Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Dinamika Informatika (JDI) ALKHIDMAH: Jurnal Pengabdian dan Kemitraan Masyarakat
Nurrofiqi Ankisqiantari
Universitas PGRI Yogyakarta
Computer Science & IT

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

Found 3 Documents
Search

 1 
Peningkatan Kapasitas Pemasaran Digital dalam Mendorong Daya Saing Produk UMK Lokal Murniady Muhran; Iqbal Aditya Haqi; Nurrofiqi Ankisqiantari; Sofyan hakim
ALKHIDMAH: Jurnal Pengabdian dan Kemitraan Masyarakat Vol. 4 No. 1 (2026): Jurnal Pengabdian dan Kemitraan Masyarakat (ALKHIDMAH)
Publisher : LP3M INSTITUT KH YAZID KARIMULLAH

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59246/alkhidmah.v4i1.1333

Abstract

Usaha mikro dan kecil lokal menghadapi tantangan daya saing produk di tengah percepatan transformasi digital yang belum diimbangi dengan peningkatan kapasitas terhadap daya dukung pemasaran. Pengabdian ini bertujuan menganalisis peran peningkatan kapasitas pemasaran digital dalam mendorong daya saing produk usaha mikro dan kecil lokal. Pengabdian ini menggunakan pendekatan kualitatif dengan desain intervensi berbasis komunitas melalui pelatihan, pendampingan terarah, dan refleksi praktik. Data dikumpulkan melalui wawancara mendalam, observasi partisipatif, dan dokumentasi, kemudian dianalisis menggunakan analisis tematik. Hasil menunjukkan bahwa peningkatan kapasitas pemasaran digital tidak hanya meningkatkan kemampuan teknis, tetapi juga mentransformasi pola pikir strategis, memperkuat identitas produk lokal, serta menghasilkan efek spillover ekonomi pada kapasitas manajerial pelaku usaha yaitu; pengaruh peningkatan pertumbuhan ekonomi di satu kota terhadap wilayah kota tetangga. Diskusi mengungkap penguatan model pengabdian bahwa pemasaran digital berfungsi sebagai instrumen penguatan kapabilitas kewirausahaan dan keberlanjutan usaha. Pengabdian ini menyimpulkan bahwa pendekatan berbasis kapasitas lebih efektif dibanding adopsi teknologi semata dan merekomendasikan replikasi model pengabdian ini dalam konteks dan sektor yang lebih luas.
ALGORITMA K-NN SEBAGAI PENDUKUNG KEPUTUSAN PENENTUAN PRIORITAS EVAKUASI PADA DAERAH TERDAMPAK POTENSI TSUNAMI Iqbal Aditya Haqi; M Ulil Albab; Adi Prasetyo; Nurrofiqi Ankisqiantari
Jurnal Dinamika Informatika Vol. 14 No. 1 (2025): Jurnal Dinamika Informatika Volume 14 Nomor 1
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v14i1.514

Abstract

Tsunami merupakan salah satu bentuk bencana alam yang berpotensi menyebabkan kerusakan dengan tingkat keparahan yang sangat tinggi. Tsunami didefinisikan sebagai gelombang laut besar dan diproduksi oleh kegiatan geologis seperti gempa dasar laut, letusan gunung berapi, dan lempeng tektonik. Tsunami memiliki kecepatan dan kekuatan yang luar biasa, sehingga dapat memiliki efek fatal seperti banjir besar dan kerusakan serius di daerah pesisir yang luas. Tujuan dari penelitian ini adalah untuk mengetahui potensi tsunami dari setiap gempa yang terjadi. Kemudian dari yang berpotensi tsunami itu dimanakah daerah yang harus diprioritaskan untuk dilakukan proses evakuasi. Penelitian ini dilakukan melalui beberapa tahapan metodologis, meliputi studi literatur, observasi lapangan, proses pengumpulan data, analisis data, pengembangan sistem, dan tahap validasi metode. Adapun kriteria yang digunakan dalam pengambilan keputusan ini adalah Potensi Tsunami, Jarak dari air laut, Jarak menuju dataran tinggi dan Jumlah Kepala Keluarga (KK). Dataset terdiri dari 30 baris yang akan dibagi menjadi 30% data uji dan 70% data latih. Adapun algoritma yang digunakan adalah K-NN untuk klasifikasi dan Weighted Product untuk pengambilan keputusannya.
Penanganan Imbalance Data Klasifikasi Teks Lowongan Pekerjaan: Komparasi Algorithmic vs Data Level Nurrofiqi Ankisqiantari
Jurnal Dinamika Informatika Vol. 14 No. 2 (2025): Vol. 14 No. 2 (2025)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

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

Abstract

Abstract Auotomatic classification of job experience levels on job portals presents a crucial challenge in e-recuitment systems for mapping industry requirements. The primary challenges addressed in this study are data imbalance, where the number of ‘Senior’ level vacancies is significantly lower than ‘Fresh Graduate’ and ‘Junior/Mid’ levels, and the semantic ambiguity present in job descriptions. This study aims to compare the effectiveness of handling imbalanced data using two distinct approaches: the Algorithmic Level approach utilizing Class Weighting, and the Data Level approach utilizing the Synthetic Minority Over-sampling Technique (SMOTE), applied to Random Forest and Support Vector Machine (SVM) models. The research was conducted on a dataset comprising 2001 real-world job vacancies in Indonesia, employing TF-IDF for feature extraction. The results indicate that the Algorithmic Level approach using SVM with Class Weight yielded the best performance in detecting the minority class, achieving a Recall of 47% for the Senior level, outperforming SVM with SMOTE, which only achieved 34%. These findings indicate that in high-dimensional text data characterized by significant lexical overlap, synthetic oversampling techniques (SMOTE) tend to introduce noise that obscure the decision boundary, making algorithmic weight modification a more robust solution. Keywords— Imbalanced Data, Text Classification, SVM, SMOTE, Class Weighting
Co-Authors Iqbal Aditya Haqi M Ulil Albab Murniady Muhran Prasetyo, Adi Sofyan hakim