1,720,963 research outputs found
Optimalisasi Kerusakan Jalan di Indonesia Melalui Aplikasi Pelaporan dan Pendeteksi Kerusakan Jalan: Optimalisasi Kerusakan Jalan di Indonesia Melalui Aplikasi Pelaporan dan Pendeteksi Kerusakan Jalan
No full textKerusakan jalan di Indonesia telah menjadi isu yang mendesak yang tidak hanya memengaruhi mobilitas masyarakat, tetapi juga berdampak serius pada keselamatan dan ekonomi negara secara keseluruhan. Berdasarkan data yang dirilis oleh Badan Pusat Statistik (BPS) pada tahun 2021, sekitar 31,9% dari total panjang jalan di Indonesia, yang setara dengan 174.298 km, dalam kondisi rusak. Dalam menghadapi permasalahan ini, Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR) memiliki peran sentral sebagai instansi pemerintah yang bertugas mengelola infrastruktur jalan dan perumahan. Makalah ini bertujuan untuk mengusulkan sebuah solusi inovatif melalui pengembangan aplikasi yang diberi nama "JalanKu." Aplikasi ini diharapkan dapat berfungsi sebagai wadah yang memungkinkan masyarakat untuk melaporkan kerusakan jalan secara terstruktur, memfasilitasi interaksi yang transparan antara masyarakat dan Dinas PUPR. Pendekatan penelitian dilakukan dengan tahapan yang komprehensif, termasuk pengumpulan data dengan metode kualitatif dan kuantitatif, analisis kebutuhan, serta penerapan teknologi inovatif seperti Internet of Things (IoT) untuk mendukung pendeteksian kerusakan jalan. Produk yang dihasilkan telah dilakukan validasi atau pengujian yang menunjukkan bahwa aplikasi efektif dalam mendeteksi kerusakan jalan dengan tingkat akurasi yang memadai, sedangkan dari sisi penggunaan masyarakat aplikasi mendapat nilai sempurna untuk segi daya tarik, efisiensi, dan ketepatan; serta nilai baik untuk segi kejelasan, stimulasi, dan kebaruan. Hasil penelitian ini menegaskan bahwa penerapan Aplikasi Pendeteksi dan Pelaporan Kerusakan Jalan memiliki potensi besar untuk menjadi langkah signifikan dalam menangani permasalahan kerusakan jalan di Indonesia. Dengan berkolaborasi secara aktif antara pemerintah, sektor swasta, dan masyarakat, maka harapannya dapat mencapai jaringan jalan yang lebih aman, efisien, dan berkelanjutan. Solusi ini juga mempromosikan partisipasi masyarakat yang lebih aktif dalam pemeliharaan infrastruktur, serta membuka peluang untuk mendukung pengambilan keputusan pemerintah yang lebih cerdas dan tepat waktu dalam perbaikan jalan yang diperlukan. Dengan demikian, aplikasi "JalanKu" tidak hanya mengatasi masalah teknis, tetapi juga mendukung terwujudnya tata kelola pemerintahan yang lebih baik dalam bidang infrastruktur jalan di IndonesiaKerusakan jalan di Indonesia telah menjadi isu yang mendesak yang tidak hanya memengaruhi mobilitas masyarakat, tetapi juga berdampak serius pada keselamatan dan ekonomi negara secara keseluruhan. Berdasarkan data yang dirilis oleh Badan Pusat Statistik (BPS) pada tahun 2021, sekitar 31,9% dari total panjang jalan di Indonesia, yang setara dengan 174.298 km, dalam kondisi rusak. Dalam menghadapi permasalahan ini, Dinas Pekerjaan Umum dan Perumahan Rakyat (PUPR) memiliki peran sentral sebagai instansi pemerintah yang bertugas mengelola infrastruktur jalan dan perumahan. Makalah ini bertujuan untuk mengusulkan sebuah solusi inovatif melalui pengembangan aplikasi yang diberi nama "JalanKu." Aplikasi ini diharapkan dapat berfungsi sebagai wadah yang memungkinkan masyarakat untuk melaporkan kerusakan jalan secara terstruktur, memfasilitasi interaksi yang transparan antara masyarakat dan Dinas PUPR. Pendekatan penelitian dilakukan dengan tahapan yang komprehensif, termasuk pengumpulan data dengan metode kualitatif dan kuantitatif, analisis kebutuhan, serta penerapan teknologi inovatif seperti Internet of Things (IoT) untuk mendukung pendeteksian kerusakan jalan. Produk yang dihasilkan telah dilakukan validasi atau pengujian yang menunjukkan bahwa aplikasi efektif dalam mendeteksi kerusakan jalan dengan tingkat akurasi yang memadai, sedangkan dari sisi penggunaan masyarakat aplikasi mendapat nilai sempurna untuk segi daya tarik, efisiensi, dan ketepatan; serta nilai baik untuk segi kejelasan, stimulasi, dan kebaruan. Hasil penelitian ini menegaskan bahwa penerapan Aplikasi Pendeteksi dan Pelaporan Kerusakan Jalan memiliki potensi besar untuk menjadi langkah signifikan dalam menangani permasalahan kerusakan jalan di Indonesia. Dengan berkolaborasi secara aktif antara pemerintah, sektor swasta, dan masyarakat, maka harapannya dapat mencapai jaringan jalan yang lebih aman, efisien, dan berkelanjutan. Solusi ini juga mempromosikan partisipasi masyarakat yang lebih aktif dalam pemeliharaan infrastruktur, serta membuka peluang untuk mendukung pengambilan keputusan pemerintah yang lebih cerdas dan tepat waktu dalam perbaikan jalan yang diperlukan. Dengan demikian, aplikasi "JalanKu" tidak hanya mengatasi masalah teknis, tetapi juga mendukung terwujudnya tata kelola pemerintahan yang lebih baik dalam bidang infrastruktur jalan di Indonesi
Rancang Bangun Sistem Informasi Donasi Berbasis Hybrid Dengan Implementasi Microservices Dan Menggunakan Metode Prototyping : Design and Development of a Hybrid-Based Donation Information System Using Microservices Architecture and the Prototyping Method
No full textIkatan Alumni Politeknik Caltex Riau (IKAPCR) rutin melakukan kegiatan donasi sebagai bentuk solidaritas terhadap alumni yang mengalami kesulitan. Namun, proses donasi yang masih bersifat manual menyebabkan pencatatan dan pengelolaan dana menjadi kurang efisien. Untuk itu, penelitian ini merancang dan membangun sistem donasi berbasis hybrid menggunakan metode prototyping dan arsitektur microservices. Sistem terdiri dari dua platform: website untuk pengelolaan data oleh admin, dan aplikasi hybrid untuk transaksi donasi oleh pengguna.Empat jenis pengujian dilakukan untuk menilai sistem. Pengujian blackbox menunjukkan seluruh fitur berjalan sesuai harapan. Usability testing menghasilkan skor 91,2% untuk usefulness, 84% untuk ease of use, 90,6% untuk ease of learning, dan 90,6% untuk satisfaction. User acceptance test menunjukkan bahwa sistem mempermudah civitas akademika dalam mengelola donasi sesuai kebutuhan. Selain itu, uji efektivitas dan efisiensi menunjukkan aplikasi hybrid meningkatkan kinerja sistem sebesar 35,2% dibandingkan metode konvensional.Sistem ini terbukti efektif dalam meningkatkan efisiensi, transparansi, dan kemudahan dalam kegiatan donasi di lingkungan IKAPC
Identifikasi dan Klasifikasi Penyakit Daun Jagung Menggunakan Algoritma CNN sebagai Media Pembelajaran IPA
No full textIndonesia merupakan negara agraris dengan potensi besar di sektor pertanian, salah satunya pada komoditas jagung (Zea mays). Permasalahan umum yang dihadapi petani jagung adalah serangan penyakit pada daun, seperti bercak daun, hawar daun, dan karat daun, yang dapat menurunkan produktivitas tanaman. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis deep learning dengan algoritma Convolutional Neural Network (CNN) guna mengidentifikasi dan mengklasifikasikan penyakit daun jagung secara real-time. Aplikasi dirancang dalam bentuk hybrid agar dapat diakses melalui perangkat Android maupun iOS, serta berfungsi sebagai media pembelajaran interaktif pada mata pelajaran IPA, khususnya bidang agronomi. Hasil pengujian model CNN terhadap dataset uji menunjukkan akurasi sebesar 88%, sementara pengujian terhadap 100 data lapangan menggunakan metode confusion matrix menghasilkan akurasi sebesar 89%. Temuan ini menunjukkan bahwa penerapan teknologi CNN efektif dalam klasifikasi penyakit daun jagung serta berpotensi meningkatkan kualitas pembelajaran berbasis teknologi di bidang sains alam.
Identification and Classification of Corn Leaf Diseases Using CNN Algorithm as a Learning Media for Science Education
Abstract
Indonesia is an agrarian country with significant potential in the agricultural sector, including corn (Zea mays) as a major source of carbohydrates and protein besides rice. One of the common problems faced by corn farmers is leaf disease, such as leaf spot, leaf blight, and rust, which can significantly reduce crop productivity. This study aims to develop a deep learning-based application using the Convolutional Neural Network (CNN) algorithm to identify and classify corn leaf diseases in real-time. The application is built as a hybrid platform, making it accessible on both Android and iOS devices. In addition to functioning as a diagnostic tool for farmers, the application serves as an interactive learning medium for science education, particularly in agricultural topics. The CNN model achieved an accuracy of 88% on the test dataset, and further evaluation using 100 real-field data samples and a confusion matrix yielded an accuracy of 89%. These findings demonstrate the effectiveness of CNN in image-based disease classification and its potential to enhance the quality of technology-assisted learning in natural science education
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Analisis Sentimen Pendapat Masyarakat Mengenai Vaksin Covid-19 Pada Media Sosial Twitter dengan Robustly Optimized BERT Pretraining Approach
Full text linkOn March 11, 2020, the World Health Organization (WHO) officially declared COVID-19 a global pandemic. The spread of this virus already existed in 2019 in the city of Wuhan, China. The government officially stipulates a Presidential Regulation (PERPRES) on Vaccine Procurement and Vaccination Implementation in the Context of Overcoming the Coronavirus Disease Pandemic. The vaccination activity plan must also consider various inputs, among them is by looking at how the response and public opinion to the vaccination discourse. By utilizing data from Twitter social media, this study aims to analyze the public\u27s response to the vaccination discourse by classifying the response into positive and negative responses. Furthermore, public opinion grouping will also be carried out using the pre-trained Indonesian RoBERTa Base Sentiment Classifier model to find out the sentiments of the Covid-19 vaccination topic discussed by the community. The results of the analysis showed that the public gave more negative responses to the discourse (24.7%) compared to positive responses (5.7%) with the remaining neutral responses (69.6%). Sentiment words that occur most often also indicate more words with negative sentiments than words with positive sentiments. The average results of the prediction accuracy of the application of the pre-trainer model on the positive label are 84%, Neutral 97% and Negative 93%.Pada tanggal 11 Maret 2020, World Health Organization (WHO) resmi menetapkan COVID-19 sebagai pandemi global. Penyebaran virus ini sudah ada pada tahun 2019 lalu di kota Wuhan, China. Pemerintah resmi menetapkan Peraturan Presiden (PERPRES) tentang Pengadaan Vaksin dan Pelaksanaan Vaksinasi dalam Rangka Penanggulangan Pandemi Coronavirus Disease. Rencana kegiatan vaksinasi tersebut juga haruslah mempertimbangkan berbagai masukan, di antaranya adalah dengan melihat bagaimana respon dan opini masyarakat terhadap wacana vaksinasi tersebut. Dengan memanfaatkan data dari media sosial twitter, penelitian ini bertujuan untuk menganalisis respon masyarakat terhadap wacana vaksinasi dengan cara mengklasifikasikan respon tersebut ke dalam respon positif dan negatif. Selanjutnya juga akan dilakukan pengelompokkan opini masyarakat menggunakan model pre-trained Indonesian RoBERTa Base Sentiment Classifier untuk mengetahui sentimen dari topik vaksinasi Covid-19 yang dibahas oleh masyarakat. Hasil analisis menunjukkan bahwa masyarakat lebih banyak memberikan respon negatif terhadap wacana tersebut (24,7%) dibandingkan dengan respon positifnya (5,7%) dengan sisa respon netral (69,6%). Kata-kata bersentimen yang paling sering muncul juga mengindikasikan lebih banyak kata yang bersentimen negatif dibandingkan dengan kata yang bersentimen positif. Rata-rata hasil akurasi prediksi penerapan model pre-trainer pada label positif adalah 84%, Netral 97% dan Negatif 93%
Dispelling the Myths Behind First-author Citation Counts
Full text linkWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
- …
