Warta Dharmawansa : Journal of Dharmawangsa University
Not a member yet
3034 research outputs found
Sort by
ANALISIS KOMPARATIF KLASIFIKASI MACHINE LEARNING UNTUK MEMPREDIKSI STUNTING PADA ANAK USIA DI BAWAH LIMA TAHUN
No full textStunting merupakan salah satu permasalahan kesehatan masyarakat yang bisa berdampak jangka panjang terhadap kualitas sumber daya manusia di Indonesia. Deteksi dini terhadap status stunting anak usia di bawah lima tahun menjadi langkah dalam mencegah gangguan pertumbuhan kronis akibat stunting, sehingga penelitian ini bertujuan untuk membangun model klasifikasi status stunting dengan memanfaatkan pendekatan data mining menggunakan algoritma Decision Tree dan Random Forest. Data yang digunakan diperoleh dari hasil survei terhadap ibu yang memiliki anak dibawah umur lima tahun dengan sejumlah 193 responden, data tersebut mencakup variabel antropometri dan sosial ekonomi, seperti tinggi badan, berat badan, usia anak, pendidikan orang tua, pendapatan keluarga, dan urutan kelahiran. data tersebut diproses melalui tahapan Knowledge Discovery in Databases (KDD) meliputi seleksi atribut, imputasi, encoding, dan klasifikasi melalui proses permodelan data mining, selanjutnya evaluasi dilakukan dengan metrik klasifikasi Classification Accuracy(CA) dan Area Under the Curve (AUC) dari kurva Receiver Operating Characteristic (ROC). Hasil penelitian menunjukkan bahwa model Random Forest memiliki performa lebih baik dibandingkan Decision Tree dengan nilai CA 71% dan AUC 0.74. dibandingkan Decision Tree dengan nilai CA 67% dan AUC 0.68. Peneliti berharap bahwa Model prdiksi ini berpotensial dapat digunakan sebagai sistem deteksi dini stunting berbasis data atau sebagai rujukan untuk penelitian berikutnyaKata Kunci—Stunting, Machine Learning, Random Forest, Decision Tree, Classification Model, ROC Curve. ABSTRACTStunting is one of the public health issues that can have long-term impacts on the quality of human resources in Indonesia. Early detection of stunting status among children under five years of age is a critical step in preventing chronic growth disorders. Therefore, this study aims to develop a classification model for stunting status using a data mining approach with Decision Tree and Random Forest algorithms. The dataset was obtained from a survey of 193 mothers with children under five, encompassing anthropometric and socioeconomic variables such as height, weight, child’s age, parental education, family income, and birth order. The data were processed through the stages of Knowledge Discovery in Databases (KDD), including attribute selection, imputation, encoding, and classification modeling. The model performance was evaluated using classification metrics: Classification Accuracy (CA) and the Area Under the Curve (AUC) from the Receiver Operating Characteristic (ROC) curve. The results show that the Random Forest model outperformed the Decision Tree, achieving a CA of 71% and an AUC of 0.74, compared to the Decision Tree with a CA of 67% and an AUC of 0.68. This predictive model is expected to be useful as a data-driven early detection system for stunting or serve as a reference for future research.Keywords—Stunting, Machine Learning, Random Forest, Decision Tree, Classification Model, ROC Curve
IMPLEMENTASI SISTEM ABSENSI MAGANG BERBASIS GEOLOCATION MENGGUNAKAN METODE PROTOTYPING
No full textProses absensi pada kegiatan magang sering kali masih dilakukan secara manual atau menggunakan aplikasi berbasis web yang belum dilengkapi dengan validasi lokasi secara akurat, sehingga berpotensi menimbulkan kecurangan, seperti melakukan absensi dari luar area kerja. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem absensi magang berbasis geolocation dengan menggunakan metode pengembangan Prototyping. Sistem ini memanfaatkan Geolocation API untuk memperoleh koordinat lokasi pengguna serta menggunakan arsitektur serverless Firebase Cloud Functions sebagai backend dalam memproses data kehadiran. Validasi lokasi dilakukan dengan membandingkan posisi pengguna terhadap titik lokasi kantor menggunakan perhitungan jarak berdasarkan rumus Haversine. Pengujian dilakukan melalui tiga skenario, yaitu absensi di dalam radius, di luar radius, dan saat izin lokasi ditolak. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi lokasi dengan akurasi tinggi dan menolak absensi di luar area yang ditentukan. Dengan demikian, sistem ini efektif meningkatkan keaslian data kehadiran serta mengurangi potensi kecurangan dalam absensi magang
ANALISIS DAN PERANCANGAN SISTEM INFORMASI LAYANAN TES KEPRIBADIAN SAINTARA BERBASIS WEBSITE
No full textLayanan tes kepribadian berbasis web menjadi salah satu solusi untuk membantu pengguna memahami jati diri secara mudah. Namun, masih banyak platform yang kurang informatif, tidak interaktif, serta tidak menyediakan hasil analisis yang komprehensif. Penelitian ini bertujuan untuk mengembangkan sebuah website layanan tes kepribadian SAINTARA yang menyediakan layanan tes kepribadian, informasi karakter kepribadian dan rekomendasi pengembangan diri. Metode pengembangan yang digunakan adalah prototype dengan tahapan communication, quick plan, modeling quick design, construction of prototype, deployment delivery & feedback. Website dirancang dengan hak akses yang berbeda untuk individual customer, admin customer, dan admin SAINTARA. Fitur utama yang dikembangkan meliputi proses registrasi dan login, pelaksanaan tes kepribadian, penyajian hasil tes kepribadian, serta dashboard admin untuk mengelola data pengguna. Website yang dihasilkan berhasil memfasilitasi proses layanan tes kepribadian yang cepat dan terstruktur, memungkinkan individual customer mendapatkan hasil tes kepribadian secara langsung. Pengembangan website SAINTARA menjadi solusi efektif untuk mengatasi kendala keterbatasan partisipasi pengguna, sehingga mendukung upaya keberlanjutan layanan tes kepribadian sebagai sarana pengembangan diri di era digital
PERBANDINGAN ALGORITMA HDBSCAN DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING DALAM MENGELOMPOKKAN DATA KETENAGAKERJAAN YANG OUTLIERS
No full textKetenagakerjaan merupakan indikator penting dalam mendukung pembangunan ekonomi nasional. Namun, distribusi tenaga kerja di Indonesia masih menunjukkan ketimpangan antarprovinsi. Beberapa provinsi memiliki kontribusi ekonomi dan tingkat pekerjaan formal yang tinggi, sementara yang lain tertinggal. Penelitian ini bertujuan mengidentifikasi pola distribusi ketenagakerjaan antarprovinsi dengan menerapkan analisis klaster menggunakan delapan variabel dari data BPS. Mengingat adanya pencilan dalam data, deteksi outlier dilakukan menggunakan metode Local Outlier Factor (LOF) yang mengidentifikasi enam provinsi sebagai outlier yaitu Jawa Barat, Jawa Tengah, Jawa Timur, DKI Jakarta, Banten, dan Sumatera Utara. Selanjutnya, data dianalisis menggunakan dua pendekatan klasterisasi, yaitu Agglomerative Hierarchical Clustering (Single, Complete, Average Linkage, dan Ward) dan HDBSCAN untuk membandingkan ketahanan metode terhadap data outlier. Validasi kualitas klaster dilakukan dengan Silhouette Coefficient. Hasil menunjukkan bahwa metode Single Linkage memiliki nilai koefisien tertinggi, namun kurang konsisten dalam memisahkan outlier. Sebaliknya, HDBSCAN lebih adaptif terhadap data yang mengandung noise dan pencilan dengan Silhouette Coefficient sebesar 0.546. Dengan demikian, HDBSCAN dinilai lebih efektif dalam analisis klasterisasi data ketenagakerjaan yang kompleks, sementara metode AHC lebih unggul dalam membentuk klaster yang jelas jika pencilan dapat ditangani secara terpisah
MUSEUM VIRTUAL BERBASIS MIXED REALITY (MR) UNTUK MENINGKATKAN EDUKASI INOVATIF DAN INTERAKTIF DI RAHMAT INTERNATIONAL WILDLIFE MUSEUM & GALLERY
No full textTransformasi digital di bidang pendidikan mendorong museum untuk mengadopsi teknologi interaktif untuk meningkatkan kualitas pembelajaran dan pengalaman pengunjung. Rahmat International Wildlife Museum and Gallery merupakan museum yang unik dan memiliki koleksi lebih dari 2.600 spesies hewan yang diawetkan. Museum ini sebagai tempat edukasi tentang keanekaragaman hayati dan konservasi. Mixed Reality adalah teknologi yang menggabungkan elemen dunia nyata dan virtual secara simultan. Dengan Mixed Reality, pengunjung dapat melihat dan berinteraksi dengan objek fisik sambil mengakses informasi digital secara real-time sehingga memberikan pengalaman edukasi museum yang lebih imersif, interaktif, dan menarik. Penelitian ini bertujuan mengembangkan Museum Virtual berbasis Mixed Reality untuk meningkatkan edukasi inovatif dan interaktif di Rahmat International Wildlife Museum and Gallery. Metode pengembangan multimedia yang dilakukan adalah metode Luther dengan enam tahap yaitu Concept, Design, Material Collecting, Assembly, Testing, dan Distribution. Hasil penelitian menunjukkan peningkatan minat belajar, interaksi, dan pemahaman materi edukasi secara signifikan dibandingkan metode konvensional. Penelitian ini berkontribusi dalam transformasi digital museum di Indonesia, memberikan inovasi pembelajaran yang imersif dan interaktif
Meningkatkan Kualitas Pembelajaran Basic English for Tourism Melalui Kegiatan Praktisi Mengajar
No full textDalam memahami pembelajaran Bahasa Inggris khususnya Basic English for Tourism mahasiswa Pendidikan Bahasa Inggris Universitas Katolik Santo Agustinus Hippo mengalami kesulitan terutama dalam penggunaan Bahasa Inggris untuk praktik di dunia pariwisata. Metode yang digunakan dalam kegiatan Praktisi Mengajar kali ini adalah ceramah, tanya jawab, penggunaan gambar dan video, serta bermain peran. Sedangkan untuk evaluasinya dilakukan dengan pengisian kuesioner. Kegiatan Praktisi Mengajar ini berlangsung selama tiga bulan mulai dari Sosialisasi, pendaftaran, pengumuman dan pelaksanaan Praktisi Mengajar selama tiga bulan, dimulai pada tanggal 3 Oktober sd 18 Desember 2024. Dari hasil evaluasi yang didapat dari kegiatan Praktisi Mengajar ini dari 26 mahasiswa mengatakan bahwa kegiatan Praktisi Mengajar ini sangat bermanfaat untuk menambah pengetahuan mereka terutama dalam mata kuliah English for Tourism. 33,3% mahasiswa merasa puas dan 66,7% merasa sangat puas mengikuti kegiatan Praktisi Mengajar ini. Dengan demikian dapat disimpulkan bahwa semua mahasiswa mendapatkan manfaat dari kegiatan ini
PENGARUH PROMOSI DAN SALURAN DISTRIBUSI TERHADAP VOLUME PENJUALAN PADA PT. BINTANG MEDIKA BERSAMA CABANG MEDAN TEMBUNG
No full text The purpose of this study is to determine the effect of promotion and distribution channels on sales volume at PT. Bintang Medika Bersama Medan Tembung Branch. The data collection techniques used are observation and documentation studies, while the data analysis techniques used are multiple linear regression analysis, t-test, f-test and determination. Based on the results of the study, it can be concluded that there is no partial effect of promotion on sales volume with the test results showing that tcount ttable is 21.918 >1.66864 then H2 is accepted and Ho is rejected, which means that the distribution channel variable has a positive and significant effect on sales volume at PT. Bintang Medika Bersama Medan Tembung Branch. there is a simultaneous influence of promotion and distribution channels on sales volume with the test results showing that Fcount > Ftable, namely 321.504 > 3.14, it can be concluded that H3 is accepted and Ho is rejected, which means that the promotion variables (X1) and distribution channels (X2) together have a positive and significant effect on sales volume (Y) at PT. Bintang Medika with the Medan Tembung branch
ANALISIS KINERJA KEUANGAN PERUSAHAAN MAPA DALAM PERSPEKTIF PASAR MODAL INDONESIA
No full textThis study analyzes the financial performance of PT Mitra Adiperkasa Tbk (MAPA) from a capital market perspective, focusing on key issues related to stock price volatility and investment potential. The main objectives of the study are to evaluate MAPA's financial performance based on market indicators, as well as to identify buy and sell signals using Moving Average Convergence Divergence (MACD). The research method involves analyzing historical MAPA stock price data and calculating the MACD indicator. The results of the study indicate that MACD can provide a relevant indication of MAPA's stock price momentum, although it needs to be considered together with the company's fundamental factors and overall market conditions. The implications of this study provide guidance for investors in making investment decisions in the capital market, especially related to retail sector stocks, and highlight the importance of technical analysis as a complement to fundamental analysis
ANALISIS BIBLIOMETRIK INTEGRASI FAKTOR KEBERLANJUTAN DALAM MODEL FAMA-FRENCH
No full textThe Fama-French model has long served as a fundamental framework for explaining variations in stock returns through market risk, firm size, and book-to-market ratio factors, later expanded to include profitability and investment components. However, the growing urgency of sustainability issues in the global financial system calls for the adaptation of asset pricing models to reflect environmental, social, and governance (ESG) dimensions. This study aims to map the scientific development of sustainability integration within the Fama–French model using a bibliometric approach. Data were collected from the Scopus database using the keywords “Fama–French” and “Sustainability/ESG” for the 2000–2024 publication period. The analysis was conducted using VOSviewer and Biblioshiny to identify publication trends, author collaboration, influential journals, and thematic clusters. The findings indicate a significant increase in publications since 2016, with dominant themes including sustainable asset pricing, ESG performance, and risk-adjusted returns. Integrating ESG factors enhances the multifactor model by incorporating non-financial risk dimensions that influence long-term returns. This study contributes to strengthening the body of knowledge in sustainable finance and provides direction for future research on developing asset pricing models that are more inclusive, resilient, and responsive to global sustainability challenges