Jurnal Pendidikan dan Teknologi Indonesia

Rekomendasi Pupuk Organik Untuk Bonsai dengan Implementasi Metode AHP dalam SPK

Govanda Pratama, Parjito — Min, 24 Agu 2025 00:00:00 +0700

Terdapat suatu permasalahan yang ditemui pada penelitian ini yaitu belum ada rekomendasi pupuk organik sehingga masih sering terjadinya kekeliruan kepada para petani dalam menentukan pupuk organik terbaik untuk bonsai. Bonsai adalah seni mengkerdilkan tanaman yang berasal dari Jepang, telah lama dihargai karena keindahan dan ketelitiannya. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan untuk merekomendasikan pupuk organik terbaik untuk bonsai dengan menggunakan metode Analytical Hierarchy Process (AHP). Tantangan utama dalam memilih pupuk organik melibatkan kriteria bonsai waru, bonsai kimeng, bonsai sancang, bonsai anting putri, dan bonsai asem. Melalui matriks perbandingan berpasangan, penelitian ini menghitung bobot prioritas untuk alternatif pupuk yaitu pupuk kompos, kotoran hewan, dan pupuk hayati. Hasil penelitian ini memberikan panduan bagi pengelola bonsai untuk dapat memilih pupuk organik yang optimal, mendukung keberlanjutan dan estetika tanaman. Dengan analisis matriks perbandingan, pupuk kompos menunjukkan prioritas tertinggi dengan nilai (55,53%) dibandingkan kotoran hewan (30,74%) dan pupuk hayati (13,73%). Hasil ini mendukung keberlanjutan dan estetika pengelolaan bonsai. Rekomendasi untuk penelitian masa depan meliputi pengembangan dataset yang lebih komprehensif dan evaluasi lebih lanjut dari berbagai pupuk organik. Penelitian ini juga memberikan landasan yang kuat untuk pengembangan lebih lanjut dalam pemupukan organik pada bonsai, mendukung pengelolaan yang lebih efisien, dan mempertahankan keindahan serta nilai estetika bonsai.

Analisis Kualitas Layanan Jaringan Wlan Berdasarkan Parameter Throughput, Delay, Jitter, dan Packet Loss di Universitas X

Teguh Syafrudin, Rianto Rianto, EIH Ujianto — Min, 24 Agu 2025 00:00:00 +0700

Penelitian ini bertujuan untuk mengevaluasi kualitas layanan jaringan WLAN di Universitas X menggunakan metode Quality of Service (QoS) yang melibatkan pengukuran parameter Throughput, Delay, Jitter, dan Packet Loss. Proses pengumpulan data melibatkan wawancara dengan karyawan IT, observasi langsung, serta pemanfaatan perangkat lunak seperti Wireshark. Hasil penelitian menunjukkan bahwa kualitas jaringan WLAN secara keseluruhan berada dalam kategori "sangat memuaskan" berdasarkan standar TIPHON. Namun, terdapat kelemahan pada Throughput jaringan lokal dan IP publik yang dikategorikan "kurang baik". Hal ini menandakan perlunya peningkatan kapasitas Throughput agar performa jaringan lebih optimal. Penelitian ini memberikan kontribusi signifikan terhadap pengembangan infrastruktur jaringan di lingkungan kampus. Dengan saran berbasis data yang dihasilkan, diharapkan layanan internet dapat ditingkatkan secara menyeluruh untuk mendukung aktivitas pembelajaran berbasis ICT.

Prediksi Faktor-Faktor Yang Mempengaruhi Keputusan Karyawan Meninggalkan Perusahaan Menggunakan Algoritma Random Forest

Rama Aziz Wibowo, Dedi Gunawan — Min, 24 Agu 2025 00:00:00 +0700

Keputusan karyawan untuk mengundurkan diri dari perusahaan merupakan masalah penting yang dapat mempengaruhi kinerja dan keberlangsungan operasional perusahaan. Memahami faktor-faktor yang mendorong pengunduran diri karyawan sangat penting untuk merancang strategi retensi yang efektif, mengurangi tingkat turnover, dan meningkatkan kepuasan kerja. Penelitian ini bertujuan untuk memprediksi faktor-faktor yang mempengaruhi keputusan karyawan dalam mengundurkan diri dari perusahaan dengan menggunakan algoritma Random Forest, serta mengembangkan model prediksi yang dapat memberikan wawasan bagi perusahaan dalam meningkatkan strategi retensi karyawan. Metode yang digunakan dalam penelitian ini adalah algoritma Random Forest, yang diterapkan pada dataset publik yang diambil dari Kaggle. Proses evaluasi model dilakukan dengan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur kinerja model dalam memprediksi pengunduran diri karyawan. Hasil penelitian menunjukkan bahwa algoritma Random Forest berhasil mencapai akurasi prediksi sebesar 85%. Faktor utama yang mempengaruhi pengunduran diri karyawan adalah tahun bergabung, usia, dan kota tempat bekerja. Dampak penelitian ini diharapkan dapat membantu perusahaan dalam merancang strategi retensi karyawan yang lebih efektif dan berbasis data.

Pengembangan Multimedia Pembelajaran Interaktif Mata Pelajaran IPAS Untuk Meningkatkan Hasil Belajar Siswa Kelas V Berbasis Android Menggunakan Smart App Creator

Yunita Purwasih, Lina Putriyanti, Aryo Andri Nugroho — Min, 24 Agu 2025 00:00:00 +0700

Tujuan penelitian untuk mengetahui dan mendeskripsikan keefektivan multimedia pembelajaran interaktif untuk meningkatkan hasil belajar siswa kelas V SDN Tenggulangharjo dan SDN Mangunharjo 01. Penelitian ini dilakukan pada siswa – siswi kelas lima SDN Tenggulangharjo dan SDN Mangunharjo 01 sejumlah 38 siswa. Metode dalam penelitian menggunakan pengembangan Research and Development (R&D) yang mengarah pada bidang pendidikan. Penelitian ini menggunakan pendekatan deskriptif kuantitatif. Berdasarkan hasil analisis data peningkatan hasil belajar menggunakan uji N-Gain, Nilai N-Gain dikategorikan menjadi tiga, yaitu: tinggi (> 0,7), sedang (0,3–0,7), dan rendah (< 0,3). Hasil penelitian diperoleh nilai rata-rata (mean) sebesar 0,6803 dengan simpangan baku 0,23875. Nilai minimum N-Gain adalah 0,25, sedangkan nilai maksimum mencapai 1,00. Hal ini menunjukkan bahwa terdapat peningkatan hasil belajar siswa setelah menggunakan media pembelajaran interaktif berbasis android. Berdasarkan nilai rata-rata yang diperoleh, peningkatan hasil belajar termasuk dalam kategori sedang mendekati tinggi, yang berarti bahwa multimedia pembelajaran interaktif berbasis android materi bumiku sayang bumiku malang sangat efektif dalam membantu siswa memahami materi bumiku sayang bumiku malang.

Model Kepuasan Pengunjung Untuk Pengembangan Wisata Pantai Berbasis Minat Kunjungan Ulang Di Lampung Selatan

Fitra Hasrina Putri — Min, 24 Agu 2025 00:00:00 +0700

Lampung Selatan memiliki garis pantai yang panjang, keanekaragaman hayati pesisir, serta aksesibilitas yang baik. Destinasi-destinasi seperti Pantai Minangrua, Pantai Kedu, Pantai Batu Lapis, dan Pasir Putih menjadi daya tarik yang mampu menarik wisatawan domestik maupun mancanegara. Terdapat masalah jika destinasi wisata dikelola tanpa memperhatikan kapasitas daya dukung lingkungan dan aspek sosial-ekologis, maka potensi kerusakan lingkungan akan meningkat, yang pada akhirnya menurunkan kualitas pengalaman wisatawan dan mengancam keberlanjutan sektor tersebut. Tujuan penelitian ini adalah untuk mengetahui sejauh mana keramahan penyedia jasa wisata berpengaruh terhadap kepuasan pengunjung di destinasi Minangrua, Kedu Warna, dan MB Beach. Metode penelitian ini adalah kuantitatif dengan teknik analisis SMART-PLS dengan jumlah sampel 300 responden. Hasil analisis persepsi wisatawan terhadap fasilitas fisik yang tersedia di destinasi wisata pantai berpengaruh dan sinigfikan terhadap kepuasan pengunjung Pantai Minangrua, Kedu Warna dan MB Beach di Lampung Selatan. Hasil dari penelitian ini dapat berdampak dalam penyusunan kebijakan pariwisata yang berkelanjutan, khususnya di kawasan pesisir Lampung Selatan.

Analisis Sentimen Publik Terhadap Program Lapor Mas Wapres Periode 2024 di Media Sosial X Menggunakan Metode Naive Bayes dan Support Vector Machine (SVM)

Sylvi Anadas, Ryan Randy Suryono — Min, 24 Agu 2025 00:00:00 +0700

Program Lapor Mas Wapres merupakan platform digital yang difasilitasi oleh pemerintah guna menyalurkan aspirasi, keluhan, dan masukan masyarakat diajukan langsung kepada Wakil Presiden Republik Indonesia. Penelitian ini bertujuan untuk mengevaluasi opini masyarakat terhadap program tersebut melalui platform media sosial X dengan menerapkan algoritma klasifikasi Naïve Bayes dan Support Vector Machine (SVM). Dari total 8.108 tweet yang berhasil dikumpulkan, sebanyak 6.967 data digunakan setelah melalui tahap pembersihan dan pra-pemrosesan. Untuk mengatasi ketidakseimbangan kelas sentimen, diterapkan teknik Synthetic Minority Over-sampling Technique (SMOTE), dengan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Berdasarkan hasil analisis, algoritma Naïve Bayes menunjukkan akurasi awal sebesar 63% sebelum penerapan SMOTE, yang kemudian meningkat menjadi 78% setelah penerapan SMOTE. Sementara itu, algoritma SVM menunjukkan kinerja lebih unggul dengan akurasi sebesar 80% sebelum SMOTE dan meningkat menjadi 91% setelah SMOTE. Sentimen positif publik umumnya dipengaruhi oleh persepsi terhadap keterbukaan informasi dan kemudahan akses program, sedangkan sentimen negatif muncul akibat respons pemerintah yang dianggap lambat atau tidak memadai. Penerapan SMOTE terbukti efektif dalam meningkatkan kinerja model klasifikasi, terutama pada SVM. Temuan ini memberikan wawasan bagi pemerintah untuk meningkatkan efektifitas layanan pengaduan digital dan menyusun strategi komunikasi publik yang lebih responsif.

Evaluasi Metode Smart Untuk Penentuan Bakat Anak Usia Dini

Errika Idharani, Qadhli Jafar Adrian — Min, 24 Agu 2025 00:00:00 +0700

Bakat anak merupakan segala faktor yang dibawa individu dari awal kehidupannya dan kemudian menumbuhkan keahlian, kecakapan, dan keterampilan khusus yang dimilikinya Bakat anak perlu dikenali oleh orang tua dengan melihat perilaku, tingkah laku dan aktifitas yang biasa dilakukan anak setiap harinya. Masalah yang terjadi saaat ini yaitu kurangnya ketelitian guru dalam menilai para murid nya sehingga terjadinya kesalahan dalam penilaian dan kurangnya keakuratan para guru dalam pengambilan keputusan untuk mengetahui bakat anak, serta keterbatasan waktu orang tua maupun pihak sekolah untuk melakukan konsultasi sehingga kurangnya perhatian terhadap bakat yang dimiliki anak. Metode yang digunakan dalam penelitian ini adalah kuantitatif dan metode analisis penentuan bakat anak menggunakan metode SMART yang merupakan teknik pengambilan keputusan multi kriteria ini didasarkan pada teori bahwa setiap alternatif terdiri dari sejumlah kriteria yang memiliki nilai-nilai dan setiap kriteria memiliki bobot yang menggambarkan seberapa penting dibandingkan dengan kriteria lain. Tujuan penelitian ini adalah untuk mengevaluasi bakat anak dengan menggunakan metode SMART. Hasil analisis yang dilakukan yaitu A. Queena memiliki bakat kearah psikotomorik dengan nilai 60, Abizar memiliki bakat kearah afektif dengan nilai 80, dan Aisyah Azzara memiliki bakan kearah kognitif dengan nilai 85. Hasil penelitian menunjukkan bahwa metode SMART memberikan dampak positif dalam meningkatkan akurasi identifikasi bakat, memperjelas arah pembinaan bakat, serta meningkatkan partisipasi aktif orang tua dalam mendukung pengembangan potensi anak. Selain itu, penelitian ini juga memberikan kontribusi dalam pengembangan model asesmen awal yang dapat diintegrasikan ke dalam kurikulum pendidikan anak usia dini. Dengan demikian, penerapan metode SMART memiliki dampak signifikan baik dari sisi praktik pendidikan maupun pengembangan kebijakan dalam pembinaan bakat sejak dini.

Analisis Sentimen Pengguna Aplikasi Livin' by Mandiri Menggunakan Metode Support Vector Machine (SVM) dengan Ekstraksi Fitur TF-IDF dan Word2Vec

Anas Suharman, Mia Kamayani Sulaeman — Min, 24 Agu 2025 00:00:00 +0700

Pesatnya perkembangan aplikasi mobile banking di Indonesia, termasuk Livin’ by Mandiri, menimbulkan kebutuhan untuk memahami respons pengguna secara lebih mendalam. Studi ini bertujuan untuk mengevaluasi sentimen pengguna terhadap aplikasi tersebut berdasarkan ulasan yang diperoleh dari Google Play Store. Penelitian ini menerapkan algoritma Support Vector Machine (SVM) dengan dua teknik ekstraksi fitur, yaitu Term Frequency–Inverse Document Frequency (TF-IDF) dan Word2Vec. Sebanyak 15.000 ulasan dianalisis dan diklasifikasikan ke dalam sentimen positif maupun negatif, setelah melalui tahapan pra-pemrosesan. Hasil analisis menunjukkan bahwa model SVM dengan TF-IDF menghasilkan akurasi 87%, precision 90% untuk sentimen positif, serta recall sebesar 82%. Sebaliknya, pendekatan Word2Vec mencatatkan akurasi 83%, precision positif 92%, dan recall 71%. Temuan ini mengindikasikan bahwa TF-IDF lebih konsisten dalam klasifikasi umum, sedangkan Word2Vec lebih efektif dalam mengenali sentimen negatif.

Analisis Tren Integrasi Lembar Kerja Peserta Didik (LKPD) dan Project Based Learning (PjBL) dalam Pendidikan Dasar: Systematic Review 2021–2025

Neni Nastiti, Nuni Widiarti, Bambang Subali, Ahmad Mujaki — Min, 24 Agu 2025 00:00:00 +0700

Project-Based Learning (PjBL) dan Lembar Kerja Peserta Didik (LKPD) merupakan dua pendekatan pembelajaran yang terbukti efektif dalam meningkatkan keterlibatan (engagement), berpikir kritis, dan kemandirian belajar siswa sekolah dasar. Meskipun telah banyak diterapkan, kajian sistematis yang menganalisis tren, metodologi, dan fokus variabel dari penelitian terkait masih terbatas secara kuantitatif. Penelitian ini bertujuan untuk memetakan arah dan pola perkembangan riset mengenai integrasi PjBL dan LKPD dalam konteks pendidikan dasar melalui metode Systematic Literature Review (SLR). Proses SLR mengikuti protokol PRISMA dan dilakukan terhadap artikel yang dipublikasikan pada tahun 2021–2025 dalam basis data Directory of Open Access Journals (DOAJ). Dari total 964 artikel yang diidentifikasi (772 bertema PjBL dan 192 bertema LKPD), hanya 105 artikel yang dinyatakan relevan berdasarkan penyaringan dengan kata kunci “elementary education”, “primary education”, dan “pendidikan dasar” (60 artikel PjBL/8%, 40 artikel LKPD/21%, 5 artikel integratif). Analisis kuantitatif menunjukkan bahwa metode eksperimen mendominasi (34 artikel/32,4%), diikuti oleh Research and Development (24 artikel/22,9%), kualitatif (16 artikel/15,2%), serta metode campuran dan lainnya (31 artikel/29,5%). Berdasarkan karakteristik partisipan, subjek terbanyak berasal dari siswa kelas V SD (22 artikel/21%), kemudian kelas IV (11 artikel/10,5%), dan kategori umum siswa SD (12 artikel/11,4%). Variabel bebas yang paling dominan adalah PjBL tunggal (60 artikel/57,1%) dan LKPD tunggal (40 artikel/38,1%), sementara integrasi LKPD–PjBL hanya ditemukan dalam 5 artikel (4,8%). Variabel terikat yang paling banyak dikaji meliputi hasil belajar (25 artikel/23,8%), kemampuan berpikir kritis (10 artikel/9,5%), motivasi belajar (8 artikel/7,6%), dan kolaborasi (5 artikel/4,8%). Terdapat pula eksplorasi terbatas terhadap variabel moderator seperti LKPD–STEM, PjBL–Etnosains, dan PjBL–AI, masing-masing hanya muncul pada 1 hingga 2 artikel (kurang dari 2%). Secara empiris, penerapan terintegrasi PjBL dan LKPD menghasilkan peningkatan hasil belajar kognitif sebesar 24,72%, keaktifan belajar sebesar 35,5%, kemampuan berpikir kritis hingga 79,37%, serta komunikasi matematis sebesar 80%. Sementara itu, validitas instrumen (LKPD) yang dikembangkan juga menunjukkan skor tinggi, dengan rerata validitas lebih dari 90%, menunjukkan keandalan media secara substansial, teknis, dan pedagogis. Temuan ini memperlihatkan kontribusi signifikan dari PjBL dan LKPD dalam membentuk pembelajaran yang aktif, kolaboratif, dan bermakna. Penelitian ini menegaskan bahwa PjBL dan LKPD memiliki potensi besar dalam meningkatkan efektivitas pembelajaran dan pengembangan keterampilan abad ke-21. Namun, temuan lainnya juga menunjukkan adanya kesenjangan dalam keberagaman metodologi, kurangnya eksplorasi tema afektif dan psikomotorik, serta minimnya studi longitudinal. Oleh karena itu, diperlukan perluasan cakupan topik dan pendekatan penelitian untuk memperkuat fondasi konseptual dan praktis dalam mengembangkan strategi pembelajaran inovatif di jenjang pendidikan dasar.

Pengujian Keamanan Aplikasi Mobile Learning Management System berbasis Deep Reinforcement Learning dengan Model Fuzzing Adaptif

Rama Amindra Buana, Yusuf Kurniawan — Min, 24 Agu 2025 00:00:00 +0700

Keamanan aplikasi Learning Management System (LMS) berbasis mobile menjadi perhatian utama seiring dengan meningkatnya penggunaan platform digital dalam kegiatan pembelajaran. Namun, pengujian keamanan secara manual dan metode fuzzing tradisional sering kali tidak efektif dalam mendeteksi kerentanan tersembunyi. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan model fuzzing berbasis Deep Reinforcement Learning (DRL) guna mengoptimalkan proses pengujian keamanan pada aplikasi LMS berbasis mobile dalam format APK. Model yang dikembangkan menggunakan algoritma Deep Q-Network (DQN) untuk mengeksplorasi komponen UI, intent, dan input dengan mengandalkan hasil analisis statis serta dataset payload dari OWASP dan FuzzDB. Sistem dikendalikan oleh agen DRL yang dilatih melalui interaksi bertahap dengan environment Appium dan ADB, dengan reward function yang mempertimbangkan pemicu API, deteksi crash, dan variasi aksi. Evaluasi dilakukan berdasarkan jumlah respon API yang dipicu, skenario crash yang dihasilkan, serta stabilitas dan konsistensi reward selama pelatihan. Hasil menunjukkan bahwa agen DRL mampu mempertahankan reward stabil di atas 500, memicu 11 crash unik, dan menjelajahi 95 aksi eksplorasi berbeda dengan jumlah aksi berulang yang minim. Penelitian ini menunjukkan bahwa pendekatan DRL dapat meningkatkan cakupan pengujian dan efektivitas deteksi kerentanan pada aplikasi LMS mobile. Temuan ini penting bagi pengembang dan institusi pendidikan dalam memperkuat keamanan aplikasi sebelum implementasi luas, serta berkontribusi pada pengembangan metode fuzzing otomatis berbasis kecerdasan buatan.

Sistem Pendukung Keputusan Pemilihan Supplier Menggunakan Metode Simple Additive Weighting Pada Toko Grosir Dua Putri

Zuriatul Mawaddah, Febi Nur Salisah, Eki Saputra, M. Afdal — Min, 24 Agu 2025 00:00:00 +0700

Pemilihan supplier yang tepat memegang peranan penting dalam menjaga efisiensi operasional dan daya saing perusahaan, khususnya dalam bisnis grosir. Toko Grosir Dua Putri mengalami kesulitan dalam menentukan supplier terbaik secara objektif. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan (SPK) berbasis web menggunakan metode Simple Additive Weighting (SAW) guna mendukung pemilihan supplier secara efektif dan transparan. Metode SAW dipilih karena kemampuannya dalam memberikan penilaian terukur berdasarkan pembobotan beberapa kriteria, seperti harga, kualitas, ketepatan pengiriman, tempo pembayaran, dan layanan purna jual. Sistem ini dibangun menggunakan PHP dan MySQL. Evaluasi dilakukan melalui Black Box Testing dan User Acceptance Test (UAT), yang menunjukkan bahwa sistem bekerja dengan baik, dengan tingkat kepuasan pengguna sebesar 97,5%. SPK yang dikembangkan mampu memberikan rekomendasi supplier secara objektif, sehingga dapat meningkatkan akurasi dan efisiensi dalam pengambilan keputusan.

Implementasi SPK Metode SAW untuk Menentukan Guru Terbaik di SMPN 14 Tulang Bawang Barat

Yudep Rafidal Luthfi Falih, Aditia Yudhistira — Min, 24 Agu 2025 00:00:00 +0700

Penilaian kinerja guru merupakan elemen kunci dalam peningkatan mutu pendidikan, namun proses evaluasi sering mengalami kendala karena kurangnya sistem yang objektif dan terstruktur. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis metode Simple Additive Weighting (SAW) guna menentukan guru terbaik secara objektif di SMP Negeri 14 Tulang Bawang Barat. Metode SAW digunakan karena kemampuannya dalam mengolah data multikriteria melalui proses normalisasi dan pembobotan. Kriteria penilaian meliputi absensi, jam mengajar, disiplin, tugas tambahan, dan pengembangan profesi. Data diperoleh dari observasi dan wawancara dengan pihak sekolah. Sistem yang dibangun menghasilkan peringkat guru berdasarkan skor Vi, di mana guru dengan kode A2 memperoleh nilai tertinggi sebesar 0,800. Hasil ini menunjukkan keefektifan SAW dalam mendukung evaluasi kinerja yang adil dan transparan. Sistem ini berkontribusi dalam meningkatkan akuntabilitas penilaian serta mendukung pengambilan keputusan yang lebih tepat dalam pengelolaan sumber daya manusia di sekolah.

Analisis Faktor-Faktor Penerimaan Teknologi dalam Pembelajaran Vokasi: Integrasi Model Technology Acceptance Model dan Theory of Planned Behavior di SMK Ma’arif 1 Kroya

Bambang Harimato, Berlilana, Azhari Shouni Barkah — Min, 24 Agu 2025 00:00:00 +0700

Penerapan teknologi dalam pendidikan vokasi menjadi semakin penting untuk menunjang kesiapan siswa menghadapi era digital dan industri 4.0. Namun, tingkat penerimaan teknologi oleh siswa, khususnya di jurusan Teknik Komputer dan Jaringan (TKJ), masih menunjukkan variasi yang signifikan dan membutuhkan kajian lebih lanjut. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi penerimaan teknologi dalam pembelajaran vokasi di SMK Ma’arif 1 Kroya, dengan mengintegrasikan pendekatan Technology Acceptance Model (TAM) dan Theory of Planned Behavior (TPB). Penelitian ini menggunakan metode kuantitatif dengan teknik analisis Partial Least Squares Structural Equation Modeling (PLS-SEM) melalui perangkat lunak SmartPLS 4. Hasil analisis menunjukkan bahwa PU dan PEU berpengaruh signifikan terhadap sikap siswa terhadap penggunaan teknologi (ATT), sedangkan SN dan PBC berkontribusi langsung terhadap niat penggunaan (BI). Selanjutnya, BI terbukti berpengaruh terhadap penggunaan aktual teknologi dalam pembelajaran (AU). Temuan ini mengindikasikan bahwa strategi peningkatan penerimaan teknologi perlu difokuskan pada penguatan persepsi kegunaan dan kemudahan teknologi, dukungan sosial, serta pemberdayaan kontrol perilaku siswa. Implikasi praktis dari penelitian ini mencakup pengembangan pelatihan teknologi bagi siswa dan guru, serta desain pembelajaran vokasi yang berbasis teknologi secara lebih interaktif dan aplikatif.

Analisis Tren Penelitian Hyperparameter Tuning dalam Software Engineering melalui Systematic Literature Review dan Bibliometric Analysis

Rizqi Fadilatul Fajriyah, Yusuf Sulistyo nugroho — Min, 24 Agu 2025 00:00:00 +0700

Hyperparameter tuning merupakan salah satu aspek penting dalam meningkatkan performa model machine learning di bidang software engineering. Meskipun memiliki dampak signifikan, kajian terkait tren dan perkembangan penelitian hyperparameter tuning di bidang ini masih terbatas dan belum banyak dieksplorasi secara sistematis. Penelitian ini bertujuan untuk menganalisis tren penelitian hyperparameter tuning dalam software engineering melalui pendekatan Systematic Literature Review (SLR) dan Bibliometric Analysis. Metode bibliometrix menggunakan Bibliometrix R-Package, sebanyak 503 artikel diperoleh dari database Scopus dianalisis untuk mengidentifikasi metode tuning yang dominan, tantangan yang dihadapi, serta peluang penelitian masa depan. Hasil kajian menunjukkan adanya fluktuasi jumlah publikasi dari tahun 2020 hingga 2025, dengan peningkatan signifikan pada tahun 2024 (132 artikel), namun diiringi penurunan rata-rata sitasi pada tahun 2025 (10 artikel) dapat dikaitkan dengan waktu yang lebih singkat bagi publikasi baru untuk mendapatkan kutipan. Wang Y menjadi penulis terbanyak dengan 11 artikel dan sebagai penulis yanng paling berpengaruh dengan skor fraksionalisasi 1,75. Sumber paling relevan dan populer berdasarkan jumlah publikasi kategori Jurnal ilmiah adalah IEEE Transactions on Software Engineering (18 artikel), untuk kategori konferensi yaitu ACM International Conference Proceeding Series (15 artikel). Tren topik berdasarkan kata kunci yang sering muncul adalah deep learning dengan 89 kemunculan. Tren penelitian juga menunjukkan peningkatan signifikan dalam eksplorasi teknik tuning otomatis guna mengatasi kompleksitas model dan biaya komputasi yang tinggi. Kajian ini memberikan wawasan mengenai perkembangan terkini dan tantangan, seperti kurangnya generalisasi hasil tuning dan pendekatan akan pendekatan yang lebih adaptif, serta membuka peluang penelitian untuk inovasi di bidang hyperparameter tuning dalam software engineering.

Evaluasi Model Random Forest dengan Teknik SMOTE dan RUS untuk Klasifikasi Kerusakan Motor di Bengkel PLAVIX

Zacky Fahd Annahdli, Elkaf Rahmawan Pramudya — Min, 24 Agu 2025 00:00:00 +0700

Diagnosis kerusakan motor di bengkel konvensional masih sangat bergantung pada intuisi dan pengalaman subjektif mekanik, yang dapat menyebabkan inkonsistensi dan potensi kesalahan dalam penanganan kendaraan. Untuk mengatasi permasalahan tersebut, penelitian ini mengevaluasi kinerja algoritma Random Forest dalam mengklasifikasikan jenis kerusakan motor menggunakan dataset dari Bengkel PLAVIX. Data gejala diolah menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), sedangkan fitur kategorikal dienkode dengan Label Encoding. Ketidakseimbangan data ditangani menggunakan Synthetic Minority Over-sampling Technique (SMOTE) dan Random Under-Sampling (RUS). Hasil menunjukkan bahwa Random Forest dengan SMOTE mampu meningkatkan akurasi dari 72,73% menjadi 77,27%, dengan peningkatan signifikan pada presisi sebesar 67,42%, serta recall sebesar 77,27% dan F1-Score sebesar 70,91% . Kombinasi SMOTE dan RUS juga memberikan keseimbangan yang lebih baik antara presisi dan recall. Studi ini membuktikan bahwa pendekatan machine learning dapat meningkatkan akurasi dan objektivitas diagnosis kerusakan motor, serta membantu bengkel dalam memberikan layanan perawatan kendaraan yang lebih andal dan efisien.

Implementasi Gamifikasi Berbasis Metode Double Diamond pada Aplikasi Fitme Meningkatkan Retensi Pengguna dalam Program Penurunan Obesitas

Hanifah Arifin, M Harun Rosyid Ridlo — Min, 24 Agu 2025 00:00:00 +0700

Rendahnya retensi pengguna menjadi tantangan utama dalam efektivitas aplikasi kesehatan, khususnya pada program penurunan obesitas. Penelitian ini bertujuan untuk merancang elemen gamifikasi berbasis metode Double Diamond guna meningkatkan keterlibatan jangka panjang pengguna dalam aplikasi Fitme. Metode Double Diamond diterapkan dalam empat tahap: Discover (eksplorasi masalah melalui studi pustaka dan wawancara mendalam), Define (perumusan masalah dan kebutuhan pengguna), Develop (pengembangan fitur gamifikasi seperti level, tantangan, dan penghargaan), serta Deliver (uji coba dan evaluasi prototipe). Hasil usability testing menunjukkan bahwa implementasi gamifikasi berhasil menurunkan tingkat kegagalan penggunaan menjadi 21,28% dan meningkatkan tingkat keberhasilan tinggi hingga 68%. Evaluasi AttrakDiff juga mengindikasikan kualitas positif pada dimensi Hedonic, Pragmatic, dan Attractiveness, dengan mayoritas responden memberikan skor tertinggi. Penelitian ini menunjukkan bahwa pendekatan gamifikasi yang terstruktur mampu menciptakan pengalaman pengguna yang lebih menarik dan efektif. Implikasinya, desain gamifikasi dapat menjadi strategi penting dalam pengembangan aplikasi kesehatan berbasis digital, tidak hanya meningkatkan retensi tetapi juga mendukung keberhasilan program kesehatan lebih berkelanjutan.

Strategi Perancangan UI/UX Aplikasi Fitme dengan Metode Double Diamond untuk Meningkatkan Keterlibatan Pengguna dalam Pengelolaan Obesitas pada Kesehatan Digital

Ismu Adiyat Hidayatulloh, M Harun Rosyid Ridlo — Min, 24 Agu 2025 00:00:00 +0700

Rendahnya keterlibatan pengguna dalam aplikasi kesehatan digital menjadi tantangan utama dalam mendukung perubahan gaya hidup sehat secara konsisten. Penelitian ini bertujuan untuk merancang antarmuka dan pengalaman pengguna (UI/UX) pada aplikasi FitMe dengan pendekatan Double Diamond guna meningkatkan motivasi dan keterlibatan pengguna. Metode ini mencakup empat tahap: Discover, Define, Develop, dan Deliver, yang diterapkan secara iteratif. Hasil penelitian menunjukkan peningkatan signifikan pada pengalaman pengguna. Persentase keberhasilan tinggi meningkat dari 57% (iterasi 1) menjadi 82,8% (iterasi 3), dan kegagalan menurun dari 23,89% menjadi 15,56%. Skor System Usability Scale (SUS) naik menjadi 74 (kategori “Good”), sementara hasil UEQ dan AttrakDiff menunjukkan persepsi positif terutama pada aspek daya tarik visual dan motivasi emosional. Elemen gamifikasi seperti reward, leveling, dan tantangan harian terbukti meningkatkan keterlibatan melalui motivasi intrinsik dan ekstrinsik. Penelitian ini memberikan kontribusi pada pengembangan aplikasi kesehatan digital berbasis desain yang berpusat pada pengguna. Temuan ini menunjukkan bahwa integrasi UI/UX yang responsif dan sistem gamifikasi dapat secara signifikan meningkatkan retensi dan efektivitas penggunaan aplikasi. Studi lanjutan disarankan untuk menguji model ini pada aplikasi kesehatan lain serta mengeksplorasi bentuk gamifikasi yang lebih adaptif dan personal.

Penerapan Algoritma FP-Growth untuk Optimasi Pengelolaan Stok di Toko Mainan Intan Toys

Triana Surya Pratiwi, Widi Widayat — Min, 24 Agu 2025 00:00:00 +0700

Ketidakstabilan stok produk yang sering terjadi pada Toko Mainan Intan Toys, khususnya pada mainan dengan tingkat permintaan tinggi menjadi permasalahan utama yang mengganggu kelancaran operasional dan kepuasan pelanggan. Penelitian ini bertujuan untuk mengoptimalkan pengelolaan stok melalui penerapan algoritma Frequent Pattern Growth (FP-Growth) dalam menganalisis pola pembelian konsumen. Metode FP-Growth diimplementasikan menggunakan bahasa pemrograman Python, dengan parameter minimum support dan confidence untuk mengidentifikasi asosiasi antar produk yang sering dibeli bersamaan. Hasil analisis menunjukkan bahwa kombinasi produk TB (Tembak-tembakan) dan MBB (Mainan Bola Besar) memiliki support sebesar 0,5 dan confidence sebesar 0,62 berdasarkan data transaksi tahun 2023–2024. Temuan ini dapat dimanfaatkan untuk menyusun strategi penataan stok yang lebih akurat, meningkatkan efisiensi pemasaran, serta memperbaiki tata letak produk di area penjualan. Secara praktis, penelitian ini memberikan solusi berbasis data dalam manajemen stok mainan, dan secara ilmiah berkontribusi pada pengembangan penerapan algoritma FP-Growth dalam konteks analisis asosiasi pada sektor ritel.

Pengaruh Model Pembelajaran CORE dengan Media Bingo dan Kahoot! sebagai Strategi Meningkatkan Keterampilan Berpikir Kritis dalam Pembelajaran Pendidikan Pancasila

Yogandaru Rizqi Utama, Rini Triastuti, Dewi Gunawati — Min, 24 Agu 2025 00:00:00 +0700

Rendahnya keterampilan berpikir kritis dalam pembelajaran Pendidikan Pancasila menjadi permasalahan utama yang dihadapi di SMP Negeri 1 Lamongan. Namun proses ini menjadi tantang bagi guru untuk berinovasi mengunakan metode pembelajaran dan media ajar mampu menstimulasi kemampuan berpikir kritis siswa. Penelitian ini (1) Menganalisis pengaruh penerapan model pembelajaran CORE dengan media Bingo terhadap keterampilan berpikir kritis peserta didik pada pembelajaran Pendidikan Pancasila Kelas VII C di SMPN Negeri 1 Lamongan. (2) Menganalisis pengaruh penerapan model pembelajaran CORE dengan media Kahoot! terhadap keterampilan berpikir kritis peserta didik pada pembelajaran Pendidikan Pancasila Kelas VII D di SMPN Negeri 1 Lamongan. (3) Menganalisis perbedaan pengaruh penerapan media Bingo dan media Kahoot! terhadap keterampilan berpikir kritis peserta didik pada pembelajaran Pendidikan Pancasila Kelas VII di SMPN Negeri 1 Lamongan. Penelitian ini bertujuan untuk menganalisis pengaruh penerapan model pembelajaran CORE (Connecting, Organizing, Reflecting, Extending)yang diintegrasikan dengan media Bingo dan Kahoot! terhadap keterampilan berpikir kritis siswa. Metode yang digunakan adalah quasi-eksperimen dengan desain pretest-posttest, melibatkan dua kelas sebagai kelompok eksperimen. Hasil penelitian menunjukkan peningkatan keterampilan berpikir kritis yang signifikan, dengan nilai rata-rata kelas eksperimen I yang menggunakan media Bingo meningkat dari 53,78% menjadi 76,73%, sedangkan kelas eksperimen II yang menggunakan Kahoot! meningkat dari 56,62% menjadi 82,51%. Media Kahoot! menunjukkan efektivitas yang lebih tinggi dibandingkan dengan Bingo, dengan kontribusi terhadap peningkatan keterampilan berpikir kritis sebesar 71,4% dibandingkan 65,9% dari Bingo. Metode pembelajaran dan media pembelajaran tersebut berdampak positif untuk menggembangan ketrampilan berpikir kritis siswa dan peningkatan kualitas pembelajaran di bidang Pendidikan Pancasila, serta memberikan rekomendasi bagi guru Pendidikan Pancasila dalam memfasilitasi pembelajaran yang menarik.

Strategi Digital Komunitas Lyfewithless dalam Membangun Kesadaran Ekologis Melalui Media Sosial

Astutik, Dewi Gunawati, Muhammad Hendri Nuryadi — Min, 24 Agu 2025 00:00:00 +0700

Konsumerisme berlebihan menjadi tantangan serius terhadap keberlanjutan lingkungan di era digital, dimana pola konsumsi masyarakat semakin dipercepat oleh media sosial. Di sisi lain, rendahnya kesadaran ekologis menunjukkan perlunya pendekatan baru dalam pendidikan kewarganegaraan yang relevan dan kontekstual dengan isu lingkungan. Penelitian ini bertujuan untuk menganalisis strategi digital yang diterapkan oleh komunitas lyfewithless dalam membangun kesadaran ekologis melalui platform Instagram. Metode penelitian menggunakan pendekatan kualitatif deskriptif dengan teknik pengumpulan data melalui observasi konten digital, wawancara mendalam, dan dokumentasi aktivitas komunitas. Hasil penelitian menunjukkan bahwa komunitas lyfewithless mengembangkan strategi berupa aktivisme visual, kampanye hashtag seperti #PakaiSampaiHabis, dan program pertukaran barang bernama Saling Silang. Strategi ini berdampak pada meningkatnya keterlibatan komunitas dan pemahaman masyarakat terhadap pentingnya gaya hidup yang lebih bertanggung jawab secara ekologis. Temuan penelitian ini menegaskan bahwa media sosial dapat menjadi sarana edukatif yang efektif dalam membentuk kesadaran ekologis melalui pendekatan komunikasi digital yang inovatif.

Implementasi Machine Learning untuk Identifikasi Jamur pada Aplikasi Android Menggunakan Algoritma Convolutional Neural Network

Reyhan Afif Fahri, Kemal Farouq Mauladi, Muhammad Hasan Wahyudi — Min, 24 Agu 2025 00:00:00 +0700

Kurangnya pengetahuan masyarakat dalam mengenali jamur beracun di Indonesia masih menjadi masalah serius yang dapat menyebabkan kasus keracunan, terutama di daerah yang memiliki kebiasaan mengonsumsi jamur liar. Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis Android yang dapat membantu masyarakat dalam mengidentifikasi jenis jamur secara otomatis sebagai upaya pencegahan keracunan. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, yang diimplementasikan menggunakan TensorFlow Lite agar dapat dijalankan secara efisien pada perangkat mobile. Dataset terdiri dari 2000 citra jamur yang dibagi dalam rasio 80% untuk pelatihan dan 20% untuk validasi, dengan pelatihan dilakukan selama 30 epoch. Model yang dihasilkan mencapai akurasi pelatihan sebesar 83% dan akurasi pengujian sebesar 85%. Aplikasi yang dikembangkan mampu melakukan identifikasi secara cepat dan akurat, serta memiliki potensi besar untuk meningkatkan kesadaran masyarakat terhadap keamanan pangan. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi berbasis kecerdasan buatan di bidang kesehatan dan keamanan pangan.

A Review Artikel : Studi Komprehensif Kinerja Sistem Keamanan Jaringan dalam Menangkal Serangan terhadap Infrastruktur Energi Listrik

Ruki Harwahyu, Lendra Nur Aprilla — Min, 24 Agu 2025 00:00:00 +0700

Infrastruktur energi listrik semakin bergantung pada teknologi informasi dan komunikasi sehingga menjadi lebih rentan terhadap serangan siber. Ketergantungan ini menambah risiko serius terhadap keandalan dan keamanan sistem tenaga listrik, terutama dalam menghadapi serangan yang semakin canggih dan terorganisir. Penelitian ini bertujuan untuk mengevaluasi kinerja sistem keamanan jaringan dalam melindungi infrastruktur energi listrik dari ancaman siber. Metode yang digunakan adalah studi literatur dengan pendekatan analisis deskriptif terhadap berbagai teknik pertahanan yang telah diterapkan maupun yang sedang dikembangkan. Hasil kajian menunjukkan bahwa sistem deteksi intrusi (IDS), firewall cerdas, dan algoritma pembelajaran mesin adalah pendekatan yang paling umum dan efektif. Namun, beberapa kelemahan ditemukan, seperti keterbatasan dalam mendeteksi serangan zero-day, kurangnya kemampuan adaptasi terhadap pola serangan baru, serta integrasi sistem yang belum optimal. Berdasarkan temuan ini, penelitian ini merekomendasikan peningkatan integrasi teknologi berbasis kecerdasan buatan, penguatan respons waktu nyata (real-time response), dan perbaikan koordinasi antar sistem keamanan. Temuan ini diharapkan dapat menjadi dasar dalam pengembangan strategi keamanan siber yang lebih kuat dan adaptif untuk menjaga keandalan serta ketahanan infrastruktur energi listrik dalam jangka panjang.

Deteksi Penyakit Daun Tomat Real-Time pada Platform Android Berbasis Convolutional Neural Network

Min, 24 Agu 2025 00:00:00 +0700

Tanaman tomat (Solanum lycopersicum) merupakan komoditas hortikultura dengan kerentanan tinggi terhadap infeksi patogen pada daun, berdampak signifikan pada kualitas dan produktivitas. Identifikasi dini penyakit daun tomat menjadi krusial untuk mencegah kerugian ekonomi, namun metode konvensional secara visual dinilai kurang efektif karena bersifat subjektif dan membutuhkan waktu lama. Penelitian ini bertujuan mengembangkan aplikasi mobile untuk mengidentifikasi penyakit daun tomat secara real-time, akurat, dan dapat mengetahui hasil langsung di lokasi penanaman. Sistem dikembangkan menggunakan pendekatan CNN dengan arsitektur MobileNetV2V2 yang di optimasi untuk perangkat mobile. Model dilatih menggunakan 9.600 citra daun tomat mencakup enam kategori penyakit, dikonversi ke format ONNX dan diimplementasikan ke platform Android melalui Unity dengan framework Barracuda. Evaluasi model menunjukkan performa yang sangat baik dengan akurasi pelatihan 95%. Pengujian pada 60 sampel di lingkungan nyata menghasilkan akurasi deteksi real-time 88,33%, dengan precision 87,5%, recall 88,3%, dan F1-score 87,9%. Aplikasi ini menawarkan solusi praktis bagi petani untuk identifikasi penyakit tanpa bergantung pada koneksi internet, memungkinkan penanganan dini yang tepat, mengurangi penggunaan pestisida berlebihan, dan berpotensi meningkatkan produktivitas tanaman tomat melalui pengendalian penyakit yang lebih efektif.

Penerapan Algoritma Weighted Moving Average untuk peramalan Penjualan LPG Bersubsidi di Pangkalan Ranba Lamongan

Dwi Lilis Suryani, Kemal Frouq, Munif — Min, 24 Agu 2025 00:00:00 +0700

Ketersediaan dan distribusi LPG subsidi memiliki peranan penting dalam menjaga stabilitas ekonomi dan kesejahteraan masyarakat, terutama di wilayah lokal. Namun, fluktuasi permintaan yang dipengaruhi oleh faktor musiman, kebijakan pemerintah, dan kondisi pasar sering menyebabkan ketidakpastian dalam perencanaan stok, yang dapat mengakibatkan ketidakseimbangan antara pasokan dan permintaan. Penelitian ini mengimplementasikan algoritma Weighted Moving Average (WMA) sebagai metode peramalan untuk memprediksi penjualan LPG subsidi, dengan studi kasus di Pangkalan Ranba Lamongan. Algoritma WMA memberikan bobot lebih besar pada data terbaru, sehingga mampu menghasilkan prediksi yang adaptif terhadap perubahan tren penjualan. Hasil pengujian menunjukkan bahwa WMA mampu menghasilkan prediksi yang lebih akurat dibandingkan dengan metode Simple Moving Average (SMA), dengan tingkat kesalahan prediksi yang lebih rendah berdasarkan metrik evaluasi MAE, MSE, dan MAPE. Nilai MAPE sebesar 1,8% menunjukkan bahwa model WMA memiliki akurasi sangat tinggi dalam memprediksi penjualan LPG subsidi. Hasil ini membuktikan bahwa algoritma WMA lebih responsif dalam menangkap pola musiman dan fluktuasi pasar yang dinamis. Dengan demikian, algoritma WMA dapat menjadi alat yang efektif dalam mendukung pengambilan keputusan operasional pangkalan LPG, khususnya di Pangkalan Ranba, Lamongan. Penelitian ini juga berkontribusi pada pengembangan metode peramalan berbasis data historis yang dapat diterapkan di wilayah lain dengan pola permintaan serupa. Implikasi praktis dari penelitian ini diharapkan mampu membantu pangkalan LPG dalam meminimalkan risiko kekurangan atau kelebihan stok dan meningkatkan kepuasan pelanggan melalui pengelolaan distribusi yang lebih efisien.