Claim Missing Document
Check
Articles

Found 2 Documents
Search

Penguatan Manajemen Keuangan pada Kelompok Usaha Bersama (KUBE) Berkat Ilahi Desa Pulantani Muhammad Bahit; Syahrial Shaddiq; Monika Handayani; Harry Pratama Yunus; Ihya Ihya; Muhammad Fauzan Ahsani; Muhammad Rivaldi Akbar
KREATIF: Jurnal Pengabdian Masyarakat Nusantara Vol. 6 No. 1 (2026): Jurnal Pengabdian Masyarakat Nusantara
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/kreatif.v6i1.8422

Abstract

This Community Partnership Program (PKM) aims to improve the financial management capacity of the Berkat Ilahi Joint Business Group (KUBE), a purun weaving artisan group in Pulantani Village, Hulu Sungai Utara Regency, South Kalimantan. The partners' main challenges were the lack of structured financial records and inaccuracies in calculating the cost of goods sold (COGS). To address these challenges, a web-based accounting information system was developed to facilitate financial recording, COGS calculations, and budget planning. Implementation methods included outreach, workshops, mentoring, and evaluation. Results showed that more than 85% of KUBE members were able to independently manage COGS reports, financial reports, and digital marketing content. The implementation of this program not only increased transparency and accountability in financial management but also opened broader market access through digital platforms. This program is expected to support the sustainability of the purun weaving business and strengthen the local economy based on empowerment and innovation
Identifikasi Sentimen pada Data Teks Media Sosial Melalui Pendekatan Pembelajaran Terawasi Muhammad Bahit; Yuslena Sari; Andreyan Rizky Baskara; Eka Setya Wijaya; Harry Pratama Yunus; Alysa Armelia
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol. 9 No. 2 (2026): Issues January 2026
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v9i2.16032

Abstract

Analisis sentimen pada data teks media sosial menjadi penting untuk memahami opini publik, sehingga penelitian ini bertujuan untuk mengidentifikasi sentimen pada data teks media sosial melalui pendekatan pembelajaran terawasi. Dataset yang digunakan terdiri dari tweet dan ulasan produk yang telah dilabeli sentimen positif maupun negatif. Proses penelitian dilakukan melalui beberapa tahapan, yaitu prapemrosesan data (Removal of Stopwords, Lemmatization and Word Stemming, Spell Correction), Ekstraksi Fitur (N-Grm, Word count dan Tf-Idf Vectorizer) serta penerapan algoritma Multinomial Naive Bayes, dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa penghapusan stopwords menurunkan kinerja model, sehingga tetap menggunakan stopwords. Stemming dan lemmatization juga tidak memberikan pengaruh terhadap kinerja model, sedangkan spell correction dapat meningkatkan akurasi sekitar 2% tetapi dengan trade-off waktu komputasi yang tinggi. Pada tahap ekstraksi fitur, TF-IDF menghasilkan akurasi yang lebih tinggi dibandingkan Word Count. Algoritma Multinomial Naive Bayes menghasilkan akurasi sebesar 79,73% dengan AUC-ROC sebesar 0,85. Sedangkan SVM dengan kernel linear mendapatkan hasil terbaik dengan akurasi 82% dan AUC-ROC 0,88, lebih tinggi daripada RBF kernel yang hanya mencapai akurasi 77,79% dan AUC-ROC 0,82. Hasil penelitian ini dapat disimpulkan bahwa SVM dengan kernel linear lebih sesuai untuk klasifikasi teks berdimensi tinggi.