Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Muhammad Fikri Setiawan
Unknown Affiliation
Humanities Education Languange, Linguistic, Communication & Media Mathematics Other

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

Found 2 Documents
Search

 1 
Strategi Digital Marketing melalui Aplikasi Tiktok dalam Meningkatkan Brand Awareness Produk : Pengabdian Muhammad Fikri Setiawan; Muamar
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 1 (2025): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 1 (Juli 2025 -
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i1.2593

Abstract

Digital marketing has now become a key strategy for increasing product brand awareness, especially for micro, small, and medium enterprises (MSMEs). TikTok, as a short video-based platform with a content distribution algorithm focused on audience engagement, provides new opportunities for MSMEs to reach consumers widely at a relatively low cost. This study aims to analyze effective digital marketing strategies through TikTok in increasing MSME product brand awareness. The method used is descriptive qualitative with a literature study approach and case simulations on local MSMEs. The results show that the use of storytelling strategies, the use of music and trending hashtags, collaboration with influencers, and upload consistency are proven to increase brand visibility and interaction with consumers. This research is expected to provide theoretical and practical contributions in strengthening TikTok's role as a digital promotional medium for MSMEs in the creative economy era.
Prediksi Konsentrasi PM2.5 Resolusi 15 Menit di Kabupaten Brebes Menggunakan Transformer dan GEOS-CF NASA Muhammad Fikri Setiawan; Bambang Irawan
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3330

Abstract

Polusi udara partikulat halus (PM2,5) merupakan ancaman serius bagi kesehatan masyarakat di Kabupaten Brebes, Jawa Tengah. Faktor penyumbang utamanya adalah emisi kendaraan di jalur Pantura, aktivitas industri perikanan, serta konsentrasi tinggi selama musim kemarau (Juni–November). Tidak adanya model peramalan sub-jam yang akurat menghambat pengembangan sistem peringatan dini yang efektif. Penelitian ini mengembangkan dan mengevaluasi model deep learning berbasis Transformer untuk memprediksi konsentrasi PM2,5 dengan resolusi waktu 15 menit. Data yang digunakan berasal dari NASA GEOS-CF (band PM25_RH35_GCC) yang diakses melalui Google Earth Engine menggunakan API Python. Dataset mencakup periode 1 Januari hingga 22 November 2025, menghasilkan 7.813 observasi per jam, yang kemudian diinterpolasi linear menjadi 31.249 titik data dengan resolusi 15 menit. Arsitektur Transformer terdiri dari 3 lapis enkoder, 4 kepala perhatian multi-head, dimensi embedding 128, dimensi feed-forward 256, panjang sekuen 60 timestep, dan augmentasi fitur menggunakan rerata bergulir (*rolling mean*, jendela = 3) dan beda pertama (*first difference*). Pelatihan dilakukan dengan TensorFlow-Keras, pengoptimal Adam, penjadwal peluruhan kosinus (*cosine decay scheduler*), dan fungsi kerugian Huber. Pembagian data dilakukan secara kronologis: 70% pelatihan, 30% validasi. Evaluasi pada set uji independen (16 Agustus–21 November 2025, 9.357 observasi atau 97 hari 11 jam 15 menit) menghasilkan MAE 0,7691 µg/m³, RMSE 1,2052 µg/m³, R² 0,9945, dan *Explained Variance Score* 0,9948. Model ini mampu menggambarkan variasi diurnal dan anomali musiman secara akurat, jauh melampaui model LSTM dan GTWR konvensional. Penelitian ini memberikan kontribusi signifikan di bidang Teknologi Informasi melalui kerangka kerja pengolahan *big data* satelit untuk aplikasi lingkungan.
Co-Authors Bambang Irawan Muamar