Resiliensi Masyarakat di Zona Merah Pasca-Bencana Likuefaksi-Systematic Literature Review (SLR)

2026-03-20T06:49:03+07:00

Likuefaksi merupakan salah satu bencana geologi yang menimbulkan kerusakan masif pada infrastruktur serta gangguan sosial jangka panjang. Kawasan yang terdampak ditetapkan sebagai zona merah yang tidak layak huni. Namun sebagian masyarakat memilih tetap bertahan dan membangun kembali huniannya yang menunjukkan adanya keterikatan tempat (place attachment) terhadap lingkungannya. Fenomena ini masih relatif terbatas dikaji secara sistematis dalam literatur kebencanaan. Penelitian ini bertujuan untuk mengindentifikasi faktor-faktor resiliensi masyarakat dan strategi adaptasi masyarakat yang bertahan di zona merah pasca-bencana likuefaksi. Penelitian ini menggunakan metode Systematic Literature Review (SLR), dengan kerangka PICOC, melalui penelusuran artikel pada database Scopus, Web of Science, ScienceDirect dan Google Scholar. Dari jumlah 620 artikel yang di identifikasi, 32 artikel memenuhi kriteria inklusi dan dianalisis lebih lanjut. Hasil kajian menghasilkan lima faktor utama yang mempengaruhi resiliensi masyarakat yaitu modal sosial, kepemimpinan lokal, kapasitas adaptif, akses terhadap sumber daya serta nilai budaya dan kepercayaan. Selain itu strategi adaptasi yang ditemukan meliputi adaptasi aktif, pasif, sosial, ekonomi dan budaya. Temuan ini memperkaya kajian resiliensi masyarakat pasca-bencana dan menunjukkan bahwa mobilitas dan imobilitas merupakan respons yang berlawanan dalam menghadapi risiko bencana. Meskipun migrasi menjadi strategi adaptif, keterikatan terhadap tempat (place attachment) mendorong sebagian masyarakat untuk tetap bertahan di kawasan berisiko tinggi. Hal ini menegaskan bahwa place attachment merupakan kunci dalam membentuk resiliensi masyarakat yang memilih bertahan di zona merah.

Pengembangan Sistem Pembelajaran Berbasis Deep Learning untuk Interpretasi Display Perangkat Medis

2026-04-22T07:26:52+07:00

Pembacaan manual nilai numerik pada display perangkat medis masih berpotensi menimbulkan kesalahan yang dapat berdampak pada keselamatan pasien dan kualitas layanan kesehatan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem otomatis berbasis deep learning yang mampu mengenali dan menginterpretasikan digit secara akurat, serta dapat dimanfaatkan sebagai media pembelajaran interaktif. Metode yang digunakan adalah model deteksi objek YOLOv8 yang dilatih pada dataset sebanyak 1.771 citra dengan 13 kelas. Hasil evaluasi menunjukkan bahwa model mencapai precision sebesar 0,881, recall sebesar 0,836, mAP50 sebesar 0,878, dan mAP50–95 sebesar 0,673. Hasil tersebut menunjukkan bahwa model yang diusulkan memiliki kinerja deteksi yang akurat dan andal dalam berbagai kondisi citra. Sistem kemudian diimplementasikan dalam aplikasi berbasis web yang memungkinkan deteksi digit secara real-time. Secara keseluruhan, penelitian ini menegaskan bahwa integrasi deep learning dengan sistem interaktif tidak hanya meningkatkan akurasi interpretasi display perangkat medis, tetapi juga mendukung efektivitas pembelajaran berbasis teknologi secara aplikatif.

Jurnal Pendidikan dan Teknologi Indonesia

Resiliensi Masyarakat di Zona Merah Pasca-Bencana Likuefaksi-Systematic Literature Review (SLR)

Pengembangan Sistem Pembelajaran Berbasis Deep Learning untuk Interpretasi Display Perangkat Medis