Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pelatihan database dengan MySQL & PHP untuk siswa SMK Media Informatika di Tangerang Widjaja, Prya Artha; Anthony, Eveline Valencia; Cristiano, Ezra; Celvin, Jullius
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 9, No 3 (2025): May
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v9i3.30402

Abstract

Abstrak Pelatihan Database dengan MySQL & PHP untuk siswa SMK Media Informatika diselenggarakan guna mengatasi rendahnya pemahaman praktis dalam pengembangan aplikasi web, khususnya pada aspek pengelolaan database. Dalam era digital, tuntutan industri teknologi informasi menuntut peningkatan kompetensi siswa di bidang pemrograman. Kegiatan pengabdian ini bertujuan memberikan pemahaman teoritis dan praktis mengenai penggunaan MySQL dan PHP sebagai kelanjutan dari pelatihan pembuatan website dengan HTML dan JavaScript. Pelatihan dilaksanakan pada 23 Agustus 2024 melibatkan siswa-siswi SMK Media Informatika sebagai mitra sasaran. Metode pelaksanaan mencakup pre-test untuk mengukur pengetahuan awal, sesi penyampaian materi teori, coding session untuk implementasi operasi CRUD pada database, serta post-test sebagai evaluasi peningkatan pemahaman. Hasil kegiatan menunjukkan peningkatan signifikan pada nilai post-test, serta peningkatan kemampuan siswa dalam mengelola database dan mengintegrasikannya ke dalam aplikasi web secara efektif. Pelatihan ini membuktikan efektivitas pendekatan interaktif dan berbasis praktik dalam meningkatkan keterampilan teknis, sehingga diharapkan dapat mendukung kesiapan siswa menghadapi tuntutan industri teknologi informasi. Kata kunci: Pelatihan; database; MySQL; PHP. Abstract The MySQL & PHP Database Training for SMK Media Informatika students was conducted to address the limited practical knowledge in web application development, particularly in database management. As the IT industry continues to evolve, there is an increasing demand for enhanced programming skills among students. This training initiative was designed to provide both theoretical and hands-on experience in utilizing MySQL and PHP, serving as an extension of previous training on website development using HTML and JavaScript. Held on August 23, 2024, this training targeted SMK Media Informatika students. The methodology involved a pre-test to assess initial understanding, a theoretical session, a coding session for CRUD operations implementation in databases, and a post-test to measure learning progress. The results indicated a notable improvement in post-test scores, along with students' enhanced ability to manage databases and seamlessly integrate them into web applications. This training highlights the effectiveness of an interactive, practice-oriented approach in strengthening technical skills, thus better equipping students to meet the growing demands of the IT industry. Keywords: training; database; MySQL; PHP.
Analisis Sentimen Ulasan Pengguna Aplikasi Famiapps Menggunakan Naïve Bayes, SVM, dan Random Forest Celvin, Jullius; Barus, Simon Prananta
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 6 No. 2 (2025): Jurnal PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v6i2.1934

Abstract

Aplikasi FamiApps yang tersedia di Google Play Store telah digunakan oleh banyak pengguna, namun belum ada penelitian komprehensif untuk mengevaluasi pola emosional mereka. Penelitian ini bertujuan untuk mengeksplorasi sentimen pengguna dan memberikan wawasan mengenai persepsi mereka terhadap aplikasi. Tiga metode machine learning yang dibandingkan adalah Random Forest, Naïve Bayes, dan Support Vector Machine (SVM). Dataset terdiri dari 1.079 ulasan pengguna yang dikategorikan menjadi sentimen positif, negatif, dan netral. Proses analisis melibatkan preprocessing data seperti pembersihan, tokenisasi, stemming, dan pembobotan TF-IDF untuk mengubah teks menjadi format numerik. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja terbaik dengan accuracy tertinggi sebesar 98,58% pada skenario pemisahan data 80:20 dan 98,24% pada skenario 70:30. Keunggulan SVM terletak pada kemampuannya menangani data berdimensi tinggi dan menemukan hiperplane optimal untuk klasifikasi lebih akurat. Random Forest dan Naïve Bayes cenderung lebih rentan terhadap noise dan fitur yang kurang relevan. Dengan demikian, penelitian ini menyimpulkan bahwa SVM adalah algoritma paling andal dalam klasifikasi sentimen ulasan pengguna FamiApps. Temuan ini dapat membantu pengembang dalam meningkatkan kualitas aplikasi secara lebih tepat sasaran.