Claim Missing Document
Check
Articles

Found 3 Documents
Search

Peningkatan Literasi Digital dalam Keamanan Siber bagi Siswa SMK Telekomunikasi Telesandi Bekasi Hendrawan, Fadhil Rozi; Rahma, Dea Wemona; Ramadhan, Yumna Zahran; Siregar, Sarah Dinda; Naufal, Faris; Marza, Marza; Muhtar, Adam Yudhistira
SOROT : Jurnal Pengabdian Kepada Masyarakat Vol 4 No 2 (2025): Juli
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/sorot.v4i2.9534

Abstract

Dalam era digital yang semakin berkembang, pemahaman terhadap potensi ancaman siber serta cara melindungi informasi digital menjadi hal yang sangat penting. Ancaman siber seperti phising, peretasan akun, dan penyalahgunaan data pribadi semakin sering terjadi akibat minimnya kesadaran dan pengetahuan digital. Data pribadi menjadi salah satu hal paling krusial yang tidak boleh disebarkan secara sembarangan untuk menghindari kejahatan siber. Abdimas ini bertujuan meningkatkan kesadaran siswa terhadap keamanan digital. Metode yang digunakan adalah pelatihan dan sosialisasi mengenai pentingnya melindungi data pribadi, identifikasi ancaman siber, dan praktik penggunaan media sosial yang bijak dan bertanggung jawab. Di akhir kegiatan, tim abdimas membagikan kuesioner umpan balik. Sebanyak 190 kuesioner valid didapatkan dan hasilnya menunjukkan bahwa tingkat rata-rata kepuasan peserta cukup tinggi dengan nilai 3,94 dari skala 5,00.
PENGEMBANGAN WEBSITE KATALOG PRODUK DESA CIKASUNGKA Ramadhan, Yumna Zahran; Satria, Deki; Hendrawan, Fadhil Rozi; Muttaqin, Widang
SOROT : Jurnal Pengabdian Kepada Masyarakat Vol 4 No 2 (2025): Juli
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/sorot.v4i2.9647

Abstract

Era digital saat ini, khususnya era 5.0, menekankan pentingnya kolaborasi antara manusia dan teknologi seperti kecerdasan buatan, Internet of Things (IoT), dan big data. Di tengah perkembangan ini, UMKM di Indonesia sebagai pilar utama ekonomi nasional menghadapi tantangan besar dalam proses digitalisasi. Hambatan seperti keterbatasan infrastruktur internet, rendahnya literasi digital, dan sumber daya yang terbatas menjadi penghalang utama. Padahal, transformasi digital berpotensi besar dalam meningkatkan efisiensi dan daya saing usaha mereka. Oleh karena itu, diperlukan upaya bersama dari komunitas dan institusi pendidikan untuk memberikan pelatihan serta pendampingan. Salah satu solusi strategis adalah pengembangan aplikasi web untuk mendukung UMKM desa, seperti di Cikasungka. Aplikasi ini mencakup katalog produk online, manajemen stok, pencatatan keuangan, strategi pemasaran digital, dan modul pelatihan. Sistemnya dilengkapi hak akses yang jelas: administrator mengelola sistem, pelaku usaha memperbarui produk, dan pelanggan dapat melihat serta memesan produk. Inovasi ini diharapkan dapat mendorong percepatan digitalisasi, memperluas akses terhadap layanan keuangan, dan mengurangi ketergantungan pada metode konvensional, sehingga tercipta ekosistem UMKM yang mandiri, berkelanjutan, dan kompetitif dalam ekonomi digital yang terus berkembang.
Studi Perbandingan Naïve Bayes dan Support Vector Machine (SVM) dalam Analisis Sentimen Pengguna Metaverse Parameswari, Sang Dara; Lubis, Muharman; Suakanto, Sinung; Ramadhan, Yumna Zahran; Amanah, Raisyah Nurul; Dila, Revyolla Ananta
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 4 No. 3 (2025): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v4i3.1122

Abstract

Penelitian ini bertujuan mengevaluasi persepsi publik di Indonesia terhadap isu metaverse melalui analisis sentimen berbasis text mining. Metaverse, yang memadukan media sosial, permainan daring, augmented reality (AR), virtual reality (VR), serta aset digital seperti cryptocurrency, semakin mendapat perhatian sejak pengumuman perubahan nama Facebook menjadi Meta pada tahun 2021 dan memunculkan beragam opini publik. Data diperoleh dari Twitter (X) dan dianalisis menggunakan dua algoritma klasifikasi teks, yaitu Naïve Bayes dan Support Vector Machine (SVM). Dalam penerapannya, Naïve Bayes menggunakan fungsi MultinomialNB, sedangkan SVM dijalankan dengan LinearSVC yang lebih sesuai untuk data teks berdimensi tinggi. Hasil penelitian menunjukkan bahwa SVM memberikan kinerja lebih baik dengan akurasi 78,3% dan Macro-F1 78,3%, dibandingkan Naïve Bayes yang memperoleh akurasi 72,4% dan Macro-F1 sebesar 60,2%. Selain itu, SVM lebih seimbang dalam mengenali seluruh kelas sentimen, khususnya kategori negatif, sementara Naïve Bayes tetap relevan sebagai baseline karena kesederhanaan dan efisiensinya. Penelitian ini berkontribusi dalam menyajikan perbandingan komparatif kedua algoritma pada analisis sentimen metaverse di Indonesia, sekaligus membuka ruang bagi pengembangan metode yang lebih mutakhir pada studi berikutnya.