Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal bit-Tech JUSTER: Jurnal Sains dan Terapan Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Journal of Education and ICT
Agung Prasetya
Universitas Bhinneka PGRI
Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Energy Engineering Immunology & microbiology Physics

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Usulan Desain User interface Website Perguruan Tinggi Berdasarkan Aspek Kognitif dan Afektif Pengguna Taufiq Agung Cahyono; Agung Prasetya
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1933

Abstract

Dengan pesatnya perkembangan teknologi informasi merubah banyak sudut pandang dari berbagai unsur, tidak terkecuali lembaga perguruan tinggi dalam berinteraksi dengan berbagai pemangku kepentingan. Pemanfaatan teknologi digital, khusunya website telah menjadi aspek penting dalam memperkuat citra perguruan tinggi dan berinteraksi dengan masyarakat luas. Website perguruan tinggi saat ini menjadi titik kontak pertama kali bagi calon mahasiswa, orangtua, alumni dan pemangku kepentingan lainya. Namun ada kalanya tampilan user interface tidak sepenuhnya memenuhi ekspektasi pengguna. Salah satu penyebanya adalah tidak sesuainya desain user interface tersebut dengan kemampuan ergonomi pengguna. Dapat disimpulkan bahwa desain user interface website perguruan tinggi yang efektif, bukan hanya soal estetika namun desain user interface juga harus memperhitungkan kemampuan kognitif dan afektif sehingga memenuhi usability yang memudahkan pengguna dalam menemukan informasi yang mereka butuhkan. Tujuan penelitian ini adalah mencari pengaruh  peran komponen desain terhadap aspek kognitif, afektif dan sikap pengguna. Serta memberikan usulan desain user interface website untuk perguruan tinggi yang mempertimbangkan kemampuan ergonomi manusia. Metode kuantitatif merupakan metode yang digunakan dalam penelitian ini. Metode dilakukan dengan cara menyebar kuisioner kepada responden kemudian hasil kuisioner akan diolah menggunakan aplikasi smartPLS 4 untuk mengetahui hubungan antar variabel penelitian. Temuan dari penelitian ini adalah komponen desain font dan layout memberikan pengaruh signifikan terhadap hubungan kognitif dengan sikap. Sedangkan komponen desain warna memberikan pengaruh signifikan terhadap hubungan kognitif dengan sikap dan hubungan dengan afektif dengan sikap. Dari penelitian ini juga didapatkan bahwa font dengan jenis roboto, layout dengan jenis modular dan warna background biru menjadi yang paling dominan dipilih oleh responden.
AN SVM-BASED APPROACH FOR DETECTING DATA DEFINITION LANGUAGE OPERATIONS IN INDONESIAN NATURAL LANGUAGE Yayak Kartika Sari; Fahrur Rozi; Agung Prasetya
JoEICT (Jurnal of Education And ICT) Vol 8, No 2 (2024)
Publisher : STKIP PGRI TULUNGAGUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/joeict.v8i2.1649

Abstract

Text-to-SQL is an approach that enables users to interact with data-bases using natural language, eliminating the need to understand SQL syntax. However, most existing approaches translate input sentences directly into final SQL queries without explicitly identifying the type of SQL operation involved. This may obscure the distinction between structural and manipulative commands and increase the risk of execut-ing unintended or destructive queries. This study proposes separating the identification of SQL operation types—specifically Data Definition Language (DDL) commands—as a standalone classification task using the Support Vector Machine (SVM) algorithm. Indonesian-language sentences are preprocessed through tokenization, stopword removal, and stemming, then transformed into feature vectors using TF-IDF with unigram and bigram representations. Experiments were conducted on a dataset of 800 Indonesian sentences covering four DDL operations: CREATE, ALTER, DROP, and TRUNCATE. The results show that the proposed SVM model achieved an average accuracy of 93.05%, out-performing baseline models such as Naive Bayes and Random Forest. These findings indicate that early identification of SQL operation types can enhance the accuracy, efficiency, and safety of Text-to-SQL sys-tems. This work also highlights the importance of developing NLP ap-proaches tailored for the Indonesian language in the context of data-base querying.
IDENTIFYING ARITHMETIC OPERATION IN MATH WORD PROBLEM BASED ON RECURSIVE NEURAL NETWORK AND SUPPORT VECTOR MACHINE Agung Prasetya
JoEICT (Jurnal of Education And ICT) Vol 8, No 2 (2024)
Publisher : STKIP PGRI TULUNGAGUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/joeict.v8i2.7421

Abstract

Math word problems act as a test bed to design an intelligent system. An approach is needed to identify arithmetic operations including addition, substraction, multiplication and division. Template-based approaches have addressed this problem. However, the template-based approach is less efficient because it requires the process of building a template repository that have to cover a wide variety of story implied by math words. The template-based approach is potentially sub-optimal when solving story problems that have not been covered yet by templates. The proposed approach resolves this by using Recursive Neural Network and Support Vector Machine. Recursive neural network is used as an encoder that can generate semantic vectors of math word problems. Then, this vector becomes as an input for a Support Vector Machine-based classifier. Tests were conducted on a dataset collected manually from Kemdikbud’ electronic school books. The results showed that the proposed approach does not require the formation of templates, thereby reducing human involvement. In addition, the use of Recursive Neural Network reduces feature engineering making it more efficient. Experimental results by applying k-fold cross validation show that the proposed approach has an accuracy of 81% and a precision of 66%
ANALISA METODE FUZZY C MEANS UNTUK KLASTERISASI KINERJA TEKNISI CCAN TELKOM KEDIRI Yayak Kartika Sari; Joko Iskandar; Agung Prasetya
JoEICT (Jurnal of Education And ICT) Vol 6, No 1 (2022)
Publisher : STKIP PGRI TULUNGAGUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/joeict.v6i1.1208

Abstract

PT. Telkom akses membutuhkan sumber daya manusia (SDM) yang berkualitas dan berkompetensi baik dalam aspek skill maupun aspek knowledge. Dalam menciptakan sumber daya manusia yang berkualitas diperlukan penilaian pekerjaan para teknisi khususnya pada divisi CCNA PT. Telkom akses Kediri. Penilaian tersebut penting dilakukan karena berkaitan dengan prestasi yang dicapai oleh setiap teknisi. Penilaian tersebut dilakukan dengan memberikan nilai terhadap setiap teknisi berdasarkan kriteria yang telah ditetapkan oleh perusahaan menggunakan sistem manual, sehingga suatu manager membutuhkan waktu yang lama dalam melakukan penilaian karena berkaitan dengan jumlah teknisi PT. TELKOM Akses di Kediri relative banyak sebesar 37 teknisi selain itu juga setiap karyawan memiliki kompetensi yang hampir sama. Maka dari itu perlunya Klasterisasi karyawan PT. Telkom akses agar memudahkan manager dalam mengambil sebuah keputusan. Pada penelitian ini menggunakan Fuzzy C-Means dalam teknik klasterisasi. Dari data teknisi diproses menggunakan metode fuzzy c means dengan pendefinisian parameter awal yaitu max iter sebesar 100, bobot sebesar 2, target error sebesar 0,001 dan fungsi objektif awal yaitu 0, dan diperoleh cluster 1 sebanyak 8 karyawan, cluster 2 sebanyak 22 karyawan, dan cluster 3 sebanyak 7 karyawan.
Structural Classification of Indonesian Arithmetic Word Problems Using Hierarchical Agglomerative Clustering Mochammad Dhani Aprianto; Agung Prasetya
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 1 (2026): Juni 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i1.1026

Abstract

Arithmetic word problems (MWP) are a fundamental component of elementary mathematics education that integrate linguistic comprehension with quantitative reasoning. In practice, collections of MWPs are commonly organized based on teacher intuition or broad curriculum categories, which are inherently subjective and often fail to reflect the true mathematical similarity between problems. This study aims to classify Indonesian arithmetic word problems based on their underlying relational structures using Hierarchical Agglomerative Clustering (HAC). The dataset consists of 897 elementary-level arithmetic word problems represented through 143 binary features encoding five relational dimensions, namely combine, change, compare, equal groups, and fair division. Hamming Distance is employed as the dissimilarity metric, and clustering is performed using the complete linkage method. The optimal number of clusters is determined using three internal validity indices: the Calinski–Harabasz Index, Silhouette Score, and Davies–Bouldin Index. Although statistical indices favor smaller cluster configurations, four clusters are selected as the optimal number based on domain-specific interpretability, as they align with established theoretical categories of arithmetic relational structures. This approach effectively identifies latent structural patterns within the dataset and demonstrates the potential of feature-based binary representation combined with HAC for systematic MWP classification. The findings offer practical support for adaptive problem bank development, automated curriculum analysis, and intelligent tutoring system design.
Penerapan Metode Naive Bayes Dalam Analisis Sentimen Terhadap Cyberbullying Yayak Kartika Sari; Joko Iskandar; Agung Prasetya
JUSTER : Jurnal Sains dan Terapan Vol. 5 No. 1 (2026): JUSTER: Jurnal Sains dan Terapan
Publisher : Jompa Research and Development

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57218/juster.v5i1.2556

Abstract

Kasus bullying menjadi topik yang sangat ramai dibicarakan tidak hanya pada lingkup daerah tetapi kasus ini menjadi topik yang ramai di lingkup Nasional maupun Internasional. Seiring dengan perkembangan teknologi, kasus bullying ini tidak hanya terjadi secara langsung tetapi melalui media sosial. Pelaku bullying dapat dengan mudah menyebarkan foto, video, maupun tulisan yang dapat menyinggung korban. Dampak yang terjadi pada korban cyberbullying tidak hanya menyakiti perasaan, namun juga kondisi psikologis yang dapat menyebabkan depresi, sedih, frustasi, hingga bunuh diri. Kasus cyberbullying ini banyak mendapatkan respon dari masyarakat melalui media sosial terutama pada aplikasi X. Penulis bertujuan untuk melakukan analisis sentimen yang digunakan untuk menganalisis emosi dari suatu teks dalam Bahasa Indonesia apakah teks tersebut termasuk dalam kategori positif atau negatif, dalam hal ini sentimen analisis digunakan untuk menemukan pola-pola cyberbullying di aplikasi X agar dapat lebih tepat dan cepat dalam mendeteksi bullying secara otomatis dengan menggunakan metode Naïve Bayes dengan jumlah data_set sebesar 2292 dari rentang Bulan Agustus 2024 – Agustus 2025. Metode Naive Bayes yaitu memprediksi probabilitas, tetapi klasifikasi statistik yang dikenal sebagai klasifikasi Bayes dapat memprediksi nilai probabilitas. Hasil dari evaluasi sentiment Analisa menunjukkan bahwa accuracy sebesar 96,0%, precision 84%, dan recall 77%.
Co-Authors Fahrur Rozi Iskandar, Joko Mochammad Dhani Aprianto Sari, Yayak Kartika Taufiq Agung Cahyono