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

Optimalisasi Minat Baca Anak Melalui Program Gerakan Literasi Membaca GELIGA

2026-09-04T12:39:11+07:00

#calendar - Optimalisasi Minat Baca Anak Melalui Program Gerakan Literasi Membaca (GELIGA): Melihat dampak positif yang signifikan dari program Gerakan Literasi Membaca (GELIGA) terhadap minat dan kebiasaan membaca anak, penelitian lanjutan sangat krusial untuk memperdalam pemahaman serta memperluas jangkauan keberhasilan program ini. Pertama, perlu adanya studi yang lebih ekstensif untuk menyelidiki bagaimana keberlanjutan dampak positif GELIGA dapat dijamin dalam jangka panjang. Penelitian dapat berfokus pada pengembangan model integrasi program literasi ini ke dalam kurikulum sekolah formal atau melalui program pelibatan orang tua yang lebih sistematis dan intensif di rumah, sehingga budaya membaca tidak hanya muncul sesaat tetapi menjadi bagian tak terpisahkan dari tumbuh kembang anak. Kedua, akan sangat bermanfaat jika dilakukan studi komparatif untuk menguji efektivitas program GELIGA di berbagai konteks lingkungan, tidak hanya di pedesaan seperti Kemuning, tetapi juga di daerah perkotaan atau wilayah dengan tantangan akses literasi yang berbeda. Analisis ini dapat mengidentifikasi faktor-faktor sosio-ekonomi, ketersediaan fasilitas bacaan, serta tingkat paparan teknologi digital yang mungkin memengaruhi keberhasilan program, sehingga modifikasi dan adaptasi yang tepat dapat dirancang. Ketiga, melampaui peningkatan minat baca dasar, penelitian di masa depan dapat mengeksplorasi bagaimana program seperti GELIGA bisa dikembangkan untuk tidak hanya menumbuhkan kecintaan membaca, tetapi juga untuk meningkatkan keterampilan literasi tingkat lanjut pada anak. Hal ini mencakup kemampuan berpikir kritis dalam menganalisis informasi, menumbuhkan penalaran analitis dari bacaan, serta mendorong kemampuan menulis kreatif, yang semuanya merupakan pilar penting dalam menghadapi tantangan pendidikan dan kehidupan di masa depan..
Program Gerakan Literasi Membaca (GELIGA) Anak di Kemuning, Desa Banyu Urip, Gerung pada April 2026 berhasil meningkatkan minat dan partisipasi 23 siswa dalam kegiatan literasi.Pelaksanaan program menciptakan suasana belajar yang menyenangkan, menjadikan anak lebih antusias, aktif, dan percaya diri dalam membaca serta memahami isi bacaan.Melalui pendampingan langsung, program GELIGA secara efektif menumbuhkan budaya dan kebiasaan membaca sejak dini, sehingga sangat penting untuk dilaksanakan secara berkelanjutan demi peningkatan kualitas pendidikan masyarakat
Gerakan Literasi Membaca (GELIGA) Anak merupakan salah satu bentuk kegiatan pengabdian masyarakat yang bertujuan meningkatkan minat membaca anak sejak dini. Kegiatan ini dilatarbelakangi oleh rendahnya budaya literasi membaca pada anak-anak di lingkungan masyarakat, khususnya di wilayah Kemuning, Desa Banyu Urip, Kecamatan Gerung. Pengabdian ini dilaksanakan pada bulan April 2026 dengan melibatkan 23 siswa sebagai peserta kegiatan. Metode yang digunakan dalam kegiatan ini adalah pendampingan partisipatif melalui kegiatan membaca bersama, pendampingan membaca, permainan edukatif, dan pemberian motivasi belajar. Hasil kegiatan menunjukkan...
Kunjungi calendar untuk informasi lainnya.

Transformation of Madrasah Education Management The Implementation of Performance Based Planning and Budgeting Policies

2026-09-04T11:36:06+07:00

#calendar - Transformation of Madrasah Education Management: The Implementation of Performance-Based Planning and Budgeting Policies: Untuk penelitian lanjutan, disarankan untuk fokus pada pengembangan sumber daya manusia, khususnya dalam hal literasi digital dan kompetensi teknis, untuk memastikan implementasi optimal EDM dan e-RKAM. Selain itu, perlu ada upaya untuk meningkatkan infrastruktur digital, terutama di daerah terpencil atau kurang berkembang, untuk mendukung penggunaan sistem online secara konsisten. Budaya organisasi juga harus diperhatikan, dengan upaya untuk mengubah persepsi EDM sebagai beban administratif menjadi alat strategis untuk peningkatan kualitas. Dengan demikian, kualitas data yang lebih baik dapat dicapai, dan keputusan perencanaan dan penganggaran yang lebih akurat dapat diambil dalam e-RKAM. Selain itu, penelitian dapat dilakukan untuk mengeksplorasi dampak EDM dan e-RKAM pada kualitas pendidikan madrasah secara keseluruhan, termasuk analisis tentang bagaimana sistem ini dapat meningkatkan kinerja akademik siswa dan bagaimana mereka dapat digunakan untuk meningkatkan keterlibatan dan partisipasi siswa dalam proses belajar. Akhirnya, penelitian dapat dilakukan untuk mengevaluasi efektivitas sistem ini dalam konteks madrasah yang berbeda, seperti madrasah di daerah perkotaan dan pedesaan, untuk memahami tantangan dan peluang yang unik dalam implementasi EDM dan e-RKAM di berbagai lingkungan..
EDM dan e-RKAM adalah dua instrumen yang memainkan peran strategis dalam mengubah manajemen pendidikan madrasah.EDM menyediakan peta kualitas yang akurat, sedangkan e-RKAM berfungsi sebagai alat perencanaan dan pengelolaan anggaran berdasarkan kebutuhan yang diidentifikasi.Integrasi mereka menciptakan siklus manajemen yang lebih efektif, dapat diukur, dan transparan.Dari perspektif manajemen pendidikan Islam, implementasi EDM dan e-RKAM mencerminkan nilai-nilai amanah (kepercayaan) dan akuntabilitas.Namun, implementasi yang berhasil ditentukan bukan hanya oleh instrumen itu sendiri, tetapi juga oleh kesiapan sumber daya manusia, komitmen kepemimpinan, dan ketersediaan infrastruktur digital yang memadai.Dengan penguatan dan dukungan yang berkelanjutan, EDM dan e-RKAM memiliki potensi yang signifikan untuk menjadi fondasi baru untuk manajemen pendidikan madrasah modern, didorong data, dan berorientasi kualitas
Tujuan penelitian ini adalah untuk menyelidiki peran Evaluasi Diri Madrasah (EDM) dan Rencana Kerja dan Anggaran Madrasah (e-RKAM) dalam transformasi manajemen pendidikan madrasah melalui implementasi kebijakan perencanaan dan penganggaran berbasis kinerja. Penelitian ini didasarkan pada permintaan yang meningkat untuk tata kelola yang didorong data, transparan, dan akuntabel untuk meningkatkan kualitas pendidikan madrasah.
Kunjungi calendar untuk informasi lainnya.

Perbandingan Kinerja SVR dan XGBoost untuk Peramalan Emisi COyAoAo Global berbasis Machine Learning

2026-09-04T11:29:44+07:00

#calendar - Perbandingan Kinerja SVR dan XGBoost untuk Peramalan Emisi COyAoAo Global berbasis Machine Learning: Berdasarkan hasil penelitian, berikut adalah saran-saran penelitian lanjutan yang dapat dilakukan: Pertama, perlu dilakukan analisis lebih lanjut mengenai faktor-faktor yang mempengaruhi emisi COCC global, seperti kebijakan energi dan gangguan ekonomi, untuk memahami dinamika emisi secara lebih mendalam. Kedua, penelitian dapat fokus pada pengembangan model XGBoost yang lebih canggih, seperti menggunakan teknik ensemble atau deep learning, untuk meningkatkan akurasi dan kemampuan generalisasi model dalam memprediksi emisi COCC. Ketiga, penelitian dapat mengeksplorasi penggunaan data spasial dan temporal yang lebih detail, seperti data resolusi tinggi atau data satelit, untuk meningkatkan kualitas data input dan akurasi prediksi. Dengan demikian, penelitian lanjutan dapat memberikan kontribusi yang lebih besar dalam upaya mitigasi perubahan iklim dan peramalan emisi COCC secara global..
Penelitian ini menunjukkan bahwa model XGBoost memiliki performa yang lebih baik dibandingkan Support Vector Regression (SVR) dalam meramalkan emisi COCC global.Hal ini dibuktikan dari nilai MAE dan RMSE yang lebih rendah serta RA yang lebih tinggi, yang mengindikasikan akurasi dan kemampuan generalisasi XGBoost yang lebih unggul.Selain itu, XGBoost mampu mengikuti pola tren dan fluktuasi data aktual dengan lebih baik, sementara SVR cenderung kurang responsif terhadap perubahan tajam meskipun telah dioptimasi dengan Grid Search.Mengingat kompleksitas dan sifat non-linear data emisi COCC, XGBoost direkomendasikan sebagai metode yang lebih efektif dan efisien untuk peramalan dalam penelitian ini
Peningkatan emisi karbon dioksida (COCC) secara global telah menjadi perhatian utama dalam studi perubahan iklim. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning, yaitu Support Vector Regression (SVR) dan XGBoost, dalam memprediksi tren emisi COCC global berdasarkan data historis. Dataset yang digunakan mencakup variabel terkait seperti konsumsi energi, produk domestik bruto (PDB), dan populasi, yang diperoleh dari sumber data terbuka seperti Our World in Data. SVR dioptimasi melalui...
Kunjungi calendar untuk informasi lainnya.

Perbandingan Metode Reduksi Noise pada Citra Digital Berbasis Website

2026-09-04T11:29:44+07:00

#calendar - Perbandingan Metode Reduksi Noise pada Citra Digital Berbasis Website: Penelitian lanjutan dapat fokus pada pengembangan ukuran kernel filter median untuk meningkatkan efektivitasnya dalam menangani berbagai jenis noise. Selain itu, integrasi teknik deep learning seperti BM3D atau Non-Local Means (NLM) dengan metode tradisional seperti filter median bisa menjadi arah penelitian yang menarik untuk mengoptimalkan kualitas citra. Terakhir, eksplorasi kombinasi unik antara filter median dan algoritma berbasis AI untuk menangani noise kompleks dalam dataset yang lebih besar dan beragam juga layak diteliti..
Berdasarkan pengujian terhadap 20 citra wajah dengan tiga jenis noise (salt and pepper, gaussian, dan speckle) menggunakan tiga metode filter (median, gaussian, dan bilateral) serta kombinasinya, diperoleh bahwa Median Filter memberikan hasil paling optimal dalam mereduksi noise pada citra digital.Filter ini menghasilkan nilai MSE terendah dan PSNR tertinggi dibandingkan metode lainnya, menunjukkan kualitas citra hasil perbaikan yang paling mendekati citra asli.Metode ini masih dapat dikembangkan dengan menguji variasi ukuran kernel, seperti 5y5 atau 7y7, serta mengombinasikannya dengan pendekatan modern berbasis deep learning, seperti BM3D atau Non-Local Means (NLM), guna meningkatkan efektivitas reduksi noise pada dataset yang lebih beragam
Citra digital memiliki peran penting dalam penyampaian informasi visual, namun kualitasnya sering menurun akibat gangguan berupa noise. Penelitian ini membahas tiga jenis noise utama, yaitu salt and pepper, gaussian, dan speckle, yang direduksi menggunakan tiga metode filter, yaitu median, gaussian, dan bilateral. Pengujian dilakukan dengan menerapkan setiap filter terhadap citra uji yang terkontaminasi berbagai jenis noise untuk mengevaluasi performa berdasarkan nilai Mean Squared Error (MSE) dan Peak Signal-to-Noise Ratio (PSNR). Hasil menunjukkan bahwa filter median secara konsisten memberikan performa terbaik pada ketiga jenis noise, dengan nilai MSE terendah sebesar 7,007 dan PSNR tertinggi 39,675 dB pada noise salt and pepper, MSE 72,046 dan PSNR 29,554 dB pada noise gaussian, serta MSE 60,917 dan PSNR 30,283...
Kunjungi calendar untuk informasi lainnya.

Pendekatan Hibrida Statistik dan Machine Learning untuk Peramalan Jumlah Kunjungan Turis

2026-09-04T11:29:44+07:00

#calendar - Pendekatan Hibrida Statistik dan Machine Learning untuk Peramalan Jumlah Kunjungan Turis: Penelitian lanjutan dapat menggabungkan deep learning seperti LSTM/GRU dengan model boosting (XGBoost, LightGBM) untuk meningkatkan adaptasi terhadap perubahan pola data yang kompleks. Selain itu, pengembangan model dengan dynamic weighting yang menyesuaikan bobot berdasarkan fluktuasi data secara real-time bisa menjadi arah studi baru. Terakhir, mempertimbangkan faktor eksternal seperti indikator ekonomi atau data media sosial dalam peramalan dapat memberikan wawasan lebih luas tentang pengaruh variabel luar terhadap kunjungan turis..
Hasil evaluasi menunjukkan bahwa Stacking Hybrid konsisten memberikan nilai RMSE terendah pada seluruh negara (Malaysia, Singapore, Other Asia, China, Australia).Model ini mampu mengombinasikan keunggulan ARIMA, Random Forest, dan XGBoost sehingga menghasilkan prediksi yang lebih akurat dibandingkan model individu maupun hybrid berbobot.Dengan demikian, Stacking Hybrid direkomendasikan sebagai model terbaik untuk peramalan jumlah kunjungan wisatawan.Rekomendasi penelitian selanjutnya adalah mengembangkan model hybrid yang lebih adaptif, misalnya mengombinasikan deep learning (LSTM/GRU) dengan boosting models (XGBoost, LightGBM), atau menerapkan dynamic weighting yang dapat menyesuaikan bobot model seiring perubahan pola data.Hal ini diharapkan mampu mengatasi ketidakstabilan pola kunjungan turis akibat faktor eksternal di masa depan
Peramalan jumlah kunjungan turis merupakan salah satu aspek penting dalam perencanaan dan pengambilan keputusan di sektor pariwisata. Ketepatan prediksi sangat dibutuhkan untuk mengantisipasi lonjakan atau penurunan kunjungan, merancang strategi pemasaran, serta mengelola sumber daya secara efisien. Penelitian ini mengusulkan pendekatan Hybrid yang mengintegrasikan metode statistik tradisional dengan algoritma machine learning untuk meningkatkan kinerja peramalan jumlah kunjungan turis. Lima jenis model peramalan diterapkan, yaitu ARIMA sebagai representasi model statistik tradisional, Random Forest dan Extreme Gradient Boosting (XGBoost) sebagai model machine learning, Hybrid model sederhana yang menggabungkan prediksi ARIMA dan XGBoost...
Kunjungi calendar untuk informasi lainnya.

Desain Sistem Gamifikasi Digital Berbasis Octalysis dan MDA Framework untuk Promosi Pariwisata Kota Surakarta

2026-09-04T11:29:44+07:00

#calendar - Desain Sistem Gamifikasi Digital Berbasis Octalysis dan MDA Framework untuk Promosi Pariwisata Kota Surakarta: Untuk penelitian lanjutan, dapat dilakukan implementasi dan pengujian skala luas dari sistem gamifikasi digital yang dirancang. Hal ini akan memberikan validasi empiris terhadap potensi sistem dalam meningkatkan interaksi wisatawan dan daya saing pariwisata. Selain itu, penelitian dapat dikembangkan lebih lanjut dengan mengintegrasikan fitur augmented reality dan personalisasi berbasis preferensi, yang dapat meningkatkan pengalaman wisatawan secara signifikan. Terakhir, penelitian dapat fokus pada dampak jangka panjang dari sistem gamifikasi terhadap perilaku wisatawan, seperti peningkatan durasi kunjungan dan distribusi manfaat ekonomi di ekosistem pariwisata..
Rancangan sistem menunjukkan potensi untuk meningkatkan interaksi wisatawan dan keterhubungan antar destinasi, meskipun masih perlu dilakukan uji implementasi skala luas untuk validasi empiris.Desain antarmuka yang dihasilkan, meliputi halaman beranda, peta destinasi, detail misi, check-in, dan leaderboard, mampu mengakomodasi aspek Mechanics, Dynamics, and Aesthetics (MDA).Hal ini memperlihatkan bahwa rancangan tidak hanya menyediakan sistem reward berupa poin dan badge, tetapi juga membangun pengalaman emosional yang berkesan bagi wisatawan.Temuan ini berimplikasi pada strategi promosi pariwisata yang lebih interaktif dan partisipatif, dengan potensi memperpanjang length of stay wisatawan serta meningkatkan daya saing pariwisata Kota Surakarta.Kontribusi utama penelitian ini terletak pada pengembangan model gamifikasi yang menggabungkan pendekatan psikologis dan desain permainan ke dalam promosi pariwisata berbasis budaya lokal.Meskipun masih terbatas pada tahap rancangan dan mockup, penelitian ini membuka arah baru bagi pengembangan aplikasi promosi pariwisata digital yang dapat diuji secara empiris, diimplementasikan dalam bentuk aplikasi web atau mobile, dan diperluas dengan fitur lanjutan seperti augmented reality maupun personalisasi berbasis preferensi.Dengan demikian, penelitian ini memberikan landasan konseptual sekaligus arah praktis bagi pemanfaatan gamifikasi dalam mendukung keberlanjutan industri pariwisata daerah
Pariwisata memiliki peran strategis dalam mendorong pertumbuhan ekonomi lokal dan pelestarian budaya. Namun, Kota Surakarta masih menghadapi tantangan berupa rendahnya durasi kunjungan wisatawan (length of stay) serta kurangnya keterhubungan antar destinasi. Penelitian ini bertujuan merancang strategi gamifikasi digital sebagai pendekatan inovatif untuk meningkatkan daya saing pariwisata daerah. Metode penelitian yang digunakan adalah mixed methods, yaitu kombinasi kualitatif dan kuantitatif. Data dikumpulkan melalui observasi lapangan, wawancara dengan pemangku kepentingan pariwisata, penyebaran survei kepada wisatawan, serta uji coba aplikasi gamifikasi berbasis web atau mobile. Analisis...
Kunjungi calendar untuk informasi lainnya.

Implementasi Support Vector Machine dan Resampling dalam Analisis Ulasan Pengguna Google Maps

2026-09-04T11:29:44+07:00

#calendar - Implementasi Support Vector Machine dan Resampling dalam Analisis Ulasan Pengguna Google Maps: Untuk penelitian lanjutan, disarankan untuk memperluas jumlah dataset khususnya pada kelas netral agar distribusi data lebih seimbang. Penerapan teknik resampling lanjutan seperti SMOTE atau ADASYN dapat meningkatkan performa pada kelas minoritas. Selain itu, mengeksplorasi model lain seperti Random Forest, XGBoost, atau Deep Learning (CNN/LSTM) sebagai pembanding kinerja dengan SVM. Pendekatan semantik berbasis word embeddings seperti Word2Vec, GloVe, atau BERT dapat dipertimbangkan untuk meningkatkan pemahaman konteks kata dalam analisis. Pengembangan penelitian ini dapat dilakukan dalam bentuk aplikasi praktis berbasis web atau mobile yang mampu melakukan analisis sentimen secara real-time, sehingga hasilnya dapat dimanfaatkan secara langsung untuk mendukung pengambilan keputusan..
Penelitian ini membuktikan bahwa model SVM dengan penerapan teknik resampling mampu memberikan kinerja yang cukup baik dalam analisis sentimen ulasan pengguna Google Maps.Model yang dibangun berhasil mencapai akurasi sebesar 81% dengan nilai presisi rata-rata tertimbang 0,79, recall 0,81, dan F1-score 0,76.Hasil ini menunjukkan bahwa SVM sangat andal dalam mengenali sentimen positif, cukup moderat dalam mengenali sentimen negatif, namun masih lemah dalam mengklasifikasikan sentimen netral akibat keterbatasan jumlah data.Analisis WordCloud turut menguatkan temuan tersebut, di mana ulasan positif didominasi oleh kata-kata bernuansa apresiasi, ulasan negatif banyak memuat keluhan terkait fungsi aplikasi maupun pembaruan, sedangkan ulasan netral lebih menekankan deskripsi atau permintaan yang informatif
Perkembangan teknologi informasi mendorong meningkatnya penggunaan layanan digital seperti Google Maps, yang bukan sekadar berperan sebagai sarana penunjuk arah, melainkan juga menjadi wadah bagi pengguna dalam menyampaikan ulasan. Ulasan tersebut menjadi sumber data penting dalam analisis sentimen, namun sering kali tidak terstruktur dan mengandung noise. Penelitian ini mempunyai tujuan untuk melakukan analisis menggunakan model Support Vector Machine (SVM) dengan penerapan teknik resampling untuk mengatasi masalah ketidakseimbangan data terhadap sentiment ulasan terhadap applikasi Google Maps. Data penelitian sebanyak 1.000 ulasan yang paling baru didapatkan dengan teknik scraping, yang kemudian...
Kunjungi calendar untuk informasi lainnya.

Aplikasi Augmented Reality interaktif untuk Informasi Denah PPM Ar Royyaan Yogyakarta dengan Metode MDLC

2026-09-04T11:29:44+07:00

#calendar - Aplikasi Augmented Reality interaktif untuk Informasi Denah PPM Ar-Royyaan Yogyakarta dengan Metode MDLC: Penelitian lanjutan dapat fokus pada pengembangan fitur interaksi 3D yang lebih kompleks, seperti manipulasi objek virtual secara real-time atau integrasi AI untuk memberikan informasi kontekstual berdasarkan lokasi pengguna. Selain itu, peneliti dapat mengeksplorasi penerapan teknologi AR di lingkungan pendidikan Islam lainnya, seperti madrasah atau pesantren modern di kota besar, untuk membandingkan efektivitasnya. Penelitian juga bisa menggabungkan metode MDLC dengan pendekatan desain berbasis pengguna (user-centered design) agar aplikasi lebih sesuai dengan kebutuhan pengguna akhir. Selain itu, pengembangan sistem yang mampu menyimpan data pengguna untuk memberikan rekomendasi personalisasi terhadap informasi yang relevan juga bisa menjadi arah studi baru. Penelitian lanjutan juga bisa mengevaluasi dampak jangka panjang penggunaan aplikasi AR terhadap pemahaman spasial dan navigasi pesantren bagi pengguna, terutama bagi santri baru. Selain itu, penggunaan teknologi AR untuk menyampaikan konten edukasi keagamaan atau sejarah pesantren dalam bentuk interaktif juga layak dieksplorasi. Peneliti dapat mempertimbangkan integrasi data real-time dari sensor lingkungan untuk meningkatkan akurasi visualisasi. Penelitian juga bisa mengkaji keterlibatan pengguna dalam penggunaan aplikasi melalui metode analisis perilaku pengguna (user behavior analysis). Selain itu, pengembangan modul pelatihan penggunaan aplikasi AR untuk masyarakat umum dan santri baru juga bisa menjadi arah studi yang relevan. Terakhir, penelitian lanjutan dapat mengeksplorasi penggunaan AR untuk simulasi kegiatan rutin pesantren, seperti salat berjamaah atau acara keagamaan, sebagai alat edukasi interaktif..
Hasil dari penelitian menciptakan sebuah aplikasi AR berbasis Android dengan menampilkan bangunan 3D Pondok Ar-Royyaan Yogyakarta.Aplikasi AR dirancang untuk mempermudah calon santri, maupun masyarakat dalam mengenal dan memahami struktur bangunan pondok pesantren secara lebih interaktif melalui visualisasi 3D.Penerapan metode MDLC dalam pengembangan aplikasi AR membantu memberikan kerangka kerja yang terstruktur untuk menghasilkan produk yang fungsional dan interaktif.Hal itu didukung dan dibuktikan dengan melihat hasil dari bagian distribusi dengan memberikan uji coba pengguna aplikasi AR dan memberikan kuisioner dihitung dengan metode SUS hasilnya 75 artinya berada pada interpretasi baik (Good) dan Grade B.Sehingga menunjukkan bahwa aplikasi AR yang dikembangkan memiliki tingkat kegunaan yang baik dan dapat diterima oleh pengguna
Kemajuan teknologi informasi telah membuka peluang besar dalam pengembangan media pembelajaran dan informasi berbasis digital yang lebih interaktif, salah satunya melalui teknologi AR. Tujuan penelitian untuk mengembangkan aplikasi AR berbasis Android yang menampilkan visualisasi denah bangunan 3D PPM Ar-Royyaan Yogyakarta guna mempermudah pengguna, khususnya santri, wali santri, dan pengunjung, dalam mengenali lingkungan pesantren. Pengembangan aplikasi dilakukan menggunakan metode MDLC. Aplikasi AR yang dibuat juga dikembangkan menggunakan Unity dan Vuforia, dengan fitur interaktif seperti...
Kunjungi calendar untuk informasi lainnya.

Integrasi Fitur Notifikasi Pemesanan untuk Meningkatkan Pelayanan Pengguna pada E Commerce Batik Wistara

2026-09-04T11:29:44+07:00

#calendar - Integrasi Fitur Notifikasi Pemesanan untuk Meningkatkan Pelayanan Pengguna pada E-Commerce Batik Wistara: Penelitian lanjutan dapat mengembangkan sistem notifikasi dengan fitur pengingat ulang apabila admin tidak merespons notifikasi, sehingga memastikan pesanan tidak terlewat. Selain itu, integrasi sistem notifikasi dengan status pembayaran pelanggan dapat membantu admin memantau proses transaksi secara lebih akurat. Penelitian juga dapat mengeksplorasi penggunaan platform notifikasi lain, seperti aplikasi berbasis push notification, sebagai cadangan jika WhatsApp atau Telegram mengalami gangguan. Dengan demikian, UMKM dapat memiliki sistem notifikasi yang lebih robust dan efisien. Penelitian dapat juga mengevaluasi penggunaan AI untuk mengotomatisasi pengelolaan notifikasi berdasarkan prioritas pesanan. Selain itu, studi tentang penggunaan sistem notifikasi untuk meningkatkan interaksi pelanggan, seperti memberikan informasi update stok produk secara real-time, bisa menjadi arah penelitian baru. Penelitian lanjutan juga bisa fokus pada pengembangan antarmuka pengguna yang lebih intuitif untuk admin, sehingga mempermudah proses penerimaan dan penanganan notifikasi. Selain itu, analisis dampak penggunaan sistem notifikasi terhadap kepuasan pelanggan dapat memberikan wawasan lebih dalam tentang efektivitas sistem ini. Penelitian juga dapat mengeksplorasi penggunaan data historis pesanan untuk memprediksi pola permintaan dan mengirimkan notifikasi proaktif kepada admin. Terakhir, penelitian dapat mengkaji penggunaan sistem notifikasi dalam konteks UMKM lain yang berbeda, seperti UMKM berbasis layanan atau produksi, untuk melihat adaptasi dan manfaatnya secara umum..
Penelitian ini menghasilkan sebuah sistem notifikasi otomatis yang memanfaatkan whatsapp API dan Bot Telegram.Notifikasi ini langsung berhubungan dengan proses pada website Batik Wistara.Hasil Implementasi menunjukkan bahwa setiap pesanan yang masuk dapat langsung mengirim ke admin dengan waktu yang singkat.Dengan adanya sistem notifikasi ini, admin dapat mengetahui pesanan apabila telah masuk ke dalam website, tanpa harus mengecek website secara manual.Notifikasi yang dikirim melalui dua jalur memberikan dampak yang cukup jelas.Admin jadi lebih cepat dalam mengetahui info pesanan masuk, dan peluang pesanan yang terlewat sangat kecil.Sistem yang dikembangkan mampu mendukung peningkatan kualitas layanan yang ada di Batik Wistara serta membantu UMKM dalam menjaga kelancaran operasional
Batik Wistara merupakan Usaha Mikro, Kecil, dan Menengah (UMKM) yang bergerak di bidang penjualan kain secara offline dan online melalui website e-commerce. Admin seringkali mengalami keterlambatan dalam melayani pesanan e-commerce karena fokus pada penjualan secara offline. Kondisi ini berdampak pada respons yang lambat terhadap pelanggan serta menurunkan kualitas layanan. Untuk mengatasi hal tersebut, penelitian ini merancang dan mengimplementasikan sistem notifikasi otomatis dengan mengintegrasikan website e-commerce berbasis Laravel dengan WhatsApp API (Fonnte) dan Telegram Bot API, sehingga setiap pesanan yang masuk dapat langsung dikirimkan...
Kunjungi calendar untuk informasi lainnya.

Analisis Sentimen Terhadap Ulasan pada Aplikasi Astro Menggunakan Algoritma Support Vector Machine

2026-09-04T11:29:44+07:00

#calendar - Analisis Sentimen Terhadap Ulasan pada Aplikasi Astro Menggunakan Algoritma Support Vector Machine: 1. Penelitian lanjutan dapat mengembangkan metode analisis sentimen dengan menggabungkan algoritma SVM dengan teknik deep learning untuk meningkatkan akurasi klasifikasi. 2. Studi lebih lanjut diperlukan untuk membandingkan performa algoritma SVM dengan metode lain seperti random forest atau neural network dalam konteks aplikasi quick commerce. 3. Penelitian dapat dilakukan untuk menganalisis sentimen pengguna pada aplikasi quick commerce lainnya dengan fokus pada aspek layanan pelanggan atau fitur aplikasi yang lebih spesifik, sehingga menghasilkan wawasan yang lebih mendalam tentang preferensi konsumen..
Berdasarkan hasil penelitian yang telah dilakukan, yaitu analisis sentimen terhadap ulasan pengguna pada aplikasi Astro didapatkan beberapa kesimpulan yaitu hasil perbandingan sentimen yang didapat dari 1.000 ulasan di Google Playstore terdapat 696 ulasan bersentimen positif dan 304 ulasan bersentimen negatif.Dengan ulasan bersentimen positif lebih banyak jumlahnya, hal ini menyatakan bahwa pengguna cenderung memiliki pengalaman yang positif dalam menggunakan aplikasi Astro, sehingga aplikasi Astro dapat menjadi pilihan tempat berbelanja kebutuhan sehari-hari secara online.20 dan diklasifikasi menggunakan algoritma SVM dengan kernel linear menghasilkan kinerja model yang cukup baik untuk menganalisis sentimen pada ulasan aplikasi Astro di Google Playstore dengan akurasi sebesar 84%, presisi 93%, recall 83% dan f1-score 88%
Aplikasi Astro merupakan aplikasi quick commerce yang berfokus memberikan layanan belanja online dengan produk kategori groceries hingga kebutuhan rumah tangga dengan pengiriman dalam waktu hitungan menit. Aplikasi Astro dirilis pada tahun 2021 dan masih beroperasi sampai saat ini, maka dari itu penting bagi Astro untuk mengetahui tanggapan atau sentimen dari pelanggan terkait pelayanan yang telah diberikan agar dapat menjadi evaluasi bagi Astro supaya tetap menjaga kepuasan pengguna. Untuk mengetahui banyaknya sentimen bernada postif dan negatif dari pengguna, dilakukan penelitian mengenai analisis sentimen terhadap ulasan pengguna pada aplikasi Astro di Google Playstore menggunakan algoritma support vector machine (SVM). Data...
Kunjungi calendar untuk informasi lainnya.

Penerapan Convolutional Neural Network CNN Untuk Prediksi Penyakit Tanaman Padi Melalui Citra Daun

2026-09-04T11:29:44+07:00

#calendar - Penerapan Convolutional Neural Network (CNN) Untuk Prediksi Penyakit Tanaman Padi Melalui Citra Daun: 1. Penelitian lanjutan dapat mengembangkan dataset yang lebih beragam dengan menambahkan citra daun padi dari kondisi lingkungan yang berbeda, seperti variasi pencahayaan dan sudut pengambilan gambar, untuk meningkatkan generalisasi model. 2. Mengeksplorasi teknik augmentasi data yang lebih inovatif, seperti penggunaan algoritma generative adversarial networks (GANs), untuk meningkatkan kualitas dan diversitas data pelatihan. 3. Mengintegrasikan model CNN dengan teknologi drone atau sistem pemantauan berbasis IoT untuk mendeteksi penyakit tanaman secara real-time di lahan pertanian skala besar, sehingga mempercepat respons petani terhadap ancaman penyakit..
Temuan ini menunjukkan keefektifan teknik yang digunakan, seperti arsitektur CNN, prapemrosesan data (normalisasi dan augmentasi), dan strategi pelatihan menggunakan pengoptimalisasi Adam.Hasil dari prediksi penyakit tanaman padi menggunakan metode Convolutional Neural Network (CNN) dapat dinilai bekerja dengan baik, dimana hasil data yang telah di deteksi oleh metode CNN berupa hasil prediksi 4 jenis penyakit seperti Blast, Blight, Tungro dan Normal (sehat) yang kemudian hasil prediksi tersebut untuk mengetahui penyakit padi dengan mengenali ciri-ciri dari citra daun nya berdasarkan model yang dilatih sebelumnya.94%, dengan nilai loss yang rendah sebesar 0.2739, mengindikasikan kemampuan model dalam mengenali pola dari data pelatihan.Oleh karena itu, penelitian berikutnya berfokus pada penyesuaian dataset dan strategi pelatihan yang lebih baik, sehingga model dapat lebih akurat dan andal dalam mengenali semua kelas penyakit
Penyakit tanaman padi merupakan salah satu faktor utama yang dapat menurunkan hasil produktivitas, terutama di negara agraris seperti Indonesia. Deteksi dini terhadap penyakit ini sangat penting untuk menghentikan pertumbuhan ekonomi lebih lanjut dan mengurangi kemerosotan ekonomi. Masalahnya, identifikasi tanaman padi secara manual membutuhkan banyak waktu dan tenaga, dan seringkali tidak efisien dalam skala besar. Untuk mengatasi masalah ini, tujuan dari penelitian ini adalah mengembangkan model untuk memprediksi penyakit tanaman padi yang dapat menganalisis gejala penyakit dari citra daun dengan akurasi yang tinggi, sehingga memungkinkan deteksi penyakit dan mitigasi...
Kunjungi calendar untuk informasi lainnya.

Pemanfaatan Kotoran Hewan Ternak Menjadi Biogas Dalam Upaya Menurunkan Prevalensi Diare

2026-09-04T11:29:44+07:00

#calendar - Pemanfaatan Kotoran Hewan Ternak Menjadi Biogas Dalam Upaya Menurunkan Prevalensi Diare: Penelitian lanjutan dapat fokus pada evaluasi jangka panjang dampak biogas terhadap penurunan angka kematian akibat diare di Desa Jelbudan. Selain itu, perlu diteliti pengaruh pendidikan kesehatan berbasis komunitas terhadap perubahan perilaku sanitasi lingkungan, khususnya dalam mengurangi risiko infeksi melalui vektor. Penelitian juga bisa mengeksplorasi potensi ekonomi dari penggunaan biogas dan limbahnya sebagai sumber energi alternatif, serta dampaknya terhadap kesejahteraan masyarakat. Ketiga saran ini saling terkait dan membuka peluang untuk memperluas manfaat biogas secara holistik, baik dari aspek kesehatan, lingkungan, maupun ekonomi..
Lebih separuh peserta kegiatan pengabdian masyarakat memiliki pengetahuan kurang tentang pemanfaatan kotoran hewan ternak menjadi biogas, perkembangbiakan vektor dan diare sebelum diberikan penyuluhan (pretest) yaitu sebanyak 37 peserta (74%).Semua peserta kegiatan pengabdian masyarakat memiliki pengetahuan baik tentang pemanfaatan kotoran hewan ternak menjadi biogas, perkembangbiakan vektor dan diare setelah diberikan penyuluhan (posttest) yaitu sebanyak 36 peserta (72%).Dari hasil pelaksanaan kegiatan pengabdian masyarakat yang telah dilakukan didapatkan data bahwasanya peserta kegiatan yang sebelumnya lebih separuh memiliki pengetahuan dalam kategori kurang tentang pemanfaatan kotoran hewan ternak menjadi biogas, perkembangbiakan vektor dan diare (pretest) yang semula sebanyak 37 peserta menurun menjadi 6 peserta, dan untuk peserta kegiatan pengabdian masyarakat yang sebelumnya memiliki pengetahuan tentang pemanfaatan kotoran hewan ternak menjadi biogas, perkembangbiakan vektor dan diare (posttest) dalam kategori baik yang semula 2 peserta naik menjadi 36 peserta
Prioritas pertama dari program pembuangan kotoran di negara yang sedang berkembang harus menyatu pada perbaikan dan kesehatan masyarakat yaitu pelaksanaan pengurangan penularan penyakit yang ada hubungannya dengan kotoran manusia ataupun hewan. Adapun tujuan dari pelaksanaan pengabdian masyarakat ini adalah untuk memanfaatkan kotoran hewan ternak menjadi biogas dalam upaya menurunkan prevalensi diare di Desa Jelbudan. Kegiatan pengabdian masyarakat ini dilakukan di Balai Desa Jelbudan Kecamatan Dasuk Kabupaten Sumenep pada Bulan Oktober 2024. Materi disampaikan menggunakan metode ceramah, praktik dan tanya jawab. Dari hasil pelaksanaan...
Kunjungi calendar untuk informasi lainnya.

Perancangan dan Penerapan High Availability Web Server dengan Failover Clustering di Lingkungan Pendidikan Tinggi

2026-09-04T11:29:44+07:00

#calendar - Perancangan dan Penerapan High Availability Web Server dengan Failover Clustering di Lingkungan Pendidikan Tinggi: Penelitian lanjutan dapat mengkaji penerapan teknologi cloud computing untuk meningkatkan skalabilitas sistem. Selain itu, peneliti dapat mengevaluasi dampak konfigurasi jaringan berbeda pada kinerja failover clustering. Studi juga perlu dilakukan untuk mengintegrasikan sistem dengan teknologi AI dalam memprediksi dan mengelola kegagalan. Penelitian ini dapat dikembangkan dengan membandingkan efektivitas metode NDLC dengan pendekatan lain dalam pengembangan sistem. Selain itu, penelitian tentang optimasi penggunaan sumber daya komputasi dalam cluster dapat menjadi arah baru. Pengujian pada lingkungan yang lebih besar dan kompleks juga diperlukan untuk memastikan keandalan sistem. Peneliti dapat mengeksplorasi penggunaan teknologi blockchain untuk meningkatkan keamanan data dalam sistem high availability. Studi ini juga perlu mempertimbangkan aspek ekonomi dan biaya implementasi teknologi. Penelitian tentang pengaruh faktor lingkungan, seperti kelembapan dan suhu, terhadap kinerja server dapat menjadi pertanyaan penelitian baru. Akhirnya, penelitian tentang pengembangan sistem open-source yang lebih ramah pengguna dapat menjadi arah studi yang relevan..
Dari penelitian yang telah dilakukan, penerapan failover clustering dan high availability pada web server UNU KALTIM terbukti efektif dalam meningkatkan keandalan sistem.Dengan teknologi failover clustering, jika salah satu server mengalami gangguan, maka server cadangan secara otomatis mengambil alih tugas tanpa mengganggu layanan.Penerapan high availability juga berhasil membuat layanan tetap tersedia hingga 99% dengan jeda waktu yang singkat saat terjadi gangguan
Universitas Nahdlatul Ulama Kalimantan Timur menghadapi tantangan dalam menjaga stabilitas web server untuk layanan informasi dan system akademik. Peningkatan jumlah pengguna dan beban aplikasi menyebabkan penurunan performa dan kegagalan layanan. Solusi yang ditawarkan dalam penelitian ini adalah penerapan failover clustering dan high availability menggunakan proxmox virtual environment (VE) dan ceph. Peneilitian ini menggunakan metode Network Development Life Cycle (NDLC), yang terdiri dari enam tahap, yaitu analisys, design, simulation prototyping, implementation, monitoring, dan management. Hasil pengujian menunjukkan bahwa sistem berhasil melakukan failover otomatis dengan rata-rata waktu respon 1,85 detik...
Kunjungi calendar untuk informasi lainnya.

Perbandingan XGBoost Random Forest dan MLP untuk Klasifikasi Kesiapan Atlet

2026-09-04T11:29:44+07:00

#calendar - Perbandingan XGBoost, Random Forest, dan MLP untuk Klasifikasi Kesiapan Atlet: Penelitian lanjutan dapat mengembangkan framework ini untuk aplikasi pada cabang olahraga lain seperti kekuatan (power sports) dengan mengevaluasi adaptabilitas model terhadap perbedaan karakteristik fisiologis. Selain itu, penelitian dapat mengeksplorasi penggunaan data psikologis tambahan seperti skor motivasi atau stres untuk meningkatkan akurasi prediksi kesiapan atlet. Selanjutnya, pengembangan metode optimasi hiperparameter berbasis algoritma evolusioner dapat diuji untuk meningkatkan generalisasi model pada dataset yang lebih heterogen dan berukuran besar..
Penelitian ini berhasil mengembangkan dan memvalidasi framework klasifikasi tingkat kesiapan atlet berbasis machine learning yang mengintegrasikan dimensi fisiologis dan psikologis.Hasil evaluasi komparatif terhadap tiga algoritma menunjukkan bahwa XGBoost mengungguli model lainnya dengan F1-score tertinggi (0.Temuan ini mengkonfirmasi bahwa mekanisme gradient boosting pada XGBoost lebih efektif menangkap pola non-linear dan interaksi fitur kompleks pada dataset sports science berukuran sedang dibandingkan bagging pada Random Forest atau arsitektur feedforward pada MLP.Analisis feature importance mengungkapkan bahwa mental score (0.15) merupakan prediktor dominan dalam menentukan status kesiapan atlet
Klasifikasi tingkat kesiapan atlet merupakan aspek krusial dalam mengoptimalkan beban latihan dan mencegah cedera akibat overtraining. Penelitian ini mengembangkan dan membandingkan tiga algoritma machine learning XGBoost, Random Forest, dan MLP Neural Network untuk mengklasifikasikan kesiapan atlet ke dalam tiga kategori ordinal: Lower, Middle, dan Upper. Dataset terdiri dari 1153 rekaman dengan sembilan fitur multidimensi yang mencakup parameter fisiologis (durasi latihan, intensitas, interval hari, poin, recovery) dan indikator psikologis (mental score, kategori atlet, konsistensi). Preprocessing data meliputi label encoding untuk variabel kategorikal dan standard scaling untuk fitur numerik, dilanjutkan dengan pembagian data train-test stratified 80:20. Evaluasi model menggunakan metrik precision, recall, F1-score berbobot, confusion matrix, dan kurva ROC-AUC pendekatan...
Kunjungi calendar untuk informasi lainnya.

Komparasi Kinerja ResNet50 dan MobileNetV2 pada Klasifikasi Citra Multi Domain

2026-09-04T11:29:44+07:00

#calendar - Komparasi Kinerja ResNet50 dan MobileNetV2 pada Klasifikasi Citra Multi-Domain: Penelitian lanjutan dapat mengembangkan pendekatan hybrid yang menggabungkan keunggulan ResNet50 dan MobileNetV2 untuk meningkatkan akurasi klasifikasi citra multi-domain dengan efisiensi komputasi yang lebih baik. Selain itu, penting untuk memperluas dataset dengan variasi lingkungan pencahayaan dan sudut pengambilan gambar yang lebih beragam agar model lebih adaptif terhadap kondisi nyata. Terakhir, penelitian dapat mengeksplorasi optimasi arsitektur model untuk mengurangi ukuran file model tanpa mengorbankan performa, sehingga memungkinkan implementasi pada perangkat mobile dengan sumber daya terbatas..
Berdasarkan hasil penelitian, sistem klasifikasi citra multi-domain menggunakan arsitektur ResNet50 dan MobileNetV2 berhasil dibangun dan diimplementasikan ke dalam aplikasi berbasis website menggunakan framework Flask.Sistem mampu melakukan klasifikasi citra secara otomatis dan real-time melalui fitur unggah gambar maupun kamera langsung pada dua kasus, yaitu klasifikasi tanaman herbal berbasis citra daun dan klasifikasi undertone kulit wajah.Hasil evaluasi menunjukkan bahwa ResNet50 memiliki performa lebih baik dibandingkan MobileNetV2 pada kedua domain klasifikasi.Pada klasifikasi tanaman herbal, ResNet50 memperoleh akurasi sebesar 95,00%, sedangkan MobileNetV2 memperoleh akurasi sebesar 94,09%.Sementara itu, pada klasifikasi undertone kulit wajah, ResNet50 memperoleh accuracy sebesar 89,3% dan weighted F1-score sebesar 0,893, sedangkan MobileNetV2 memperoleh accuracy sebesar 68,3% dan weighted F1-score sebesar 0,684.Hasil tersebut menunjukkan bahwa ResNet50 lebih unggul dan stabil dalam mengekstraksi fitur citra yang kompleks dibandingkan MobileNetV2
Penelitian ini bertujuan membandingkan kinerja arsitektur Convolutional Neural Network (CNN) ResNet50 dan MobileNetV2 pada klasifikasi citra multi-domain, yaitu citra daun tanaman herbal dan undertone kulit wajah. Dataset tanaman herbal terdiri dari 11 kelas citra daun, sedangkan dataset undertone kulit wajah mencakup kategori warm, cool, dan neutral yang diperoleh dari sumber sekunder dan data primer. Tahapan penelitian meliputi pra-pemrosesan citra, pelatihan model menggunakan transfer learning, serta evaluasi performa menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa ResNet50 memperoleh performa lebih baik dibandingkan MobileNetV2 pada kedua domain klasifikasi. Pada klasifikasi...
Kunjungi calendar untuk informasi lainnya.

Eksplorasi Pola Interaksi Pengguna Microblogging dengan Big Data dan Visualisasi Interaktif

2026-09-04T11:29:44+07:00

#calendar - Eksplorasi Pola Interaksi Pengguna Microblogging dengan Big Data dan Visualisasi Interaktif: Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dikemukakan. Pertama, penelitian dapat mengembangkan pendekatan real-time processing untuk menangani data microblogging yang terus bertambah secara dinamis, dengan memanfaatkan layanan cloud seperti AWS atau Google Cloud yang lebih skalabel. Kedua, penggunaan teknologi deep learning, seperti model Transformer atau LSTM, dapat dieksplorasi untuk meningkatkan akurasi analisis konteks bahasa dalam tweet, terutama untuk teks informal yang kompleks. Ketiga, penelitian dapat diperluas untuk mengevaluasi pola interaksi pengguna di platform media sosial lainnya, seperti Instagram atau Facebook, untuk membandingkan efektivitas metode big data dan visualisasi interaktif dalam konteks yang berbeda. Saran-saran ini bertujuan untuk memperkaya pemahaman tentang dinamika sosial digital dan meningkatkan kemampuan sistem analisis berbasis teknologi..
Penelitian ini membuktikan bahwa pendekatan berbasis big data dan visualisasi interaktif mampu memberikan pemahaman dan sejumlah insight yang mendalam terhadap pola interaksi pengguna di platform microblogging Twitter.Insight tersebut mencakup informasi mengenai waktu-waktu ketika pengguna paling aktif menggunakan Twitter, serta faktor-faktor yang menyebabkan sebuah maskapai mendapatkan sentimen negatif dari pengguna dan lain-lain.Penggunaan model Latent Dirichlet Allocation (LDA), telah berhasil mengidentifikasi lima topik utama percakapan publik yang mencerminkan dinamika sosial digital.Analisis temporal menunjukkan bahwa interaksi pengguna memiliki pola waktu tertentu, dengan puncak aktivitas terjadi pada pagi dan siang hari.Hal ini sangat berguna bagi pelaku industri komunikasi digital dan pemasaran untuk menentukan waktu yang tepat dalam menyampaikan pesan atau kampanye.Visualisasi interaktif yang dibangun juga terbukti efektif dalam menyederhanakan kompleksitas data besar menjadi bentuk representasi yang mudah dipahami dan ditelusuri oleh pengguna.Kelebihan dari pendekatan ini adalah kemampuannya dalam mengolah data berukuran besar secara efisien, serta menyajikan hasil dalam bentuk visual yang informatif.Sistem ini juga fleksibel untuk dikembangkan lebih lanjut dengan berbagai jenis data sosial lainnya
Perkembangan platform microblogging menghasilkan volume data yang sangat besar, menimbulkan tantangan dalam memahami pola interaksi pengguna secara efektif. Penelitian ini penting dilakukan untuk mengidentifikasi dinamika sosial dan tren topik melalui analisis big data dan visualisasi interaktif. Tujuan dari penelitian ini adalah mengembangkan metode eksplorasi pola interaksi pengguna dengan memanfaatkan teknik pengolahan data besar dan visualisasi yang interaktif. Metode yang digunakan meliputi pengumpulan data dari platform microblogging, analisis menggunakan algoritma clustering dan analisis...
Kunjungi calendar untuk informasi lainnya.

Analisis Pengaruh Fasilitas Kesehatan terhadap Kematian COVID 19 dengan Integrasi Data Prediksi dan MongoDB

2026-09-04T11:29:44+07:00

#calendar - Analisis Pengaruh Fasilitas Kesehatan terhadap Kematian COVID-19 dengan Integrasi Data, Prediksi, dan MongoDB: Untuk penelitian lanjutan, disarankan untuk mengintegrasikan model pembelajaran mesin yang lebih canggih seperti Random Forest, XGBoost, atau Deep Neural Networks. Pendekatan ini dapat memberikan analisis yang lebih mendalam terhadap data fasilitas kesehatan dan epidemiologi, serta mendukung pengambilan keputusan berbasis data yang lebih akurat di bidang kesehatan. Selain itu, pengembangan ke arah layanan cloud seperti MongoDB Atlas atau Google Cloud Firestore dapat memudahkan pengelolaan dan skalabilitas data secara otomatis, mendukung integrasi data berskala nasional dengan lebih praktis. Terakhir, perlu dipertimbangkan untuk melakukan studi komparatif antara berbagai model machine learning dalam memprediksi tingkat kematian COVID-19, sehingga dapat ditemukan model terbaik yang sesuai dengan karakteristik data dan kebutuhan analisis..
Penelitian ini bertujuan untuk menganalisis pengaruh ketersediaan fasilitas kesehatan terhadap tingkat kematian akibat COVID-19 di Indonesia menggunakan pendekatan data science dengan MongoDB dan model machine learning.Terdapat hubungan negatif yang signifikan antara ketersediaan fasilitas kesehatan per 100.000 penduduk dengan angka kematian baru akibat COVID-19.Fitur "New Cases" dan "Population" merupakan prediktor paling kuat terhadap jumlah kematian baru.Model regresi linear memberikan interpretasi yang cukup baik dalam memprediksi jumlah kematian baru berdasarkan data numerik.MongoDB terbukti efektif dalam menyimpan dan mengelola data besar dari berbagai sumber, dengan keunggulan dalam fleksibilitas skema dan performa real-time.Integrasi data dari berbagai sumber menghasilkan dataset yang bersih dan terstruktur, memperkuat kualitas insight dan prediksi dalam memahami penyebaran dan dampak pandemi
Pandemi COVID-19 menimbulkan tantangan besar bagi sistem kesehatan di Indonesia, dengan lebih dari 155.000 kematian hingga tahun 2022. Penelitian ini bertujuan untuk menganalisis pengaruh ketersediaan fasilitas kesehatan terhadap tingkat kematian akibat COVID-19 di Indonesia dengan pendekatan data science. Data yang digunakan mencakup informasi fasilitas kesehatan dari Dinas Kesehatan dan Kementerian Kesehatan, serta data epidemiologi COVID-19, yang diintegrasikan berdasarkan wilayah administratif. Proses analisis mencakup tahapan...
Kunjungi calendar untuk informasi lainnya.

Perbandingan Kinerja Algoritma Jaro Winkler dan Levenshtein Distance untuk Deteksi Kesalahan Penulisan Bahasa Indonesia pada Karya Ilmiah Mahasiswa

2026-09-04T11:29:44+07:00

#calendar - Perbandingan Kinerja Algoritma Jaro-Winkler dan Levenshtein Distance untuk Deteksi Kesalahan Penulisan Bahasa Indonesia pada Karya Ilmiah Mahasiswa: Penelitian lanjutan dapat mengkombinasikan algoritma Jaro-Winkler dengan teknik N-Gram atau TF-IDF untuk meningkatkan akurasi deteksi kesalahan penulisan. Selain itu, perlu dilakukan pengujian pada dataset yang lebih beragam, termasuk teks non-akademik atau multibahasa, untuk mengevaluasi keandalan algoritma dalam konteks yang lebih luas. Terakhir, pengembangan sistem yang lebih interaktif dengan fitur rekomendasi perbaikan berbasis konteks dapat menjadi arah penelitian baru, sehingga mahasiswa tidak hanya mendapatkan indikasi kesalahan tetapi juga saran perbaikan yang relevan dengan struktur teks yang dimaksud..
Berdasarkan hasil penelitian yang telah dilakukan dapat disimpulkan bahwa algoritma Jaro-Winkler dan Levenshtein Distance memiliki kelebihan dan kekurangan masing-masing dalam konteks pengecekan kesalahan penulisan bahasa Indonesia pada karya tulis ilmiah mahasiswa Politeknik Negeri Ketapang.Algoritma Jaro-Winkler menunjukkan performa yang lebih unggul dalam hal kecepatan eksekusi dan keakuratan dalam mendeteksi kesalahan penulisan, terutama pada perubahan karakter dan variasi kosakata yang sering terjadi pada teks akademik.Di sisi lain algoritma Levenshtein Distance meskipun lebih lambat tetapi menunjukkan kemampuan yang baik dalam mendeteksi kesalahan terutama dalam kondisi teks yang lebih kompleks.Secara keseluruhan Jaro-Winkler lebih cocok digunakan dalam sistem pengecekan kesalahan penulisan bahasa Indonesia yang memerlukan respons cepat dan keakuratan tinggi.Sementara itu, Levenshtein Distance dapat menjadi alternatif yang baik dalam situasi di mana toleransi terhadap waktu eksekusi yang lebih lama dapat diterima, namun tetap memerlukan akurasi yang memadai
Penelitian ini meneliti keterampilan menulis mahasiswa di Politeknik Negeri Ketapang, khususnya dalam konteks penulisan karya ilmiah. Fokus utama penelitian adalah mengidentifikasi dan memperbaiki kesalahan umum, termasuk penggunaan ejaan yang kurang tepat, pemilihan kata yang tidak sesuai, susunan kalimat yang kurang koheren, dan pembentukan paragraf yang kurang efektif. Pentingnya pemahaman tata bahasa dan kaidah kebahasaan dalam menciptakan tulisan yang runtut menjadi sorotan dalam kajian ini. Kesalahan ejaan, sebagai elemen krusial dalam penulisan, dapat dikurangi melalui penerapan aturan yang dijelaskan dalam Pedoman Umum Ejaan Bahasa Indonesia (PUEBI). Selain itu, permasalahan typographical error yang timbul dari tata letak huruf pada keyboard dapat...
Kunjungi calendar untuk informasi lainnya.

Pemberian Susu Kurma Pisang Sebagai Makanan Tambahan Bagi Anak Stunting Di Desa Sebayi Kabupaten Gemarang 2024

2026-09-04T11:29:44+07:00

#calendar - Pemberian Susu Kurma Pisang Sebagai Makanan Tambahan Bagi Anak Stunting Di Desa Sebayi Kabupaten Gemarang 2024: Penelitian lanjutan dapat mengkaji efektivitas intervensi selama lebih dari 14 hari untuk memastikan keberlanjutan peningkatan berat badan. Selain itu, perlu dilakukan studi tentang pengaruh variasi bahan makanan tambahan lainnya yang lebih disukai anak berdasarkan preferensi rasa dan warna. Terakhir, penelitian perlu memperluas area studi ke wilayah lain untuk memvalidasi hasil yang diperoleh dan mengevaluasi faktor sosial-ekonomi yang memengaruhi keberhasilan program..
Pemberian makanan tambahan pemulihan berbasis smoothies kurma pisang efektif meningkatkan berat badan balita kurang.Intervensi selama 14 hari menunjukkan peningkatan signifikan, namun durasi yang lebih panjang diperlukan untuk hasil optimal.Keterbatasan studi mencakup frekuensi pemberian yang terbatas dan kurangnya variasi rasa makanan tambahan
Underweight adalah berat badan berada dibawah batas minimum. Berat badan kurang perlu diwaspadai, karena dampaknya adalah berat badan Bawah Garis Merah (BGM). Adapun untuk meminimalisir berat badan kurang yaitu perbaikan gizi dengan PMT-P Smoothies Inovasi Berbasis Kurma Pisang. Tujuan penelitian ini untuk menganalisis efektifitas pemberian Inovasi PMT-P smoothies kurma pisang terhadap peningkatan berat badan balita kurang. Penelitian ini menggunakan Desain Quasi Experiment dengan Rancangan Pretest- posttest Non Equivalent Control Group Design. Sampel penelitian ini sebanyak 36 balita dengan berat badan kurang yang dibagi menjadi 2 kelompok...
Kunjungi calendar untuk informasi lainnya.

Exploring The Critical Thinking Structures Of Low Achieving Students In Solving Algebra Hots Tasks

2026-09-04T11:23:27+07:00

#calendar - Exploring The Critical Thinking Structures Of Low-Achieving Students In Solving Algebra Hots Tasks: Studi ini menunjukkan kebutuhan untuk mengembangkan pendekatan instruksional yang lebih efektif dalam meningkatkan berpikir kritis siswa dengan prestasi matematika rendah. Pertama, penelitian lanjutan dapat fokus pada pengembangan model pembelajaran berbasis teknologi yang memfasilitasi analisis kesalahan dan refleksi penalaran matematika. Kedua, perlu dilakukan studi yang lebih luas dengan sampel yang beragam, termasuk siswa dari berbagai tingkat kemampuan matematika, untuk memahami variasi struktur berpikir kritis di berbagai konteks matematika. Ketiga, penelitian dapat mengeksplorasi dampak integrasi pertanyaan terbuka dan aktivitas berbasis masalah dalam meningkatkan kemampuan justifikasi dan evaluasi solusi matematika. Pendekatan ini tidak hanya akan memperkaya teori tentang perkembangan berpikir kritis, tetapi juga memberikan dasar untuk desain kurikulum yang lebih inklusif dan responsif terhadap kebutuhan siswa berbeda..
Studi ini menunjukkan bahwa siswa SMP dengan kemampuan matematika rendah menunjukkan struktur berpikir kritis yang belum berkembang saat menyelesaikan masalah HOTS aljabar.Menggunakan kerangka FRISCO, dua struktur berpikir kritis berbeda diidentifikasi.Kedua struktur tersebut mencerminkan keterbatasan kemampuan siswa untuk memahami inti masalah, membangun penalaran yang kuat atau justifikasi, menarik kesimpulan yang akurat, dan meninjau proses solusi mereka secara sistematis.Meskipun beberapa siswa mampu mendeteksi kesalahan prosedural, mereka masih gagal memberikan justifikasi yang valid atau menyarankan solusi alternatif yang tepat.Temuan ini menunjukkan bahwa pemahaman konseptual dan kemampuan penalaran kritis siswa masih berkembang tidak cukup, menyoroti kebutuhan dukungan instruksional yang lebih terencana dan terstruktur untuk memperkuat berpikir kritis matematika.Temuan ini mengimplikasikan bahwa instruksi harus melebihi latihan prosedural dan memberikan kesempatan bagi siswa untuk menganalisis kesalahan, membenarkan penalaran mereka, dan mengevaluasi solusi alternatif
Tujuan: Prestasi rendah dalam matematika tetap menjadi kekhawatiran utama dalam mendukung pembelajaran bermakna dan perkembangan kognitif siswa. Studi ini mengeksplorasi keterampilan berpikir kritis siswa SMP dengan prestasi matematika rendah. Secara khusus, studi ini bertujuan mengidentifikasi struktur berpikir kritis siswa berdasarkan kerangka FRISCO yang mencakup Fokus, Alasan, Inferensi, Situasi, Klaritas, dan Gambaran Umum. Metodologi: Studi ini mengadopsi desain studi kasus kualitatif untuk memahami secara mendalam struktur berpikir kritis siswa. Sepuluh siswa kelas tujuh...
Kunjungi calendar untuk informasi lainnya.

The Effect Of Digital Literacy And Reading Literacy On The Statistical Literacy Of Higher Education Students

2026-09-04T11:07:11+07:00

#calendar - The Effect Of Digital Literacy And Reading Literacy On The Statistical Literacy Of Higher Education Students: 1. Penelitian lanjutan dapat mengkaji hubungan antara keterampilan berpikir kritis dan literasi statistik melalui desain longitudinal untuk memahami dampak jangka panjang pembelajaran berbasis literasi. 2. Perlu dikembangkan kerangka pendidikan lintas disiplin yang menggabungkan literasi data, literasi digital, dan literasi membaca untuk meningkatkan kompetensi abad ke-21. 3. Penelitian dapat fokus pada peran literasi kecerdasan buatan (AI) dalam meningkatkan literasi statistik, terutama dalam konteks pengolahan data besar dan algoritma modern..
Penelitian ini menunjukkan bahwa literasi digital dan literasi membaca merupakan prediktor signifikan terhadap literasi statistik mahasiswa perguruan tinggi.Meskipun literasi digital dan membaca relatif tinggi, literasi statistik tetap lebih rendah, menunjukkan bahwa kemampuan teknologi saja tidak cukup untuk mengembangkan kompetensi statistik.Analisis regresi menunjukkan bahwa literasi membaca memiliki pengaruh lebih kuat dibanding literasi digital dalam meningkatkan literasi statistik.Temuan ini menegaskan bahwa literasi statistik adalah kompetensi multidimensi yang memerlukan integrasi keterampilan teknologi, kognitif, dan interpretasi.Perguruan tinggi perlu mengintegrasikan literasi digital dan strategi membaca akademik dalam pembelajaran statistik untuk meningkatkan kemampuan mahasiswa dalam menginterpretasi dan menerapkan informasi statistik
Tujuan penelitian ini adalah untuk mengeksplorasi kontribusi literasi digital dan literasi membaca terhadap literasi statistik mahasiswa perguruan tinggi. Metodologi penelitian menggunakan pendekatan kuantitatif korelasional dengan sampel 147 mahasiswa dari tiga departemen di Fakultas Ilmu Pendidikan dan Keguruan Universitas Bengkulu. Data dikumpulkan melalui instrumen yang telah divalidasi dan dianalisis menggunakan statistik deskriptif serta regresi linear ganda. Hasil menunjukkan bahwa literasi digital ( = 0,344,...
Kunjungi calendar untuk informasi lainnya.

Penerapan Model Think Pair Share Berbantuan Media Pop Up Berbasis QR Code Terhadap Pemahaman Konsep Siswa Kelas V

2026-09-04T09:58:38+07:00

#calendar - Penerapan Model Think Pair Share Berbantuan Media Pop Up Berbasis QR Code Terhadap Pemahaman Konsep Siswa Kelas V: Penelitian selanjutnya dapat mengembangkan model pembelajaran TPS dengan media interaktif lain seperti augmented reality untuk meningkatkan keterlibatan siswa. Selain itu, penelitian dapat mengeksplorasi dampak jangka panjang penggunaan media berbasis QR code terhadap pemahaman konsep siswa. Akhirnya, studi lebih lanjut diperlukan untuk membandingkan efektivitas model TPS dengan metode pembelajaran tradisional pada berbagai tingkat pendidikan..
Model pembelajaran TPS dengan dukungan media visual interaktif berbasis QR code efektif digunakan dalam meningkatkan pemahaman konsep pada siswa sekolah dasar.Penggunaan model TPS berbantuan media pop up berbasis QR code mampu meningkatkan pemahaman konsep siswa secara signifikan.Disarankan agar penelitian selanjutnya mengembangkan media pembelajaran sejenis untuk meningkatkan efektivitas dan keterlibatan siswa dalam proses pembelajaran
Penelitian ini bertujuan untuk menganalisis perbedaan rata-rata skor pretest dan posttest serta mengukur peningkatan pemahaman konsep peserta didik kelas V dalam mata pelajaran IPAS melalui penerapan model pembelajaran Think Pair Share (TPS) berbantuan media pop up berbasis QR code. Model TPS merupakan strategi pembelajaran kooperatif yang melibatkan siswa untuk berpikir sendiri (Think), berdiskusi berpasangan (Pair), dan berbagi pendapat (Share) guna menemukan konsep pembelajaran. Penelitian ini menggunakan pendekatan kuantitatif dengan desain pre-eksperimen one-group pretest-posttest design. Subjek penelitian berjumlah 17 siswa dengan teknik sampel jenuh. Teknik pengumpulan data meliputi observasi, wawancara, tes, dan dokumentasi. Analisis...
Kunjungi calendar untuk informasi lainnya.

The Impact of Using Puzzle Media on Critical Thinking Ability of Elementary School Students

2026-09-04T09:54:35+07:00

#calendar - The Impact of Using Puzzle Media on Critical Thinking Ability of Elementary School Students: Penelitian lanjutan dapat mengkaji efektivitas media puzzle pada materi matematika lainnya seperti pecahan atau geometri. Selain itu, perlu dilakukan perbandingan antara media puzzle dengan alat pembelajaran interaktif lainnya untuk mengetahui keunggulan dan kelemahannya. Terakhir, studi tentang dampak jangka panjang penggunaan media puzzle terhadap perkembangan kemampuan berpikir kritis siswa juga diperlukan untuk memperkuat bukti empiris..
Penggunaan media puzzle secara signifikan meningkatkan kemampuan berpikir kritis siswa kelas IV SD Negeri 091281 Batu 4.Rekomendasi untuk penggunaan media puzzle dalam pembelajaran matematika
Tujuan Ae Penelitian ini bertujuan untuk mengetahui pengaruh penggunaan media puzzle terhadap kemampuan berpikir kritis siswa kelas IV di SD Negeri 091281 Batu 4. Latar belakang penelitian ini adalah rendahnya kemampuan berpikir kritis siswa, yang ditunjukkan dengan 57,7% siswa belum memenuhi Kriteria Ketercapaian Tujuan Pembelajaran (KKTP). Metodologi Ae Penelitian ini menggunakan pendekatan kuantitatif dengan desain pra-eksperimen One Group Pretes-Postes Design. Sampel terdiri dari seluruh kelas IV yang berjumlah 26 siswa (total sampling). Instrumen yang digunakan adalah tes uraian kemampuan berpikir kritis siswa yang mencakup lima aspek: penjelasan...
Kunjungi calendar untuk informasi lainnya.

Errors Made by 8th Grade Students while Solving Mathematical Word Problems

2026-09-04T09:50:40+07:00

#calendar - Errors Made by 8th Grade Students while Solving Mathematical Word Problems: Berdasarkan temuan penelitian ini, disarankan agar guru menyediakan lebih banyak masalah kata yang didasarkan pada situasi nyata untuk meningkatkan kemampuan siswa dalam menyelesaikan masalah kata matematika. Selain itu, disarankan untuk mengintegrasikan prosedur Newman dalam pengajaran dan pembelajaran masalah kata matematika. Penelitian selanjutnya dapat fokus pada pengembangan metode pengajaran yang efektif untuk membantu siswa mengatasi tantangan dalam pemecahan masalah kata, serta mengeksplorasi strategi intervensi yang dapat meningkatkan pemahaman dan kemampuan siswa dalam mengidentifikasi dan mengatasi kesalahan yang mereka buat..
Penelitian ini menyimpulkan bahwa siswa kelas 8 membuat kesalahan dalam empat kategori berbeda saat menjawab masalah kata.Kesalahan tersebut meliputi kesalahan pemahaman, kesalahan transformasi, kesalahan keterampilan proses, dan kesalahan encoding.Temuan ini menunjukkan bahwa siswa kelas 8 sering mengalami kesulitan sesuai dengan prosedur Newman sebagai berikut.Pada tahap pemahaman, 30,9% siswa kesulitan mengidentifikasi informasi yang diberikan (diketahui) dan menentukan apa yang diminta (diketahui).Selama tahap transformasi, 62,2% siswa menghadapi tantangan dalam merancang strategi pemecahan masalah, yang menyebabkan kesulitan dalam mengubah informasi kata menjadi rumus dan persamaan matematika yang benar.Dalam hal keterampilan proses, 62,2% siswa gagal menerapkan operasi yang tepat saat menyelesaikan masalah kata, yang menyebabkan kesalahan dalam perhitungan.Pada tahap encoding, persentase besar yaitu 62,8% siswa mengalami kesulitan dalam menarik kesimpulan, seringkali karena penggunaan rumus yang salah, sedangkan 0% peserta membuat kesalahan membaca selama tes masalah kata aljabar
Tujuan penelitian ini adalah untuk menyelidiki jenis kesalahan spesifik yang dibuat oleh siswa saat menyelesaikan masalah kata matematika, menggunakan Analisis Kesalahan Newman sebagai kerangka kerja. Metode penelitian menggunakan pendekatan kualitatif deskriptif, dengan data dikumpulkan melalui tes dan wawancara dengan 47 siswa kelas 8 dari sebuah sekolah menengah pertama di daerah Ohangwena, Namibia. Sembilan siswa berpartisipasi dalam wawancara untuk memahami lebih dalam proses pemecahan masalah mereka. Hasil analisis menunjukkan bahwa meskipun tidak ada siswa yang mengalami kesulitan pada tahap membaca, tantangan signifikan muncul pada tahap selanjutnya: kesalahan pemahaman terjadi pada 30,9% kasus, kesalahan transformasi dan keterampilan proses masing-masing diamati...
Kunjungi calendar untuk informasi lainnya.