Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Ilmu Komputer dan Teknologi Informasi (JIKOMTI)
Maulana, Imron Rizki
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
Perancangan Library Portal Berbasis Grav Untuk Meningkatkan Layanan Perpustakaan Universitas Sains Indonesia Maulana, Imron Rizki; Firizkiansah, Angge; Dewi, Siti Herawati Fransiska
JIKOMTI : Jurnal Ilmiah Ilmu Komputer dan Teknologi Informasi Vol. 2 No. 1 (2025): JIKOMTI: Mei 2025
Publisher : Universitas Sains Indonesia Publishing

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

Abstract

Perkembangan teknologi informasi mendorong perpustakaan untuk menyediakan layanan yang lebih cepat, mudah diakses, dan sesuai dengan kebutuhan pengguna. Penelitian ini bertujuan untuk merancang sebuah library portal berbasis Grav CMS yang dapat meningkatkan kualitas layanan di Perpustakaan Universitas Sains Indonesia. Metode penelitian yang digunakan meliputi analisis kebutuhan pengguna, perancangan sistem, implementasi menggunakan Grav, serta evaluasi fungsionalitas portal. Grav dipilih sebagai platform karena sifatnya yang ringan, fleksibel, dan tidak memerlukan database kompleks, sehingga memudahkan pengelolaan konten dan meningkatkan kecepatan akses. Hasil dari penelitian ini adalah sebuah portal perpustakaan yang menyediakan layanan pencarian koleksi, informasi keanggotaan, berita terbaru, serta akses ke sumber daya digital. Evaluasi sistem menunjukkan bahwa penggunaan library portal ini dapat meningkatkan efektivitas layanan dan kepuasan pengguna. Diharapkan dengan adanya portal ini, perpustakaan dapat memperluas jangkauan layanannya dan mendukung transformasi digital di lingkungan akademik.
Implementasi Metode Additive Ratio Assessment (Aras) Untuk Seleksi Penerimaan Beasiswa Siti Herawati Fransiska Dewi; Maulana, Imron Rizki; Setiawan, Dita
JIKOMTI : Jurnal Ilmiah Ilmu Komputer dan Teknologi Informasi Vol. 2 No. 1 (2025): JIKOMTI: Mei 2025
Publisher : Universitas Sains Indonesia Publishing

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

Abstract

Seleksi penerimaan beasiswa membutuhkan metode yang objektif dan efisien. Penelitian ini mengimplementasikan metode Additive Ratio Assessment (ARAS) dalam proses seleksi beasiswa berbagai sekolah di Kota Jambi. ARAS digunakan untuk mengolah data multi-kriteria seperti prestasi akademik, penghasilan orang tua, jumlah tanggungan, dan keaktifan siswa. Hasil menunjukkan bahwa ARAS mampu memberikan rekomendasi yang tepat dan mempermudah pengambilan keputusan secara transparan. Sistem ini diharapkan meningkatkan akurasi dan efisiensi seleksi beasiswa di tingkat sekolah dasar.
Optimasi Klasifikasi Data Teks Menggunakan Algoritma Logistic Regression dengan TF-IDF dan SMOTE Firizkiansah, Angge; Muhammad, Ali; Maulana, Imron Rizki
JIKOMTI : Jurnal Ilmiah Ilmu Komputer dan Teknologi Informasi Vol. 2 No. 1 (2025): JIKOMTI: Mei 2025
Publisher : Universitas Sains Indonesia Publishing

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

Abstract

Klasifikasi teks menggunakan algoritma machine learning merupakan bagian dari cabang ilmu Natural Language Processing (NLP). Klasifikasi ini dilakukan untuk mengkategorisasikan data tekstual secara otomatis dalam sekumpulan kategori yang telah ditetapkan. Klasifikasi teks ini menjadi salah satu alat yang berguna di berbagai bidang, diantaranya analisis sentimen, deteksi topik, dan penyaringan spam. Pemodelan klasifikasi teks sangat dipengaruhi preprocessing data yang teliti. Data teks merupakan jenis data tidak terstruktur yang perlu diolah dengan mengubah dan mentransformasikan data teks melalui metode yang relevan, sehingga data teks berubah menjadi bentuk yang dapat dikenali oleh algoritma machine learning untuk dianalisis. Berdasarkan hal tersebut, penelitian ini bertujuan untuk mengoptimasi klasifikasi otomatis teks menggunakan algoritma machine learning, yaitu logistic regression dengan ekstraksi fitur TF-IDF dan dibandingkan dengan metode SMOTE untuk penanganan imbalance class. Berdasarkan hasil evaluasi model, diperoleh bahwa model machine learning algoritma logistic regression dengan ektraksi fitur TF-IDF menghasilkan tingkat akurasi yang lebih baik, yaitu sebesar 76,9% dibandingkan dengan model yang dilengkapi dengan SMOTE. Hal tersebut dapat disimpulkan bahwa metode SMOTE tidak mempengaruhi, bahkan menurunkan tingkat akurasi model algoritma logistic regression pada data teks yang menjadi domain dalam penelitian ini.
Co-Authors Ali Muhammad Angge Firizkiansah Dewi, Siti Herawati Fransiska Setiawan, Dita Siti Herawati Fransiska Dewi