IRPI Publisher Journals (Institute of Research and Publication Indonesia)
Not a member yet
1012 research outputs found
Sort by
Impact of Cover Parameter Value on Rule Generation in Rough Set Classification
Get PDFMachine learning plays a crucial role in healthcare classification, with Rough Set Theory (RST) offering effective tools for managing data uncertainty. Within RST, the RSES2 tool supports algorithms like LEM2 and Covering, yet the influence of cover parameter values on rule generalization and specificity remains underexplored. This study investigates these effects using the Differentiated Thyroid Cancer dataset. The research investigates the trade-offs between rule generalization and specificity by adjusting cover parameter settings, which dictate the minimum and maximum cases a rule must cover. The comparison reveals that the LEM2 algorithm maintains high accuracy across various cover parameter values, with only a slight decline as the parameter increases, and shows improved coverage with higher cover values. In contrast, the Covering algorithm displays greater fluctuations in accuracy, peaking at lower cover parameter values and decreasing significantly as the parameter rises. Coverage for the Covering algorithm is highest at lower cover parameters but decreases sharply at higher values. This indicates that LEM2 is more robust in maintaining accuracy and coverage, while the Covering algorithm performs better at lower cover parameters but struggles with stability as the parameter increases
Analisis Minat Belanja Mahasiswa Universitas Internasional Batam Selama Live Streaming dengan Pendekatan Model Technology Acceptance Model: Analysis of Shopping Interest of Batam International University Students During Live Streaming with Technology Acceptance Model Approach
No full textDalam era digital, live streaming telah menjadi salah satu strategi pemasaran yang berkembang pesat, terutama di platform e-commerce seperti Shopee Live dan TikTok Live di Universitas Internasional Batam (UIB). Penelitian ini bertujuan untuk menganalisis minat belanja mahasiswa Universitas Internasional Batam selama live streaming, dengan menggunakan pendekatan Model Technology Acceptance Model (TAM). Mahasiswa merupakan segmen konsumen yang unik karena mereka memiliki karakteristik berbeda dari kelompok usia lainnya, seperti keterbatasan anggaran, kebiasaan belanja yang berbasis digital, serta kepercayaan terhadap platform online. Oleh karena itu, penting untuk memahami faktor-faktor yang memengaruhi minat belanja mereka saat live streaming. Hal ini cukup penting terutama di Universitas Internasional Batam karena mahasiswa di Universitas Internasional Batam mayoritas sangat mampu, akan tetapi lebih memilih untuk menyisihkan pendapatannya untuk membayar keperluan apa adanya sehingga minat belanjanya cenderung rendah. Penelitian ini menggunakan pendekatan kuantitatif dengan metode survei dan akan dianalisis dengan regresi linear untuk menguji hubungan antar variabel. Hasil penelitian menunjukkan bahwa kegunaan dan kemudahan penggunaan berpengaruh signifikan terhadap sikap terhadap e-commerce. Selain itu, privasi ditemukan berpengaruh terhadap keamanan. Penelitian ini juga memberikan rekomendasi bagi Usaha Kecil Menengah (UKM) untuk mengoptimalkan strategi pemasaran dengan memanfaatkan live streaming secara lebih efektif, khususnya dalam meningkatkan keterlibatan dan pengalaman konsumen
Game Adventure of Cakra Versi Cerita Rakyat Indonesia Sebagai Media Pembelajaran Interaktif: Game Adventure of Cakra Version of Indonesian Folklore as an Interactive Learning Media
No full textPenurunan Penurunan minat generasi muda terhadap cerita rakyat Indonesia di era digital mendorong pengembangan solusi inovatif. Penelitian ini bertujuan mengintegrasikan warisan budaya dengan teknologi modern melalui game edukasi "Adventure of Cakra" berbasis Android. Metodologi pengembangan memanfaatkan game engine Construct 3 untuk menciptakan pengalaman bermain yang imersif melalui animasi sprite, sistem partikel, dan physics engine. Pengembangan menggunakan metode Game Development Life Cycle (GDLC) dengan pengujian black box menunjukkan tingkat keberhasilan 100% pada 15 komponen fungsionalitas yang diuji.Hasil penelitian menunjukkan pendekatan ini berpotensi menjembatani kesenjangan antara nilai-nilai tradisional dengan preferensi generasi digital. Game ini menawarkan cara inovatif untuk mengenalkan kembali cerita rakyat dan mengatasi tantangan menurunnya minat terhadap budaya lokal di era globalisasi. Pengembangan ini sejalan dengan studi kasus game "Petualangan Bahasa Lampung" yang berhasil meningkatkan minat belajar bahasa daerah sebesar 80% pada siswa sekolah dasar. Integrasi teknologi dalam pelestarian budaya menciptakan solusi relevan dan menarik bagi generasi muda, mendorong inovasi dalam pendidikan budaya dan memperkuat identitas nasional di era digital
Pengembangan Sistem Pakar untuk Diagnosa Dini Penyakit Paru Obstruktif Kronis Menggunakan Decision Tree dan Dempster-Shafer Berbasis Mobile: Development of an Expert System for Early Diagnosis of Chronic Obstructive Pulmonary Disease Using Mobile-Based Decision Tree and Dempster-Shafer Methods
No full textSeiring dengan pertumbuhan penduduk, perkembangan industri serta meningkatnya kebutuhan transportasi mengakibatkan meningkatnya pencemaran udara di alam bebas perkotaan dan subperkotaan. Akibat yang ditimbulkan dari pencemaran udara berupa batuk, sesak napas, dan iritasi mukosa saluran pernapasan dapat mengakibatkan risiko terkena Penyakit Paru Obstruktif Kronis (PPOK). PPOK merupakan penyakit yang menghambat aliran udara saluran pernapasan yang tidak sepenuhnya reversibel. Masyarakat sering mengabaikan gejala-gejala dini pada PPOK, sedangkan diagnosa dini pada PPOK merupakan hal yang penting. Selain itu fasilitas kedokteran dan minimnya jumlah dokter spesialis paru-paru, menyebabkan semakin banyak masyarakat yang mengidap PPOK. Berdasarkan permasalahan tersebut, penelitian ini dilakukan dengan mengembangkan sistem pakar menggunakan algoritme Decision Tree dan Dempster-Shafer. Penelitian ini diharapkan dalam membantu masyarakat mendeteksi dini PPOK. Kemudian sistem tersebut diimplementasikan ke perangkat berbasis mobile. Metode pengembangan sistem menggunakan Expert System Development Lifecycle (ESDLC). Pengujian sistem menggunakan teknik Black-Box menunjukkan bahwa sistem yang dibuat berfungsi seperti yang diharapkan. Akurasi sistem pakar ini diuji dengan menggunakan 100 data uji yang berupa rekam medis. Pengujian dilakukan dengan membandingkan hasil diagnosa pakar yang ada pada rekam medis dengan hasil diagnosa aplikasi. Hasil pengujian akurasi mendapatkan nilai sebesar 86%
Perbandingan Performa Metode Klasifikasi Teks Multilabel Hadis Terjemahan Bukhari Menggunakan Support Vector Machine dan Long Short Term Memory: Performance Comparison of Multilabel Text Classification Methods on Translated Hadiths of Bukhari Using Support Vector Machine and Long Short Term Memory
No full textHadis merupakan sumber hukum kedua dalam Islam, dan salah satu kitab hadis yang paling dikenal adalah Shahih al-Bukhari. Untuk mendukung pemahaman dan pengamalan yang tepat, hadis perlu diklasifikasikan secara akurat. Mengingat satu hadis dapat mengandung lebih dari satu informasi, pendekatan klasifikasi multilabel menjadi sangat relevan. Penelitian ini bertujuan untuk memberikan kontribusi dalam bidang klasifikasi teks dengan mengeksplorasi kombinasi metode dan parameter yang optimal untuk klasifikasi multilabel hadis. Hasil penelitian menunjukkan bahwa Support Vector Machine (SVM) memberikan performa terbaik pada label Larangan dengan Macro F1-score sebesar 82,57%, melalui kombinasi SVM + TF-IDF menggunakan kernel = linear, parameter C (regularization parameter) = 1 tanpa stopword removal dan tanpa balancing. Sementara itu, Long Short Term Memory (LSTM) juga unggul pada label Larangan dengan Macro F1-score 82,66% pada kombinasi parameter Epoch = 20, Dropout = 0.5, Dense = 128 dan Batch Size = 64 tanpa stopword removal dan tanpa balancing kombinasi ini juga menghasilkan nilai Hamming Loss terendah sebesar 10,452%, yang lebih baik dibandingkan dengan penelitian sebelumnya serta menunjukkan bahwa LSTM terbukti lebih efektif secara keseluruhan dengan penyetelan parameter yang tepat. Penelitian ini juga berkontribusi dalam peningkatan kualitas data dengan melengkapi matan hadis yang digunakan, sehingga menghasilkan performa klasifikasi yang lebih baik
Education on the Importance of Literacy and a Reading Culture for Golden Indonesia 2045 for MTS Asy-Syifa Students : Edukasi Pentingnya Literasi dan Budaya Membaca untuk Indonesia Emas 2045 terhadap Siswa MTS Asy-Syifa
Get PDFThe Indonesian government has declared a vision for a Golden Indonesia by the year 2045. To create a bright future for Indonesia in the next 20 years, we must cultivate an outstanding young generation today by raising awareness of the importance of literacy and a reading culture among the youth. Literacy is not merely the technical ability to read and write, but goes beyond that—it includes the ability to understand, interpret, evaluate, and use information in order to participate actively in society. Once this awareness and mindset are formed, it is hoped that Indonesia's young generation will develop more productive habits by reading more books, thereby broadening their horizons, fostering a love for knowledge, cultivating curiosity, and developing critical thinking skills. This will help them become independent learners capable of responding to the increasingly complex challenges of the times. This community service activity employed a participatory action research method and was conducted with students of Madrasah Tsanawiyyah As-Syifa in West Bandung Regency. The activity took place on May 15, 2025. The students’ pre-test results showed an average score of 66.27. This finding indicates that the students had not yet fully understood the meaning of literacy or the importance of literacy and a reading culture. After being provided with education on the importance of literacy and reading habits, a post-test was administered. The results showed an increased average score of 83.09 and a calculated N-gain of 0.51, which falls into the medium category. These results indicate that students' understanding and awareness of the importance of literacy and a reading culture had improved
Pendidikan Islam Berbasis Neuroedukasi: Strategi Pembelajaran Al-Qur'an
Get PDFIslamic education has an important role in shaping children's character from an early age. However, Qur'anic learning often faces challenges in creating an optimal and enjoyable learning experience. The neuroeducational approach, which integrates the principles of neuroscience in education, offers the potential to improve the effectiveness of Qur'?nic learning. This research aims to explore neuroeducation-based Qur'?nic learning strategies in the context of Islamic education for early childhood. This research used qualitative methods with data collection techniques in the form of in-depth interviews, observation, and document analysis. The research subjects include Islamic education teachers and parents who understand the application of neuroeducation. Data were analyzed thematically to identify effective patterns and strategies in neuroeducational-based Qur'anic learning. The results show that the neuroeducational approach can increase students' motivation to learn, strengthen their understanding of Qur'anic material, and support children's emotional and social development. Teachers who apply this strategy tend to create a learning atmosphere that is interactive, fun, and in accordance with children's brain development. In conclusion, the integration of neuroeducation in Islamic education contributes significantly to improving the quality of Qur'?nic learning. This study recommends training for educators to understand the principles of neuroeducation and its application in Islamic values-based learning.
Keyword: Islamic Education, Neuroeducation, Learning Strategy, Al-Qur'anPendidikan Islam memiliki peran penting dalam membentuk karakter anak sejak usia dini. Namun, pembelajaran Al-Qur'an sering kali menghadapi tantangan dalam menciptakan pengalaman belajar yang optimal dan menyenangkan. Pendekatan neuroedukasi, yang mengintegrasikan prinsip-prinsip neurosains dalam pendidikan, menawarkan potensi untuk meningkatkan efektivitas pembelajaran Al-Qur'an. Penelitian ini bertujuan untuk mengeksplorasi strategi pembelajaran Al-Qur'an berbasis neuroedukasi dalam konteks pendidikan Islam untuk anak usia dini. Penelitian ini menggunakan metode kualitatif dengan teknik pengumpulan data berupa wawancara mendalam, observasi, dan analisis dokumen. Subjek penelitian meliputi guru pendidikan Islam dan orang tua yang memahami penerapan neuroedukasi. Data dianalisis secara tematik untuk mengidentifikasi pola dan strategi yang efektif dalam pembelajaran Al-Qur'an berbasis neuroedukasi. Hasil penelitian menunjukkan bahwa pendekatan neuroedukasi dapat meningkatkan motivasi belajar siswa, memperkuat pemahaman terhadap materi Al-Qur'an, dan mendukung perkembangan emosional serta sosial anak. Guru yang menerapkan strategi ini cenderung menciptakan suasana belajar yang interaktif, menyenangkan, dan sesuai dengan perkembangan otak anak. Kesimpulannya, integrasi neuroedukasi dalam pendidikan Islam memberikan kontribusi signifikan terhadap peningkatan kualitas pembelajaran Al-Qur'an. Penelitian ini merekomendasikan pelatihan bagi pendidik untuk memahami prinsip-prinsip neuroedukasi dan penerapannya dalam pembelajaran berbasis nilai-nilai Islam
Segmentasi Wilayah Target Promosi Menggunakan Algortima K-Means Clustering pada Perguruan Tinggi: Segmentation of Promotion Target Areas Using the K-Means Clustering Algorithm at Universities
No full textUnit admisi sebuah perguruan tinggi swasta aktif melakukan promosi ke sekolah menengah atas dengan berbagai bentuk. Target sekolah dipilih berdasarkan pengalaman dan ketersediaan personil, namun belum menggunakan analisis histori data. Pada penelitian ini dibangun sistem segmentasi wilayah promosi menggunakan K-Means Clustering untuk mengelompokkan potensi sekolah, kota, dan provinsi berdasarkan aktivitas pendaftaran tahun-tahun sebelumnya. Data bersih yang digunakan sejumlah 7177 baris data, yang diambil dari data calon mahasiswa pendaftar periode 2020 hingga 2024. Data meliputi pendaftar yang diterima, pilihan 1, pilihan 2, waktu pendaftaran, registrasi dan membatalkan registrasi. Proses pengolahan data meliputi tahapan pembersihan normalisasi nama sekolah, dan standarisasi nama sekolah menggunakan fuzzy string matching, pembobotan status pendaftar, dan perhitungan skor. Pengklasteran menggunakan K-Means dilakukan pada hasil perhitungan skor yang telah dinormalisasi. Jumlah klaster optimal ditentukan menggunakan metode Silhouette Coefficient. Luaran berupa nilai centroid dan label klaster untuk setiap entitas yang diklaster. Sistem berhasil mengelompokkan potensi sekolah, kota, dan provinsi tempat promosi. Luaran sistem dibandingkan dengan lokasi riil promosi yang telah dilakukan unit Admisi. Hasil menunjukkan bahwa dari 125 sekolah tempat promosi, hanya 48 sekolah yang sesuai dengan hasil sistem. Sistem mengidentifikasi 109 sekolah potensial dan cukup potensial, 44,04% yang sudah dijangkau promosi
Klasifikasi Kelayakan Penerima Beasiswa Menggunakan Naive Bayes dengan Optimasi Atribut Berbasis K-Means Clustering: Classification of Scholarship Eligibility Using Naïve Bayes with Attribute Optimization Based on K-Means Clustering
No full textPenelitian ini bertujuan untuk mengklasifikasikan kelayakan penerima beasiswa di Kecamatan Tabir dengan menggunakan algoritma Naïve Bayes yang dioptimasi melalui K-Means Clustering. Dataset berjumlah 4.155 siswa diproses melalui tahap pra-pemrosesan, mencakup seleksi atribut relevan, pembersihan data, serta transformasi kategori ke bentuk numerik. Proses clustering dilakukan dengan K-Means pada K = 2, 3, dan 5, lalu dievaluasi menggunakan Davies-Bouldin Index (DBI). Hasil terbaik diperoleh pada K = 2 dengan nilai DBI = 0,909, yang selanjutnya digunakan untuk mengelompokkan data menjadi dua klaster, yaitu “Layak” dan “Tidak Layak”. Klaster yang dihasilkan kemudian digunakan untuk mengoptimasi atribut pada tahap klasifikasi menggunakan algoritma Naïve Bayes.. Evaluasi performa menggunakan confusion matrix dengan skema split data 70:30, 80:20, dan 10-fold cross validation. Hasil menunjukkan akurasi masing-masing 96,15%, 96,75%, dan 97,91%; precision 99,90%, 99,85%, dan 99,97%; recall 95,39%, 96,18%, dan 97,47%; serta F1-score 97,60%, 97,97%, dan 98,71%. Berdasarkan hasil tersebut, metode 10-fold cross validation memberikan performa terbaik karena mampu menjaga keseimbangan antara akurasi, precision, recall, dan F1-score. Dengan demikian, integrasi antara K-Means Clustering dan Naïve Bayes terbukti efektif dalam mengoptimasi atribut, serta menghasilkan sistem klasifikasi yang akurat, konsisten, dan andal untuk mendukung keputusan seleksi penerima beasiswa
Early Warning Systems for Financial Crisis Prediction: A Systematic Literature Review of Econometrics, Machine Learning and Uncertainty Indices
No full textThis study evaluates the integration of econometric methods, machine learning models, and uncertainty indices within the framework of Early Warning Systems (EWS) for financial crisis prediction in stock markets. A Systematic Literature Review (SLR) was conducted on studies published between 2008 and 2024, sourced from reputable databases such as Scopus, IEEE, and other international publishers. The review identifies three main objectives. First, the development of predictive models for market volatility and systemic risk using econometric and machine learning approaches. Second, the diagnosis of risk factors by incorporating macroeconomic indicators, commodity prices, geopolitical uncertainty, and sentiment data from big data sources. Third, the evaluation of policy implications and the role of composite indicators in maintaining financial stability. The dominant data categories include market data (prices, returns, volatility, sectoral indices), macroeconomic indicators (production, interest rates, leading indicators), commodities and energy (oil and gold), and measures of risk and uncertainty (GPR, GEPU, TPU, sentiment). Methodologically, studies employ time series econometrics (ARIMA, GARCH, VAR, spillover), machine learning, hybrid approaches, and indicator or policy-based frameworks. The findings reveal a growing trend toward multivariate and hybrid models, yet highlight limited integration across methods and data domains.