IRPI Publisher Journals (Institute of Research and Publication Indonesia)
Not a member yet
1012 research outputs found
Sort by
Pemanfaatan Machine Learning dalam Menganalisis Sentimen Terhadap Program TAPERA di Platform Digital X: Utilization of Machine Learning in Analyzing Sentiment Towards the TAPERA Program on Digital X Platform
No full textTabungan Perumahan Rakyat (TAPERA) adalah program pemerintah Indonesia yang bertujuan mengatasi masalah perumahan bagi masyarakat berpenghasilan rendah dan menengah, namun mendapat beragam respons akibat perubahan kebijakan. Tujuan Penelitian ini menganalisis sentimen pengguna media sosial X terhadap kebijakan TAPERA, untuk mengidentifikasi apakah sentimen yang dominan adalah positif, negatif, atau netral. Metode yang dimanfaatkan untuk menganilisis sentimen yaitu Crisp-DM dengan memanfaatkan model Support Vector Machine (SVM) dan Random Forest yang merupakan algoritma dari Machine Learning. Data dikumpulkan dari Platform Digital X dengan total 2.936 komentar, dan proses pelabelannya divalidasi oleh ahli Ilmu Komunikasi guna memastikan akurasi serta menghindari kesalahan. Hasil evaluasi menggunakan confusion matrix dari Model SVM menunjukkan keunggulan dengan akurasi 88%, dibandingkan dengan Random Forest yang memiliki akurasi 86%. Sedangkan hasil klasifikasi model, masyarakat lebih cenderung memberikan respons negatif terhadap perubahan kebijakan program TAPERA yaitu 1.874 komentar (63,9%). Dominasi sentimen negatif ini mencerminkan ketidakpuasan masyarakat terhadap program TAPERA secara umum. Sentimen positif sejumlah 527 komentar (18%), menunjukkan apresiasi terhadap inisiatif pemerintah masih terbatas. Serta Sentimen netral sejumlah 534 komentar (18,1%), menunjukkan kebutuhan informasi untuk meningkatkan pemahaman masyarakat. Penelitian ini diharapkan dapat menjadi pendukung rekomendasi untuk perbaikan pengelolaan TAPERA yang lebih baik, terutama dalam aspek layanan, transparansi, dan komunikasi
Penentuan Kualitas Kopra Berbasis Citra Kontur Menggunakan Metode Canny Edge Detection: Determination of Copra Quality Based on Contour Image Using the Canny Edge Detection Method
No full textUD Cendrawasih, yang berlokasi di Kelurahan Motoboi Kecil, Kotamobagu Selatan, Sulawesi Utara, adalah usaha jual beli kopra yang telah beroperasi lama. Proses penilaian kualitas kopra saat ini masih manual melalui inspeksi visual, yang meskipun andal, sering kali menghadirkan subjektivitas dan kurang konsisten. Penelitian ini bertujuan mengotomatisasi dan meningkatkan akurasi penilaian kualitas kopra menggunakan metode Canny Edge Detection dengan model Canny-Inception. Model ini mengklasifikasikan kopra menjadi tiga kelas: "basah" (kadar air tinggi), "kering" (kopra yang telah dikeringkan), dan "berjamur" (ditandai oleh warna dan bau). Data dibagi dalam tiga model: Model A (80:10:10), Model B (70:20:10), dan Model C (60:30:10). Hasil penelitian menunjukkan Model C memberikan performa terbaik dengan akurasi validasi 87,50% pada epoch ke-9 dan validation loss 40,27%. Analisis menggunakan Confusion Matrix mengungkapkan Model A unggul pada kelas basah (81%), Model B pada kelas kering (62%), dan Model C pada kelas berjamur (76%). Dengan akurasi keseluruhan 87,50%, Model C dinilai paling efektif untuk klasifikasi kualitas kopra secara akurat dan konsisten
AI-Powered: Leveraging Teachable Machine for Real-time Scanner
Full text linkEffective inventory control is essential in optimizing profitability through cost control and efficiency expectations. Conventional inventory techniques frequently find it difficult to adjust to the fast-changing restaurant setting, resulting in surplus stock, inventory deficits, and unnecessary food waste. Nonetheless, a notable shift is approaching, as the incorporation of artificial intelligence (AI) may help address this issue. AI-powered inventory management systems help restaurants optimize stock levels, reduce waste, and predict demand more accurately, leading to improved efficiency and increased profitability. This study explores how AI-driven inventory management enhances efficiency, reduces waste, and automates restocking in the restaurant sector, with a particular focus on TastyGo's integration of Teachable Machine and TensorFlow Lite. The suggested solution uses picture recognition for real-time inventory tracking, and machine learning models to predict demand and replenishment automation. TastyGo can expedite supply chain management, save waste through predictive analytics, and improve its inventory by employing these AI techniques. This study shows how AI-driven solutions may boost decision-making, reduce food waste, and greatly increase operational efficiency, all of which can result in higher profitability. The findings highlight how AI technologies have the potential to revolutionize conventional inventory management systems in the restaurant industry
Perbandingan Kinerja Algoritma Clustering K-Means dan K-Medoids dalam Pengelompokan Sekolah di Provinsi Riau Berdasarkan Ketersediaan Sarana dan Prasarana: Comparison of K-Means and K-Medoids Clustering Algorithm Performance in Grouping Schools in Riau Province Based on Availability of Facilities and Infrastructure
No full textPendidikan yang berkualitas sangat dipengaruhi oleh ketersediaan sarana dan prasarana yang memadai. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma clustering, yaitu K-Means dan K-Medoids, dalam mengelompokkan 497 sekolah negeri di Provinsi Riau yang terdiri dari jenjang SD, SMP, SMA, dan SMK. Data yang dianalisis meliputi jumlah guru, siswa, ruang kelas, laboratorium, akses internet, sanitasi, dan status akreditasi. Data diperoleh dari Dinas Pendidikan dan Badan Pusat Statistik (BPS) Provinsi Riau, kemudian dianalisis melalui Exploratory Data Analysis (EDA), preprocessing, dan reduksi dimensi dengan Principal Component Analysis (PCA). Hasil evaluasi menggunakan Davies-Bouldin Index (DBI) dengan k=3 menunjukkan bahwa K-Medoids menghasilkan cluster yang lebih terpisah dan lebih baik (0,61) dibandingkan K-Means (0,80). Keunggulan K-Medoids terletak pada ketahanannya terhadap outlier dan distribusi data yang tidak merata. Hasil penelitian ini dapat digunakan sebagai acuan dalam perencanaan kebijakan pendidikan yang lebih merata dan tepat sasaran di Provinsi Riau
Socialization of Bilingual Method Integration in Teaching at Meilia Medika Vocational School" : Sosialisasi Integrasi Metode Bilingual dalam Pembelajaran Di SMK Meilia Medika
Full text linkThe purpose of this community service activity is to provide socialization about the integration of bilingual methods. The mastery of foreign languages is something that cannot be dismissed in the current era of globalization. Therefore, the Unindra abdimas team conducted a socialization to integrate bilingual learning methods (Indonesian and English) in learning at SMK Meilia Medika. This activity was carried out to improve students' competence in English and prepare them to face competition in the global workforce. Activities carried out in the form of intensive training for teachers, preparation of bilingual teaching materials, and implementation of bilingual classes in several subjects. Through this socialization, it is hoped that all stakeholders, including teachers, students, and parents, will understand the importance of the bilingual method and play an active role in its success. The expected outcome of this program is the improvement of students' English language skills and the creation of a more dynamic and interactive learning environment
Pengaruh Faktor Lingkungan Terhadap Distribusi Kasus DBD di Jakarta Selatan Menggunakan Pendekatan Geographically and Temporally Weighted Regression (GTWR): The Effect of Environmental Factors on the Distribution of Dangue Fever Cases in South Jakarta Using Geographically and Temporally Weighted Regression (GTWR) Approach
No full textDemam Berdarah Dengue (DBD) adalah penyakit endemis yang dipengaruhi oleh banyak faktor lingkungan dan memiliki pola penyebaran yang kompleks secara spasial dan temporal. Dengan menggunakan pendekatan Geographically and Temporally Weighted Regression (GTWR), penelitian ini bertujuan untuk menganalisis distribusi kasus DBD di wilayah Jakarta Selatan. Suhu maksimum dan suhu minimum memiliki dampak positif yang konsisten terhadap peningkatan kasus DBD, menurut hasil penelitian. Kinerja model GTWR ditunjukkan dengan nilai R-squared 0,5697 dan AIC 556,766. Visualisasi peta risiko mengidentifikasi wilayah seperti Jagakarsa, Cilandak, dan Mampang Prapatan sebagai daerah dengan risiko tinggi, dan pola musiman memperlihatkan peningkatan kasus pada awal hingga pertengahan tahun serta penurunan pada musim kemarau
Penerapan Hyperparameter Tuning pada Model Klasifikasi untuk Prediksi Risiko Penyakit Jantung : Implementation of Hyperparameter Tuning for Classification Models in Heart Disease Risk Prediction
No full textPenyakit jantung adalah penyebab utama kematian di seluruh dunia, sehingga penting untuk melakukan deteksi dini secara tepat untuk menurunkan angka kematian. Tantangan utama dalam penelitian ini adalah bagaimana cara meningkatkan efektivitas model klasifikasi dalam mendeteksi penyakit jantung. Tujuan dari penelitian ini adalah untuk membandingkan kinerja beberapa algoritma klasifikasi dan menilai dampak hyperparameter tuning terhadap peningkatan akurasi prediksi. Metode yang digunakan mencakup penerapan algoritma Logistic Regression, Decision Tree, Support Vector Machine (SVM), dan K-Nearest Neighbor (K-NN) pada dataset Cleveland Clinic Heart Disease yang diambil dari Kaggle. Proses hyperparameter tuning dilaksanakan dengan menggunakan gridsearchCV dan randomizedsearchCV bersama dengan cross-validation. Temuan penelitian menunjukkan bahwa setelah dilakukan tuning, logistic regression, K-NN, dan SVM mencapai akurasi tertinggi yang sama, yaitu 84%. Decision tree berada di posisi terendah dengan akurasi 80%. Selain itu, nilai precision, recall, dan F1-score juga meningkat, terutama pada logistic regression dan K-NN yang menunjukkan hasil paling seimbang. Hasil ini membuktikan bahwa hyperparameter tuning sangat membantu dalam meningkatkan kinerja model klasifikasi dan mendukung penggunaan machine learning untuk deteksi dini penyakit jantung secara lebih efektif
Developing a Predictive System for On-Time Graduation Using Logistic Regression
No full textTimely graduation is widely recognized as a key indicator of academic quality and institutional effectiveness in higher education. While previous studies have examined individual predictors of student progression, few have combined academic, demographic, and socioeconomic factors into a comprehensive predictive model, particularly within the context of Indonesian private universities. This study aims to identify the main factors influencing on-time graduation by applying logistic regression to student data collected from a private university’s academic information system. The dataset includes 9,012 undergraduate records from cohorts entering between 2017 and 2020, covering a range of academic, admission, and background variables. The analysis reveals that fourth-semester GPA, attendance rate, scholarship status, completion of mandatory courses, and early course load have a significant impact on the probability of graduating on time. The predictive model achieved an accuracy of 85.76% and a recall of 90%, demonstrating strong classification performance. Although the findings are based on data from a single institution, the results offer practical insights for developing academic early warning systems and inform data-driven planning in higher education management
Peramalan Multivariate Time Series Harga Aspal Menggunakan Algoritma Gated Recurrent Unit: Multivariate Time Series Forecasting of Asphalt Prices Using the Gated Recurrent Unit Algorithm
No full textFluktuasi harga minyak global menimbulkan volatilitas tinggi pada harga aspal dan menciptakan ketidakpastian dalam perencanaan bisnis. Penelitian ini mengembangkan model multivariate forecasting harga aspal menggunakan algoritma Gated Recurrent Unit (GRU). Proses penelitian mengikuti tahapan Business Understanding, Data Understanding, Data Preprocessing, Data Modelling, Evaluation, dan Deployment. Data yang dianalisis mencakup harga aspal (kategori low dan high) serta harga minyak global (close) periode 2016–2023, dengan total 371 observasi. Hasil eksplorasi menunjukkan bahwa harga minyak menjadi prediktor dominan terhadap perubahan harga aspal. Evaluasi model memperlihatkan kinerja GRU yang sangat baik dengan nilai rata-rata MAE 6,2441, RMSE 8,2880, dan R² sebesar 96,05%, yang menandakan kemampuan model dalam mengenali pola deret waktu secara akurat. Namun demikian, keterbatasan penelitian ini terletak pada cakupan data yang bersumber dari satu perusahaan dengan rentang waktu terbatas, sehingga berpotensi menimbulkan bias representatif. Selain itu, model GRU cenderung sensitif terhadap parameter pelatihan dan ukuran windowing, yang dapat mempengaruhi stabilitas hasil pada data dengan pola musiman ekstrem. Dalam implementasi praktis, integrasi GRU ke dalam sistem bisnis juga memerlukan kapasitas komputasi dan pembaruan model berkala agar hasil prediksi tetap adaptif terhadap dinamika pasar global. Model akhir diimplementasikan dalam dashboard interaktif berbasis Power BI untuk mendukung visualisasi tren harga dan mempercepat pengambilan keputusan strategi
The Studi Potensi Pendingin Evaporatif untuk Penyimpanan Ikan di Pasar Tradisional: Studi Potensi Pendingin Evaporatif untuk Penyimpanan Ikan di Pasar Tradisional
No full textPenelitian ini bertujuan untuk menganalisis potensi penggunaan pendinginan evaporatif sebagai metode penyimpanan ikan alternatif bagi pedagang di Pasar Panorama, Kota Bengkulu. Latar belakang penelitian ini didasarkan pada permasalahan penyimpanan ikan di pasar tradisional yang mengandalkan es batu, sementara kondisi lingkungan yang panas dan lembap mempercepat pencairan es dan menurunkan kualitas ikan. Penelitian ini menggunakan metode deskriptif kualitatif melalui observasi lapangan langsung dan studi literatur terkait konsep termodinamika dan penerapan pendinginan evaporatif pada bahan pangan. Hasil observasi menunjukkan bahwa es batu mencair dengan cepat akibat suhu pasar yang tinggi dan sirkulasi udara yang minim. Studi literatur menunjukkan bahwa pendinginan evaporatif dapat menurunkan suhu lingkungan melalui proses penguapan air dan menciptakan kondisi penyimpanan yang lebih dingin dan stabil. Meskipun tidak dapat mencapai suhu dingin yang ideal untuk ikan, pendinginan evaporatif berpotensi sebagai sistem yang memperlambat pencairan es, menghambat kenaikan suhu, dan membantu menjaga kesegaran ikan lebih lama. Kesimpulan penelitian menunjukkan bahwa pendinginan evaporatif layak dipertimbangkan sebagai teknologi tepat guna yang mendukung penyimpanan ikan di pasar tradisional, mengurangi penggunaan es batu, dan mengurangi biaya operasional pedagang.
Penelitian ini bertujuan untuk menganalisis potensi penggunaan pendingin evaporatif sebagai alternatif penyimpanan ikan bagi pedagang di Pasar Panorama Kota Bengkulu. Latar belakang penelitian didasarkan pada permasalahan penyimpanan ikan di pasar tradisional yang bergantung pada es batu, sementara kondisi lingkungan yang panas dan lembap mempercepat pencairan es serta menurunkan kualitas ikan. Penelitian ini menggunakan metode deskriptif kualitatif melalui observasi langsung di lapangan dan studi literatur terkait konsep termodinamika dan penerapan evaporatif pada bahan pangan. Hasil pengamatan menunjukkan bahwa es batu mencair dengan cepat akibat suhu pasar yang tinggi dan sirkulasi udara yang minimal. Studi literatur menunjukkan bahwa pendinginan evaporatif mampu menurunkan suhu lingkungan melalui proses penguapan udara dan menciptakan kondisi penyimpanan yang lebih dingin dan stabil. Walaupun tidak dapat mencapai suhu dingin ideal untuk ikan, pendingin evaporatif memiliki potensi sebagai sistem yang memperlambat pencairan es, menghambat peningkatan suhu, serta membantu menjaga kesegaran ikan lebih lama. Kesimpulan penelitian menunjukkan bahwa pendingin evaporatif layak dianggap sebagai teknologi tepat guna yang mendukung penyimpanan ikan di pasar tradisional, mengurangi penggunaan es batu, dan menekan biaya operasional pedagang