10023 research outputs found
Sort by
Impact of Feature Selection on XGBoost Model with VGG16 Feature Extraction for Carbon Stock Estimation Using GEE and Drone Imagery
Get PDFCarbon stocks are critical to climate change mitigation by capturing atmospheric carbon and storing it in biomass. However, carbon stock estimation faces challenges due to data complexity and the need for efficient analytical methods. This study introduces a carbon stock estimation method that integrates the XGBoost algorithm with VGG16 feature extraction and feature selection techniques to analyze GEE and Drone image datasets. The model is evaluated through four scenarios: without feature selection, using Information Gain, using Feature Importance, and using Recursive Feature Elimination. These scenarios aim to compare feature selection methods to identify the best one for processing complex environmental data. The experimental results show that RFE significantly outperforms other methods, achieving an average RMSE of 6651.62, MAE of 2297.57, and R² of 0.7673. These findings underscore the importance of feature selection in optimizing model performance, particularly for high-dimensional environmental datasets. RFE shows superior accuracy and efficiency by retaining the most relevant features but requires more computational resources. For applications that prioritize time and resource efficiency, Information Gain or Feature Importance can serve as a practical alternative with slightly reduced accuracy. This research highlights the value of integrating feature selection techniques into machine learning models for environmental data analysis. Future research could explore alternative feature extraction methods, combine RFE with other approaches, or apply advanced techniques such as Boruta or genetic algorithms. These efforts will further refine carbon stock estimation models, paving the way for broader applications in environmental data analysis
Hubungan Asupan Gula dari Minuman Berpemanis dengan Status Gizi pada Remaja di SMP Negeri 4 Yogyakarta
No full textLatar Belakang : Minuman berpemanis merupakan jenis minuman dengan tambahan gula dalam sajian kemasan dan banyak dikonsumsi oleh kalangan remaja. Konsumsi minuman berpemanis memiliki hubungan dengan resiko overweight dan obesitas dikarenakan kandungan kadar gula yang tinggi. Jenis kandungan gula pada minuman kekinian yaitu sukrosa yang komposisi berasal dari 50% fruktosa dan 50% glukosa. Rekomendasi intake sugar atau asupan gula oleh WHO pada orang dewasa hingga anak-anak direkomendasikan maksimal 10�ri total asupan energi.
Tujuan : Studi ini bertujuan untuk mengetahui hubungan asupan gula dari minuman berpemanis dengan status gizi pada remaja di SMP Negeri 4 Yogyakarta.
Metode : Penelitian ini menggunakan metode kuantitatif, desain potong lintang (cross sectional). Teknik pengambilan sampel adalah proposinal random sampling dengan rumus Slovin sebanyak 86 responden dan menggunakan kuesioner. Uji statisitik yang digunakan yaitu analisis univariat untuk mengetahui distribusi data dan bivariat untuk mengetahui hubungan variabel dengan uji Chi-square .
Hasil : Diketahui distribusi responden mayoritas berusia 13 tahun (58,6%), laki-laki (52,7%) dengan status gizi normal (39,5%), 19 responden status gizi gemuk 22,1�n 8 responden status gizi obesitas 9,3%. Berdasarkan hasil penelitian ini diketahui pola konsumsi minuman berpemanis pada remaja SMP Negeri 4 Yogyakarta dari frekuensi minuman berpemanis diketahui konsumsi 1 – 2 sehari (44,2%), konsumsi 1 – 3 seminggu (38,4%) dan konsumsi 1 – 3 bulan (17,4%). Sedangkan, pada asupan kecukupan gula yaitu 60,5�ri 52 responden cukup mengkonsumsi gula 50g/hari. Kategori jenis minuman yang paling banyak dikonsumsi yaitu semua (perisa buah-buahan, sport drink, flavored drink, dan teh/kopi) kecuali jenis softdrink dengan rata-rata 18,6�ri 16 responden. Terdapat hubungan antara asupan gula dari minuman berpemanis dengan status gizi pada remaja di SMP Negeri 4 Yogyakarta yaitu p-value 0,000
Kesimpulan : Terdapat hubungan yang signifikan antara asupan gula dari minuman berpemanis dengan status gizi pada remaja di SMP Negeri 14 Yogayakarta
Psycho-social Development of the Main Characters in the Novels Redeeming Love by Francine Rivers and Cantik itu Luka by Eka Kurniawan: A Comparative Study
Get PDF
A Machine Learning-Based Approach for Retail Demand Forecasting: The Impact of Spending Score and Algorithm Optimization
Get PDFDemand forecasting in the retail industry remains a critical challenge, with inaccurate predictions leading to substantial inventory inefficiencies, financial losses, and reduced customer satisfaction. Traditional forecasting methods, primarily reliant on historical sales data, often lack the capacity to effectively model the complexities of dynamic consumer behavior and rapid market fluctuations. To address this, this study proposes a refined demand forecasting approach through the introduction of the Spending Score, a novel synthetic feature that synthesizes customer purchase frequency and total spending to augment predictive accuracy. We implement and optimize machine learning algorithms, specifically Random Forest, Decision Tree, and Support Vector Machine (SVM), using rigorous hyperparameter tuning techniques to determine the most effective model for retail demand prediction. Utilizing detailed customer transaction data, this research aims to identify key purchasing patterns that significantly influence demand variability. By integrating the Spending Score into our predictive models, we provide a data-driven framework enabling retailers to optimize inventory management, enhance targeted marketing strategies, and minimize operational inefficiencies. Empirical results demonstrate that the inclusion of the Spending Score leads to more stable and accurate demand forecasts, facilitating improved alignment between supply and market demand. While acknowledging potential limitations, including data scalability issues and the risk of feature-induced bias, future research will explore the integration of real-time data streams, advanced deep learning methodologies, and expanded datasets to further improve predictive capabilities and model adaptability in the continuously evolving retail landscape
CFO-RetinaNet: Convolutional Feature Optimization for Oil Palm Ripeness Assessment in Precision Agriculture
Get PDFAccurate ripeness assessment of oil palm fruit bunches (FFB) is critical for optimizing yield and quality in the palm oil industry, yet manual grading remains subjective and labor-intensive. This study proposes CFO-RetinaNet, an enhanced RetinaNet framework integrating deformable convolutions and hybrid attention mechanisms to optimize multi-scale convolutional features for robust ripeness classification under variable field conditions. Our key contribution is threefold: (1) a novel dataset of 4,728 high-resolution, expert-annotated FFB images spanning five ripeness stages (Immature to Decayed), collected under diverse lighting and occlusion scenarios in Central Kalimantan, Indonesia; (2) a feature optimization pipeline combining adaptive feature fusion and dynamic focal loss to improve discriminative capability for nuanced inter-class distinctions; and (3) a scalable deep learning solution validated through rigorous field testing. The model achieves a mean average precision (mAP) of 83.6% and an F1-score of 98.3%, outperforming YOLOv5 (82.5% mAP) and Faster R-CNN (76.4% mAP), with 18.5% fewer misclassifications than standard RetinaNet. It retains 99% accuracy in low-light conditions and reduces labor costs by automating error-prone grading tasks. By publicly releasing the dataset and framework, this work advances precision agriculture standards, offering a transferable solution for ordinal maturity classification in perennial crops while supporting sustainable palm oil production through optimized harvesting decisions
PELAKSANAAN TUGAS QUALITY ASSURANCE (QA) DALAM PENGUJIAN FITUR APLIKASI SUMU DI PT WESCLIC INDONESIA NEOTECH
Get PDFPembuatan Website Mu’allimin Muhammadiyah Tamiang
No full textDi era digital saat ini, kehadiran website pendidikan menjadi kebutuhan yang tak terhindarkan bagi institusi pendidikan untuk meningkatkan kualitas pelayanan dan memperluas akses informasi. Pondok Pesantren Mu'allimin Muhammadiyah Tamiang yang telah berusia lebih dari 50 tahun belum memiliki website resmi sebagai media informasi dan sosialisasi kepada masyarakat luas. Praktik magang ini bertujuan untuk membuat website sekolah yang dapat berfungsi sebagai media informasi dan sosialisasi.
Metode pengembangan website dilakukan melalui beberapa tahapan sistematis meliputi: survei lapangan dan analisis kebutuhan, pembuatan wireframe dan prototyping, pengembangan custom theme, implementasi styling dengan Pure.css, integrasi fitur interaktif menggunakan Swiper.js untuk carousel dan Fancybox untuk media, pengembangan sistem manajemen konten dengan role-based access (Editor, Admin, Super Admin), serta pengujian performa dan kompatibilitas multi-platform.
Hasil implementasi menunjukkan website berhasil dikembangkan dengan fitur-fitur utama berupa halaman beranda dengan hero carousel, sistem publikasi berita, aktivitas dan kolom alumni, halaman profil pondok pesantren, informasi PPDB, dan sistem navigasi yang responsif untuk berbagai perangkat. Evaluasi menggunakan Google PageSpeed Insights menunjukkan performa yang baik dengan skor SEO 100/100, Accessibility 88/100, dan Performance 85/100 untuk desktop. Website ini telah meningkatkan transparansi dan aksesibilitas informasi pondok pesantren bagi masyarakat.
Praktik magang ini memberikan pengalaman langsung dalam pengembangan website pendidikan, peningkatan kemampuan coding dalam HTML, CSS, PHP, dan JavaScript, serta pemahaman mendalam tentang alur kerja administrasi sekolah dan kebutuhan digitalisasi institusi pendidikan.
Kata kunci: website sekolah, pondok pesantren, responsive design, media informasi, digitalisasi pendidika
Penguatan Pendidikan Karakter Nilai Integritas melalui Hizbul Wathan di Sekolah Dasar Muhammadiyah Karangkajen
Get PDFABSTRAK
Tujuan penelitian ini adalah untuk mendeskripsikan penguatan pendidikan karakter
integritas pada Ekstrakurikuler Hizbul Wathan di SD Muhammadiyah Karangkajen
Yogyakarta. Jenis penelitian ini adalah penelitian kualitatif dengan pendekatan studi kasus.
Subjek penelitian ini adalah kepala sekolah, koordinator PPK, koordinator kegiatan,
pembina Hizbul Wathan, dan peserta didik. Objek penelitian yaitu PPK nilai integritas pada
ekstrakurikuler hizbul. Pengumpulan data melalui teknik observasi, wawancara, dan
dokumentasi. Keabsahan data menggunakan triangulasi teknik dan sumber data. Analisis
data menggunakan model Miles and Hubermen terdiri dari reduksi data, penyajian data,
dan penarikan kesimpulan. Hasil penelitian menunjukan bahwa penguatan pendidikan
karakter nilai integritas pada esktrakurikuler Hizbul Wathan yaitu, 1) Penguatan pendidikan
karakter integritas sudah ditanamkan kepada peserta didik oleh pembina disesuaikan
dengan kurikulum Hizbul Wathan. 2) Strategi yang dilakukan oleh pembina untuk
meningkatkan penguatan pendidikan karakter nilai integritas yaitu dengan memberikan
contoh secara langsung saat kegiatan, dengan strategi Al Ihsan, dan dengan cara
meningkatkan pemahaman, pengalaman, dan pengetahuan kepada peserta didik.
Kata Kunci
: Pendidikan Karakter, Nilai Integritas, Hizbul Wathan