SELESAI
2019
Ketua Peneliti
The number of graduates of computer science colleges who work not in accordance with their competencies, can be caused by choosing the wrong place to work, but it is undeniable that many graduates do not work according to their competence because of difficulties in finding a work place due to not having a lot of references to the appropriate workplace with competence. The purpose of the research is in addition to continuing previous research, is to make it easier for students to find out the competencies they have while suggesting workplaces that are in accordance with the competencies of the graduates. Indirectly researchers want to avoid the formation of thinking to the community that college at university is not able to facilitate someone in finding work, so that people will be more motivated to continue learning and achievement especially in college
SELESAI
2018
Ketua Peneliti
Kompetensi adalah kemampuan atau kecakapan yang dimiliki melalui proses belajar yang benar sesuai dengan minat dan bakat dan berfungsi dalam memutuskan dan melakukan sesuatu dalam bidang tertentu dengan cara yang benar. Seseorang yang memiliki kompetensi akan kompeten dalam suatu bidang, sehingga pengetahuan, keterampilan, bakat dan minat yang ada sesuai dengan kegiatan/pekerjaan yang dilakukan. Mahasiswa yang memiliki kompetensi akan cenderung lebih mudah untuk mencari dan menentukan jenis pekerjaan yang ada. Sebab kompetensi yang dimiliki sudah sesuai dengan jenis kebutuhan dunia lapangan kerja, selain itu ketika mahasiswa telah memiliki kompetensi juga mudah untuk mencari dan bergabung dengan kelompok-kelompok yang sesuai dengan kompetensi yang dimiliki, sehingga membantu dalam proses belajar dan info pekerjaan.
Masalah dalam mahasiswa yang tidak memiliki kompetensi yang jelas ketika kuliah dan hingga lulus, adalah masalah yang sering dihadapi institusi-institusi pendidikan yang ada di Indonesia. Berita tentang lulusan sarjana yang tidak bekerja adalah berita dan fenomena yang sudah lama terdengar, walaupun lulusan sarjana yang telah bekerja akan tetapi sebagian besar pekerjaan mereka berbeda dengan bidang yang diambil selama waktu kuliah. Hal ini disebabkan oleh lulusan sarjana tidak memiliki bakat dan minat yang mencerminkan almamater yang mereka kenakan, karena tidak ada kompetensi yang mereka pilih selama waktu kuliah, dan juga tidak ada yang memberi saran dan nasehat tentang kompetensi yang cocok untuk diambil. Dengan menggunakan jaringan syaraf tiruan (JST) dapat dibuat sebuah formula yang dapat menghitung dan menglompokkan minat kompetensi mahiswa dengan memasukkan variabel seperti nilai, minat, kurikulum serta data mahasiswa sehingga ada sebuah sistem yang mampu memberi saran kepada mahasiswa tentang kompetensi yang cocok untuk mereka miliki.
Luaran penelitian ini adalah aplikasi pengelompokkan minat kompetensi mahasiswa, serta menghasilkan karya tulis ilmiah dalam bentuk publikasi jurnal nasional tidak terakreditasi, luaran tambahan penelitian ini adalah artikel ilmiah yang dimuat di proseding nasional, sehingga mahasiswa dapat mengetahui kompetensi mereka sejak waktu kuliah.
Kata kunci : Jaringan Syaraf Tiruan (JST), Kompetensi, Mahasiswa, Lapangan Pekerjaan
SELESAI
2022
Ketua Peneliti
Dengan kemajuan dunia digital dan ditambah dengan masa pandemi Covid-19, semua kegiatan monitoring dan evaluasi atau disingkat dengan monev dilakukan dengan menggunakan teknologi informasi, misalnya menggunakan Google Form, Zoho serta aplikasi serupa lainnya. Kendala utama yang terjadi ketika menggunakan aplikasi monev pihak ketiga tersebut adalah sulitnya untuk memberikan otorisasi siapa saja yang boleh dan tidak diperbolehkan untuk melihat hasil dari monev tersebut, dan otorisasi tersebut harus diberikan secara berulang-ulang setiap kali ada instrumen baru yang dibuat. Selain itu, riwayat monev juga sangat sulit untuk diatur, mengingat hampir seluruh aplikasi monev yang bersifat umum tersebut dimiliki oleh akun-akun tertentu dan akan menjadi masalah ketika terjadi kehilangan akun atau petugas yang mengelola monev tersebut berubah atau ditukar, sedangkan hasil monev tersebut sangat penting. Tujuan dari penelitian ini adalah untuk mengembangkan aplikasi e-monev berbasis website yang memiliki semua fitur seperti Google Form, Zoho akan tetapi juga memiliki fitur yang disesuaikan dengan kebutuhan sebuah universitas, misalnya rektor, dekan, ketua jurusan, ketua program studi, bahkan dosen dapat melihat hasil monev tersebut, dan tidak akan terjadi kendala ketika seseorang kehilangan akun dan penggantian pengurus, karena aplikasi ini dikelola oleh universitas. Tahapan penelitian dilakukan dengan melakakukan observasi terhadap aplikasi-aplikasi yang umum digunakan untuk kegiatan monev, dan melakukan analisis terhadap kebutuhan sebuah universitas dalam melakukan kegiatan monev kemudian melakukan perancangan basisdata, aplikasi web dan hasil yang diinginkan. Setelah pengembangan aplikasi telah selesai dilalkukan maka akan dilakukan uji alpha dan uji beta terhadap aplikasi e-monev tersebut. Luaran yang ditargetkan adalah publikasi Jurnal Internasional Bereputasi Scopus, Laporan Akhir/Proposal Penelitian didaftarkan Hak Cipta dan Satu produk Ipteks-Sosbud berupa KI (paten atau paten sederhana atau hak cipta, atau desain produk industri). Penelitian ini berorientasi produk ipteks yang telah tervalidasi di lingkungan laboratorium/lapangan atau lingkungan yang relevan. Dalam proses pengukuran TKT, hasil Penelitian Terapan akan berada di tingkat 4 sampai dengan tingkat 6.
SELESAI
2023
Ketua Peneliti
Dosen adalah profesi pengajar pada perguruan tinggi yang memiliki kewajiban melaksanakan Tri dharma perguruan tinggi yang berupa pengajaran, penelitian dan pengabdian. Masing-masing elemen tri dharma tersebut memiliki banyak dokumen administrasi, bukti dan laporan-laporan serta karya ilmiah sebagai luaran dari hasil tri dharma tersebut sehingga dibutuhkan usaha yang besar dalam mengatur penyimpanan seluruh elemen dokumen tersebut dengan benar dan rapi sehingga mudah untuk di identifikasi jika dibutuhkan. Sudah banyak aplikasi yang mewajibkan dosen untuk mengisi data-data tri darma tersebut seperti aplikasi SISTER (Sistem Terintegrasi). Namun proses penyimpanan begitu rumit dan membutuhkan validasi oleh beberapa admin terlebih dahulu, sehingga tidak jarang data-data tersebut ditolah oleh admin. kemudian aplikasi tersebut tidak dapat digunakan untuk merekapitulasi data-data tri dharma untuk keperluan program studi. Sehingga, perlu dirancang sebuah sistem informasi yang mampu menyimpan dan merekapitulasi data-data tri dharma tersebut dengan mudah.
SELESAI
2025
Ketua Peneliti
Penelitian ini telah menghasilkan prototipe Sistem Aplikasi Perkuliahan Interaktif dengan Teknologi Deteksi Posisi Mahasiswa yang berfungsi untuk meningkatkan efektivitas interaksi pada pembelajaran hybrid. Sistem ini mampu memantau kehadiran, posisi duduk, serta tingkat keterlibatan mahasiswa secara real-time melalui integrasi modul deteksi posisi dan dashboard interaktif bagi dosen. Pengujian skala kecil menunjukkan tingkat akurasi tinggi dalam mendeteksi posisi duduk mahasiswa dan validasi kehadiran. Fitur antarmuka yang dikembangkan juga dinilai mudah digunakan oleh mahasiswa dan dosen. Hasil penelitian ini menunjukkan bahwa penerapan teknologi deteksi posisi dapat meningkatkan keterlibatan mahasiswa serta memfasilitasi interaksi yang lebih personal dalam proses belajar-mengajar. Selain menghasilkan prototipe yang fungsional, penelitian ini telah menghasilkan luaran berupa naskah publikasi ilmiah yang sedang dalam proses review di prosiding internasional dan jurnal terakreditasi Sinta 3, serta pendaftaran Hak Cipta Program Komputer. Penelitian ini memberikan kontribusi nyata terhadap pengembangan teknologi pendidikan berbasis interaksi cerdas yang mendukung pembelajaran hybrid yang lebih adaptif dan efektif di lingkungan perguruan tinggi.
AKTIF
2026
Ketua Peneliti
Plagiarisme kode sumber menjadi ancaman serius dalam pendidikan tinggi bidang komputer, terutama dengan kemudahan akses terhadap Generative AI seperti ChatGPT yang memungkinkan mahasiswa memodifikasi kode secara sulit terdeteksi. Metode deteksi yang ada memiliki keterbatasan: pendekatan berbasis token seperti Winnowing efisien namun lemah terhadap modifikasi struktural, sementara metode berbasis Abstract Syntax Tree (AST) akurat namun berat secara komputasi.
Penelitian ini mengembangkan kerangka kerja hibrida yang mengintegrasikan Winnowing dan AST dalam satu pipeline terpadu melalui mekanisme tiga zona keputusan (three-zone cascading). Pertama, jika skor Winnowing < 30% (zona rendah), sistem langsung memutuskan bukan plagiat tanpa memanggil AST. Kedua, jika skor Winnowing melampaui ambang atas dinamis (80%–90% sesuai jumlah fingerprint), sistem mengambil keputusan langsung dari Winnowing (fast path). Ketiga, jika skor berada pada zona abu-abu (30% hingga ambang atas dinamis), sistem memanggil analisis AST dan skor akhir dihitung sebagai nilai maksimum antara Winnowing dan AST. Keputusan akhir menggunakan dua ambang batas dinamis (dynamic threshold) yang sama-sama memperketat kriteria pada kode berukuran kecil untuk mencegah false positive: (a) ambang Winnowing berbasis jumlah fingerprint yang menentukan batas atas zona abu-abu sekaligus keputusan pada jalur early-exit, yaitu 90% untuk ≤40 fingerprint, 85% untuk 41–80 fingerprint, dan 80% untuk >80 fingerprint; serta (b) ambang AST berbasis jumlah node yang berlaku ketika analisis AST dipanggil, yaitu 90% untuk ≤25 node, 80% untuk 26–65 node, dan 70% untuk >65 node.
Sistem diimplementasikan sebagai aplikasi web full-stack dengan backend FastAPI dan frontend React. Evaluasi dilakukan menggunakan dua skenario utama: (1) Dataset 1 berisi 277 pasangan kode Java (160 pasangan positif dengan lima level perubahan terkontrol dan 117 pasangan negatif) untuk validasi akurasi klasifikasi, dan (2) Dataset 2 berisi 24.715 pasangan kode tugas mahasiswa untuk uji efisiensi waktu. Berbeda dari evaluasi sebelumnya yang hanya memuat pasangan positif, penambahan pasangan negatif memungkinkan pengukuran presisi, recall, dan spesifisitas yang bermakna. Berdasarkan hasil pada Dataset 1, sistem memperoleh akurasi 92,78%, presisi 94,87%, recall 92,50%, spesifisitas 93,16%, dan F1-Score 93,67%, dengan confusion matrix TP=148, FN=12, FP=8, dan TN=109. Seluruh kesalahan terkonsentrasi pada kasus tersulit: 12 false negative pada Level 4 (kombinasi seluruh teknik modifikasi) dan 8 false positive pada pasangan negatif yang kebetulan memiliki kerangka solusi serupa. Pada Dataset 2, pendekatan hibrida menghemat 29,29% total waktu komputasi dibandingkan AST murni (1.121.715 ms menjadi 793.217 ms) atau rata-rata 1,41× lebih cepat, dengan 56,16% pasangan melakukan early exit dan rasio panggilan AST hanya 43,84% (di bawah target <50%).
Penelitian ini merupakan bagian dari peta jalan riset tiga tahun (TKT Level 4). Luaran target meliputi prototipe perangkat lunak, hak cipta program, dan publikasi jurnal internasional bereputasi. Sistem diharapkan mengotomatisasi penilaian tugas pemrograman di Universitas Negeri Medan, mengurangi beban dosen, serta menegakkan kejujuran akademik secara objektif dan transparan.