Journals of Universitas Teknologi Sumbawa
Not a member yet
2607 research outputs found
Sort by
KOMUNIKASI KRISIS PADA PT. DARMA KALIMANTAN JAYA (STUDI KASUS TENTANG KONFLIK PENGELOLAAN LIMBAH PABRIK)
No full textThis study aims to explore how crisis communication strategies were implemented by PT. Darma Kalimantan Jaya in addressing the conflict over industrial waste management, as well as to analyze the effectiveness of the conflict resolution process in rebuilding public trust. The research adopts a qualitative approach with a case study method. Data were collected through in-depth interviews, participatory observation, and documentation involving five key informants consisting of company representatives, community leaders, and affected residents. Informants were selected using purposive sampling, while data were analyzed using thematic and narrative approaches to identify communication patterns and the dynamics of the crisis. The results reveal that in the early stages of the crisis, the company’s communication was closed, defensive, and reactive, which worsened its relationship with the surrounding community. However, under public and media pressure, the company initiated significant changes by forming a crisis communication team, conducting open meetings with local residents, and implementing corrective actions such as improving waste treatment systems and enhancing information transparency. These measures gradually reduced the intensity of the conflict, helped restore the company’s image, and rebuilt community trust. This study concludes that the effectiveness of crisis communication depends not only on the speed and accuracy of the response but also on information transparency, empathy toward affected communities, and public participation in the conflict resolution process. Theoretically, this research contributes to strengthening a community-based crisis communication model within the rubber industry context and serves as a reference for other industrial companies in managing environmental crises ethically, transparently, and sustainably.
Keyword; Crisis Communication, Waste Management, Conflict Resolution, Information Transparency, PT. Darma Kalimantan Jaya.Penelitian ini bertujuan untuk mengetahui bagaimana strategi komunikasi krisis diterapkan oleh PT. Darma Kalimantan Jaya dalam menghadapi konflik pengelolaan limbah pabrik, serta menganalisis efektivitas resolusi konflik yang dijalankan dalam membangun kembali kepercayaan masyarakat. Penelitian ini menggunakan pendekatan kualitatif dengan metode studi kasus. Data dikumpulkan melalui wawancara mendalam, observasi partisipatif, dan dokumentasi terhadap lima informan utama yang terdiri dari perwakilan perusahaan, tokoh masyarakat, dan warga terdampak. Pemilihan informan dilakukan dengan teknik purposive sampling, sedangkan analisis data dilakukan menggunakan pendekatan tematik dan naratif untuk mengidentifikasi pola komunikasi serta dinamika konflik yang terjadi. Hasil penelitian menunjukkan bahwa pada tahap awal krisis, komunikasi perusahaan bersifat tertutup, defensif, dan reaktif, sehingga memperburuk hubungan dengan masyarakat. Namun setelah muncul tekanan sosial dan media, perusahaan mulai melakukan perubahan signifikan dengan membentuk tim komunikasi krisis, menggelar pertemuan terbuka dengan masyarakat, serta melaksanakan tindakan korektif seperti perbaikan sistem pengolahan limbah dan peningkatan transparansi informasi publik. Langkah-langkah tersebut terbukti mampu menurunkan eskalasi konflik, memperbaiki citra perusahaan, serta membangun kembali kepercayaan masyarakat yang sebelumnya hilang. Penelitian ini menegaskan bahwa efektivitas komunikasi krisis tidak hanya bergantung pada kecepatan dan ketepatan respons, tetapi juga pada keterbukaan informasi, empati terhadap masyarakat, dan partisipasi publik dalam proses penyelesaian konflik. Secara teoretis, penelitian ini memberikan kontribusi terhadap penguatan model komunikasi krisis berbasis komunitas dalam konteks industri karet, sekaligus menjadi rujukan bagi perusahaan lain dalam mengelola krisis lingkungan secara beretika, transparan, dan berkelanjutan.
Kata Kunci; Komunikasi Krisis, Pengelolaan Limbah, Resolusi Konflik, Transparansi Informasi, PT. Darma Kalimantan Jaya
SURVEI KEPUASAN MASYARAKAT TERHADAP KINERJA PEMERINTAH DAERAH KABUPATEN SUMBAWA TAHUN 2025
No full text. Penelitian ini bertujuan untuk menilai tingkat kepuasan masyarakat terhadap kinerja Pemerintah Daerah Kabupaten Sumbawa tahun 2025 sebagai dasar peningkatan kualitas pelayanan publik dan pengambilan kebijakan berbasis data. Manfaat penelitian ini tidak hanya memberikan gambaran objektif tentang persepsi masyarakat terhadap berbagai sektor pelayanan, tetapi juga menjadi alat evaluasi dan perbaikan kinerja birokrasi daerah menuju tata kelola pemerintahan yang transparan, akuntabel, dan responsif. Metode penelitian yang digunakan adalah pendekatan kuantitatif deskriptif melalui Survei Kepuasan Masyarakat (SKM) dengan melibatkan 800 responden yang dipilih secara multistage random sampling di seluruh wilayah Kabupaten Sumbawa. Data dikumpulkan melalui kuesioner dan dianalisis menggunakan Indeks Kepuasan Masyarakat (IKM) serta Importance and Performance Analysis (IPA) untuk mengidentifikasi prioritas perbaikan layanan. Hasil penelitian menunjukkan bahwa tingkat kepuasan masyarakat secara umum tergolong baik pada sektor pendidikan dan kesehatan, namun masih terdapat tantangan pada pemerataan infrastruktur, kualitas pelayanan di tingkat kecamatan dan kabupaten, serta pengembangan ekonomi lokal dan pariwisata. Temuan ini menegaskan perlunya sinergi antara pemerintah dan masyarakat untuk mewujudkan pelayanan publik yang inklusif, berkualitas, dan berkelanjutan dalam mendukung visi Sumbawa Unggul, Maju, dan Sejahtera.Penelitian ini bertujuan untuk menilai tingkat kepuasan masyarakat terhadap kinerja Pemerintah Daerah Kabupaten Sumbawa tahun 2025 sebagai dasar peningkatan kualitas pelayanan publik dan pengambilan kebijakan berbasis data. Manfaat penelitian ini tidak hanya memberikan gambaran objektif tentang persepsi masyarakat terhadap berbagai sektor pelayanan, tetapi juga menjadi alat evaluasi dan perbaikan kinerja birokrasi daerah menuju tata kelola pemerintahan yang transparan, akuntabel, dan responsif. Metode penelitian yang digunakan adalah pendekatan kuantitatif deskriptif melalui Survei Kepuasan Masyarakat (SKM) dengan melibatkan 800 responden yang dipilih secara multistage random sampling di seluruh wilayah Kabupaten Sumbawa. Data dikumpulkan melalui kuesioner dan dianalisis menggunakan Indeks Kepuasan Masyarakat (IKM) serta Importance and Performance Analysis (IPA) untuk mengidentifikasi prioritas perbaikan layanan. Hasil penelitian menunjukkan bahwa tingkat kepuasan masyarakat secara umum tergolong baik pada sektor pendidikan dan kesehatan, namun masih terdapat tantangan pada pemerataan infrastruktur, kualitas pelayanan di tingkat kecamatan dan kabupaten, serta pengembangan ekonomi lokal dan pariwisata. Temuan ini menegaskan perlunya sinergi antara pemerintah dan masyarakat untuk mewujudkan pelayanan publik yang inklusif, berkualitas, dan berkelanjutan dalam mendukung visi Sumbawa Unggul, Maju, dan Sejahter
IMPLEMENTASI CHATBOT TELEGRAM UNTUK ANALISIS NUTRISI DAN DETEKSI KANDUNGAN GIZI PADA MAKANAN CEPAT SAJI
No full textMakanan cepat saji, yang praktis tetapi berbahaya bagi kesehatan, meningkat karena perubahan pola konsumsi masyarakat modern, terutama di kota-kota. Fast food memiliki jumlah kalori, lemak jenuh, natrium, dan gula yang tinggi, tetapi sedikit serat dan mikronutrien, yang berkontribusi pada peningkatan obesitas dan penyakit degeneratif. Sayangnya, informasi tentang nutrisi yang terkandung dalam produk makanan cepat saji seringkali tidak tersedia secara lengkap dan mudah dipahami oleh masyarakat umum. Tujuan dari penelitian ini adalah untuk membuat chatbot berbasis Telegram yang dapat mengidentifikasi dan mengevaluasi gizi makanan cepat saji secara real-time. Sistem ini diharapkan dapat meningkatkan literasi gizi dan kesadaran konsumsi melalui integrasi data nutrisi dan teknologi chatbot. Telegram adalah pilihan karena mendukung antarmuka percakapan yang aman, cepat, dan fleksibel. Hasil penelitian menunjukkan bahwa chatbot ini tidak hanya dapat membuat informasi gizi mudah diakses, tetapi juga dapat berfungsi sebagai alat edukatif yang efektif untuk mendorong masyarakat modern untuk menjalani gaya hidup sehat.
 
PERAMALAN MENGGUNAKAN HYBRID SEASONAL ARIMA DAN EXTREME LEARNING MACHINE: STUDI KASUS JUMLAH PRODUKSI BERAS DI PROVINSI JAWA TIMUR
No full textPenelitian ini mengevaluasi performa metode hybrid Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Extreme Learning Machine (ELM) untuk peramalan data deret waktu. Metode SARIMA digunakan untuk menangkap pola musiman dan linier, sedangkan ELM diaplikasikan pada residual prediksi SARIMA untuk mendeteksi pola non-linier yang sulit ditangkap oleh model tradisional. Studi kasus difokuskan pada prediksi produksi beras bulanan di Provinsi Jawa Timur, salah satu lumbung beras nasional dengan fluktuasi produksi yang memengaruhi perencanaan distribusi dan kebijakan pangan. Hasil evaluasi menunjukkan bahwa model hybrid SARIMA–ELM mencapai nilai MAPE sebesar 9,01% dan RMSE sebesar 38.639,93, menunjukkan akurasi prediksi yang baik. Temuan ini menegaskan bahwa kombinasi SARIMA dan ELM dapat menjadi pendekatan yang efektif untuk peramalan deret waktu dengan pola linier dan non-linier, serta memiliki potensi untuk diterapkan pada dataset atau sektor lain yang memiliki karakteristik serupa
PERBANDINGAN KINERJA TF-IDF DAN COUNT VECTORIZATION PADA SISTEM REKOMENDASI JUDUL SKRIPSI BERBASIS CONTENT-BASED FILTERING
No full textPenelitian ini bertujuan membandingkan dua skema representasi teks, TF-IDF dan Count Vectorizer, untuk membangun sistem rekomendasi judul skripsi berbasis content-based filtering pada repository Universitas Jambi. Kedua metode dipilih karena mewakili dua pendekatan pembobotan yang berbeda, TF-IDF menonjolkan istilah yang penting pada korpus sehingga cocok membedakan topik, sedangkan Count Vectorizer hanya berdasarkan frekuensi kemunculan kata dalam suatu dokumen tanpa mempertimbangkan sebarannya di korpus. Data berupa judul dan abstrak diperoleh melalui web scraping, kemudian diproses dengan deteksi bahasa, penghapusan stop-word, stemming, dan pembersihan teks. Untuk mengatasi ketiadaan label, dilakukan klasterisasi menggunakan HDBSCAN guna menghasilkan label tematik sementara, lalu subset berlabel (347 dokumen) dibagi menjadi 80% data latih dan 20% data uji dan dievaluasi menggunakan K-Nearest Neighbors dengan metrik accuracy, precision, recall, F1-score, serta analisis confusion matrix. Hasil menunjukkan kombinasi TF-IDF + K-Nearest Neighbors (k = 7) mencapai akurasi 98,57%, presisi 99,05%, recall 98,57%, dan F1-score 98,48%, melampaui Count Vectorizer yang tertinggi pada akurasi 94,29%. Prototipe Streamlit sebagai proof of concept menunjukkan bahwa TF-IDF menghasilkan rekomendasi yang lebih relevan dan efisien untuk penemuan skripsi di repository Universitas Jambi
ANALISIS ESTIMASI PENYAKIT TANAMAN TOMAT MENGGUNAKAN PENDEKATAN MACHINE LEARNING TINJAUAN PUSTAKA SISTEMATIS
No full textDeteksi dini penyakit pada tanaman buah sangat penting untuk menjaga produktivitas dan mutu hortikultura. Keterlambatan mengenali gejala dapat menimbulkan kerugian signifikan, baik dari sisi panen maupun ekonomi petani. Kemajuan machine learning (ML) dan deep learning (DL) menawarkan solusi inovatif melalui diagnosis otomatis berbasis citra daun. Penelitian ini meninjau literatur secara sistematis menggunakan kerangka PRISMA untuk mengkaji dataset, performa model, keterbatasan, tren algoritma, serta arah penelitian selanjutnya. Dari 176 artikel, 50 lolos seleksi, dengan 35 fokus pada penyakit tanaman buah. Hasil kajian menunjukkan bahwa Convolutional Neural Network (CNN) dan variasinya masih mendominasi lebih dari 75% studi. Akurasi model sangat tinggi pada dataset laboratorium (95–99%), menurun pada data lapangan (in-the-wild) seperti PlantDoc (90–96%). PlantVillage tetap menjadi dataset utama, meski uji generalisasi menuntut data lapangan yang lebih beragam. Tantangan meliputi domain shift, class imbalance, keterbatasan label tingkat severitas, serta kendala implementasi di perangkat edge. Kontribusi ilmiah kajian ini berupa rekomendasi riset masa depan diarahkan pada pengembangan dataset lapangan standar, integrasi hybrid CNN–GCN, domain adaptation, data sintetik, segmentasi untuk estimasi severitas, serta Edge AI yang real-time dan dapat dijelaskan (explainable AI). Kajian ini menekankan pentingnya inovasi algoritmik, dataset realistis, dan integrasi IoT/edge untuk sistem diagnosis yang akurat, adaptif, dan berkelanjutan
APLIKASI E-COUNSELING UNTUK BIMBINGAN DAN KONSELING SISWA BERBASIS MOBILE
No full textBimbingan dan konseling sangat dibutuhkan terutama dalam dunia pendidikan untuk mendukung kepercayaan diri murid dalam menghadapi tantangan-tantangan yang dialami semasa di sekolah. Namun, di SMA Islam 1 Sleman, masih ditemukan Beberapa siswa memilih untuk memendam masalah yang dialami sehingga enggan menemui guru BK pada jam sekolah dan Pencatatan data saat ini masih dilakukan secara manual dengan mencatat di buku atau lembaran kertas. Maka diberikan solusi lain bagi siswa yang lebih nyaman saat berkonsultasi secara daring. Oleh karena itu, penelitian ini bertujuan untuk membuat aplikasi E-Counseling berbasis mobile dibangun menggunakan framework flutter untuk platform mobile dan PHP untuk website, database MySQL, dengan integrasi REST API. Pengembangan perangkat lunak menggunakan metode waterfall, sedangkan perancangan aplikasi menggunakan Entity Relationship Diagram (ERD) untuk memodelkan struktur basis data. Pengujian fungsional menerapkan dengan teknik Black-Box testing untuk memastikan semua fitur berjalan maksimal. Hasil penelitian ini adalah aplikasi bimbingan dan konseling siswa dilengkapi dengan fitur-fitur konsultasi Chat, penjadwalan, keluhan siswa, data siswa, dan rekap konsultasi
ANALISIS SENTIMEN ULASAN WISATAWAN TERHADAP DESTINASI WISATA PANTAI BALI DENGAN MENGGUNAKAN METODE RANDOM FOREST
No full textBali hidup dari turis, begitu juga reputasinya yang sangat bergantung pada komentar mereka di internet. Semakin banyak orang berbagi kesan tentang tempat wisata di sini, semakin besar pula pengaruhnya bagi nama baik pulau ini. Penelitian ini bertujuan untuk melihat bagaimana perasaan para pelancong saat menulis ulasan tentang pantai-pantai Bali dengan memanfaatkan metode analisis Random Forest. Ulasan pelancong dari internet dikumpulkan lalu dibersihkan dengan menyamakan huruf, memecah teks menjadi bagian kecil, menyingkirkan kata yang tidak penting, hingga menemukan inti katanya. Data tersebut kemudian digunakan untuk melatih sekaligus menguji kemampuan sistem pengenal pola. Keberhasilan sistem diukur melalui tingkat ketepatan dan kelengkapan hasil klasifikasi. Hasil penelitian menunjukkan metode Random Forest efektif dalam memilah komentar wisatawan tentang Bali menjadi tiga kelompok, yaitu suka, tidak suka, dan biasa saja. Informasi yang diperoleh diharapkan dapat dimanfaatkan oleh pemerintah daerah untuk memahami pandangan wisatawan terhadap pantai-pantai di Bali sehingga dapat digunakan sebagai dasar dalam menyusun rencana peningkatan layanan dan promosi pariwisata yang lebih tepat sasara
PENERAPAN METODE K-NEAREST NEIGHBORS UNTUKMEMPREDIKSI HASIL PANEN CABAI
No full textCabai (Capsicum) merupakan komoditas hortikultura yang memiliki peranan sangat krusial di Indonesia. Namun, produksi cabai ini sangat rentan dan sering kali tidak konsisten akibat perubahan iklim seperti tingginya curah hujan dan suhu. Studi ini menghadapi tantangan tersebut dengan menggunakan metode eksperimental kuantitatif, serta memanfaatkan kumpulan data multi-variabel (tempat penanaman, tahun, luas area, curah hujan, kelembaban, dan suhu rata-rata) dari tahun 2015 hingga 2025. Data mengalami proses Normalisasi Min-Max untuk menyeimbangkan skala fitur dan dibagi berdasarkan waktu (data latih 2015–2023, data uji 2024–2025). Metode K-Nearest Neighbors (KNN) digunakan untuk memprediksi hasil cabai, dengan pengujian parameter menunjukkan bahwa K=3 merupakan nilai terbaik untuk mengenali pola lokal. Hasil evaluasi model KNN yang konsisten memperlihatkan nilai R2 sebesar 95,32%, yang membuktikan bahwa model ini sangat cocok dalam menjelaskan variasi data yang sebenarnya. Selain itu, nilai Root Mean Squared Error (RMSE) yang rendah yaitu 168. 4282 kg menunjukkan bahwa rata-rata kesalahan dalam prediksi sangat kecil. Dengan tingkat ketepatan ini, sistem ramalan hasil panen cabai terbukti sah dan dapat mendukung petani dalam pengelolaan, perencanaan, serta peningkatan produktivitas pertanian yang berdasarkan data
Pendeteksian Glaukoma Menggunakan Artificial Neural Network dengan Analisis Optic Cup dan Optic Disk pada Citra Fundus Retina
Full text linkGlaukoma merupakan penyakit mata dengan peningkatan tekanan intraokular yang menyebabkan kerusakan saraf optik dan dapat mengakibatkan kebutaan permanen. Untuk mendeteksi glaukoma, dokter spesialis mata umumnya menghitung Cup to Disc Ratio (CDR) melalui analisis citra fundus retina secara manual. Metode ini membutuhkan waktu yang lama dan mengandalkan keahlian dokter sehingga kurang efektif dan akurat. Oleh karena itu, diperlukan suatu sistem otomatis yang dapat mendeteksi glaukoma secara akurat dan efisien. Penelitian ini bertujuan untuk mengevaluasi jumlah dan kombinasi fitur terekstraksi terbaik dalam mendeteksi glaukoma, dengan menggunakan fitur-fitur seperti Rim to Disc Ratio (RDR), Cup to Disk Ratio (CDR), Vertical Cup to Disc Ratio (VCDR), Horizontal Cup to Disc Ratio (HCDR), dan Horizontal to Vertical CDR (HV CDR), serta mengimplementasikan metode klasifikasi Artificial Neural Network (ANN) Back Propagation dengan total data masukan sebanyak 160 citra, 80 citra normal dan 80 citra glaukoma. Penelitian ini menghasilkan akurasi sebesar 97,50% dengan kombinasi CDR dan VCDR.Glaukoma merupakan penyakit mata dengan adanya peningkatan tekanan intraokular yang menyebabkan kerusakan saraf optik dan dapat menyebabkan kebutaan secara permanen. Untuk mendeteksi glaukoma, dokter mata umumnya menghitung rasio Cup to Disc Ratio (CDR) melalui analisis citra fundus retina secara manual. Metode ini memerlukan waktu lama dan bergantung pada keahlian dokter, sehingga kurang efektif dan kurang akurat. Oleh karena itu, diperlukan sistem otomatis yang dapat mendeteksi glaukoma dengan akurat dan efisien. Penelitian ini bertujuan untuk menyebarkan jumlah dan kombinasi fitur ekstraksi terbaik dalam mendeteksi glaukoma, dengan menggunakan fitur-fitur seperti Rim to Disc Ratio (RDR), Cup to Disk Ratio (CDR), Vertical Cup to Disc Ratio (VCDR), Horizontal Cup to Disc Ratio (HCDR), dan Horizontal to Vertical CDR (HV CDR), serta mengimplementasikan metode klasifikasi Artificial Neural Network (ANN) Back Propagation dengan jumlah data inputan 160 citra, 80 citra normal dan 80 citra glaukoma. Pada penelitian ini menghasilkan akurasi sebesar 97.50% dengan kombinasi fitur ekstraksi ciri CDR dan VCD