Random - JURIS - Juru Riset - Kompilasi Jurnal Akademik Indonesia

Tensile Performance of Inter Module Connections for Modular Steel Buildings Using Finite Element Method

2026-08-25T00:00:35+07:00

#calendar - Tensile Performance of Inter-Module Connections for Modular Steel Buildings Using Finite Element Method: Untuk penelitian lanjutan, disarankan untuk melakukan studi lebih lanjut tentang perilaku sambungan modular di bawah beban lateral dan analisis kegagalan struktural. Selain itu, perlu dilakukan pengembangan model sambungan modular yang lebih realistis dan akurat untuk menganalisis perilaku global bangunan modular baja bertingkat tinggi. Penelitian ini juga dapat dieksplorasi lebih lanjut dengan mempertimbangkan pengaruh berbagai parameter, seperti ukuran modul, konfigurasi sambungan, dan material yang digunakan, pada kinerja struktural bangunan modular. Dengan demikian, penelitian lanjutan dapat memberikan wawasan lebih mendalam tentang perilaku sambungan modular dan kontribusinya terhadap kinerja bangunan modular secara keseluruhan..
Berdasarkan hasil simulasi menggunakan metode elemen hingga (FEM) pada model sambungan modular semi-rigid, diperoleh hasil sebagai berikut.Kapasitas tarik maksimum sambungan adalah 307,48 kN, yang dibagi antara dua kolom modul, sehingga kapasitas tarik per batang mencapai 153,74 kN pada pergeseran 23,2 mm.Perilaku tegangan-strain menunjukkan bahwa batang beroperasi secara elastis hingga Fy = 900 MPa, kemudian secara plastis hingga mendekati Fu = 1.100 MPa, yang menyebabkan strain permanen dan necking pada pergeseran maksimum (35 mm).Hubungan kurva beban-pergeseran dalam uji tarik pada model FEM sesuai dengan perilaku tarik material baja, dari zona elastis, melalui zona plastis, hingga kondisi strain patah.Mode kegagalan sambungan terjadi akibat material mencapai plastisitas penuh pada batang, karena tegangan mendekati nilai Fu material, yang menyebabkan necking akibat gaya tarik
Konstruksi baja modular adalah teknologi inovatif yang menggunakan modul volumetrik prefabricasi, yang sepenuhnya diproduksi di pabrik dan dirakit di lokasi melalui sambungan antar modul untuk membangun bangunan fungsional sepenuhnya. Penggunaan konstruksi modular dapat mengurangi waktu konstruksi hingga 50% dan menghemat biaya hingga 20%. Namun, penerapan sistem ini pada bangunan bertingkat tinggi terbatas karena kinerja strukturalnya sangat dipengaruhi oleh mekanisme sambungan antar modul. Teknologi ini menggunakan model pegas translasi untuk mentransfer beban antara modul melalui sambungan...
Kunjungi calendar untuk informasi lainnya.

Site Specific Seismic Hazard Assessment and Ground Motion Selection for Nonlinear Time History Analysis

2026-08-24T23:32:52+07:00

#calendar - Site-Specific Seismic Hazard Assessment and Ground Motion Selection for Nonlinear Time History Analysis: Untuk penelitian lanjutan, dapat dipertimbangkan untuk mengeksplorasi Analisis Bahaya Gempa Probabilistik (PSHA) guna melakukan penilaian risiko yang lebih komprehensif. Selain itu, kerangka kerja ini dapat diperluas ke daerah-daerah yang aktif secara seismik lainnya. Penelitian ini berkontribusi pada pengembangan praktik desain gempa, menawarkan pendekatan yang tervalidasi bagi insinyur untuk meningkatkan ketahanan struktur di daerah rawan gempa seperti Indonesia..
Penelitian ini menyajikan metodologi komprehensif untuk penilaian bahaya gempa spesifik situs dan pemilihan gerakan tanah, dengan fokus pada Patahan Baribis-Kendeng di Jawa Tengah, Indonesia.Dengan menggabungkan Analisis Bahaya Gempa Deterministik (DSHA), pencocokan spektrum gerakan tanah, dan analisis respons situs, penelitian ini menyediakan kerangka kerja yang kuat untuk mengevaluasi kinerja struktur di bawah beban gempa.Patahan Baribis-Kendeng diidentifikasi sebagai sumber gempa yang dominan, dengan parameter patahan (magnitudo, jarak, dan mekanisme) digunakan untuk menghasilkan spektrum target deterministik.Tujuh rekaman dari database PEER NGA-West2 dipilih dan dicocokkan secara spektrum dengan spektrum target menggunakan SeismoMatch, memastikan kepatuhan dengan toleransi A10%.Langkah ini meningkatkan akurasi gerakan input untuk analisis dinamis nonlinear.Data tanah subsurface mengklasifikasikan situs sebagai Kelas Tanah E (tanah sangat lunak), yang menunjukkan amplifikasi gerakan tanah yang signifikan.Analisis respons situs menerjemahkan gerakan dasar ke percepatan tingkat permukaan, menangkap perilaku tanah lokal
Artikel jurnal ini bertujuan untuk mempelajari metodologi komprehensif yang melibatkan Analisis Bahaya Gempa Deterministik (DSHA), pemilihan gerakan tanah spesifik situs, pencocokan spektrum, dan analisis dinamis nonlinear pada Patahan Beribis Kendeng Waleri. Tujuh rekaman gerakan tanah kuat dipilih dari database PEER NGA-West2 dan dicocokkan secara spektrum dengan spektrum respons target yang diturunkan dari parameter DSHA. Efek situs lokal diintegrasikan melalui analisis respons situs menggunakan data tanah subsurface rinci, yang mengklasifikasikan situs sebagai Kelas E (tanah sangat lunak). Sejarah percepatan waktu permukaan yang dihasilkan digunakan dalam analisis sejarah waktu nonlinear untuk menilai kinerja struktur.
Kunjungi calendar untuk informasi lainnya.

Factor Analysis of E Learning Acceptance in SMK Sore Tulungagung Using Technology Acceptance Model TAM

2026-08-24T23:22:54+07:00

#calendar - Factor Analysis of E-Learning Acceptance in SMK Sore Tulungagung Using Technology Acceptance Model (TAM): Berdasarkan temuan penelitian ini, disarankan agar sekolah, terutama SMK SORE Tulungagung, menjadi lebih proaktif dalam meningkatkan implementasi e-learning dengan fokus pada aspek kemudahan penggunaan dan dukungan teknis. Pelatihan berkala untuk siswa dan guru harus dilakukan untuk meningkatkan keterampilan digital dan mengurangi persepsi kompleksitas sistem. Selain itu, pengembangan antarmuka e-learning yang lebih intuitif dan responsif dapat mendorong sikap pengguna yang positif dan memperkuat niat untuk terus menggunakan platform. Karena sukarela mempengaruhi niat penggunaan, pendekatan yang lebih fleksibel dan berbasis pilihan pengguna juga harus dipertimbangkan, sehingga siswa merasa lebih termotivasi secara intrinsik untuk menggunakan sistem. Akhirnya, memperkuat infrastruktur digital dan dukungan teknis di lingkungan sekolah diperlukan untuk memastikan akses lancar dan penggunaan berkelanjutan dari e-learning..
Penelitian ini menunjukkan bahwa semua variabel dalam model Technology Acceptance Model (TAM) yang dimodifikasi secara signifikan memengaruhi penerimaan e-learning di SMK SORE Tulungagung.Temuan utama menunjukkan bahwa Behavioral Intention to Use (BIU) adalah prediktor terkuat dari Actual Use (AU), yang menunjukkan bahwa niat siswa untuk menggunakan sistem sebagian besar menentukan penggunaannya.Selain itu, Perceived Ease of Use (PEOU) terbukti mempengaruhi Perceived Usefulness (PU) dan Attitude Toward Using (ATU), menyarankan bahwa semakin mudah sistem digunakan, semakin besar manfaat yang dirasakan dan sikap positif terhadap penggunaannya.Variabel eksternal seperti Kompleksitas dan Sukarela juga memainkan peran penting, di mana Kompleksitas bukan hambatan, tetapi justru berkontribusi pada peningkatan manfaat yang dirasakan dan rasa otonomi siswa.Secara keseluruhan, model ini memiliki daya jelaskan kuat, seperti yang ditunjukkan oleh nilai-nilai RA yang tinggi pada variabel dependen.Hasil ini mengonfirmasi bahwa memodifikasi TAM dengan menambahkan variabel kontekstual seperti kompleksitas dan sukarela dapat memberikan pemahaman yang lebih dalam tentang faktor-faktor yang memengaruhi adopsi e-learning di SMK.Implikasi praktis penelitian ini adalah kebutuhan untuk meningkatkan kualitas sistem, pelatihan pengguna, dan dukungan infrastruktur untuk mendorong adopsi e-learning yang lebih luas dan efektif
Meskipun penggunaan E-Learning telah diperluas sebagai solusi pembelajaran modern, pelaksanaannya di SMK SORE Tulungagung masih menghadapi kendala seperti rendahnya partisipasi siswa, kesulitan mengakses fitur E-Learning, serta keterlambatan dalam pengumpulan tugas. Hal ini menunjukkan adanya hambatan dalam penerimaan teknologi pembelajaran oleh siswa. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi penerimaan E-Learning menggunakan kerangka Technology Acceptance Model (TAM) dengan variabel utama: Perceived Usefulness (PU), Perceived Ease of Use (PEOU), Attitude Toward Using (ATU), Behavioral Intention to Use (BIU), dan Actual Use (AU). Metode yang digunakan adalah kuantitatif dengan pendekatan prediktif, data...
Kunjungi calendar untuk informasi lainnya.

Modeling the Impact of Recommendation Algorithms on Gen Z E Commerce Consumption Behavior

2026-08-24T23:17:33+07:00

#calendar - Modeling the Impact of Recommendation Algorithms on Gen Z E-Commerce Consumption Behavior: Penelitian lanjutan dapat mengembangkan tiga arah studi baru berdasarkan temuan dan keterbatasan penelitian ini. Pertama, mengeksplorasi pengaruh faktor emosional dan tekanan waktu pada pembelian impulsif Gen Z melalui studi kualitatif yang lebih mendalam, seperti wawancara mendalam atau observasi perilaku pengguna di platform e-commerce. Kedua, mengembangkan fitur peringatan keuangan real-time di aplikasi Impulse Tracker untuk membantu pengguna mengelola pengeluaran, seperti notifikasi saat pengeluaran mendekati batas anggaran atau rekomendasi penghematan berdasarkan pola konsumsi. Ketiga, membandingkan efektivitas model RNN-LSTM dengan model lain seperti CNN dalam prediksi perilaku impulsif berdasarkan data dari berbagai platform e-commerce, termasuk mempertimbangkan variabel tambahan seperti kebiasaan penggunaan media sosial atau frekuensi interaksi dengan iklan digital. Dengan menggabungkan pendekatan teknologi dan psikologi konsumen, penelitian lanjutan dapat memberikan solusi yang lebih komprehensif untuk mengurangi risiko utang konsumtif dan meningkatkan literasi keuangan di kalangan Gen Z..
Penelitian ini berhasil mengembangkan dan mengevaluasi Impulse Tracker, sistem berbasis web cerdas yang dirancang untuk mengukur dan memprediksi perilaku pembelian impulsif di kalangan pengguna e-commerce Generasi Z.Integrasi Artificial Neural Network (ANN) dan Recurrent Neural NetworkAeLong Short-Term Memory (RNNAeLSTM) mencapai kinerja prediktif yang kuat, seperti ditunjukkan oleh nilai MAE yang rendah dan skor R2 yang tinggi, menunjukkan kemampuan deep learning untuk menangkap kecenderungan perilaku kompleks.Hasil uji Black Box menunjukkan bahwa semua modul sistem Impulse Tracker berfungsi dengan baik dan memenuhi persyaratan fungsional yang ditetapkan.Temuan penelitian ini konsisten dengan beberapa karya sebelumnya dalam penelitian perilaku e-commerce di Indonesia, seperti pengaruh faktor emosional dan hedonis terhadap pembelian impulsif di Shopee, serta pengaruh nilai hedonis, rekomendasi influencer, dan ulasan produk terhadap keputusan pembelian impulsif Gen Z.Pengintegrasian teknologi dan ilmu perilaku ini menawarkan perspektif baru, berbasis data, untuk memahami dan mengelola kecenderungan impulsif dalam lingkungan konsumen digital Indonesia
Prilaku konsumtif Generasi Z (Gen Z) di e-commerce sangat dipengaruhi oleh adanya algoritma rekomendasi, hal ini yang mendorong keputusan pembelian impulsif. Permasalahan ini diperburuk oleh rendahnya literasi keuangan dan ketersediaan layanan Buy Now Pay Later (BNPL), yang memperbesar risiko siklus utang konsumtif. Penelitian ini bertujuan untuk memodelkan dan mengestimasi tingkat prilaku impulsif tersebut secara kuantitatif menggunakan pendekatan deep learning. Dua arsitektur jaringan saraf diuji lalu dibandingkan. Untuk arsitektur pertama, Artificial Neural Network (ANN), digunakan sebagai komponen analisis awal untuk memetakan hubungan antar nonlinear dan variable static hasil preprocessing terhadap tingkat impulsifitas. Arsitektur kedua, model hibrida yang...
Kunjungi calendar untuk informasi lainnya.

Synergistic Temperature Effect on the Acid Corrosion Inhibition of API 5L Grade B Steel Using Eichhornia crassipes Leaf Extract

2026-08-24T23:03:22+07:00

#calendar - Synergistic Temperature Effect on the Acid Corrosion Inhibition of API 5L Grade B Steel Using Eichhornia crassipes Leaf Extract: Penelitian lanjutan dapat mengkaji efektivitas ekstrak tanaman lain sebagai penghambat korosi di lingkungan asam. Selain itu, studi tentang dampak jangka panjang penggunaan ekstrak eceng gembola pada struktur logam di lingkungan industri perlu dilakukan. Pengembangan metode pengujian baru untuk mengevaluasi interaksi penghambat dengan permukaan logam juga menjadi arah penelitian yang layak dieksplorasi..
Variasi suhu secara signifikan memengaruhi laju korosi baja saat menggunakan penghambat organik hijau yang berasal dari eceng gembola.Efisiensi penghambatan tertinggi tercapai pada 50AAC dengan konsentrasi 2500 mg.Hasil uji PDP, EIS, dan WL menunjukkan bahwa ekstrak daun eceng gembola efektif dalam mengurangi korosi logam
Korosi adalah kerusakan sifat material, terutama logam, akibat reaksi kimia dengan lingkungan sekitar. Salah satu metode efektif untuk mengurangi korosi adalah penambahan penghambat. Penghambat organik dianggap ramah lingkungan, ekonomis, dan dapat diperbarui. Dalam studi ini, ekstrak daun eceng gembola (Eichhornia crassipes) digunakan sebagai penghambat organik. Material yang diuji adalah baja API 5L Grade B dalam larutan HCl 1 M sebagai medium korosi, dengan suhu pengujian 30AAC, 40AAC, 50AAC, dan 60AAC, serta konsentrasi penghambat dari 500 mg hingga 2500 mg. Perilaku korosi dievaluasi menggunakan Polarisasi Potensiometrik (PDP), Spektroskopi Impedansi Elektrokimia (EIS), dan Metode Kehilangan Berat (WL)....
Kunjungi calendar untuk informasi lainnya.

Synergizing Historical Similarity and Probabilistic Attributes A Dual Engine Machine Learning Model for Subsidized Housing Credit Risk

2026-08-24T22:36:46+07:00

#calendar - Synergizing Historical Similarity and Probabilistic Attributes: A Dual-Engine Machine Learning Model for Subsidized Housing Credit Risk: Penelitian lanjutan dapat mengeksplorasi penggunaan teknik pemerataan data seperti SMOTE untuk mengatasi ketidakseimbangan kelas dalam dataset subsidi perumahan, yang bisa meningkatkan akurasi model. Selain itu, penggunaan algoritma pembelajaran mesin yang lebih canggih seperti XGBoost atau Random Forest dapat diuji untuk membandingkan kinerjanya dengan pendekatan hibrida KNN-NBC yang sudah ada. Terakhir, penelitian bisa mempertimbangkan integrasi data perilaku keuangan, seperti pola pengeluaran atau riwayat kredit digital, untuk memperkaya analisis risiko kredit dan meningkatkan keadilan dalam proses pemberian pinjaman subsidi..
Studi ini berhasil mengembangkan dan mendeploy sistem pendukung keputusan berbasis web hibrida untuk mengevaluasi kelayakan kredit peminjam subsidi dengan mengintegrasikan algoritma K-Nearest Neighbor (KNN) dan Nayve Bayes Classifier (NBC).Tujuan utama adalah mengurangi bias subjektif dan ketidakefisienan dalam proses persetujuan kredit manual, khususnya untuk program perumahan subsidi pemerintah di Raja Batu Residence.Evaluasi empiris algoritma menunjukkan bahwa model KNN mengungguli model NBC, mencapai akurasi keseluruhan 53,33% dibandingkan 45,33% NBC.Analisis matriks konfusion menunjukkan bahwa KNN memberikan klasifikasi yang lebih seimbang dengan tingkat positif palsu yang lebih rendah, menjadikannya pilihan yang lebih aman dan andal untuk meminimalkan risiko finansial dalam pemberian pinjaman.Sebaliknya, NBC menunjukkan bias optimis, menghasilkan jumlah positif palsu yang lebih tinggi yang dapat menyebabkan gagal bayar pinjaman.Selain itu, distribusi prediksi menunjukkan bias konservatif terhadap penolakan (53,3%), yang selaras dengan manajemen risiko hati-hati dan ambang batas kelayakan ketat yang diperlukan untuk alokasi perumahan subsidi.Di luar metrik algoritma, viabilitas praktis sistem yang diajukan secara kuat diverifikasi melalui pengujian fungsional dan ketergunaan yang ketat.Aplikasi berbasis web mencapai tingkat keberhasilan 100% dalam pengujian kotak hitam fungsional dan mencatat skor rata-rata Skala Ketergunaan Sistem (SUS) sebesar 82,75 dari 20 pengguna akhir.Ini menunjukkan bahwa antarmuka sistem sangat intuitif, efektif menghubungkan perhitungan pembelajaran mesin kompleks dengan kebutuhan operasional staf administratif non-teknis, sehingga secara signifikan mempermudah alur kerja evaluasi kredit.Meskipun hasil ini menjanjikan, studi ini mengakui keterbatasan tertentu.Tingkat akurasi moderat menunjukkan bahwa tugas klasifikasi sangat kompleks, kemungkinan dibatasi oleh ukuran dataset historis yang terbatas dan ketidakseimbangan kelas antara peminjam yang disetujui dan ditolak.Untuk penelitian masa depan, sangat disarankan untuk menerapkan teknik pemerataan data lanjutan, seperti Teknik Over-sampling Minoritas Sintetis (SMOTE), dan mengeksplorasi tuning hiperparameter atau metode pembelajaran ensembel (misalnya, Random Forest atau XGBoost) untuk meningkatkan kekuatan prediktif.Selain itu, mengintegrasikan sumber data alternatif, seperti metrik keuangan perilaku, dapat memberikan pandangan yang lebih holistik terhadap kelayakan kredit peminjam, akhirnya mengarah pada sistem persetujuan kredit yang lebih akurat dan adil untuk program perumahan subsidi
Program pinjaman rumah subsidi memerlukan proses persetujuan kredit yang objektif dan efisien untuk mengurangi bias subjektif dan ketidakefisienan manual dalam evaluasi tradisional. Studi ini mengusulkan sistem pendukung keputusan berbasis web yang memanfaatkan arsitektur ensembel hibrida yang mengintegrasikan algoritma K-Nearest Neighbor (KNN) dan Nayve Bayes Classifier (NBC) untuk mengevaluasi kelayakan kredit peminjam subsidi di Raja Batu Residence. Kerangka yang diajukan menggunakan KNN untuk peta kesamaan data historis dan NBC untuk evaluasi atribut probabilitas, menggabungkan prediksi mereka melalui mekanisme Agregasi Voting Lembut untuk meningkatkan stabilitas. Kinerja sistem dinilai secara ketat...
Kunjungi calendar untuk informasi lainnya.

Integrated Process Design and Economic Evaluation of Waste to Biomaterial Conversion Hydroxyapatite Production from Blue Crab Shells using Aspen Plus

2026-08-24T22:33:12+07:00

#calendar - Integrated Process Design and Economic Evaluation of Waste-to-Biomaterial Conversion: Hydroxyapatite Production from Blue Crab Shells using Aspen Plus: Berdasarkan temuan penelitian ini, beberapa saran penelitian lanjutan dapat dikembangkan. Pertama, validasi model Aspen Plus dengan data eksperimental skala pilot spesifik aliran cangkang kepiting Indonesia untuk meningkatkan akurasi simulasi. Kedua, dilakukan analisis siklus hidup (LCA) menyeluruh untuk mengevaluasi dampak lingkungan dan keberlanjutan proses produksi HAp. Ketiga, optimisasi proses dengan mempertimbangkan variasi kondisi sintesis dan integrasi dengan sistem manajemen limbah berkelanjutan. Penelitian ini juga dapat mengkaji penggunaan teknologi lain seperti pengolahan microwave atau kombinasi metode untuk meningkatkan efisiensi produksi. Selain itu, penelitian lebih lanjut diperlukan untuk mengevaluasi sifat biokompatibilitas dan mekanisme biologis HAp hasil daur ulang dalam aplikasi medis. Dengan menggabungkan validasi eksperimental, analisis lingkungan, dan optimisasi proses, penelitian ini dapat memperkuat desain produksi HAp dari limbah cangkang kepiting dan mendukung strategi bioekonomi sirkular..
Potensi limbah cangkang kepiting biru di Indonesia mencapai 1.236,16 ton per tahun, memberikan peluang besar untuk diproses menjadi produk hidroksiapatit (HAp).Proses ini tidak hanya mengurangi polusi lingkungan tetapi juga meningkatkan nilai tambah produk dan mengurangi ketergantungan pada HAp impor.Berdasarkan simulasi proses produksi, penggunaan 46,48 kg/jam kalsium oksida menghasilkan 150,246 kg/jam HAp melalui metode presipitasi dengan asam fosfat (HCEPOCE).Oleh karena itu, optimisasi pengolahan limbah cangkang kepiting menjadi HAp sangat direkomendasikan di Indonesia untuk manfaat ekonomi dan lingkungan yang lebih baik.Namun, studi ini menghadapi beberapa keterbatasan, seperti tidak adanya validasi model Aspen Plus terhadap data eksperimental skala pilot dan evaluasi yang terbatas pada simulasi proses tanpa analisis siklus hidup (LCA) menyeluruh atau optimisasi teknologi-ekonomi terperinci
Permintaan akan bahan transplantasi tulang semakin meningkat di Indonesia. Suplai kalsium biogenik untuk hidroksiapatit (HAp), komponen inorganik utama tulang manusia, diperoleh dari cangkang kepiting biru yang mengandung 53,70Ae78% berat CaCOCE. Metode produksi HAp dari cangkang kepiting dikembangkan dan dievaluasi dalam studi ini menggunakan Aspen Plus V14 bersama Analyzer Ekonomi Proses Aspen. Simulasi alur kerja mencakup pemisahan padat-cair, pengeringan/pemanasan, penyimpanan CaO, hidrasi CaO, dan presipitasi HAp dengan HCEPOCE. Model termodinamika global yang dipilih adalah pendekatan properti SOLIDS, dan reaksi stoikiometrik dengan kinetika hukum pangkat tipe Arrhenius digunakan untuk simulasi produksi HAp. Dalam simulasi, prediksi produksi HAp sebesar 150,246 kg/jam atau sekitar 1.451,81 ton/tahun untuk desain dasar 46,48 kg/jam CaO. Dengan umur peralatan...
Kunjungi calendar untuk informasi lainnya.

Comparative Machine Learning Algorithms For YouTube Sentiment Analysis On DPR Demonstration 2025 Using Lexicon

2026-08-24T22:33:06+07:00

#calendar - Comparative Machine Learning Algorithms For YouTube Sentiment Analysis On DPR Demonstration 2025 Using Lexicon: Penelitian lanjutan dapat mengembangkan metode ini untuk platform media sosial lain seperti Twitter atau TikTok untuk menguji generalisasi hasil. Selain itu, penggabungan teknik deep learning seperti IndoBERT dengan pendekatan TF-IDF dapat dieksplorasi untuk meningkatkan akurasi. Perlu dilakukan perluasan dan penyempurnaan kamus lexicon InSet untuk mencakup istilah politik spesifik, sehingga meningkatkan kualitas label otomatis dan keakuratan model..
Penelitian ini menunjukkan bahwa algoritma SVM memiliki kinerja terbaik dalam analisis sentimen komentar YouTube terkait Demonstrasi DPR 2025 dengan akurasi 96,5%.Mayoritas komentar (79,8%) bersifat negatif, mencerminkan ketidakpuasan publik terhadap DPR.Pendekatan hibrida berbasis lexicon dan machine learning berhasil meningkatkan akurasi dan efisiensi analisis sentimen pada data media sosial skala besar
Tingginya volume komentar publik di YouTube mengenai Demonstrasi DPR Agustus 2025, yang mencapai 43.910 data mentah, menghadirkan tantangan signifikan dalam melakukan analisis sentimen yang efisien. Keterbatasan waktu dan biaya dalam pelabelan manual untuk dataset berskala besar menjadi hambatan utama dalam pengembangan model prediksi. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan mengusulkan pendekatan hibrida yang mengintegrasikan pelabelan otomatis Lexicon-Based dengan evaluasi komparatif lima algoritma Machine Learning. Metodologi penelitian mencakup tahap text preprocessing yang menghasilkan 40.097 komentar unik, ekstraksi fitur menggunakan TF-IDF, dan pembagian data dengan rasio 80:20. Kinerja...
Kunjungi calendar untuk informasi lainnya.

TRANSFER LEARNING WITH EFFICIENTNET B0 FOR CAT BREED CLASSIFICATION A COMPARATIVE EVALUATION OF OPTIMIZERS

2026-08-24T22:32:31+07:00

#calendar - TRANSFER LEARNING WITH EFFICIENTNET-B0 FOR CAT BREED CLASSIFICATION: A COMPARATIVE EVALUATION OF OPTIMIZERS: Untuk penelitian lanjutan, disarankan untuk memperluas dan mendiversifikasi corpus evaluasi agar dapat menangkap variasi dunia nyata (pencahayaan, pose, latar belakang, dan campuran ras). Selain itu, perlu dilakukan investigasi terhadap augmentasi data yang lebih substansial atau metode augmentasi data generatif untuk mengurangi kebingungan kelas. Perbandingan yang lebih luas di seluruh backbone (CNN ringan yang lebih besar atau varian EfficientNet, hibrida transformer sistematis) dan pencarian hiperparameter/optimizer yang lebih sistematis (termasuk optimizers dan strategi regulasi terbaru) dapat menjelaskan trade-off antara akurasi, latensi, dan ukuran model. Secara operasional, mengadopsi praktik MLOps dasar seperti pemuatan model satu kali, versioning model, monitoring, dan pengujian otomatis serta melakukan studi pengguna dengan pemilik kucing atau dokter hewan akan lebih memvalidasi kegunaan dan memberikan panduan perbaikan untuk adopsi dunia nyata..
This study developed and evaluated a cat breed identification using EfficientNet-B0 and a comparative examination of four optimizers.Results show that the choice of optimizer materially influenced training dynamics and generalization.AdaGrad achieved the highest training accuracy but exhibited earlier plateauing and signs of overfitting.At the same time, Adam provided the best balance of convergence, stability, and test set performance, achieving 88% accuracy on the held out set.Confusion matrix analysis highlighted strong recognition for breeds such as Bombay and Sphynx and recurring confusion among visually similar categories.End to end verification demonstrated that the model can be integrated into a lightweight Flask service with reliable functionality.A small real world trial (10 external images) produced 80% correct identifications, supporting the systemAos practical applicability for in distribution images
Kucing banyak dipelihara sebagai hewan pendamping dan menunjukkan variasi antar ras yang signifikan dalam penampilan serta perilaku yang memengaruhi kebutuhan perawatannya. Penelitian ini mengembangkan sebuah klasifikator citra ringan untuk mengidentifikasi dua belas ras kucing umum dengan memanfaatkan pendekatan transfer learning pada backbone EfficientNet-B0. Eksperimen membandingkan empat algoritma optimisasi (SGD, AdaGrad, RMSProp, dan Adam) untuk menentukan strategi pelatihan yang menyeimbangkan kecepatan konvergensi dan kemampuan generalisasi. Kinerja model diukur menggunakan anlisis confusion matrix dan metrik klasifikasi...
Kunjungi calendar untuk informasi lainnya.

Development of an Information System for Attendance and Student Progress at PAUD Tunas Muda

2026-08-24T22:31:22+07:00

#calendar - Development of an Information System for Attendance and Student Progress at PAUD Tunas Muda: Untuk pengembangan selanjutnya, beberapa hal yang dapat dipertimbangkan untuk meningkatkan fungsionalitas dan cakupan aplikasi PAUD Tunas Muda, yaitu: 1) Tambahkan akses untuk orang tua: Aplikasi dapat dikembangkan sehingga orang tua juga dapat mengakses informasi tentang kehadiran dan perkembangan anak mereka secara langsung melalui akun khusus. 2) Fitur komunikasi dua arah: Tambahkan fitur pesan atau notifikasi sehingga guru dan orang tua dapat berinteraksi secara efektif mengenai aktivitas dan kemajuan anak mereka. 3) Integrasi dengan sistem pendidikan lainnya: Pengembangan lebih lanjut dapat diarahkan untuk menghubungkan aplikasi dengan sistem pendidikan atau basis data lainnya untuk memfasilitasi pelaporan dan pengelolaan data..
Berdasarkan hasil pengujian menggunakan metode black box, dapat disimpulkan bahwa semua fitur dalam aplikasi PAUD Tunas Muda, termasuk login, manajemen kehadiran, penilaian kemajuan siswa, pengelolaan data, pelaporan, dan manajemen pengguna berfungsi dengan baik sesuai dengan spesifikasi desain.Sistem telah terbukti andal dalam mendukung kegiatan pendidikan anak usia dini dengan menyediakan pencatatan data yang akurat, evaluasi kemajuan yang sistematis, dan proses pelaporan yang efisien.Aplikasi ini meningkatkan efektivitas kinerja guru dan menyederhanakan proses pemantauan bagi administrator dan kepala sekolah.Aplikasi ini dikembangkan menggunakan Flutter terintegrasi dengan Firebase Firestore, menawarkan solusi lintas platform modern dan efisien dengan sinkronisasi data real-time.Pendekatan teknologi ini meningkatkan skalabilitas, aksesibilitas, dan efisiensi pemeliharaan, membedakan sistem dari aplikasi manajemen PAUD konvensional.Oleh karena itu, sistem ini layak untuk diimplementasikan sebagai alat pendukung digital untuk institusi PAUD
Aplikasi Sistem Informasi Kehadiran dan Pencatatan Kemajuan Siswa PAUD Tunas Muda adalah platform digital yang dirancang untuk membantu guru dalam mencatat kehadiran dan kemajuan siswa secara modern dan efisien. Saat ini, proses pencatatan masih dilakukan secara manual, sehingga menimbulkan berbagai kendala seperti pelaporan yang terlambat, ketidakakuratan data, dan kesulitan dalam memantau kemajuan siswa secara komprehensif. Penelitian ini menggunakan metode Research and Development (R&D). Penelitian ini bertujuan untuk mengembangkan sistem yang dapat memudahkan guru dalam melakukan absensi dan pencatatan kemajuan siswa serta memungkinkan kepala sekolah untuk memantau data kehadiran dan kemajuan melalui tampilan grafis...
Kunjungi calendar untuk informasi lainnya.

Influence of Leaf Imaging Distance on Water Guava Classification Using Neural Network with Gray Level Co occurrence Matrix Features

2026-08-24T22:25:55+07:00

#calendar - Influence of Leaf Imaging Distance on Water Guava Classification Using Neural Network with Gray Level Co-occurrence Matrix Features: Penelitian lanjutan dapat fokus pada penggunaan teknik pemrosesan citra berbasis deep learning untuk meningkatkan akurasi identifikasi bibit jambu air. Selain itu, perlu dilakukan studi lebih lanjut tentang pengaruh variasi intensitas cahaya dan sudut pengambilan gambar terhadap kualitas fitur tekstur. Terakhir, penelitian juga dapat diperluas ke spesies tanaman lain untuk menguji generalisasi metode ini dalam aplikasi pertanian berbasis komputer vision..
Penelitian ini menyimpulkan bahwa jarak pencitraan 13 cm memberikan akurasi tertinggi sebesar 80% dalam mengidentifikasi bibit jambu air menggunakan metode ANN-BP dan GLCM.Hasil ini menunjukkan bahwa jarak pencitraan berpengaruh signifikan terhadap stabilitas fitur tekstur dan akurasi klasifikasi.Untuk penelitian lanjutan, disarankan untuk meningkatkan jumlah jenis bibit jambu air yang dianalisis, serta mengeksplorasi dampak perubahan ukuran pemotongan gambar dan resolusi kamera terhadap akurasi klasifikasi
Perkembangan teknologi Computer Vision telah memberikan kontribusi signifikan pada sektor pertanian, khususnya dalam identifikasi tanaman berdasarkan karakteristik visual. Jambu air (Syzygium aqueum) merupakan salah satu komoditas buah yang banyak dibudidayakan di Indonesia; namun, varietas bibitnya seringkali sulit dibedakan secara visual. Metode yang mengandalkan pengamatan manusia cenderung memiliki akurasi rendah, sehingga menyoroti kebutuhan akan sistem identifikasi konvensional yang akurat dan efisien sejak tahap awal. Penelitian ini bertujuan untuk menganalisis pengaruh variasi jarak pencitraan terhadap hasil ekstraksi fitur tekstur urat daun menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan untuk memancarkan bagaimana parameter ini mempengaruhi kinerja klasifikasi bibit jambu air menggunakan Backpropagation Artificial Neural...
Kunjungi calendar untuk informasi lainnya.

Development And Usability Evaluation Of A Web Based Pos For Hardware Stores Using Sus

2026-08-24T21:26:08+07:00

#calendar - Development And Usability Evaluation Of A Web-Based Pos For Hardware Stores Using Sus: Penelitian lanjutan dapat mengembangkan strategi onboarding yang lebih efektif untuk pengguna pemula dengan fokus pada panduan interaktif dan simulasi tugas. Selain itu, penelitian dapat mengeksplorasi penyederhanaan alur kerja transaksi dengan integrasi fitur otomatisasi untuk mengurangi kesalahan input. Terakhir, studi dapat mengkaji penerapan teknologi AI untuk meningkatkan ketergunaan sistem melalui analisis pola penggunaan dan rekomendasi personalisasi..
Sistem POS berbasis web yang dikembangkan mampu memenuhi kebutuhan operasional toko bangunan dengan fitur pelaporan dan ekspor data.Hasil evaluasi usability menunjukkan sistem memiliki tingkat ketergunaan yang dapat diterima, meskipun terdapat variasi dalam respons pengguna.Rekomendasi utama penelitian ini adalah meningkatkan proses onboarding dan menyederhanakan alur kerja untuk pengguna baru
Usaha ritel skala kecil seperti toko bangunan masih banyak yang mengelola penjualan, stok, dan pelaporan secara manual sehingga berpotensi menimbulkan kesalahan pencatatan, keterlambatan laporan, dan minim dukungan pengambilan keputusan. Penelitian ini mengembangkan aplikasi Point of Sale (POS) berbasis web untuk konteks toko bangunan dan mengevaluasi usability menggunakan System Usability Scale (SUS). Sistem POS mendukung pengelolaan produk dan kategori, transaksi penjualan (diskon dan pajak), pelaporan penjualan dengan filter rentang tanggal, ringkasan produk terlaris, serta ekspor...
Kunjungi calendar untuk informasi lainnya.