Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal KOMPUTIKA - Jurnal Sistem Komputer Jurnal Digit : Digital of Information Technology Jurnal Pendidikan dan Teknologi Indonesia
Syafrudin, Teguh
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Kualitas Layanan Jaringan Wlan Berdasarkan Parameter Throughput, Delay, Jitter, dan Packet Loss di Universitas X Syafrudin, Teguh; Rianto, Rianto; Ujianto, EIH
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 8 (2025): JPTI - Agustus 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.887

Abstract

Penelitian ini bertujuan untuk mengevaluasi kualitas layanan jaringan WLAN di Universitas X menggunakan metode Quality of Service (QoS) yang melibatkan pengukuran parameter Throughput, Delay, Jitter, dan Packet Loss. Proses pengumpulan data melibatkan wawancara dengan karyawan IT, observasi langsung, serta pemanfaatan perangkat lunak seperti Wireshark. Hasil penelitian menunjukkan bahwa kualitas jaringan WLAN secara keseluruhan berada dalam kategori "sangat memuaskan" berdasarkan standar TIPHON. Namun, terdapat kelemahan pada Throughput jaringan lokal dan IP publik yang dikategorikan "kurang baik". Hal ini menandakan perlunya peningkatan kapasitas Throughput agar performa jaringan lebih optimal. Penelitian ini memberikan kontribusi signifikan terhadap pengembangan infrastruktur jaringan di lingkungan kampus. Dengan saran berbasis data yang dihasilkan, diharapkan layanan internet dapat ditingkatkan secara menyeluruh untuk mendukung aktivitas pembelajaran berbasis ICT.
Analisis Komparasi Algoritma K-Means Dan K-Medoids Dalam Segmentasi Data Untuk Strategi Promosi Mahasiswa Baru Di Universitas X Syafrudin, Teguh; Teguh Syafrudin; Arief Hermawan; Donny Avianto; Indra Maulana
Komputika : Jurnal Sistem Komputer Vol. 14 No. 2 (2025): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v14i2.16698

Abstract

Persaingan dalam merekrut mahasiswa baru semakin ketat, sehingga perguruan tinggi memerlukan strategi promosi yang efektif dan tepat sasaran. Salah satu cara untuk meningkatkan efektivitas promosi adalah dengan melakukan segmentasi calon mahasiswa berdasarkan data penerimaan. Penelitian ini menawarkan solusi dengan membandingkan performa algoritma K-Means dan K-Medoids dalam segmentasi data Penerimaan Mahasiswa Baru (PMB) Universitas X tahun 2024. Metode yang digunakan meliputi tahapan pengumpulan data, preprocessing (pembersihan, normalisasi, dan transformasi), implementasi algoritma K-Means dan K-Medoids, serta evaluasi kualitas klaster menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa konfigurasi tiga klaster (K=3) memberikan nilai DBI terendah, dengan K-Medoids mencapai 1,038, lebih baik dibandingkan K-Means sebesar 1,059. Klaster dominan menunjukkan bahwa lulusan SMK mendominasi sebesar 40,45% dan cenderung memilih program studi Pendidikan TIK. Kontribusi penelitian ini adalah memberikan panduan bagi institusi pendidikan dalam memilih algoritma klasterisasi yang paling sesuai untuk mendukung strategi promosi yang lebih akurat, efisien, dan terarah.
ANALISIS KINERJA SUPPORT VECTOR MACHINE DAN NAÏVE BAYES CLASSIFIER DALAM KLASIFIKASI SENTIMEN DAN EMOSI PADA UMPAN BALIK MAHASISWA TERHADAP KINERJA DOSEN Syafrudin, Teguh; Hermawan, Arief; Avianto, Donny
Jurnal Digit : Digital of Information Technology Vol 15, No 2 (2025)
Publisher : Universitas Catur Insan Cendekia (CIC) Cirebon

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51920/jd.v15i2.442

Abstract

Evaluasi kinerja dosen melalui umpan balik mahasiswa merupakan komponen penting dalam meningkatkan mutu pembelajaran di perguruan tinggi. Penelitian ini bertujuan untuk mengembangkan model klasifikasi sentimen dan emosi menggunakan pendekatan hybrid machine learning dengan mengombinasikan algoritma Naïve Bayes dan Support Vector Machine (SVM). Dataset berasal dari umpan balik mahasiswa yang telah dianotasi secara manual ke dalam tiga kategori sentimen positif, netral, negatif dan delapan kategori emosi. Proses preprocessing dilakukan melalui tokenisasi, stemming, dan transformasi data ke dalam bentuk TF-IDF. Hasil klasifikasi menunjukkan bahwa SVM memiliki performa terbaik untuk klasifikasi sentimen dengan akurasi mencapai 90%, mengungguli Naïve Bayes yang hanya memperoleh akurasi 80%. Sebaliknya, performa klasifikasi emosi jauh lebih rendah, dengan akurasi maksimum 35% pada model SVM dan 20% pada Naïve Bayes. Beberapa emosi seperti “marah”, “termotivasi”, dan “senang” tidak dapat dikenali oleh model karena ketidakseimbangan distribusi data dan konteks emosi yang sulit ditangkap dari teks pendek. Temuan ini menunjukkan bahwa pendekatan hybrid efektif untuk klasifikasi sentimen dalam kondisi data terbatas, namun klasifikasi emosi memerlukan pendekatan lanjutan seperti reduksi label atau penggunaan model berbasis konteks untuk mencapai hasil yang lebih baik.Kata kunci: Kinerja Dosen, Naïve Bayes Classifier (NBC), Support Vector Machine (SVM), Umpan Balik Mahasiswa.
Co-Authors Donny Avianto Indra Maulana Rianto Rianto Teguh Syafrudin Ujianto, EIH