Random - JURIS - Juru Riset - Kompilasi Jurnal Akademik Indonesia

Thesis Defense Scheduling Optimization Using Harris Hawk Optimization

2026-06-20T01:37:24+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,...
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

2026-06-20T01:37:24+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...
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 aktual CAAT, perceived ease of use berpengaruh positif terhadap perceived usefulness, serta penggunaan aktual CAAT berpengaruh positif terhadap kualitas audit. Temuan ini mengindikasikan...
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%...
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 organisasi tidak menunjukkan pengaruh yang signifikan. Temuan ini menekankan pentingnya penguatan...
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.

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 ini dapat menyebabkan kesalahan diagnosis ketika dilakukan secara visual oleh ahli...
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 penyakit tanaman kedelai, memberikan petani informasi tentang gejala, jenis penyakit, dan strategi pengelolaan....
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 ini memperkenalkan aplikasi untuk mengenali gestur tangan secara real-time dan menggunakannya sebagai sistem kontrol baru yang memberikan efisiensi waktu dan energi. Aplikasi ini memproses gambar menggunakan kerangka Mediapipe, menghasilkan output landmark tangan....
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 pelaporan keberlanjutan yang...
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...
Kunjungi calendar untuk informasi lainnya.

The Development of Teachable Machine Assisted Science Learning Modules Using the ADDIE Model to Improve StudentsAo Communication Writing Skills

2026-06-19T21:15:07+07:00

#calendar - The Development of Teachable Machine-Assisted Science Learning Modules Using the ADDIE Model to Improve StudentsAo Communication Writing Skills: Penelitian selanjutnya dapat memperluas cakupan sampel dengan melibatkan sejumlah sekolah menengah pertama yang beragam dalam wilayah geografis dan latar belakang sosialAcekonomi untuk menguji generalisasi efektivitas modul, sehingga dapat mengevaluasi apakah hasil peningkatan keterampilan menulis komunikasi tetap konsisten pada populasi yang lebih luas. Selanjutnya, studi longitudinal dengan durasi implementasi selama satu semester atau lebih diperlukan untuk menilai dampak jangka panjang modul terhadap retensi keterampilan menulis dan transfer kemampuan ke konteks ilmiah lainnya, yang akan memberikan gambaran lebih komprehensif tentang keberlanjutan manfaat pembelajaran. Akhirnya, penelitian dapat mengeksplorasi integrasi umpan balik adaptif berbasis kecerdasan buatan dalam modul, dimana sistem secara otomatis menyesuaikan tingkat kesulitan dan memberikan saran perbaikan pribadi kepada siswa, guna meningkatkan personalisasi proses belajar dan memaksimalkan perkembangan keterampilan menulis komunikatif..
Penelitian ini mengembangkan modul pembelajaran sains berbantuan Teachable Machine untuk meningkatkan keterampilan menulis komunikasi siswa SMP.Hasil menunjukkan modul memenuhi kriteria validitas, praktikalitas, dan efektivitas, dengan peningkatan sedang pada keterampilan menulis komunikasi serta kemampuan siswa dalam mengorganisir dan menyampaikan ide ilmiah secara lebih jelas.Namun, keterbatasan periode implementasi yang singkat dan penggunaan satu kelompok mengharuskan penelitian lanjutan dengan sampel lebih besar dan durasi lebih lama
Keterampilan menulis komunikasi sangat penting dalam pembelajaran sains, namun siswa sering menunjukkan kemampuan rendah dalam mengekspresikan ide ilmiah secara terstruktur dan bermakna. Penelitian ini bertujuan mengembangkan dan mengevaluasi modul pembelajaran sains berbantuan Teachable Machine untuk meningkatkan keterampilan menulis komunikasi siswa kelas tujuh. Penelitian menggunakan metode Penelitian dan Pengembangan (R&D) dengan model ADDIE dan desain satu kelompok pretestAcposttest untuk menguji...
Kunjungi calendar untuk informasi lainnya.