Abstract:Pendidikan hukum bagi generasi muda merupakan aspek penting dalam membentuk kesadaran hukum di masyarakat. Namun, siswa di Pusat Kegiatan Belajar Masyarakat (PKBM) sering kali memiliki keterbatasan akses terhadap informasi…
si hukum yang relevan. Kegiatan pengabdian ini bertujuan untuk meningkatkan pemahaman siswa PKBM Insan Cendekia Batam mengenai aspek hukum yang berkaitan dengan kehidupan sehari-hari serta dampak teknologi dalam konteks hukum. Penyuluhan ini menggabungkan dua bidang keilmuan, yaitu ilmu hukum dan ilmu komputer, untuk memberikan wawasan yang komprehensif mengenai perlindungan hukum di era digital. Metode yang digunakan dalam kegiatan ini mencakup pemaparan materi secara interaktif, studi kasus, serta simulasi penggunaan teknologi dalam memahami dan mengatasi permasalahan hukum, seperti cybercrime, etika digital, dan perlindungan data pribadi. Hasil dari penyuluhan ini menunjukkan peningkatan pemahaman siswa terhadap hak dan kewajiban hukum, serta kesadaran akan risiko hukum di dunia digital. Dengan adanya kegiatan ini, diharapkan siswa PKBM Insan Cendekia Batam dapat lebih bijak dalam berinteraksi di dunia maya serta memahami konsekuensi hukum dari setiap tindakan yang dilakukan, baik dalam kehidupan nyata maupun digital.
Abstract:Insiden jatuh merupakan salah satu kejadian yang tidak diharapkan terjadi namun memliki prevalensi yang cukup tinggi. Tujuan penelitian ini untuk mengetahui tindakan pencegahan jatuh yang dilakukan oleh perawat bagi pasien…
en Rawat Inap. Penelitian dilakukan dengan menggunakan metode literature review, peneliti mencari, menggabungkan, dan menganalisis artikel-artikel ilmiah secara valid dengan fokus kajian review paper. Hasil yang didapat adalahdalam penanganannya ternyata masih banyak perawat yang belum melakukan tindakan pencegahan sesuai dengan SOP Rumah Sakit. Pengetahuan, tingkat pendidikan, masa kerja, ketersediaan fasilitas, SDM, dan rasa tanggung jawab menjadi faktor-faktor utama perawat tidak melakukan tindakan pencegahan jatuh pada pasien rawat inap. Dalam menangani hal ini, penilaian skor risiko jatuh dapat dimasukkan dalam asuhan keperawatan sehingga dapat diketahui risiko jatuh pada pasien dan perawat dapat memberikan tindakan pencegahan sesuai dengan masalah yang telah diidentifikasi pada asuhan keperawatan. Kesadaran akan rasa tanggungjawab juga harus ditingkatkan pada perawat karena keselamatan pasien merupakan hal yang utama.
Abstract:Abstract : The climatic conditions in Indonesia are very vulnerable to the formation of breeding grounds for disease populations. There are many types of diseases that generally occur due to mosquito parasites including…
Dengue Hemorrhagic Fever (DHF), Typhoid Fever, Measles (Morbili), Malaria, and several other tropical diseases. Information from doctors is needed by all sick people, but is constrained by the problem of costs for such expensive treatment. That is the reason for making an expert system that can diagnose mosquito parasitic fever. This designed system uses the Dempster.- Shafer method. Dempster-shafers can be used to combine separate pieces of information to calculate one by one the probability of an event occurring. This application can diagnose diseases caused by mosquito parasites by entering the symptoms of the questions answered by the patient and getting maximum results. The system can run on web applications such as Google Chrome and Mozilla.The research was conducted at the Simpang Empat Health Center, Asahan Regency.
Keywords : Mosquito; Dempster Shafer; Health Center
Abstrak : Kondisi iklim yang ada di Indonesia sangat rentan dengan pembentukan tempat berkembang biaknya populasi penyakit. Ada banyak jenis penyakit yang pada umumnya terjadi yaitu akibat parasit nyamuk diantaranya Demam Berdarah Dengue (DBD), Demam Tifoid, Campak (Morbili), Malaria, dan beberapa penyakit tropis lainnya. Informasi dari dokter dangat dibutuhkan oleh semua orang sakit, namun terkendala masalah biaya untuk perobatan yang begitu mahal. Itulah yang menjadi alasan untuk dibuatnya sebuah sistem pakar yang dapat mendiagnosa penyakit demam parasit nyamuk. Sistem yang dirancang ini menggunakan metode Dempster.- Shafer. Dempster-shafer bisa digunakan untuk menggabungkan potongan-potongan informasi yang terpisah untuk menghitung satu persatu kemungkinan yang terjadi dari suatu peristiwa. Aplikasi ini bisa mendiagnosis penyakit akibat parasit nyamuk dengan memasukkan gejala pertanyaan yang dijawab oleh pasien dan mendapatkan hasil yang maksimal. Sistem dapat berjalan pada aplikasi web seperti google crhrome dan mozilla. Penelitian dilaksanakan di Puskesmas Simpang Empat Kabupaten Asahan.
Kata Kunci : Nyamuk; Dempster Shafer; Puskesmas
Abstract:Abstract: This community empowerment initiative aims to enhance the digital readiness of Micro, Small, and Medium Enterprises (MSMEs) in Permata Baru Village, Ogan Ilir Regency, through the implementation of information…
systems and digital promotion strategies. Prior to the program, local MSME actors faced several challenges, including limited digital literacy, a lack of understanding of online marketing strategies, and minimal utilization of social media as a promotional tool, resulting in restricted market reach. The program adopts an educational and participatory approach, combining community-based learning, interactive discussions, and consultation sessions facilitated by lecturers and students from the Faculty of Economics, Sriwijaya University. The findings indicate strong enthusiasm among MSME participants and an improved understanding of how digitalization can expand market access. Participants have begun to utilize social media platforms such as Instagram, Facebook, and TikTok to promote their products. Overall, this initiative contributes to advancing digital literacy and technology-based marketing skills among rural MSMEs, thereby fostering inclusive and sustainable local economic growth.
Keywords: community engagement; digital literacy; digital promotion; information systems; MSMEs; rural development
Abstrak: Inisiatif pemberdayaan masyarakat ini bertujuan untuk meningkatkan kesiapan digital Usaha Mikro, Kecil, dan Menengah (UMKM) di Desa Permata Baru, Kabupaten Ogan Ilir, melalui penerapan sistem informasi dan strategi promosi digital. Sebelum program ini dilaksanakan, para pelaku UMKM masih menghadapi sejumlah kendala, seperti terbatasnya literasi digital, kurangnya pemahaman mengenai strategi pemasaran daring, serta minimnya pemanfaatan media sosial sebagai sarana promosi sehingga jangkauan pasar mereka relatif sempit. Program ini mengadopsi pendekatan edukatif dan partisipatif, yang menggabungkan pembelajaran komunitas, diskusi interaktif, dan sesi konsultasi yang dilakukan oleh dosen dan mahasiswa dari Fakultas Ekonomi, Universitas Sriwijaya. Temuan menunjukkan bahwa peserta UMKM menunjukkan antusiasme yang tinggi dan peningkatan pemahaman tentang bagaimana digitalisasi dapat memperluas akses pasar. Mereka telah mulai memanfaatkan platform media sosial seperti Instagram, Facebook, dan TikTok untuk promosi produk. Secara keseluruhan, inisiatif ini berkontribusi untuk memajukan literasi digital dan keterampilan pemasaran berbasis teknologi di kalangan UMKM pedesaan, yang mendorong pertumbuhan ekonomi lokal yang inklusif dan berkelanjutan.
Kata kunci: pengabdian kepada masyarakat; literasi digital; promosi digital; sistem informasi; UMKM; pembangunan perdesaan
Abstract:Technological developments in transportation planning provide consultants with great opportunities to improve the accuracy and efficiency of traffic analysis. One important tool is VISSIM software, which allows realistic…
simulation of traffic dynamics. However, its utilization has not been optimal among consultants, including PT HAGEN AMERSA VETA, due to limited knowledge. This community service aims to raise the competence of PT HAGEN AMERSA VETA staff through VISSIM training. The method uses blended learning, combining theory, case studies, and hands-on practice. The evaluation was conducted through pretest and post-test. The pretest results showed an average score of 56.18, reflecting limited basic understanding. After the training, the post-test score increased significantly to 84.79, demonstrating an understanding of the concept to practical application of VISSIM. The training proved to significantly improve consultant competency, benefiting participants while improving the quality of the company's services in transportation projects.
Keywords: traffic analysis; consultant; training; competency improvement; vissim
Abstrak: Perkembangan teknologi dalam perencanaan transportasi membuka peluang besar bagi konsultan untuk meningkatkan akurasi dan efisiensi analisis lalu lintas. Salah satu alat penting adalah software VISSIM, yang memungkinkan simulasi dinamika lalu lintas secara realistis. Namun, pemanfaatannya belum optimal di kalangan konsultan, termasuk PT HAGEN AMERSA VETA, karena keterbatasan pengetahuan. Pengabdian masyarakat ini bertujuan meningkatkan kompetensi staf PT HAGEN AMERSA VETA melalui pelatihan VISSIM. Metodenya menggunakan blended learning, menggabungkan teori, studi kasus, dan praktik langsung. Evaluasi dilakukan melalui pretest dan post-test. Hasil pretest menunjukkan rata-rata skor 56,18, mencerminkan pemahaman dasar yang terbatas. Setelah pelatihan, skor post-test meningkat signifikan menjadi 84,79, menunjukkan pemahaman konsep hingga aplikasi praktis VISSIM. Pelatihan ini terbukti meningkatkan kompetensi konsultan secara signifikan, memberikan manfaat bagi peserta sekaligus meningkatkan kualitas layanan perusahaan dalam proyek transportasi.
Kata kunci: analisis lalu lintas; konsultan; pelatihan; peningkatan kompetensi; vissim
Abstract:Abstract: The advancement of smart agriculture has become a promising solution to increase food productivity and land use efficiency in urban environments. This research aims to develop an Artificial Intelligence (AI)-based…
sed vertical hydroponic farming system integrated with LED grow light technology and catfish aquaponics. The proposed system combines vertical hydroponics and aquaponics to optimize plant growth and water utilization. Internet of Things technology enables real-time environmental monitoring through an Arduino Uno microcontroller integrated with LDR, soil moisture, pH, and NPK sensors. The obtained sensor data is processed using the Mamdani Fuzzy Logic algorithm, which performs fuzzification, rule inference, aggregation, and defuzzification to generate adaptive control decisions for irrigation, nutrient circulation, and LED grow light intensity. This research uses the Research and Development (R&D) method through prototype development and performance evaluation for 30 days using spinach (Amaranthus spp.) and mustard greens (Brassica juncea) as test plants. Experimental results showed that the developed system successfully maintained stable environmental conditions, with soil moisture ranging between 69–72%, a pH value between 6.4 and 6.6, and optimal nutrient availability. Plant growth increased significantly. The integration of IoT, AI and aquaponics improves cultivation efficiency, enabling environmental control as a smart and sustainable solution for urban agriculture.
Keywords: artificial intelligence; aquaponic; hydroponic; LED grow light; vertical farming
Abstract: Kemajuan pertanian cerdas telah menjadi solusi yang menjanjikan untuk meningkatkan produktivitas pangan dan efisiensi penggunaan lahan di lingkungan perkotaan. Penelitian ini bertujuan untuk mengembangkan sistem pertanian hidroponik vertikal berbasis Kecerdasan Buatan (AI) yang terintegrasi dengan teknologi lampu tumbuh LED dan aquaponik ikan lele. Sistem yang diusulkan menggabungkan hidroponik vertikal dan aquaponik untuk mengoptimalkan pertumbuhan tanaman dan pemanfaatan air. Teknologi Internet of Things memungkinkan pemantauan lingkungan secara real-time melalui mikrokontroler arduino uno yang terintegrasi dengan sensor LDR, kelembaban tanah, pH, dan NPK. Data sensor yang diperoleh diproses menggunakan algoritma Logika Fuzzy Mamdani, yang melakukan fuzzifikasi, inferensi aturan, agregasi, dan defuzzifikasi untuk menghasilkan keputusan kontrol adaptif untuk irigasi, sirkulasi nutrisi, dan intensitas lampu tumbuh LED. Penelitian ini menggunakan metode Pengembangan (R&D) melalui pengembangan prototipe dan evaluasi kinerja selama 30 hari menggunakan bayam (Amaranthus spp.) dan sawi hijau (Brassica juncea) sebagai tanaman uji. Hasil eksperimen menunjukkan bahwa sistem yang dikembangkan berhasil mempertahankan kondisi lingkungan yang stabil, dengan kelembaban tanah berkisar antara 69–72%, nilai pH antara 6,4 dan 6,6, dan ketersediaan nutrisi yang optimal. Pertumbuhan tanaman meningkat secara signifikan. Integrasi IoT, AI dan aquaponik meningkatkan efisiensi budidaya, untuk pengendalian lingkungan sebagai solusi cerdas dan berkelanjutan untuk pertanian perkotaan.
Keywords: aquaponik; kecerdasan buatan; hidroponik; lampu tumbuh LED; pertanian vertikal
Abstract:Abstract: Anomalous sound detection is essential for industrial predictive maintenance, as machine failures often originate from subtle acoustic changes during operation. However, high background noise and limitations of…
conventional Convolutional Neural Networks (CNN) reduce detection reliability. This study proposes a 1D-CNN-based anomaly detection framework with multi-view feature fusion and temporal segmentation to enhance detection performance. The approach combines MFCC, Log-Mel Spectrogram, and Chroma STFT features, while temporal segmentation divides audio signals into 5-second segments to better capture transient anomalies. Experiments on the MIMII dataset under varying Signal-to-Noise Ratio (SNR) conditions show that MFCC and Log-Mel fusion achieves the best performance, with 97.90% accuracy and ROC-AUC of 0.9789. The model maintains accuracy above 90% at −6 dB, demonstrating strong robustness in noisy industrial environments.
Keywords: industrial anomaly detection; 1D-CNN; multi-view feature fusion; temporal segmentation; MIMII dataset.
Abstrak: Deteksi anomali suara merupakan komponen penting dalam sistem pemeliharaan prediktif industri, karena kegagalan mesin sering diawali oleh perubahan akustik yang bersifat halus selama proses operasi. Namun, tingkat kebisingan yang tinggi serta keterbatasan arsitektur Convolutional Neural Network (CNN) konvensional dapat menurunkan keandalan deteksi. Penelitian ini bertujuan mengusulkan kerangka deteksi anomali berbasis 1D-CNN yang mengintegrasikan strategi fusi fitur multi-view dan segmentasi temporal untuk meningkatkan kinerja deteksi. Pendekatan yang digunakan menggabungkan fitur MFCC, Log-Mel Spectrogram dan Chroma STFT, sementara teknik temporal splitting membagi sinyal audio menjadi segmen berdurasi 5 detik untuk menangkap anomali yang bersifat sementara. Eksperimen menggunakan dataset MIMII pada berbagai kondisi Signal-to-Noise Ratio (SNR) menunjukkan bahwa kombinasi MFCC dan Log-Mel Spectrogram menghasilkan kinerja terbaik dengan akurasi 97,90% dan ROC-AUC sebesar 0,9789. Model juga mempertahankan akurasi di atas 90% pada kondisi kebisingan ekstrem (−6 dB) yang menunjukkan ketahanan yang baik dalam lingkungan industri yang bising.
Kata kunci: deteksi anomali industri; 1D-CNN; fusi fitur multi-view; segmentasi temporal; dataset MIMII
Abstract:Abstract: Accurate forecasts of tea harvest production are important for workforce planning, factory operations, and marketing decisions, yet conventional estimation in plantations often relies on field experience and can…
n be biased and less adaptive to changing conditions. This study aims to develop a Random Forest Regression model to predict tea harvest production at the Bah Butong tea plantation using historical operational and climate-related data. The dataset consists of 60 monthly records (2020–2024) with six predictor variables: rainfall (mm), number of rainy days, pest level, weed level, number of harvested trees and land area. Data were split into 80% training (48 samples) and 20% testing (12 samples). Model hyperparameters were optimized using RandomizedSearchCV with RepeatedKFold cross-validation (5 folds, 3 repeats). The tuned model achieved MSE of 668,980,524.45, RMSE of 25,864.66 kg, MAE of 19,838.69 kg, and MAPE of 7.59% on the test set. The results indicate that the model can provide practical production estimates, with errors averaging about 7–8% of the actual production. Feature importance analysis shows that the number of harvested tea bushes and cultivated area contribute most to predictions. Future work should extend the historical period and incorporate time-based features (seasonality/lag) for improved forecasting.
Keywords: hyperparameter tuning; production prediction; random forest; regression; tea harvest
Abstrak: Perkiraan akurat produksi panen teh sangat penting untuk perencanaan tenaga kerja, operasional pabrik, dan keputusan pemasaran, namun estimasi konvensional di perkebunan seringkali bergantung pada pengalaman lapangan dan dapat bias serta kurang adaptif terhadap perubahan kondisi. Studi ini bertujuan untuk mengembangkan model Regresi Random Forest untuk memprediksi produksi panen teh di perkebunan teh Bah Butong menggunakan data operasional dan data terkait iklim historis. Dataset terdiri dari 60 catatan bulanan (2020–2024) dengan enam variabel prediktor: curah hujan (mm), jumlah hari hujan, tingkat hama, tingkat gulma, jumlah pokok panen, dan luas lahan. Data dibagi menjadi 80% data pelatihan (48 sampel) dan 20% data pengujian (12 sampel). Parameter model dioptimalkan menggunakan RandomizedSearchCV dengan validasi silang RepeatedKFold (5 lipatan, 3 pengulangan). Model yang telah disempurnakan mencapai MSE sebesar 668.980.524,45, RMSE sebesar 25.864,66 kg, MAE sebesar 19.838,69 kg, dan MAPE sebesar 7,59% pada set data uji. Hasil tersebut menunjukkan bahwa model dapat memberikan estimasi produksi yang praktis, dengan kesalahan rata-rata sekitar 7–8% dari produksi aktual. Analisis kepentingan fitur menunjukkan bahwa jumlah semak teh yang dipanen dan luas lahan budidaya paling berkontribusi pada prediksi. Pekerjaan selanjutnya harus memperpanjang periode historis dan menggabungkan fitur berbasis waktu (musiman/lag) untuk peramalan yang lebih baik.
Kata kunci: panen teh; prediksi produksi; random forest; regresi; tuning parameter
Abstract:Abstract: Accurate bone age estimation is essential for monitoring pediatric growth, diagnosing endocrine disorders, and supporting clinical decision-making. Although deep learning has improved prediction accuracy, limited…
ed studies have systematically examined how increasing model depth affects performance and reliability. This study evaluates the effectiveness of progressively deeper convolutional neural networks, specifically EfficientNet variants B0 to B5, for bone age estimation from hand radiographs. Experiments were conducted using 12,611 hand X-ray images from the RSNA Pediatric Bone Age Challenge dataset on Kaggle. To ensure fair comparison, all models were trained using a unified and consistent training pipeline. Model performance was evaluated using Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Concordance Correlation Coefficient (CCC), and Pearson correlation coefficient. The results show a consistent improvement in prediction accuracy as model depth increases. Among the evaluated models, EfficientNet-B5 achieved the best performance, with an MAE of 21.5 months, MAPE of 6.23%, CCC of 0.9148, and Pearson’s r of 0.9203. These findings confirm that model scaling plays a critical role in enhancing prediction robustness and clinical reliability. Future work should emphasize external validation across diverse populations and incorporate interpretability techniques, such as Grad-CAM, to improve clinical transparency and trust.
Keywords: bone age prediction; deep learning; model evaluation; clinical validation
Abstrak: Estimasi usia tulang yang akurat sangat penting untuk memantau pertumbuhan anak, mendiagnosis gangguan endokrin, dan mendukung pengambilan keputusan klinis. Meskipun pembelajaran mendalam telah meningkatkan akurasi prediksi, studi yang secara sistematis meneliti bagaimana peningkatan kedalaman model memengaruhi kinerja dan keandalan masih terbatas. Studi ini mengevaluasi efektivitas jaringan saraf konvolusional yang semakin dalam, khususnya varian EfficientNet B0 hingga B5, untuk estimasi usia tulang dari radiografi tangan. Eksperimen dilakukan menggunakan 12.611 gambar sinar-X tangan dari dataset RSNA Pediatric Bone Age Challenge di Kaggle. Untuk memastikan perbandingan yang adil, semua model dilatih menggunakan alur pelatihan yang terpadu dan konsisten. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Concordance Correlation Coefficient (CCC), dan koefisien korelasi Pearson. Hasil menunjukkan peningkatan yang konsisten dalam akurasi prediksi seiring dengan peningkatan kedalaman model. Di antara model yang dievaluasi, EfficientNet-B5 mencapai kinerja terbaik, dengan MAE sebesar 21,5 bulan, MAPE sebesar 6,23%, CCC sebesar 0,9148, dan Pearson’s r sebesar 0,9203. Temuan ini menegaskan bahwa penskalaan model memainkan peran penting dalam meningkatkan optimasi prediksi dan keandalan klinis. Penelitian selanjutnya dapat menekankan validasi eksternal di berbagai populasi dan menggabungkan teknik interpretasi, seperti Grad-CAM, untuk meningkatkan transparansi dan kepercayaan klinis.
Kata kunci: prediksi usia tulang; deep learning; evaluasi model; validasi klinis
Abstract:Abstract: In the era of sensitive health data and frequent cyberattacks, securing electronic medical records (EMR) has become a critical challenge. This study proposes a hybrid encryption framework combining Affine and AES…
ES algorithms with an AI-based key management module to enhance EMR security while maintaining efficiency. A dataset of 1,000 simulated records was evaluated using five cryptographic configurations: Affine-only, AES-only, RSA-only, Affine–AES, and Affine–AES with AI. Performance was measured through encryption/decryption latency and ciphertext size, while security was assessed under brute-force, SQL injection, and phishing simulations. The AI decision tree for key generation was evaluated using accuracy, precision, recall, F1-score, and entropy metrics. Results show that the AI-enhanced hybrid method eliminates brute-force success, introduces only minor latency overhead, and generates high-entropy keys with reliability above 98%. These findings indicate that integrating AI-based dynamic key regeneration into hybrid encryption can improve EMR security while remaining practical for clinical and cloud-based healthcare systems. Future work should involve real clinical datasets and explore post-quantum cryptographic extensions.
Keywords: AI key management; attack resistance; encryption performance; electronic medical records; hybrid encryption
Abstrak: Di era meningkatnya sensitivitas data kesehatan dan maraknya serangan siber, perlindungan Rekam Medis Elektronik (RME) menjadi tantangan penting. Penelitian ini mengusulkan kerangka enkripsi hibrida yang menggabungkan algoritma Affine dan AES dengan modul manajemen kunci berbasis AI untuk meningkatkan keamanan RME tanpa mengorbankan efisiensi. Dataset simulasi berisi 1.000 entri diuji menggunakan lima konfigurasi kriptografi: Affine-only, AES-only, RSA-only, Affine–AES, serta Affine–AES dengan AI. Performa diukur melalui latensi enkripsi/dekripsi dan ukuran ciphertext, sedangkan keamanan dievaluasi melalui simulasi serangan brute force, SQL injection, dan phishing. Model decision tree untuk manajemen kunci dinilai menggunakan metrik akurasi, presisi, recall, F1-score, dan entropi. Hasil menunjukkan bahwa metode hibrida dengan AI menghilangkan keberhasilan brute force, menambah overhead latensi yang minimal, serta menghasilkan kunci berentropi tinggi dengan reliabilitas di atas 98%. Temuan ini menunjukkan bahwa regenerasi kunci dinamis berbasis AI dalam skema enkripsi hibrida dapat meningkatkan keamanan RME sekaligus tetap praktis untuk sistem klinis dan layanan kesehatan berbasis cloud. Penelitian selanjutnya disarankan menggunakan dataset klinis nyata dan mengeksplorasi kriptografi pascakuantum.
Kata kunci: enkripsi hibrida; ketahanan serangan; kinerja enkripsi; manajemen kunci berbasis AI; rekam medis elektronik