Last Updates - JURIS - Juru Riset - Kompilasi Jurnal Akademik Indonesia

Deep Learning Models Comparison for Emotion Classification With Image Pre Processing Methods

2026-06-19T23:58:49+07:00

#calendar - Deep Learning Models Comparison for Emotion Classification With Image Pre-Processing Methods: Penelitian selanjutnya dapat menyelidiki apakah teknik augmentasi data berbasis Generative Adversarial Network (GAN) dapat meningkatkan kualitas dan keragaman dataset FER dibandingkan dengan CLAHE dan SMOTE yang telah digunakan, sehingga memperbaiki kemampuan model dalam mengenali ekspresi yang sangat halus. Selain itu, penting untuk mengeksplorasi kinerja arsitektur Vision Transformer (ViT) dibandingkan dengan model CNN tradisional ketika dipadukan dengan metode preprocessing serupa, guna mengevaluasi apakah ViT dapat memberikan akurasi lebih tinggi atau efisiensi komputasi yang lebih baik dalam kondisi pencahayaan dan pose yang bervariasi. Selanjutnya, studi dapat memperluas pengujian model pada kumpulan data realAcworld yang lebih beragam, termasuk video beresolusi tinggi dengan variasi latar belakang, pencahayaan dinamis, dan sudut kamera ekstrem, untuk menilai generalisasi model dan mengidentifikasi batasan praktis dalam penerapan sistem FER pada aplikasi kehidupan sehari-hari seperti kendaraan otonom atau sistem interaksi manusiaAcmesin..
Penelitian ini menunjukkan bahwa kombinasi teknik preprocessing CLAHE dan SMOTE secara signifikan meningkatkan akurasi model klasifikasi ekspresi wajah, dengan arsitektur VGG16 tanpa transfer learning mencapai akurasi 0,79, meningkat 9A% dibandingkan tanpa preprocessing.Hasil tersebut menegaskan peran penting preprocessing dalam menangani ketidakseimbangan kelas dan kontras rendah, menghasilkan peningkatan performa yang lebih besar daripada perubahan arsitektur model saja.Oleh karena itu, penerapan preprocessing yang disesuaikan dianggap krusial untuk mengembangkan sistem FER yang akurat dan robust dalam kondisi dunia nyata
Penelitian ini menyelidiki kemajuan dalam Facial Expression Recognition (FER) dalam domain komputasi afektif, berfokus pada peningkatan akurasi dan ketahanan sistem FER di bawah kondisi dunia nyata yang beragam. Ekspresi wajah berfungsi sebagai isyarat nonAcverbal penting dalam komunikasi manusia, namun sistem FER yang ada sering menghadapi tantangan akibat variabilitas lingkungan seperti perubahan pencahayaan, pose, dan occlusion. Penelitian ini mengevaluasi kinerja tiga arsitektur Convolutional Neural Network (CNN)AiResNet50, VGG16, dan MobileNetV3LargeAiyang digabungkan dengan teknik preprocessing seperti Contrast Limited Adaptive Histogram Equalization (CLAHE) dan Synthetic Minority Oversampling Technique (SMOTE). MetodeAcmetode ini mengatasi tantangan utama seperti ketidakseimbangan kelas dan kontras rendah pada dataset. Hasil...
Kunjungi calendar untuk informasi lainnya.

Comparative Analysis of Neural Network Architecture Optimization A Study on Genetic Algorithm Random Search Grid Search and Adaptive Search Methods for Digit Classification

2026-06-19T23:56:18+07:00

#calendar - Comparative Analysis of Neural Network Architecture Optimization: A Study on Genetic Algorithm, Random Search, Grid Search, and Adaptive Search Methods for Digit Classification: Berdasarkan hasil penelitian ini, kami menyarankan beberapa arah penelitian lanjutan. Pertama, perlu dilakukan studi lebih lanjut untuk mengeksplorasi hubungan antara kompleksitas arsitektur dan kinerja, terutama dalam konteks klasifikasi digit. Studi ini dapat membantu memahami batasan dan potensi arsitektur yang lebih sederhana dalam tugas-tugas tertentu. Kedua, penelitian yang berfokus pada optimasi arsitektur untuk tugas-tugas yang lebih kompleks, seperti pengenalan objek atau pemrosesan bahasa alami, dapat memberikan wawasan yang berharga tentang bagaimana metode optimasi ini dapat diterapkan dalam skenario yang lebih menantang. Terakhir, penelitian yang menyelidiki integrasi teknik pembelajaran mesin otomatis dengan pencarian arsitektur, seperti yang ditunjukkan oleh Zhou et al., dapat membuka jalan untuk pengembangan metode optimasi yang lebih efisien dan adaptif. Dengan menggabungkan teknik-teknik ini, kita dapat mencapai keseimbangan yang lebih baik antara kinerja dan efisiensi komputasi dalam optimasi arsitektur jaringan saraf..
Analisis komparatif yang komprehensif ini telah menghasilkan wawasan berharga tentang kekuatan relatif dan aplikasi praktis dari metode optimasi arsitektur jaringan saraf.Studi ini menunjukkan bahwa pemilihan metode harus dipandu oleh persyaratan proyek yang spesifik, batasan sumber daya, dan tujuan kinerja.Hasil empiris dari studi komparatif kami mengungkapkan beberapa wawasan signifikan tentang optimasi arsitektur jaringan saraf.Analisis kami menunjukkan efektivitas arsitektur yang lebih sederhana dalam mencapai kinerja yang unggul, menantang asumsi yang berlaku tentang kompleksitas arsitektur.Studi ini menemukan variasi yang signifikan dalam efisiensi komputasi di antara metode yang berbeda, dengan Pencarian Grid menunjukkan kecepatan yang luar biasa sambil mempertahankan akurasi yang kompetitif.Kami juga mengamati fenomena menarik di mana metode optimasi yang berbeda konvergen ke solusi arsitektur yang serupa, menunjukkan adanya daerah optimal di ruang arsitektur.Selain itu, hubungan antara peningkatan akurasi dan biaya komputasi terbukti non-linear, menunjukkan bahwa peningkatan investasi komputasi yang signifikan mungkin menghasilkan pengembalian yang menurun dalam peningkatan kinerja
Penelitian ini melakukan analisis komparatif menyeluruh terhadap empat metode optimasi arsitektur jaringan saraf: Algoritma Genetika (GA), Pencarian Acak, Pencarian Grid, dan Pencarian Adaptif. Menggunakan dataset MNIST digits, evaluasi sistematis dilakukan berdasarkan akurasi, efisiensi komputasi, dan kompleksitas arsitektur. Hasil eksperimen menunjukkan bahwa Algoritma Genetika mencapai akurasi tertinggi sebesar 98,33%, sementara Pencarian Grid menunjukkan efisiensi komputasi dengan waktu eksekusi tercepat hanya 31,06 detik. Pencarian Acak dan Pencarian Adaptif menunjukkan kinerja yang kompetitif dengan akurasi masing-masing 97,78% dan 97,22%, dengan kebutuhan komputasi yang bervariasi. Studi ini mengungkapkan bahwa arsitektur yang lebih sederhana dengan satu atau dua lapisan sering kali memberikan kinerja yang sebanding dengan struktur yang lebih kompleks, menantang asumsi...
Kunjungi calendar untuk informasi lainnya.

Comparison of Premium Rice Price Prediction in East Java with ARIMA and LSTM Case Study National Food Agency Data

2026-06-19T23:53:09+07:00

#calendar - Comparison of Premium Rice Price Prediction in East Java with ARIMA and LSTM (Case Study: National Food Agency Data): Saran penelitian lanjutan dapat difokuskan pada pengembangan model yang lebih canggih dengan memasukkan variabel-variabel tambahan sebagai input, seperti faktor-faktor ekonomi, cuaca, atau kebijakan pemerintah yang dapat mempengaruhi harga beras. Selain itu, dapat dilakukan analisis perbandingan dengan model-model pembelajaran mesin lainnya yang menawarkan akurasi lebih tinggi dalam memprediksi harga, seperti metode-metode deep learning yang lebih kompleks. Untuk memperoleh wawasan lebih dalam tentang pola musiman dalam model prediktif, penelitian selanjutnya dapat melakukan analisis tren harga jangka panjang, dengan mempertimbangkan faktor-faktor musiman seperti musim panen, musim hujan, dan liburan. Dengan demikian, model prediksi harga beras dapat semakin akurat dan membantu berbagai pemangku kepentingan dalam mengambil keputusan strategis terkait stabilisasi harga beras di Jawa Timur..
Beberapa kesimpulan dapat ditarik dari berbagai eksperimen yang dilakukan.Pertama, model ARIMA(1,1,1) lebih baik dalam memprediksi harga beras premium dibandingkan model LSTM, dengan MAPE sebesar 0,485%.Kedua, model LSTM terbaik dari eksperimen menggunakan tingkat dropout 0,2 dan 50 epoch, menghasilkan MAPE sebesar 1,95%.Ketiga, kesalahan yang lebih tinggi pada model LSTM disebabkan oleh bias data dan overfitting, yang dipicu oleh kompleksitas penggunaan model pembelajaran untuk memprediksi time series.Implikasi praktis dari penelitian ini signifikan bagi berbagai pemangku kepentingan, termasuk pembuat kebijakan, produsen pertanian, dan industri pangan.Untuk pembuat kebijakan/pemerintah, prediksi akurat yang diberikan oleh model ARIMA (MAPE 0,485%) dapat membantu dalam merumuskan strategi stabilisasi harga beras.Hal ini penting untuk menjaga stabilitas ekonomi dan memastikan keamanan pangan di Jawa Timur, salah satu daerah penghasil beras utama di Indonesia.Untuk petani, petani dan produsen pertanian dapat memanfaatkan wawasan dari model prediktif untuk merencanakan jadwal penanaman dan panen dengan lebih efektif.Memahami tren harga dapat membantu keputusan tentang kapan menjual hasil panen untuk memaksimalkan keuntungan dan meminimalkan kerugian.Untuk pemain industri pangan, pemangku kepentingan industri dapat memanfaatkan temuan ini untuk menganalisis tren pasar dan menyesuaikan strategi penentuan harga sesuai kebutuhan.Fokus pada perbaikan model dengan memasukkan variabel tambahan sebagai input.Melakukan analisis perbandingan dengan model pembelajaran mesin lainnya yang menawarkan akurasi lebih tinggi dalam memprediksi harga.Melakukan analisis tren harga jangka panjang untuk memperoleh wawasan tentang pola musiman dalam model prediktif
Prediksi harga beras memiliki peran penting dalam menjaga stabilitas ekonomi dan keamanan pangan, khususnya di Jawa Timur, salah satu pusat produksi beras utama di Indonesia. Penelitian ini bertujuan untuk memprediksi harga beras premium di Jawa Timur menggunakan metode ARIMA (AutoRegressive Integrated Moving Average). Data yang digunakan dalam penelitian ini terdiri dari harga beras premium yang diperoleh dari Badan Pangan Nasional selama periode 15 Maret 2021 hingga 17 Oktober 2024. Proses analisis dimulai dengan eksplorasi data untuk mengidentifikasi tren dan pola musiman dalam data harga beras. Selanjutnya, data dianalisis menggunakan metode ARIMA dan LSTM, yang dikenal efektif dalam memprediksi data time series. Model ARIMA(1,1,1) dipilih karena kemampuannya menangkap dinamika...
Kunjungi calendar untuk informasi lainnya.

A Cascading Evaluation of Digital Population Identity in Palembang Insights from ILPE and IPA

2026-06-19T23:50:21+07:00

#calendar - A Cascading Evaluation of Digital Population Identity in Palembang: Insights from ILPE and IPA: Penelitian selanjutnya dapat meneliti bagaimana persepsi pengguna terhadap keamanan data IKD memengaruhi tingkat adopsi, sekaligus mengkaji intervensi berbasis gamifikasi untuk meningkatkan navigasi aplikasi; memanfaatkan analisis sentimen media sosial guna memetakan keluhan dan saran pengguna; serta mengembangkan model prediktif yang menggabungkan data ILPE dan IPA untuk menentukan prioritas perbaikan layanan digital secara dinamis..
Skor ILPE total 2,682 menandakan layanan IKD berada di kategori baik, dengan dimensi Ketersediaan Informasi memperoleh skor tertinggi.Analisis IPA mengidentifikasi dimensi penting namun kurang baik seperti petunjuk entri data (E4) dan navigasi intuitif (U3) yang memerlukan perbaikan.Dimensi lainnya, walaupun memiliki performa rendah, tidak menjadi prioritas tinggi.Penelitian ini menyarankan fokus perbaikan pada kuadran kedua dan peninjauan alokasi sumber daya di kuadran keempat
Sejak 2022, pemerintah Indonesia telah menerapkan aplikasi Identitas Kependudukan Digital (IKD) yang diperkenalkan oleh Kantor Kependudukan dan Pencatatan Sipil (Disdukcapil) Kota Palembang. Meskipun aplikasi ini bertujuan meningkatkan kecepatan, kemudahan, dan keamanan pelayanan publik, tingkat kepuasan pengguna tetap rendah. Penelitian ini mengukur kepuasan pengguna IKD dengan metode Cascading yang menggabungkan Indeks Layanan Publik Elektronik (ILPE) dan Analisis Kinerja Keamanan dan Performa (IPA). Hasil ILPE menunjukkan skor total 2,682, di mana dimensi Ketersediaan Informasi (0,570) memperoleh skor tertinggi, sementara Interaksi (0,325) paling rendah. Analisis IPA mengklasifikasikan dimensi keempat kuadran;...
Kunjungi calendar untuk informasi lainnya.

Antecedent and Consequences of CAAT on Audit Quality

2026-06-19T23:49:57+07:00

#calendar - Antecedent and Consequences of CAAT on Audit Quality: Berdasarkan hasil penelitian, disarankan untuk melakukan penelitian lanjutan dengan fokus pada pengembangan dan implementasi sistem CAAT yang lebih mudah digunakan dan lebih efektif. Penelitian ini dapat dilakukan dengan melibatkan auditor dari berbagai kantor akuntan publik, termasuk Big Four dan Non-Big Four, untuk memperoleh gambaran yang lebih komprehensif tentang tantangan dan peluang dalam adopsi CAAT. Selain itu, penelitian lanjutan dapat mengeksplorasi faktor-faktor lain yang mempengaruhi kualitas audit, seperti kompetensi auditor dalam menggunakan teknologi, dukungan organisasi, dan faktor-faktor lingkungan. Dengan memahami faktor-faktor ini, penelitian dapat memberikan rekomendasi yang lebih spesifik untuk meningkatkan kualitas audit melalui adopsi CAAT yang efektif..
Penelitian ini menyimpulkan bahwa perceived usefulness (PU) dan perceived ease of use (PEOU) memiliki pengaruh positif dan signifikan terhadap penggunaan aktual CAAT (U) di antara auditor eksternal di Kantor Akuntan Publik Non-Big Four di Indonesia.Secara khusus, PEOU memiliki pengaruh yang relatif lebih kuat terhadap penggunaan aktual dibandingkan dengan PU, menunjukkan bahwa dalam lingkungan yang terbatas sumber daya, auditor lebih memprioritaskan sistem yang mudah dipelajari dan dioperasikan daripada sistem yang hanya meningkatkan kinerja.Selain itu, PEOU secara signifikan memperkuat PU, dan penggunaan aktual CAAT memiliki dampak positif yang kuat terhadap kualitas audit.Temuan-temuan ini mengonfirmasi bahwa TAM secara efektif menjelaskan perilaku adopsi teknologi dalam konteks audit, di mana faktor persepsi mendorong penggunaan aktual, yang pada gilirannya menentukan hasil audit.Oleh karena itu, peningkatan kualitas audit tidak hanya bergantung pada ketersediaan alat canggih, tetapi lebih penting lagi pada kesediaan dan kemampuan auditor untuk menggunakannya dalam praktik, yang juga menjelaskan mengapa masih ada ketergantungan pada alat umum seperti Microsoft Excel
Penelitian ini bertujuan untuk menganalisis pengaruh perceived usefulness dan perceived ease of use sebagai dimensi utama Technology Acceptance Model (TAM) terhadap penggunaan aktual Computer-Assisted Audit Techniques (CAAT) oleh auditor serta dampaknya terhadap kualitas audit. Penelitian ini menggunakan pendekatan kuantitatif dengan metode Partial Least Squares Structural Equation Modeling (PLS-SEM) berdasarkan data kuesioner dari 72 auditor eksternal pada Kantor Akuntan Publik Non-Big Four di Indonesia. Hasil penelitian menunjukkan bahwa perceived usefulness dan perceived ease of use berpengaruh positif terhadap penggunaan...
Kunjungi calendar untuk informasi lainnya.

Hand Sign Virtual Reality Data Processing Using Padding Technique

2026-06-19T23:39:36+07:00

#calendar - Hand Sign Virtual Reality Data Processing Using Padding Technique: Sebelum melangkah ke aplikasi nyata, coba integrasikan teknik padding adaptif yang memanfaatkan informasi statistik data untuk menyesuaikan panjang urutan secara dinamis dan evaluasi dampaknya terhadap kecepatan inferensi model. Selanjutnya, selidiki penggunaan arsitektur Transformer sebagai alternatif LSTM, karena dapat memanfaatkan perhatian mekanisme yang mampu menangani variasi panjang urutan tanpa padding eksplisit dan dapat meningkatkan akurasi serta kecepatan pelatihan. Terakhir, uji coba sistem ini pada berbagai bahasa isyarat selain ASL, seperti Microsoft Sign Language, untuk mengukur generalisasi dan menyesuaikan metode padding serta modelnya sehingga dapat diaplikasikan pada populasi pengguna dengan kebutuhan komunikasi yang lebih luas..
Teknik padding, khususnya preAcreplication padding, secara signifikan meningkatkan akurasi, presisi, recall, dan skor F1 model RNN dalam pengenalan gerakan tangan di lingkungan VR.Padahal, teknik preAcdanAcpostAczero padding menunjukkan kinerja unggul pada data validasi namun sedikit menurun pada data uji, menandakan sensitivitas terhadap data tak terlihat.Akhirnya, pemilihan padding yang tepat dapat menghasilkan model sederhana namun sangat efisien, menyoroti peran kritis preprocessing dalam desain model berbasis urutan
Penelitian ini memfokuskan pada pengelolaan data tanda tangan tangan dalam lingkungan Realitas Virtual (VR), khususnya variasi panjang data saat merekam gerakan. Untuk mengoptimalkan model pembelajaran mesin dalam pengenalan gerakan, berbagai teknik padding diuji, termasuk preAc, postAc, dan replication padding. Data dikumpulkan menggunakan perangkat MetaAQuestA2, terdiri dari 1.000 sampel 10 gerakan American Sign Language (ASL). Model Jaringan Syaraf Berulang berbasis Long ShortAcTerm Memory (LSTM) dilatih dengan pembagian 80% pelatihan dan 20% validasi, serta 100 sampel tidak terampil digunakan untuk pengujian. Hasil menunjukkan...
Kunjungi calendar untuk informasi lainnya.

Dividend Policy And Market Behavior Evidence From Indonesia

2026-06-19T23:37:19+07:00

#calendar - Dividend Policy And Market Behavior: Evidence From Indonesia: Penelitian lanjutan dapat mengeksplorasi hubungan antara perilaku pasar dan kebijakan dividen dengan menambahkan variabel sentimen pasar berbasis teks, memadukan data berita dan media sosial untuk mengukur sentimen secara lebih granular; selanjutnya, analisis lintas negara dapat membandingkan efek Catering Theory di pasar berkembang dan maju, sehingga dapat mengidentifikasi perbedaan mekanisme respons manajerial; dan akhirnya, studi panel dinamis dapat menilai dampak jangka panjang perubahan kebijakan dividen yang bersifat catering terhadap nilai saham dan likuiditas di pasar modal Indonesia, memberikan insight manajerial yang lebih komprehensif bagi pengambil kebijakan..
Perilaku pasar, yang diukur melalui residual pasar tidak dapat dijelaskan dan volume perdagangan abnormal, secara positif dan signifikan mempengaruhi kebijakan dividen di Indonesia.Hasil ini mendukung teori Catering bahwa manajer menyesuaikan pembayaran dividen sebagai respons terhadap sentimen pasar.Ketergantungan pada faktor fundamental seperti free cash flow juga teramati, namun laba bersih dan utang tidak menunjukkan pengaruh signifikan
Penelitian ini mengkaji pengaruh perilaku pasar terhadap kebijakan dividen dalam kerangka Catering Theory, di mana kondisi pasar mencerminkan sentimen investor. Perilaku pasar diukur menggunakan dua proksi, yaitu perilaku pasar yang tidak dapat dijelaskan (unexplained market behavior) dan volume perdagangan abnormal (abnormal trading volume). Metodologi yang digunakan adalah desain penelitian kausal kuantitatif dengan analisis regresi berganda terhadap data sekunder laporan tahunan dan data pasar perusahaan publik Indonesia periode 2020Ac2024. Variabel dependen adalah perubahan rasio pembayaran dividen (iDPR), sedangkan variabel kontrol meliputi free cash flow, utang, dan laba bersih. Hasil analisis menunjukkan bahwa baik perilaku pasar yang...
Kunjungi calendar untuk informasi lainnya.

Pengembangan Perangkat Pembelajaran PAK Berbasis LiterasiAcNumerasi Dengan Model 4D Untuk Meningkatkan Kemampuan Berpikir Kritis Siswa Sekolah Dasar Di Kota Ambon

2026-06-19T23:33:09+07:00

#calendar - Pengembangan Perangkat Pembelajaran PAK Berbasis LiterasiAcNumerasi Dengan Model 4D Untuk Meningkatkan Kemampuan Berpikir Kritis Siswa Sekolah Dasar Di Kota Ambon: Perlu dilakukan uji coba skala lebih luas dengan kelompok kontrol dan durasi yang lebih panjang untuk mengidentifikasi pengaruh jangka panjang integrasi literasiAcnumerasi terhadap regulasi diri siswa, serta memperluas penelitian ke jenjang kelas dan konteks kebudayaan yang beragam agar dapat memvalidasi model pembelajaran ini secara lintas wilayah; selanjutnya, integrasikan media digital interaktif dalam modul PAK sehingga dapat meningkatkan motivasi dan keterlibatan siswa, dan evaluasi dampaknya terhadap kompetensi abad ke-21 secara komprehensif..
Perangkat pembelajaran PAK berbasis literasi dan numerasi berhasil memenuhi tiga kriteria keberhasilan.valid (skor 3,56), praktis (skor 3,75), dan efektif (NAcGain 0,45).Efektivitasnya konsisten antar tiga sekolah dengan NAcGain berkisar antara 0,43Ae0,46, menunjukkan peningkatan kemampuan berpikir kritis siswa secara signifikan.Penelitian ini menghasilkan modul pertama integrasi literasiAcnumerasi dalam PAK di Indonesia dan membuktikan bahwa integrasi tersebut tidak mengurangi substansi teologis, melainkan memperkaya dimensi kognitif dan reflektif pembelajaran
Pembelajaran Pendidikan Agama Kristen (PAK) di sekolah dasar masih didominasi oleh pendekatan hafalan dan belum mengintegrasikan literasi, numerasi, serta indikator berpikir kritis secara sistematis, padahal kebijakan pendidikan nasional menekankan penguatan kompetensi tersebut. Analisis terhadap 12 RPP guru PAK di tiga SD Negeri Kota Ambon menunjukkan bahwa 100% RPP belum mengintegrasikan literasi dan numerasi, sementara 80% guru belum memahami konsep integrasi tersebut. Penelitian ini bertujuan mengembangkan perangkat pembelajaran PAK berbasis literasi dan numerasi yang valid, praktis, dan efektif untuk meningkatkan kemampuan berpikir kritis siswa, dengan pendekatan Research and Development (R&D) menggunakan model 4D (Define, Design, Develop, Disseminate).
Kunjungi calendar untuk informasi lainnya.

From Nets To Networks Can Digital Transformation Revolutionize The Fisheries Supply Chain

2026-06-19T23:31:00+07:00

#calendar - From Nets To Networks: Can Digital Transformation Revolutionize The Fisheries Supply Chain?: Berkenaan dengan temuan bahwa dukungan teknologi dan lingkungan memiliki peran dominan, perlu diteliti (1) bagaimana model kolaborasi antara pelaku perikanan dan platform digital dapat meningkatkan efisiensi distribusi dan mengurangi waktu pengiriman, (2) bagaimana kebijakan fiskal dan insentif pemerintah dapat mempercepat adopsi infrastruktur digital di perairan terpencil, dan (3) bagaimana integrasi sistem akuntansi digital dapat memfasilitasi transparansi keuangan dan pengambilan keputusan berbasis data di seluruh rantai pasok. Penelitian ini akan memperluas pemahaman tentang mekanisme implementasi teknologi dalam konteks kepulauan dan membantu merumuskan kebijakan yang mendukung transformasi digital perikanan secara komprehensif..
Kapabilitas teknologi dan dukungan lingkungan secara signifikan meningkatkan kinerja rantai pasok perikanan di wilayah kepulauan.Faktor organisasi tidak berpengaruh secara signifikan, sehingga struktur internal dan sumber daya manusia masih belum optimal untuk mendukung transformasi digital.Oleh karena itu, upaya peningkatan infrastruktur digital dan kebijakan pro-digital dari pemerintah menjadi prioritas utama
Penelitian ini bertujuan untuk menguji pengaruh kapabilitas teknologi, kapasitas organisasi, dan kondisi lingkungan terhadap kinerja rantai pasok perikanan di wilayah kepulauan dengan menggunakan kerangka TechnologyAeOrganizationAeEnvironment (TOE). Metode penelitian adalah pendekatan kuantitatif melalui survei 65 nelayan aktif di empat desa pesisir di Maluku, kemudian menganalisis data menggunakan regresi linier berganda di SPSS v27. Hasil menunjukkan bahwa kapabilitas teknologi dan dukungan lingkungan memiliki pengaruh positif dan signifikan terhadap kinerja rantai pasok, sementara faktor...
Kunjungi calendar untuk informasi lainnya.

A Hybrid Machine Learning and Deep Learning Approach for In Game Assistance

2026-06-19T23:28:07+07:00

#calendar - A Hybrid Machine Learning and Deep Learning Approach for In-Game Assistance: Untuk penelitian lanjutan, dapat dipertimbangkan pengembangan sistem asisten yang lebih luas dengan kemampuan deteksi objek yang mencakup NPC tambahan dalam permainan. Selain itu, implementasi deteksi skalabilitas layar adaptif akan meningkatkan kompatibilitas lintas perangkat dan memperluas penggunaannya. Integrasi perintah suara atau gestur dapat meningkatkan aksesibilitas dan pengalaman pengguna secara keseluruhan. Penelitian ini dapat menjadi dasar untuk pengembangan lebih lanjut dalam sistem bantuan permainan cerdas, dengan fokus pada personalisasi dan peningkatan pengalaman bermain..
Penelitian ini mengembangkan sistem asisten berbasis tombol untuk permainan Story of Seasons.Friends of Mineral Town, yang dirancang untuk menyederhanakan permainan melalui integrasi teknik Machine Learning dan Deep Learning.Dengan menggabungkan Optical Character Recognition (OCR), deteksi objek menggunakan YOLOv7, algoritma A* untuk penemu jalan, dan automasi input otomatis, sistem ini mampu membaca informasi permainan, mengenali NPC, dan mengarahkan karakter pemain secara otomatis.Evaluasi menunjukkan kinerja yang baik dalam akurasi navigasi, deteksi objek, dan kepuasan pengguna.Meskipun ada batasan, seperti deteksi objek yang terbatas pada satu NPC dan persyaratan resolusi layar tetap, sistem ini diterima dengan baik dan dianggap sangat bermanfaat untuk pemain kasual dan baru.Pengembangan masa depan akan berfokus pada perluasan kemampuan deteksi objek untuk mencakup NPC tambahan, implementasi deteksi skalabilitas layar adaptif, dan integrasi perintah suara atau gestur untuk meningkatkan aksesibilitas.Penelitian ini menunjukkan bagaimana pendekatan AI hibrida dapat diterapkan secara efektif untuk menciptakan sistem dukungan cerdas yang sadar konteks, memberikan wawasan berharga bagi pengembang permainan dan praktisi AI
Perkembangan cepat kecerdasan buatan (AI) telah membuka peluang baru untuk meningkatkan interaksi pengguna dalam permainan video. Penelitian ini memperkenalkan desain dan implementasi sistem asisten berbasis tombol untuk permainan simulasi Story of Seasons: Friends of Mineral Town, bertujuan untuk menyederhanakan tugas berulang pemain dan meningkatkan pengalaman bermain secara keseluruhan. Sistem yang diusulkan memanfaatkan pendekatan hibrida yang menggabungkan Machine Learning dan Deep Learning, khususnya Optical Character Recognition (OCR) dengan Tesseract, deteksi objek menggunakan model YOLOv7 yang dilatih secara khusus, algoritma...
Kunjungi calendar untuk informasi lainnya.

Multi View Natural Network for Cross Project Software Defect Prediction

2026-06-19T23:05:17+07:00

#calendar - Multi View Natural Network for Cross-Project Software Defect Prediction: Bagaimana penerapan embedding pohon acak dapat lebih dipertajam untuk menangkap hubungan semantik antar fitur perangkat lunak, sehingga dapat meningkatkan akurasi prediksi cacat? Bagaimana algoritme transfer learning hybrid, yang menggabungkan arsitektur CNN dengan MultiAcView Neural Network, dapat dieksplorasi untuk memanfaatkan representasi kontekstual data kode sumber dan metrik statistik, dan menilai dampaknya pada situasi data terbatas? Bagaimana mekanisme attention layer dapat diintegrasikan ke dalam MVNN untuk memfokuskan model pada fitur yang paling relevan, sehingga meningkatkan interpretabilitas dan mitigasi overfitting ketika diterapkan pada dataset lintas proyek dengan distribusi data yang sangat berbeda?.
Artikel ini mengusulkan Model MultiAcView Neural Network (MVNN) untuk Prediksi Cacat Lintas Proyek (CPDP) yang menunjukkan keandalan dibandingkan dengan studi sebelumnya.Tantangan CPDP meliputi perbedaan distribusi data dan kurangnya fitur universal yang dapat diterima secara luas di berbagai proyek perangkat lunak.Meskipun ada metode dan teknik untuk mengatasi tantangan tersebut, kompleksitas proyek perangkat lunak tetap menjadi kendala utama.MVNN kami berhasil mengatasi perbedaan distribusi dengan menggabungkan data multidimensi melalui transformasi BoxAcCox dan embedding pohon acak, menghasilkan model yang mampu memprediksi cacat dengan akurasi tinggi.Pada skenario uji lintas dataset, MVNN menunjukkan performa lebih baik dibandingkan dengan metode-konvensional, dengan rataAcrata akurasi lebih dari 90% dan F1Acscore di atas 0,90.Peningkatan ini menunjukkan potensi penggunaan MVNN dalam praktik pengembangan perangkat lunak untuk memperbaiki kualitas dan keandalan produk dengan memanfaatkan data lintas proyek secara efisien
Prediksi cacat perangkat lunak (Software Defect Prediction, SDP) memainkan peran penting dalam rekayasa perangkat lunak dengan memungkinkan identifikasi awal modul yang berpotensi cacat, membantu pengembang dan tester dalam memprioritaskan upaya pengujian dan inspeksi guna meningkatkan kualitas dan keandalan perangkat lunak. Dengan kebutuhan bisnis yang cepat berubah, model prediksi cacat telah menjadi semakin penting dalam alur kerja jaminan kualitas. Pendekatan tradisional SDP fokus pada Prediksi Cacat Dalam Proyek (Within-Project Defect Prediction, WPDP), di mana model dilatih pada data historis proyek yang sama dan efektif ketika kondisi data mencukupi. Kendala tersebut...
Kunjungi calendar untuk informasi lainnya.

The Effect of Work Flexibility and Job Satisfaction on Job Performance Among Live Streaming Hosts at Agency X

2026-06-19T23:04:17+07:00

#calendar - The Effect of Work Flexibility and Job Satisfaction on Job Performance Among Live Streaming Hosts at Agency X: Penelitian selanjutnya dapat menguji apakah tingkat interaksi penonton (misalnya jumlah komentar, like, atau durasi tayangan) memoderasi hubungan antara fleksibilitas kerja dan kinerja host live streaming, sehingga dapat diketahui sejauh mana keterlibatan audiens memperkuat atau melemahkan efek fleksibilitas. Selanjutnya, penting untuk meneliti peran tekanan target sebagai variabel mediasi yang mungkin menjelaskan mengapa kepuasan kerja berpengaruh negatif terhadap kinerja, dengan mengukur intensitas target penjualan dan persepsi beban kerja pada host. Akhirnya, sebuah studi longitudinal yang melibatkan beberapa agen live streaming dan sampel yang lebih besar dapat mengidentifikasi dinamika perubahan fleksibilitas, kepuasan, dan kinerja selama periode waktu tertentu, serta menambahkan faktor-faktor seperti dukungan teknologi dan pelatihan kompetensi sebagai variabel tambahan. Penelitian-penelitian ini diharapkan dapat memberikan wawasan yang lebih komprehensif untuk mengoptimalkan kebijakan kerja fleksibel dan meningkatkan performa digital pekerja..
Penelitian ini menemukan bahwa fleksibilitas kerja berpengaruh positif dan signifikan kuat terhadap kinerja, sedangkan kepuasan kerja berpengaruh negatif signifikan terhadap kinerja host live streaming di Agency X.Temuan tersebut menegaskan bahwa perubahan tingkat fleksibilitas kerja atau kepuasan kerja akan memengaruhi kinerja, serta menambah pemahaman teoretis tentang hubungan timbal balik organisasiAckaryawan, khususnya dalam pekerjaan berbasis target.Keterbatasan studi meliputi sampel kecil dan fokus pada satu agen, sehingga disarankan penelitian selanjutnya memperluas ukuran sampel, melibatkan banyak agen, dan menambahkan variabel lain untuk memperoleh gambaran yang lebih komprehensif tentang faktor-faktor yang memengaruhi kinerja
Pengaturan kerja fleksibel tidak selalu memberikan dampak positif terhadap kinerja; dapat juga menimbulkan tekanan kinerja yang memengaruhi performa pekerjaan. Kondisi ini memicu stres, khususnya ketika pencapaian pada awal sesi live streaming masih jauh dari target yang ditetapkan. Penelitian ini bertujuan mengukur pengaruh fleksibilitas kerja dan kepuasan kerja terhadap kinerja kerja pada host live streaming di Agency X. Penelitian menggunakan metode total population sampling dengan jumlah sampel sama...
Kunjungi calendar untuk informasi lainnya.

Implementation of DenseNet Architecture With Transfer Learning to Classify Mango Leaf Diseases

2026-06-19T23:00:11+07:00

#calendar - Implementation of DenseNet Architecture With Transfer Learning to Classify Mango Leaf Diseases: To further enhance the model's performance and robustness, future research could explore the implementation of ensemble learning techniques. By combining multiple models, such as DenseNet with other advanced architectures, the model's classification accuracy can be boosted. Additionally, expanding the dataset to include a larger number of images and diverse disease categories would improve the model's generalizability and ability to handle a broader range of classifications. Furthermore, investigating the impact of different data augmentation techniques and their optimal combinations could lead to further improvements in the model's accuracy and reliability..
The DenseNet model presented in this study achieved remarkable accuracy in classifying mango leaf diseases, demonstrating its effectiveness in distinguishing between different disease categories and healthy leaves.The use of CLAHE significantly improved the detail in the images, making it easier for the model to identify disease features.Data augmentation techniques, including random rotation and flipping, increased the diversity of the dataset, contributing to the model's robustness and accuracy.Transfer Learning played a vital role in optimizing the DenseNet model's performance, allowing the study to achieve high accuracy with a relatively small dataset.The findings of this study have significant practical implications for the agricultural industry, particularly for mango farmers, as the high accuracy of the DenseNet model provides a valuable tool for identifying and managing mango leaf diseases more effectively
Mango plants (Mangifera indica) are a significant export commodity in the horticultural industry, offering numerous nutritional and economic benefits. They are rich in essential micronutrients, vitamins, and phytochemicals, contributing to their high demand globally. However, mango plants are susceptible to various diseases that can severely impact their yield and quality. These diseases pose a challenge to mango farmers, many of whom struggle to identify and treat them effectively, leading to potential harvest failures. This study aims to address this challenge by implementing...
Kunjungi calendar untuk informasi lainnya.

Classification of Skin Diseases Using Transfer Learning with ResNet 50 Architecture and Data Preprocessing Using Real ESRGAN and Wiener Filter

2026-06-19T22:46:40+07:00

#calendar - Classification of Skin Diseases Using Transfer Learning with ResNet-50 Architecture and Data Preprocessing Using Real-ESRGAN and Wiener Filter: Untuk penelitian lanjutan, disarankan untuk bereksperimen dengan arsitektur CNN yang lebih baru, meningkatkan data pelatihan, dan mengeksplorasi teknik preprocessing yang berbeda. Selain itu, penyesuaian parameter model menggunakan algoritma dapat dilakukan untuk mencapai hasil optimal. Kemampuan generalisasi model juga dapat diuji pada objek atau dataset yang berbeda. Penting untuk mempertimbangkan trade-off antara akurasi dan interpretabilitas, karena model yang lebih kompleks dapat meningkatkan akurasi tetapi juga dapat menyulitkan orang lain untuk menafsirkan dan memahami model tersebut..
Berdasarkan hasil yang diperoleh, dapat disimpulkan bahwa penggunaan Convolutional Neural Networks (CNN) dengan transfer learning menghasilkan model dengan kemampuan klasifikasi yang sangat baik.Implementasi Real-ESRGAN dan Wiener Filter terbukti meningkatkan kinerja model secara signifikan, dari akurasi 96,63% menjadi 99,09%.Secara keseluruhan, metode CNN dengan arsitektur ResNet-50, bersama dengan data preprocessing menggunakan Real-ESRGAN dan Wiener Filter, optimizer Adam, dan regularisasi dropout dengan tuning hyperparameter, berhasil mencapai kinerja tinggi dalam mengklasifikasi penyakit kulit wajah dengan akurasi 99,09%.Dengan presisi 0,96, recall 0,95, dan F1-score 0,95, penggunaan ResNet-50 dapat disimpulkan memberikan hasil yang sangat baik
Kulit adalah bagian sensitif dari tubuh manusia yang rentan terhadap penyakit. Kulit memainkan peran penting dalam fungsi tubuh sebagai penghalang terhadap agen eksternal seperti angin, air, dan sinar matahari. Penyakit kulit menduduki peringkat keempat di antara penyakit yang umumnya menyebabkan berbagai penyakit manusia dan memengaruhi sepertiga populasi global. Selain itu, penyakit kulit dapat berdampak pada kehidupan sosial dan kesehatan mental. Oleh karena itu, kesehatan kulit sangat penting. Salah satu jenis penyakit kulit melibatkan lesi kulit, yang sering kali muncul serupa karena bentuknya yang hampir identik. Berdasarkan data yang dikumpulkan melalui wawancara, pemeriksaan fisik adalah tahap diagnostik paling menantang bagi kebanyakan orang. Hal...
Kunjungi calendar untuk informasi lainnya.

Model Pemberdayaan UMKM Berbasis Digitalisasi Potensi Lokal dalam Konteks Pembangunan Desa Berkelanjutan Indonesia

2026-06-19T22:43:45+07:00

#calendar - Model Pemberdayaan UMKM Berbasis Digitalisasi Potensi Lokal dalam Konteks Pembangunan Desa Berkelanjutan Indonesia: Penelitian lanjutan dapat menggali efektivitas kolaborasi pentaAchelix dalam memfasilitasi keterbukaan akses pasar digital bagi UMKM di daerah tertinggal, menilai dampak literasi teknologi terhadap adopsi AI dalam proses produksi, dan mengevaluasi program kebijakan pemerintah yang mengintegrasikan smart village dengan model pemberdayaan UMKM berbasis potensi lokal, sehingga dapat menyusun rekomendasi kebijakan berbasis bukti yang dapat diadaptasi di konteks geografis yang berbeda..
Model pemberdayaan UMKM berbasis potensi lokal, yang meliputi pengembangan rantai nilai, kolaborasi pentaAchelix, penguatan kelembagaan desa, serta inovasi dan digitalisasi, secara signifikan meningkatkan nilai tambah produk, memperluas akses pasar, dan mendukung pencapaian SDG di tingkat lokal.Keberlanjutan model ini masih dihadapkan pada keterbatasan modal, rendahnya literasi digital, dan teknologi produksi yang sederhana.Oleh karena itu, strategi peningkatan literasi digital dan dukungan kebijakan komprehensif menjadi kunci utama untuk mempercepat adaptasi teknologi dan inovasi UMKM
Penelitian ini menganalisis model pemberdayaan Usaha Mikro, Kecil, dan Menengah berbasis potensi lokal untuk mendukung pembangunan desa berkelanjutan melalui narrative literature review. Hasil sintesis literatur menunjukkan model pemberdayaan efektif mencakup empat pilar utama: pengembangan rantai nilai berbasis lokal, kolaborasi pentaAchelix, penguatan kelembagaan desa, dan akselerasi inovasi serta digitalisasi, termasuk penggunaan kecerdasan buatan di bidang pemasaran dan optimasi operasional. Integrasi potensi lokal dengan teknologi digital terbukti memperluas akses pasar, meningkatkan efisiensi produksi, dan mendorong pencapaian indikator Sustainable Development Goals; keberhasilan...
Kunjungi calendar untuk informasi lainnya.

Automated Data Extraction from Aircraft Fuel Invoices Using PaddleOCR

2026-06-19T22:29:43+07:00

#calendar - Automated Data Extraction from Aircraft Fuel Invoices Using PaddleOCR: Berdasarkan hasil penelitian, berikut adalah saran penelitian lanjutan: 1. Mengembangkan algoritma OCR yang lebih canggih untuk menangani dokumen dengan tingkat kebisingan tinggi dan teks kecil. 2. Mengintegrasikan sistem dengan sistem ERP (Enterprise Resource Planning) untuk meningkatkan efisiensi dan akurasi pengelolaan data. 3. Menambahkan dukungan untuk OCR multilingual, memungkinkan sistem untuk mengenali dan mengekstrak data dari dokumen dalam berbagai bahasa. 4. Mengembangkan kemampuan sistem untuk menangani dokumen dengan tulisan tangan, meningkatkan fleksibilitas dan akurasi ekstraksi data. 5. Mengoptimalkan validasi data dengan menggabungkan regex, validasi berbasis kecerdasan buatan, dan fuzzy matching untuk menangani variasi format dan mengurangi kesenjangan data. 6. Melakukan penelitian lebih lanjut untuk mengukur dampak ekonomi automasi berbasis PaddleOCR di industri penerbangan dan sektor lain yang intensif data..
Penelitian ini berhasil mengembangkan sistem manajemen dokumen faktur otomatis menggunakan PaddleOCR, meningkatkan efisiensi operasional di industri penerbangan.Sistem mengurangi waktu pemrosesan manual, mencapai kecepatan pemrosesan rata-rata kurang dari 60 detik per dokumen dengan akurasi tinggi untuk input berkualitas baik.PaddleOCR menunjukkan kinerja yang baik pada dokumen standar tetapi menghadapi tantangan dengan tingkat kebisingan tinggi atau teks kecil, yang dapat ditingkatkan melalui pra-pemrosesan berbasis pembelajaran dalam.Sistem memproses hingga 640 dokumen secara efisien, dengan potensi peningkatan termasuk algoritma OCR yang lebih baik dan integrasi ERP.Automasi mengoptimalkan biaya operasional dengan mengidentifikasi dan mengurangi kesenjangan transaksi, meningkatkan efisiensi tenaga kerja untuk proses strategis.Studi ini menunjukkan bahwa automasi berbasis PaddleOCR secara signifikan meningkatkan pemrosesan dokumen, dengan peluang menjanjikan untuk optimasi lebih lanjut dan aplikasi lintas industri
Penelitian ini memperkenalkan sistem ekstraksi data otomatis untuk dokumen faktur bahan bakar pesawat menggunakan PaddleOCR, teknologi pengenalan karakter optik (OCR) berbasis pembelajaran dalam. Sistem ini dirancang untuk mengatasi tantangan ekstraksi informasi dari format dokumen yang kompleks dan tidak terstruktur, yang sebelumnya memerlukan pemrosesan manual yang luas. Untuk meningkatkan kinerja, sistem ini menggabungkan teknik pra-pemrosesan gambar dan metode validasi berbasis kecerdasan buatan, memastikan akurasi yang lebih tinggi dalam mengenali detail spesifik penerbangan seperti identifikasi penerbangan dan data bahan bakar. Evaluasi sistem menunjukkan peningkatan yang signifikan dalam efisiensi...
Kunjungi calendar untuk informasi lainnya.

Leadership Impact on AccountantsAo Competence and AI Adoption Readiness

2026-06-19T22:15:20+07:00

#calendar - Leadership Impact on AccountantsAo Competence and AI Adoption Readiness: Penelitian lanjutan dapat meneliti bagaimana gaya kepemimpinan tertentu (misalnya, kepemimpinan transformatif) mempengaruhi persepsi karyawan terhadap peluang inovasi AI serta dampaknya pada kinerja akuntansi; studi empiris dapat membandingkan sektor akuntansi publik dan swasta untuk mengetahui perbedaan kesiapan dan kompetensi karyawan; penelitian selanjutnya juga dapat mengeksplorasi peran modul pelatihan berbasis gameAcbased learning dalam meningkatkan kompetensi karyawan terhadap penggunaan AI di lingkungan akuntansi Indonesia..
Kepemimpinan memiliki peran krusial tidak hanya secara langsung memengaruhi adopsi AI, tetapi juga melalui peningkatan kompetensi karyawan dan kesiapan organisasi.Kompetensi karyawan dan kesiapan organisasi bertindak sebagai mediator penting yang memperkuat pengaruh kepemimpinan terhadap adopsi AI.Penelitian ini memperkuat pemahaman bahwa transformasi digital di sektor akuntansi Indonesia memerlukan kombinasi kepemimpinan visioner, pengembangan keterampilan tenaga kerja, dan infrastruktur kesiapan organisasi
Tujuan Penelitian. Penelitian ini bertujuan untuk mengeksplorasi bagaimana kepemimpinan memengaruhi kompetensi karyawan dan kesiapan organisasi untuk mengadopsi AI di perusahaan-perusahaan Indonesia dari perspektif akuntan. Metode Penelitian. Penelitian ini mengumpulkan data melalui pengambilan sampel bertujuan. Model diuji menggunakan metodologi PLS-SEM dari 280 akuntan profesional di Indonesia, difasilitasi oleh SmartPLS. Hasil mengungkapkan bahwa kepemimpinan memiliki pengaruh signifikan dalam memengaruhi Kompetensi Karyawan, Kesiapan...
Kunjungi calendar untuk informasi lainnya.

Experimental Web Server Incident Detection Based on Wazuh Snort using SPDLC Method

2026-06-19T22:08:42+07:00

#calendar - Experimental Web Server Incident Detection Based on Wazuh-Snort using SPDLC Method: Untuk penelitian lanjutan, disarankan untuk mengevaluasi secara sistematis peningkatan kapasitas buffer agen Wazuh untuk mengukur peningkatan akurasi deteksi di bawah serangan SYN Flood dengan volume tinggi. Optimasi aturan Snort, seperti mengurangi tingkat kesalahan positif dan memprioritaskan tanda tangan kritis, dapat meningkatkan efisiensi deteksi. Mengerahkan sistem yang diusulkan pada perangkat keras dengan kapasitas lebih tinggi (misalnya, CPU multi-inti dengan I/O lebih cepat dan RAM lebih besar) dapat mengurangi kehilangan paket dan meningkatkan throughput. Eksplorasi pendekatan deteksi hibrida yang menggabungkan Snort berbasis tanda tangan dengan teknik pembelajaran mesin berbasis anomali harus dilakukan untuk mendeteksi serangan zero-day atau serangan dengan frekuensi rendah yang mungkin lolos dari pencocokan tanda tangan. Selain itu, skalabilitas integrasi Wazuh, Snort, dan Telegram harus dievaluasi dalam infrastruktur jaringan cloud yang lebih besar atau jaringan perusahaan dengan ratusan endpoint. Secara keseluruhan, penelitian ini memberikan kontribusi penting dalam merancang dan mengevaluasi sistem deteksi insiden server web yang terintegrasi, dan penelitian lanjutan dapat membangun dan memperluas solusi ini untuk meningkatkan keamanan jaringan secara keseluruhan..
Penelitian ini berhasil merancang dan mengevaluasi sistem deteksi insiden server web yang terintegrasi dengan Wazuh, Snort, dan Telegram menggunakan metode SPDLC.Sistem yang diusulkan diimplementasikan untuk mendeteksi dan merespons dua serangan berbasis jaringan yang umum terhadap server web, yaitu SYN Flood dan Port Scanning.Hasil eksperimen menunjukkan bahwa sistem mampu mendeteksi Port Scanning dengan akurasi 100%, sementara SYN Flood menunjukkan akurasi deteksi yang lebih rendah akibat volume lalu lintas tinggi dan batasan pemrosesan paket yang melekat pada sistem deteksi berbasis tanda tangan.Integrasi Snort dengan Wazuh SIEM memungkinkan korelasi peristiwa terpusat dan visualisasi, memberikan administrator kesadaran situasional yang komprehensif.Evaluasi waktu respons menunjukkan bahwa latensi deteksi antara Snort dan Wazuh tetap dalam rentang milidetik untuk kedua skenario serangan.Selain itu, penggunaan Telegram sebagai mekanisme pemberitahuan memungkinkan pengiriman notifikasi waktu nyata dengan waktu pengiriman rata-rata di bawah dua detik.Hasil ini menunjukkan bahwa sistem yang diusulkan secara efektif mengurangi keterlambatan antara kejadian serangan dan kesadaran administrator, sehingga meningkatkan kesiapan respons insiden.Secara keseluruhan, integrasi deteksi intrusi berbasis jaringan, korelasi SIEM, dan pemberitahuan pesan instan menyediakan solusi praktis dan efisien untuk pemantauan keamanan server web.Penelitian masa depan dapat fokus pada peningkatan kinerja deteksi di bawah kondisi serangan dengan volume tinggi, mengintegrasikan teknik deteksi berbasis anomali, dan mengevaluasi skalabilitas sistem di lingkungan jaringan yang lebih besar dan kompleks
Server web sangat penting tetapi rentan terhadap serangan jaringan seperti SYN Flood dan port scanning. Penelitian ini merancang dan menerapkan sistem deteksi insiden dengan mengintegrasikan Wazuh, Snort (IDS), dan notifikasi Telegram sesuai dengan Siklus Hidup Pengembangan Kebijakan Keamanan (SPDLC). Snort berfungsi sebagai sensor jaringan yang menghasilkan peringatan yang diteruskan ke Wazuh untuk manajemen log terpusat dan korelasi; peringatan kritis dikirimkan ke administrator melalui bot Telegram untuk respons waktu nyata. Lingkungan eksperimental menggunakan mesin virtual yang menampung server Wazuh, IDS Snort, server web, dan node penyerang. Metrik evaluasi mencakup...
Kunjungi calendar untuk informasi lainnya.

Identifying Types of Peanuts Diseases with Naive Bayes Method

2026-06-19T22:04:08+07:00

#calendar - Identifying Types of Peanuts Diseases with Naive Bayes Method: Pertimbangkan melakukan penelitian tentang penerapan sistem pakar berbasis Naive Bayes pada tanaman kedelai di wilayah yang memiliki kondisi iklim berbeda, guna menguji generalisasi model. Selanjutnya, evaluasi kinerja model dengan algoritma lain seperti Random Forest atau Gradient Boosting untuk mengetahui apakah peningkatan akurasi dapat dicapai. Akhirnya, integrasikan data sensor terpasang di ladang yang dapat memberikan input real-time ke sistem, sehingga memungkinkan diagnosis dan rekomendasi intervensi lebih cepat dan akurat..
Sistem pakar berbasis web yang menggunakan algoritma Naive Bayes dapat mengidentifikasi delapan penyakit tanaman kedelai dan 36 gejalanya secara akurat.Hasil perbandingan antara sistem dan perhitungan manual menghasilkan nilai yang identik, dimana penyakit Leaf Rust menjadi paling probable.Penelitian ini menegaskan potensi integrasi teknologi dalam pertanian untuk mendukung petani mengatasi tantangan kesehatan tanaman
Tanaman kedelai umbaginya mudah terkena berbagai faktor yang sangat menghambat produktivitasnya, dengan delapan penyakit utama yang menimbulkan ancaman serius terhadap kesehatannya. Kedelai memiliki peran strategis dalam mendukung ekonomi dan pangan Indonesia. Banyak petani, terutama yang baru memulai budidaya kedelai, tidak memiliki pengetahuan yang cukup untuk mengidentifikasi dan mengelola penyakit ini secara efektif. Penelitian ini mengembangkan sistem pakar berbasis Naive Bayes untuk memudahkan identifikasi...
Kunjungi calendar untuk informasi lainnya.

Implementation of Hand Gesture Recognition as Smart Home Devices Controller

2026-06-19T21:47:47+07:00

#calendar - Implementation of Hand Gesture Recognition as Smart Home Devices Controller: Untuk meningkatkan efisiensi waktu dan energi, sistem kontrol perangkat rumah pintar dapat dikembangkan lebih lanjut dengan mengganti Raspberry Pi 3 Model B sebagai unit komputasi pusat dengan komputer yang lebih cepat. Selain itu, dapat dipertimbangkan untuk tidak menjalankan pengenalan gestur secara real-time, tetapi menyediakan fitur antarmuka untuk mode perekaman gestur, sehingga menghemat konsumsi daya. Implementasi fitur perekaman dan penyimpanan sinyal inframerah dari remote asli juga dapat dilakukan, sehingga memungkinkan emisi sinyal inframerah ketika instruksi tertentu dipanggil. Dengan demikian, penelitian ini dapat ditingkatkan dan memberikan solusi yang lebih efisien dan efektif untuk kontrol perangkat rumah pintar..
Sistem kontrol perangkat rumah pintar yang dikembangkan memiliki waktu respons rata-rata keseluruhan sebesar 7,88 detik dari 10 tes untuk setiap gestur.Waktu respons ini masih terlalu lama jika diterapkan dalam bentuk produk.Waktu respons yang lama ini disebabkan oleh keterbatasan komputasi Raspberry Pi 3 Model B dalam menangani gambar dan menginferensinya ke dalam model pengenalan gestur.Oleh karena itu, penelitian ini belum dapat mengatasi masalah efisiensi waktu dan energi yang diidentifikasi dalam penelitian sebelumnya.Namun, penelitian ini memiliki potensi untuk ditingkatkan dan dapat mengatasi masalah ini dengan mengganti unit komputasi pusat dengan komputer kecil lain yang memiliki kecepatan komputasi lebih tinggi
Beberapa produk asisten virtual saat ini seperti Alexa, Siri, dan Google Home memfasilitasi fitur untuk mengendalikan perangkat rumah pintar melalui masukan suara, yang semakin populer dalam beberapa tahun terakhir. Selain masukan suara, perangkat rumah pintar juga dapat dipantau dan dikendalikan melalui smartphone atau komputer menggunakan aplikasi yang memberikan fleksibilitas kepada pengguna. Namun, kedua sistem kontrol tersebut kurang efisien, karena mengonsumsi waktu dan masukan suara mungkin tidak selalu diakui dalam kondisi ramai. Oleh karena itu, penelitian...
Kunjungi calendar untuk informasi lainnya.

Tax Avoidance Reputational Mask and Board Influence

2026-06-19T21:41:30+07:00

#calendar - Tax Avoidance: Reputational Mask and Board Influence: Untuk penelitian lanjutan, disarankan untuk melakukan studi komparatif antara sektor makanan dan minuman dengan sektor lainnya di Indonesia, serta membandingkan praktik penghindaran pajak di negara-negara berkembang dengan negara-negara maju. Selain itu, penelitian dapat fokus pada pengaruh karakteristik dewan direksi yang lebih luas, seperti keanekaragaman gender dan pengalaman profesional, terhadap praktik penghindaran pajak. Penelitian juga dapat mengeksplorasi peran dan pengaruh investor institusi dalam mendorong atau menghambat praktik penghindaran pajak, serta bagaimana hal ini dapat memengaruhi strategi perencanaan pajak korporasi. Dengan demikian, penelitian lanjutan dapat memberikan kontribusi lebih dalam memahami faktor-faktor yang memengaruhi praktik penghindaran pajak dan mempromosikan praktik korporat yang bertanggung jawab..
Overall, the literature converges on the notion that companies are increasingly recognizing and responding to the dual pressures of tax management and reputational risk.As firms navigate the complexities of stakeholder expectations and corporate governance, the emphasis on maintaining a strong reputation is likely to outweigh the short-term financial benefits gained from tax avoidance strategies.Furthermore, the study advances theoretical understanding by illustrating how context-specific factors interact with corporate governance and disclosure practices to shape tax avoidance behavior.It highlights the need for future research to incorporate institutional, cultural, and industry-level variables when applying general theories such as legitimacy and upper-echelon perspectives in emerging markets
Tujuan Penelitian. Penelitian ini mengkaji hubungan antara pengungkapan laporan keberlanjutan, keahlian keuangan dewan direksi, dan praktik penghindaran pajak di sektor makanan dan minuman Indonesia yang terdaftar di IDX. Metode Penelitian. Penelitian ini menggunakan analisis regresi panel dengan memanfaatkan data sekunder dari perusahaan makanan dan minuman yang terdaftar di IDX, yang meliputi laporan tahunan, laporan keberlanjutan, serta latar belakang para direktur dari 2021 hingga 2023. Hasil Penelitian dan Temuan Penelitian. Temuan menunjukkan bahwa pengungkapan pelaporan keberlanjutan memiliki efek negatif yang signifikan terhadap penghindaran pajak. Hal ini menunjukkan bahwa perusahaan dengan tingkat...
Kunjungi calendar untuk informasi lainnya.

Comparative Analysis of Large Red Chili Price Forecasting Models in Malang Regency Using Long Short Term Memory LSTM and Autoregressive Integrated Moving Average ARIMA

2026-06-19T21:34:25+07:00

#calendar - Comparative Analysis of Large Red Chili Price Forecasting Models in Malang Regency Using Long Short-Term Memory (LSTM) and Autoregressive Integrated Moving Average (ARIMA): Untuk penelitian lanjutan, disarankan untuk melakukan analisis komparatif yang lebih mendalam antara LSTM dan ARIMA dengan mempertimbangkan berbagai faktor seperti ukuran dataset, kompleksitas pola data, dan ketersediaan sumber daya komputasi. Selain itu, penelitian dapat dilakukan untuk mengoptimalkan parameter LSTM dan ARIMA secara lebih spesifik untuk data cabai merah besar, dengan mempertimbangkan faktor-faktor seperti musim panen, cuaca, dan dinamika pasar. Selain itu, penelitian dapat dilakukan untuk mengintegrasikan model LSTM dan ARIMA dengan metode lain seperti eksplorasi data, analisis sentimen, atau teknik pengolahan data yang lebih canggih untuk meningkatkan akurasi peramalan harga cabai merah besar. Dengan demikian, penelitian lanjutan dapat memberikan wawasan yang lebih komprehensif tentang model peramalan harga yang optimal untuk komoditas strategis seperti cabai merah besar..
Berdasarkan hasil penelitian, model LSTM dan ARIMA berhasil dikembangkan untuk meramalkan harga cabai merah besar di Kabupaten Malang menggunakan data seri waktu dari tahun 2022 hingga Agustus 2024.Model LSTM dibangun melalui pra-pengolahan data dengan MinMaxScaler, pemisahan data menjadi 80% pelatihan dan 20% pengujian, serta optimasi parameter menggunakan Grid Search.Konfigurasi terbaik yang diperoleh terdiri dari 150 unit pada setiap lapisan LSTM dan tingkat dropout 0,2, dengan nilai loss terendah tercatat 0,00150.Hasil evaluasi menunjukkan bahwa model LSTM mencapai RMSE 2,326 dan MAPE 3,65%, yang menunjukkan kemampuan model dalam menangkap pola non-linear dan fluktuasi harga dengan akurasi tinggi.Sementara itu, model ARIMA dikembangkan menggunakan pendekatan statistik melalui analisis stasioneritas dengan uji ADF, transformasi data melalui diferensiasi, dan pemilihan parameter optimal menggunakan Grid Search dengan auto ARIMA.Model ARIMA terbaik yang diidentifikasi adalah ARIMA (4,1,3), dengan nilai AIC terendah 14159.Hasil evaluasi menunjukkan bahwa model ARIMA juga tampil baik, dengan RMSE 2,455 dan MAPE 3,80%, yang menunjukkan kemampuan model dalam menangkap pola linier dalam data historis, meskipun kurang efektif dalam mengidentifikasi pola non-linear atau fluktuasi harga yang lebih kompleks.Hasil evaluasi perbandingan menunjukkan bahwa LSTM lebih unggul daripada ARIMA, seperti yang ditunjukkan oleh nilai RMSE dan MAPE yang lebih rendah, sehingga lebih efektif dalam menangkap pola kompleks dan perubahan harga yang fluktuatif.Namun, perbedaan antara kedua model tidak signifikan, yang menunjukkan bahwa baik LSTM maupun ARIMA menunjukkan kemampuan prediktif yang kuat meskipun menggunakan pendekatan yang berbeda.LSTM lebih cocok untuk data dengan pola dinamis dan fluktuatif, sedangkan ARIMA tetap menjadi metode yang andal untuk data dengan pola yang lebih stabil.Oleh karena itu, dalam konteks meramalkan harga cabai merah besar di Kabupaten Malang, LSTM dapat dianggap sebagai model utama, sedangkan ARIMA dapat berfungsi sebagai patokan atau model alternatif dalam analisis data seri waktu
Cabai merah besar merupakan komoditas pangan strategis dengan permintaan tinggi, namun harganya sering mengalami fluktuasi akibat faktor cuaca, musim panen, dan dinamika pasar. Di Kabupaten Malang, fluktuasi ini berdampak pada inflasi dan stabilitas ekonomi, sehingga diperlukan model peramalan harga yang akurat untuk mendukung pengambilan keputusan. Penelitian ini bertujuan mengembangkan model peramalan harga menggunakan metode Long Short-Term Memory (LSTM) dan Autoregressive Integrated Moving Average (ARIMA), serta membandingkan kinerjanya menggunakan data seri waktu harian harga cabai merah besar dari Januari 2022 hingga Agustus 2024, yang diperoleh dari Kantor Perwakilan Bank Indonesia di Malang. Data mengalami pra-pengolahan, di mana data LSTM ditransformasi menggunakan MinMaxScaler, sedangkan data...
Kunjungi calendar untuk informasi lainnya.

Thesis Defense Scheduling Optimization Using Harris Hawk Optimization

2026-06-19T21:30:44+07:00

#calendar - Thesis Defense Scheduling Optimization Using Harris Hawk Optimization: Untuk penelitian lanjutan, disarankan untuk mengeksplorasi dan mengembangkan lebih lanjut penggunaan algoritma Harris Hawk Optimization (HHO) dalam berbagai konteks penjadwalan. Pertama, penelitian dapat berfokus pada penerapan HHO untuk penjadwalan kelas atau kegiatan akademik lainnya di institusi pendidikan tinggi, dengan mempertimbangkan berbagai batasan dan preferensi yang unik. Kedua, penelitian dapat menyelidiki bagaimana HHO dapat diadaptasi untuk menangani masalah penjadwalan yang lebih kompleks, seperti penjadwalan sumber daya dalam industri manufaktur atau logistik. Ketiga, penelitian dapat mengeksplorasi integrasi HHO dengan teknik-teknik penjadwalan lainnya, seperti algoritma genetika atau algoritma koloni semut, untuk meningkatkan kinerja dan ketepatan penjadwalan..
Penjadwalan sidang tugas akhir di Institut Sains dan Teknologi Terpadu Surabaya (ISTTS) menggunakan metode Harris Hawk Optimization (HHO) berhasil menghasilkan jadwal dengan tingkat pelanggaran Batasan Keras kurang dari 10%.HHO terbukti sebagai pendekatan efektif untuk menyelesaikan masalah penjadwalan waktu yang terintegrasi, terutama karena fase eksplorasi dan eksploitasi, serta mekanisme transisi fase-nya.Percobaan menunjukkan bahwa HHO dapat menjadwalkan sekitar 90% kandidat tanpa pelanggaran.Selain itu, implementasi multiprocessing pada algoritma HHO, khususnya dalam proses perhitungan kebugaran, meningkatkan kecepatan algoritma dengan mengurangi waktu eksekusi hingga 39%
Penelitian ini membahas bagaimana algoritma Harris Hawk Optimization (HHO) menangani masalah penjadwalan. Penjadwalan sidang tugas akhir di Institut Sains dan Teknologi Terpadu Surabaya (ISTTS) merupakan masalah kompleks karena melibatkan ketersediaan dosen, jadwal mengajar/ujian, preferensi dosen, dan ketersediaan ruang dan waktu yang terbatas. Batasan penjadwalan dalam penelitian ini dibagi menjadi dua kategori: Batasan Keras dan Batasan Lunak. Batasan Keras harus dipatuhi, termasuk ketersediaan masing-masing dosen, konflik, dan jadwal ujian atau mengajar yang sudah ada. Batasan Lunak, seperti preferensi hari atau ruang tertentu untuk...
Kunjungi calendar untuk informasi lainnya.

Control Systems and Goal Orientation in Eco Design Performance

2026-06-19T21:12:17+07:00

#calendar - Control Systems and Goal Orientation in Eco-Design Performance: Berdasarkan hasil penelitian, berikut adalah beberapa saran penelitian lanjutan: Pertama, perlu dilakukan penelitian lebih lanjut untuk mengidentifikasi faktor-faktor lain yang dapat mempengaruhi kinerja eco-friendly design, seperti budaya organisasi, kepemimpinan, dan motivasi karyawan. Kedua, penelitian dapat dilakukan untuk mengeksplorasi dampak jangka panjang dari keselarasan antara sistem pengendalian manajemen dan orientasi tujuan individu terhadap kinerja eco-friendly design. Ketiga, penelitian dapat dilakukan untuk menganalisis dampak interaksi antara sistem pengendalian manajemen dan orientasi tujuan individu terhadap kinerja eco-friendly design dalam konteks organisasi yang berbeda, seperti industri manufaktur, jasa, atau teknologi..
Hasil penelitian menunjukkan bahwa tidak ada pengaruh utama yang signifikan dari Management Control Systems (MCS), Learning Orientation (LO), atau Performance-Prove Orientation (PPO) secara individual terhadap kinerja eco-friendly design.Namun, ditemukan interaksi tiga arah yang signifikan antara ketiga variabel tersebut.Kinerja eco-design tertinggi muncul ketika Interactive MCS selaras dengan LO rendah dan PPO rendah, serta ketika Diagnostic MCS selaras dengan LO tinggi dan PPO rendah.Ketika PPO tinggi, perbedaan antar kondisi menjadi minimal.Penelitian ini memberikan implikasi bagi literatur akuntansi perilaku dan praktik manajerial, menekankan pentingnya keselarasan antara sistem pengendalian manajemen dan orientasi tujuan individu dalam mendukung eco-design
Penelitian ini bertujuan untuk menguji bagaimana Management Control Systems (MCS), Learning Orientation (LO), dan Performance-Prove Orientation (PPO) memengaruhi kinerja eco-friendly design, serta apakah keselarasan di antara ketiganya dapat meningkatkan hasil yang berfokus pada keberlanjutan. Penelitian ini menggunakan desain eksperimen faktorial 2x2x2 dengan tugas eco-design berbasis LEGO yang melibatkan 117 mahasiswa akuntansi. Partisipan ditempatkan dalam kondisi MCS Diagnostic atau Interactive dan diberikan skenario pemicu untuk Learning Orientation (LO) dan Performance-Prove Orientation (PPO). Data dianalisis menggunakan ANOVA dengan bantuan SPSS. Hasil menunjukkan bahwa tidak terdapat pengaruh utama yang signifikan dari MCS, LO, maupun PPO secara individual. Namun, ditemukan interaksi tiga arah yang signifikan. Kinerja eco-design tertinggi muncul ketika Interactive...
Kunjungi calendar untuk informasi lainnya.