Abstract:This study examines the relationship between sustainability practices and corporate performance in the global context. In an era of rapid technological advancements and heightened environmental awareness, companies are increasingly…
ncreasingly integrating sustainability strategies, such as Corporate Social Responsibility (CSR), environmental management, and sustainable financial policies, into their operations. The research identifies the main issues faced by businesses in implementing these practices and explores the impact of sustainability on both financial and non-financial performance. The findings indicate that companies adopting sustainability practices show improvements in profitability, efficiency, customer loyalty, and employee satisfaction. For instance, companies in sectors such as energy and manufacturing experienced a notable increase in Return on Assets (ROA) and Return on Equity (ROE) after integrating sustainability efforts. Furthermore, the study highlights the significant role of external factors such as government policies and corporate culture in the success of sustainability initiatives. The results contribute to the understanding of how businesses can leverage sustainability to achieve competitive advantage while addressing environmental and social challenges.
Abstract:The rapid evolution of digital technologies, particularly live streaming features in e-commerce platforms, has significantly transformed consumer behavior while introducing new risks to consumer protection. Live streaming…
g based commercial transactions often involve real time, visually driven interactions that encourage impulsive purchasing decisions, making traditional regulatory frameworks insufficient. This study aims to analyze the primary factors influencing consumer protection in live commerce settings by examining five core variables: product transparency, platform accountability, perceived risk, consumer trust, and digital literacy. Utilizing a qualitative exploratory approach, this research conducted a comprehensive literature review of 77 international journal articles published between 2020 and 2024. The findings indicate that product transparency and platform accountability are fundamental to enhancing consumer trust and reducing perceived risks, whereas digital literacy acts as a moderating factor that empowers consumers to make informed decisions. The study proposes a conceptual framework that integrates behavioral and regulatory dimensions, offering both theoretical insights and practical implications for improving consumer protection in fast paced, interactive digital marketplaces.
Abstract:Menjelang bebas masa tahanan, rasa cemas dapat muncul pada diri seorang narapidana. Kecemasan yang dialami oleh narapidana menjelang bebas tahanan dari rutan merupakan dampak yang timbul akibat ketakutan akan tidak diterima…
ima dirinya di lingkungan masyarakat. Penelitian ini bertujuan untuk menemukan gambaran kecemasan narapidana yang akan menyelesaikan masa tahanan dari Rutan Kelas IIB Kota Serang. Penelitian ini menggunakan metode kualitatif dengan pendekatan penelitian studi deskriptif. Wawancara, observasi dan dokumentasi merupakan alat pengumpulan data untuk penelitian ini. Penelitian dilakukan di Rutan Kelas IIB Kota Serang, dengan total tiga subjek narapidana yang akan segera bebas masa tahanan. Dari hasil penelitian, narapidana menunjukkan adanya rasa cemas yang menyelimuti kemudian berpengaruh para kondisi fisik serta sulit tidur dimalam hari. Pemberian motivasi serta kegiatan aktif yang dapat mengurangi rasa cemas merupakan upaya yang dilakukan oleh petugas rutan.
Abstract:Kanker payudara merupakan salah satu jenis kanker yang paling umum ditemukan pada wanita dan menjadi penyebab utama kematian akibat kanker di seluruh dunia. Ketepatan dalam diagnosis kanker payudara menjadi sangat krusial…
l untuk penanganan yang tepat. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes dan Random Forest dalam mengklasifikasikan kanker payudara menggunakan dataset Breast Cancer Wisconsin. Metodologi penelitian dimulai dengan pengumpulan data dari dataset Breast Cancer Wisconsin yang terdiri dari 569 sampel dengan 32 atribut. Proses preprocessing data meliputi konversi data dari format nominal ke binominal untuk atribut diagnosis. Implementasi algoritma menggunakan tools RapidMiner dengan pendekatan cross validation (k=10) untuk evaluasi model yang lebih robust. Performa kedua algoritma dibandingkan menggunakan berbagai metrik evaluasi termasuk accuracy, precision, recall, dan analisis confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa yang lebih unggul dengan tingkat akurasi 94,91% (±5,06%), precision 95,33%, dan recall 93,90%. Sementara itu, Naive Bayes mencapai akurasi 93,51% (±5,30%), precision 93,68%, dan recall 92,67%. Random Forest juga menunjukkan keunggulan dalam mengurangi false positive, dengan hanya 8 kasus dibandingkan 15 kasus pada Naive Bayes. Analisis confusion matrix menunjukkan bahwa kedua algoritma memiliki kemampuan yang baik dalam mengklasifikasikan kasus kanker payudara, meskipun Random Forest menunjukkan performa yang lebih stabil dan akurat. Kesimpulan dari penelitian ini menunjukkan bahwa kedua algoritma efektif untuk klasifikasi kanker payudara, dengan Random Forest menunjukkan keunggulan dalam hal akurasi dan presisi. Hasil ini dapat menjadi pertimbangan dalam pengembangan sistem pendukung keputusan untuk diagnosis kanker payudara, dimana Random Forest dapat menjadi pilihan utama ketika akurasi menjadi prioritas, sementara Naive Bayes tetap menjadi alternatif yang valid ketika kesederhanaan implementasi dan efisiensi komputasi diperlukan.
Abstract:Data mining merupakan bagian dari data analytics dan disiplin ilmu Data Science yang memiliki manfaat luas dan tepat guna. Kepadatan penduduk diberbagai provinsi akan mengakibatkan banyak dampak yang akan dialami oleh masyarakat,…
syarakat, karena ketidaktahuan masyarakat akan lokasi kepadatan penduduk atau informasi tentang pengelompokan kepadatan penduduk disetiap provinsi, sehingga masyarakat yang memilih lokasi bertempat tinggal semaunya cenderung berada dalam pusaran permasalahan akibat dampak kepadatan penduduk disetiap provinsi yang ada. Untuk menghindari atau meminimalkan dampak kepadatan penduduk, maka perlu dilakukan pengelompokan kepadatan penduduk kedalam 3 kelompok (cluster), yaitu sangat padat(cluster 2), padat(cluster 0), dan sedang(cluster 1). Algoritma yang digunakan dalam penelitian ini adalah algoritma K-Means dengan rapid miner. Dengan hasil penggunaan algoritma K-Means dengan rapid miner menghasilkan bahwa dari 34 provinsi yang ada, terdapat 1 provinsi Sangat Padat (cluster 2), 6 provinsi padat (cluster 0), dan 27 kecamatan sedang (cluster 1). Sehingga dengan adanya cluster kepadatan penduduk ini akan memberikan pengetahuan baru kepada masyarakat yang melakukan urbanisasi, transmigrasi, dan imigrasi karena faktor pekerjaan, faktor ingin menetap, maupun faktor lainnya, sehingga menghindari atau meminimalisi dampak permasalahan karena faktor kepadatan penduduk.
Abstract:Merokok merupakan aktivitas yang dapat menimbulkan dampak buruk bagi kesehatan, baik untuk diri sendiri maupun untuk orang lain. Hal itu dikarenakan terdapat banyak kandungan yang berbahaya bagi kesehatan. Data mining merupakan…
rupakan bagian dari data analytics dan disiplin ilmu data science yang memiliki manfaat luas dan tepat guna. Penelitian ini bertujuan untuk mengetahui pengelompokkan perokok dengan usia lebih dari 15 tahun di setiap Provinsi. Data yang digunakan dalam penelitian ini diambil dari Badan Pusat Statistik (BPS). Metode yang digunakan adalah Clustering dengan algoritma K-Means menggunakan tools RapidMiner dan validasinya menggunakan operator Davies Bouldin Indeks untuk mencari nilai yang mendekati 0. Pengelompokkan perokok dengan rentan usia lebih dari 15 tahun yang dihasilkan dapat dilihat melalui 3 cluster, Cluster 1 merupakan tingkat perokok tinggi sejumlah 9 provinsi, Cluster 2 merupakan tingkat sedang dengan 17 provinsi dan Cluster 3 merupakan tingkat rendah dengan 8 provinsi.
Abstract:Model prediksi kelulusan siswa di SMK Al Hasyimy Ibrahimy dikembangkan dengan algoritma K-Nearest Neighbor (K-NN) yang diimplementasikan melalui aplikasi RapidMiner. Model ini memproses variabel seperti nilai Sumatif, UTS,…
S, PAS, UKK, dan PSAJ untuk mengklasifikasikan status kelulusan siswa sebagai "tepat waktu" atau "terlambat". Algoritma K-NN bekerja dengan menghitung kedekatan (Euclidean Distance) antara data baru dan data yang sudah memiliki hasil kelulusan. Hasil prediksi menunjukkan akurasi sebesar 95,51% memberikan manfaat bagi sekolah dalam mengenali siswa yang memerlukan dukungan tambahan agar lulus tepat waktu. Penggunaan pendekatan ini mendukung penerapan strategi pendidikan berbasis data untuk meningkatkan tingkat kelulusan siswa.
Abstract:Pariwisata merupakan sektor strategis di Kabupaten Jember yang memiliki potensi besar, namun tantangan dalam promosi dan informasi sering kali menghambat pengembangan sektor ini. Data mining mampu menganalisis data secara…
a terus-menerus dan mengotomatiskan pengambilan keputusan dan algoritma K-Nearest Neighbor (K-NN) merupakan metode klasifikasi untuk menemukan akurasi jarak terdekat. Pada paket wisata di Jember dipergunakan algoritma K-Nearest Neighbor (K-NN) untuk membantu wisatawan menemukan destinasi yang sesuai dengan preferensi yang akan dipilih. Data objek wisata di Jember digunakan sebagai basis sistem rekomendasi, dengan atribut seperti jarak dan jenis wisata yang dianalisis menggunakan aplikasi RapidMiner. Hasil pengujian menunjukkan bahwa model K-NN memiliki kebutuhan peningkatan model lebih lanjut. Rekomendasi ini agara dapat menjadi acuan dalam peningkatan kualitas pengalaman wisata di Jember serta mendukung strategi promosi daerah.
Abstract:Obesitas adalah masalah kesehatan global yang ditandai dengan menumpuknya lemak tubuh berlebih, meningkatkan risiko penyakit kronis seperti diabetes dan penyakit jantung. Data Mining sangat efektif untuk mengidentifikasi…
faktor risiko obesitas pada individu menggunakan algoritma Random Forest yang diimplementasikan dengan RapidMiner, dipilih karena kemampuannya menangani banyak variabel dan mengatasi multikolinearitas. Dataset ini terdiri dari 2.087 entri dengan 15 fitur terkait gaya hidup, pola makan, dan riwayat kesehatan yang diperoleh dari situs Kaggle, dan dibagi menjadi 90% data latih serta 10% data uji untuk evaluasi kinerja model. Hasilnya menunjukkan model mampu mencapai akurasi 79,81%, presisi 78,26%, dan recall 67,86%, dengan faktor dominan yang mempengaruhi risiko obesitas adalah konsumsi makanan tinggi kalori, rendahnya aktivitas fisik, dan riwayat keluarga obesitas. Penelitian ini memberikan wawasan penting bagi upaya pencegahan obesitas melalui pengembangan kebijakan kesehatan dan program edukasi yang lebih efektif, fokus pada perubahan pola hidup untuk mengurangi prevalensi obesitas dan komplikasi
Abstract:Diabetes merupakan penyakit kronis yang ditandai dengan tingginya kadar glukosa dalam darah, yang dapat menyebabkan komplikasi serius jika tidak dikelola dengan baik. Dalam penelitian ini, dilakukan prediksi diabetes pada…
a perempuan suku Indian Pima menggunakan algoritma klasifikasi K-Nearest Neighbors (K-NN). Dataset yang digunakan diperoleh dari National Institute of Diabetes and Digestive and Kidney Diseases, yang terdiri dari 769 data pasien dengan 9 atribut. Penelitian ini menggunakan metode deskriptif kuantitatif dengan pendekatan rekayasa perangkat lunak dan Library Online Research. Data dianalisis menggunakan RapidMiner versi 10.3. Hasil dari model K-NN menunjukkan tingkat akurasi sebesar 70,13%, dengan presisi 59,09% untuk pasien positif dan 74,55% untuk pasien negatif. Nilai recall yang diperoleh adalah 48,15% untuk pasien positif dan 82,00% untuk pasien negatif. Meskipun akurasi model ini cukup baik, penelitian lebih lanjut diperlukan untuk meningkatkan kualitas prediksi. Algoritma K-NN terbukti efektif digunakan dalam klasifikasi diabetes, tetapi kualitas hasil sangat bergantung pada kualitas data yang dianalisis.