Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Conference on Innovation and Application of Science and Technology (CIASTECH)

EFEKTIVITAS KEGIATAN PELATIHAN DAN PENDAMPINGAN IMPLEMENTASI APLIKASI SINICI KUDO PADA PETERNAKAN KELINCI PECI P’RAMA Fadhillah, Arief Rizki; Iriananda, Syahroni Wahyu; Purnomowati, Wiwin; Sakinah, Renada Julia; Nugroho, Kuncahyo Setyo; Akbar, Ismail
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2021 "Kesiapan Indonesia Dalam Menghadapi Krisis Energi Global"
Publisher : Universitas Widyagama Malang

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

Abstract

Peci P’Rama merupakan salah satu peternak kelinci pedaging di Dusun Pecuk, Desa Pecuk, Kecamatan Pakel, Kabupaten Tulungagung. Sistem pengelolaan peternakan kelinci oleh Peci P’Rama belum memiliki data yang tercatat dengan baik. Selain itu, permasalahan lainnya adalah pengelolaan keuangan yang dilakukan oleh Peci P’Rama belum tertata dan terstruktur baik.  Dalam menyelesaikan permasalahan yang dihadapi mitra dalam kodefikasi/ pemberian identitas pada ternak kelinci dan pengelolaan keuangan, maka dirancang sebuah Sistem Informasi Peternakan Kelinci Unggulan Indonesia (SiNiCi Kudo) Berbasis Mobile. Dalam mengimplementasikan Aplikasi Sinici Kudo pada peternakan kelinci yang dimiliki oleh mitra Peci P’Rama, maka perlu adanya sebuah pelatihan dan pendampingan dalam penggunaan Aplikasi Sinici Kudo yang diberikan kepada pemilik dan tenaga kerja Peci P’Rama. Tujuan dari kegiatan ini adalah meningkatkan pengetahuan dan pemahaman pemilik dan tenaga kerja Peci P’Rama terhadap penggunaan Aplikasi Sinici Kudo dengan melihat indikator dari efektivitas kegiatan. Metode pelaksanaan dalam kegiatan pelatihan dan pendampingan implementasi Aplikasi Sinici Kudo pada mitra Peci P’Rama, antara lain: Pre Test, Pelatihan Implementasi Aplikasi Sinici Kudo, Pendampingan Implementasi Aplikasi Sinici Kudo, dan Post Test. Berdasarkan hasil kegiatan pelatihan dan pendampingan implementasi Aplikasi Sinici Kudo pada mitra Peci P’Rama, maka dapat disimpulkan bahwa efektivitas kegiatan pelatihan dan pendampingan yang dilaksanakan oleh tim tercapai sangat baik dikarenakan memiliki nilai efektifitas ≥ 1 yaitu sebesar 1,03. Hal ini menunjukkan pemilik dan tenaga kerja Peci P’Rama mampu mengikuti dan memahami materi yang diberikan oleh pemateri dengan baik. 
DETEKSI DEPRESI DAN KECEMASAN PENGGUNA TWITTER MENGGUNAKAN BIDIRECTIONAL LSTM Kuncahyo Setyo Nugroho; Ismail Akbar; Affi Nizar Suksmawati; Istiadi Istiadi
Conference on Innovation and Application of Science and Technology (CIASTECH) CIASTECH 2021 "Kesiapan Indonesia Dalam Menghadapi Krisis Energi Global"
Publisher : Universitas Widyagama Malang

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

Abstract

Gangguan mental yang paling umum dialami seseorang dalam kehidupan sehari-hari adalah depresi dan kecemasan. Stigma sosial membuat penderita depresi dan kecemasan diabaikan lingkungan sekitarnya. Oleh karena itu, mereka beralih ke media sosial seperti Twitter untuk mencari dukungan. Mendeteksi pengguna dengan potensi gangguan depresi dan kecemasan melalui data tekstual tidaklah mudah karena mereka tidak secara eksplisit berbicara tentang kondisi mentalnya. Dibutuhkan pemodelan yang mampu mengenali potensi pengguna yang mengalami depresi dan kecemasan pada data tekstual sehingga mereka mendapatkan penanganan lebih awal. Hal ini dapat dicapai dengan teknik klasifikasi teks. Salah satu pendekatan yang dapat digunakan adalah LSTM sebagai pengembangan aristektur RNN dalam menangani masalah vanishing gradient. LSTM standar tidak cukup menangkap informasi karena hanya mampu membaca kalimat dari satu arah. Sedangkan Bidirectional LSTM (BiLSTM) merupakan LSTM dua arah yang mampu menangkap informasi tanpa mengabaikan konteks dan arti dari suatu kalimat. Model BiLSTM yang diusulkan menunjukkan performa yang lebih tinggi daripada semua model machine learning tradisional dan LSTM standar. Berdasarkan hasil pengujian, akurasi tertinggi yang diperoleh BiLSTM mencapai 94.12%. Penelitian ini telah berhasil mengembangkan model untuk deteksi depresi dan kecemasan pengguna twitter.