo, Kresno
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Materials Science & Nanotechnology Other

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

Found 2 Documents
Search

 1 
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PAKET UMROH UNTUK CALON JAMAAH DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW): PADA (Study Kasus : PT AMANAH UMROH HANDAL) Aditia, Rifky; Fauzi, Yudiansyah; Ripai, Rizki; Sofiana, Nana; Meilany, Zubeida; Murti Prabowo, Kresno
Jurnal Teknologi Informasi dan Digital Vol. 1 No. 1 (2023): Teknologi Informasi dan Digital
Publisher : LPPM Universitas Bani Saleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65624/tridi.v1i1.6

Abstract

Wisata religi atau menunaikan ibadah umroh dianggap telah menjadi tren baru bagi masyarakat Indonesia dalam menghabiskan masa liburan panjangnya. Hal ini dibuktikan dengan semakin meningkatnya jumlah muslimin yang melaksanakan ibadah umroh dari tahun ke tahun. PT Amanah Umroh Handal merupakan sebuah situs website dan aplikasi yang menerapkan marketplace model yang menyediakan paket umroh dari berbagai travel umroh yang sudah terpercaya dan bekerjasama, banyaknya pilihan paket umroh, calon jamaah kesulitan untuk mendapatkan paket umroh yang sesuai kebutuhan. Salah satu cara untuk membantu calon jamaah umroh dalam menentukan keputusan yang tepat untuk memilih paket umroh yang telah disediakan oleh PT Amanah Umroh Handal adalah dengan menerapkan sebuah sistem pendukung keputusan (SPK). SPK dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas namun tidak untuk menggantikan penilaian dan memberikan dukungan langsung pada permasalahan dengan menyediakan alternatif pilihan Maka dari itu penulis membuat penelitian yang berjudul “Sistem Pendukung Keputusan Pemilihan Paket Umroh untuk Calon Jamaah Umroh Dengan Metode Analytical Hierarchy Proccess Dan Simple Additive Weighting (SAW) pada (Study Kasus : PT Amanah Umroh Handal)”. Hasil perhitungan metode AHP-SAW memberikan rekomendasi kepada calon jamaah umroh untuk memilik paket umroh regular yang paling cocok, karena memiliki nilai tertinggi 0.907, rekomendasi kedua yaitu paket umroh regular dengan nilai 0.871, rekomendasi ketiga yaitu paket umroh plus turki dengan nilai 0.855. Diharapkan prototype dari model tersebut bisa membantu PT. Amanah Umroh Handal untuk menerapkan sistem pendukung keputusan dalam merekomendasi paket umroh untuk calon jamaah.
Hybrid LSTM-CNN-GRU Deep Learning for Integrating IoT and Social Media Sentiment Analysis in Indonesian Higher Education Reputation Management Murti Prabowo, Kresno; Nidauddin, Ikbal; Andiono, Endro
Jurnal Teknik Informatika (Jutif) Vol. 7 No. 2 (2026): JUTIF Volume 7, Number 2, April 2026
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2026.7.2.5426

Abstract

Higher education institutions in Indonesia face critical challenges in managing digital reputation. Despite 85% of prospective students using social media for university research, only 23% of institutions have integrated monitoring systems, resulting in 67% experiencing undetected reputation crises with substantial financial losses. This research proposes a novel framework integrating IoT campus data with social media sentiment analysis using hybrid deep learning architecture. The system employs LSTM-CNN networks with multi-head attention mechanisms for sentiment classification and GRU networks for reputation trend prediction, enhanced with data fusion strategy. Data collected from 428 IoT sensors and 3.2 million social media posts across five Indonesian universities over six months underwent advanced preprocessing including Indonesian-specific slang normalization and Sastrawi stemming. The hybrid LSTM-CNN architecture with attention achieved 90.3% sentiment classification accuracy (Macro-F1: 0.903), significantly outperforming baseline methods including Naive Bayes (76.2%), traditional LSTM (84.5%), and IndoBERT (87.1%). IoT integration contributed 18.2% RMSE improvement in trend prediction (R²: 0.874). The early warning system predicted reputation crises with 85.7% precision and 82.4% recall, providing critical intervention windows averaging 14.3 days before incidents. The real-time dashboard achieved 98.5% availability with sub-3-second response time and excellent usability (SUS score: 82.4). This research contributes: (1) novel IoT-sentiment integration framework with demonstrated effectiveness, (2) context-aware deep learning architecture optimized for Indonesian language achieving state-of-the-art performance, (3) validated early warning system enabling proactive reputation management, and (4) practical implementation with significant improvements over existing methods, advancing educational data analytics and AI-based decision support systems.
Co-Authors Aditia, Rifky Andiono, Endro Fauzi, Yudiansyah Meilany, Zubeida Nidauddin, Ikbal Rizki Ripai Sofiana, Nana