Claim Missing Document
Check
Articles

MENINGKATKAN LITERASI DINI ANAK MELALUI METODE BERMAIN SAMBIL BELAJAR DI PAUD KENANGA DESA BANARAN KECAMATAN GROGOL KABUPATEN SUKOHARJO JAWA TENGAH Dwi Remawati; Sri Hariyati Fitriasih; Kumaratih Sandradewi; Tri Irawati
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 6 No. 4 (2025): Volume 6 No 4 Tahun 2025
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v6i4.48201

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan literasi dini anak-anak melalui metode bermain sambil belajar di PAUD Kenanga, Desa Banaran. Literasi dini merupakan salah satu kemampuan penting yang harus ditanamkan sejak usia prasekolah, namun pelaksanaannya seringkali kurang menarik sehingga anak-anak mudah bosan. Oleh karena itu, tim pengabdian merancang serangkaian kegiatan edukatif berbasis permainan yang menyenangkan dan sesuai dengan perkembangan usia anak. Metode yang digunakan adalah partisipatif dan demonstratif, dengan langkah-langkah berupa observasi awal, koordinasi dengan guru, pelaksanaan permainan edukatif (mengenal huruf dengan kartu, berhitung dengan balok angka, bermain peran sederhana, membaca buku cerita bergambar, dan membentuk clay), serta evaluasi melalui pengamatan perkembangan anak. Hasil kegiatan menunjukkan bahwa anak-anak lebih aktif, antusias, dan berani berpartisipasi dalam aktivitas literasi. Guru-guru juga menyambut baik metode yang diterapkan dan berencana melanjutkannya secara rutin. Kegiatan ini diharapkan dapat menjadi model pembelajaran alternatif yang menarik untuk meningkatkan literasi anak sejak usia dini.
SISTEM REKOMENDASI KEDAI KOPI DI KOTA SURAKARTA DENGAN KATEGORI FASILITAS MENGGUNAKAN ITEM-BASED COLLABORATIVE FILTERING Bagus Cahyo Putro; Dwi Remawati; Sri Hariyati Fitriasih; Kumaratih Sandradewi
JRIS : Jurnal Rekayasa Informasi Swadharma Vol 6, No 1 (2026): JURNAL JRIS EDISI JANUARI 2026
Publisher : Institut Teknologi dan Bisnis (ITB) Swadharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56486/jris.vol6no1.988

Abstract

The surge in the number of coffee shops in Surakarta City has raised the need for a recommendation sistem that can present choices according to user preferences, especially related to the category of facilities (such as smoking rooms, meeting rooms, outdoor spaces, working-friendly cafes (WFC), omakase, and specialty coffee) and building concepts (modern, vintage, and industrial). This research aims to develop and implement a web-based coffee shop recommendation sistem to help users find coffee shops based on their preferences. The method used in this study is Item-Based Collaborative filtering with cosine similarity. Coffee shop data is collected manually from Google Maps, then processed and stored in a database for recommendation calculation purposes. The sistem was developed using Flutter for the frontend, Laravel for the backend, and MySQL for the database. The study’s results show that the built recommendation sistem can produce a list of relevant coffee shops based on user preferences. The validity test using a confusion matrix in the Working-friendly cafe (WFC) preference scenario with a modern building concept yielded an accuracy of 85.7%, precision of 60%, recall of 75%, and an F1-score of 67%. These results show that the recommended sistem performs well and can serve as a decision-making tool for users when choosing a coffee shop in Surakarta City.Lonjakan jumlah coffee shop di Kota Surakarta memunculkan kebutuhan akan sistem rekomendasi yang mampu menyajikan pilihan sesuai preferensi pengguna, terutama terkait kategori fasilitas (seperti smoking room, meeting room, outdoor space, working-friendly cafe (WFC), omakase, dan specialty coffee) serta konsep bangunan (modern, vintage, dan industrial). Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan sistem rekomendasi kedai kopi berbasis web yang dapat membantu pengguna menemukan kedai kopi sesuai dengan preferensi mereka. Metode yang digunakan dalam penelitian ini adalah Item-Based Collaborative filtering dengan pendekatan cosine similarity. Data kedai kopi dikumpulkan secara manual dari Google Maps, kemudian diproses dan disimpan dalam basis data untuk kebutuhan perhitungan rekomendasi. Sistem dikembangkan menggunakan Flutter sebagai frontend, Laravel sebagai backend, dan MySQL sebagai sistem manajemen basis data. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dibangun mampu menghasilkan daftar kedai kopi yang relevan sesuai dengan preferensi pengguna. Uji validitas menggunakan confusion matrix pada skenario preferensi Working-friendly cafe (WFC) dengan konsep bangunan modern menghasilkan nilai akurasi sebesar 85,7%, precision sebesar 60%, recall sebesar 75%, dan F1-score sebesar 67%. Hasil tersebut menunjukkan bahwa sistem rekomendasi yang dikembangkan memiliki performa yang cukup baik dan dapat dijadikan sebagai alat bantu pengambilan keputusan bagi pengguna dalam memilih kedai kopi di Kota Surakarta.
Performa Logistic Regression dalam Klasifikasi Sentimen Opini Publik Pemilu di India Okky Puspa Ningrum; Dwi Remawati; Teguh Susyanto; Wawan Laksito Yuly Saptomo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1566

Abstract

Opini publik tentang pemilu di India melalui media sosial sangat tinggi, terutama melalui twitter. Untuk mengetahui apakah opini tersebut positif, negative atau netral maka dilkukan analisis sentiment. Data teks dari media sosial bersifat tidak terstruktur dan penuh noise sehingga diperlukan model klasifikasi yang mampu bekerja secara efektif pada teks pendek dan bervariasi. Penelitian ini menggunakan algoritma Logistic Regression. Hasil eksperimen menunjukkan bahwa model dapat mencapai akurasi sebesar 84,46%. Temuan ini menunjukkan bahwa pendekatan yang diusulkan dapat berfungsi sebagai metode yang andal dan efisien untuk pemantauan opini publik secara otomatis. Hasil penelitian menunjukkan bahwa Logistic Regression mampu memberikan performa klasifikasi yang stabil dengan tingkat akurasi yang kompetitif untuk analisis sentimen politik pada teks pendek media sosial. Model juga menunjukkan konsistensi dalam menangani distribusi sentimen yang tidak seimbang.
SENTIMENT ANALYSIS OF MOSQUITO-BORNE DISEASES ON SOCIAL MEDIA BASED ON BERT Dziky Ridhwanullah; Dwi Remawati; Ahmad Muhariya
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 11 No 2 (2026): Juli
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v11i2.7733

Abstract

Mosquito-borne diseases, including malaria, dengue hemorrhagic fever (DHF), and chikungunya, remain significant public health challenges in Indonesia. With the extensive use of the internet, social media platforms such as X (Twitter) and Instagram have emerged as vital sources for capturing public sentiment in real-time. This study aims to identify and analyze Indonesian public sentiment regarding these diseases using a Deep Learning approach. The dataset comprises 1,800 records collected between 2024 and 2025 via web scraping. The methodology utilizes the BERT (Bidirectional Encoder Representations from Transformers) model for contextual feature extraction, evaluated through three Recurrent Neural Network (RNN) architectures: LSTM, GRU, and BiLSTM. The results reveal a predominant negative sentiment (56.99%), followed by neutral (32.99%) and positive (10.01%). While all models achieved high training accuracy (approx. 96%), the Gated Recurrent Unit (GRU) demonstrated superior generalization with the highest average validation accuracy of 94.24%. This study concludes that the GRU model is the most stable and effective architecture for classifying Indonesian public health sentiments on social media.