Abstract:Dalam Proses Pembelajaran, tentunya seorang guru harus mempersiapkan media agar para peserta didik mudah memahami materi yang dapat meningkatkan hasil belajar mereka dan tercapainya tujuan dalam pendidikan. Tantangan seorang…
eorang guru adalah menciptakan suasana belajar yang tidak membosankan agar pada saat proses pembelajaran berlangsung mampu memitigasi peserta didik yang kurang melibatkan diri secara aktif dan cenderung pasif. Begitupun guru harus memahami bahwa untuk mengevaluasi pembelajaran tidak selalu dengan cara ujian atau menjawab latihan soal yang memiliki kesan monoton dan membosankan. Umumnya, pengevaluasian terhadap peserta didik berbentuk soal PG dan Esai saja, sehingga bentuk evaluasi yang digunakan kurang menarik para peserta didik. Dari permasalahan diatas, Solusi yang ditawarkan adalah dengan memberikan Pelatihan penggunaan Educandy sebagai Game Edukasi di SD Muhammadiyah 8 Plus Jakarta. Aplikasi ini merupakam game edukasi yang dapat membuat pembelajaran menjadi bervariasi dan menyenangkan. Sehingga, peserta didik tidak merasa bosan dan termotivasi untuk belajar lebih giat lagi. Pelatihan ini bertujuan untuk meningkatkan kemampuan guru-guru dalam mengajarkan suatu materi terhadap peserta didik dan mengevaluasinya. Sehingga, pembelajaran akan berjalan lebih efektif dan menjadikan guru lebih professional. Kegiatan pelatihan ini, nantinya akan berlangsung secara Offline lebih difokuskan kepada seorang guru dengan metode diskusi panel dan praktek langsung dalam pemanfaatan Game Educandy.
Kata Kunci: Media, Educandy, evaluasi
Abstract:Abstract: Literacy education is education for anyone who is illiterate, whether children or parents or even the elderly. What must be considered in this matter is that literacy education is a very sensitive education, an…
attitude that seems to be patronizing tends to be responded negatively. They tend to avoid, reject and feel offended when treated like children. They will reject learning situations that conflict with their self-concept as independent individuals. the method is carried out after observation and study of the material, the results achieved after the presentation of the material read, write, count are quantitative results. The ability of citizens to learn after functional literacy learning in the advanced literacy sector was assessed in the good category. This can be seen from the results that show that the results obtained by residents from those who are not yet fluent in reading, writing, and arithmetic, are now fluent in reading, writing, and arithmetic.
Keywords: illiterate
Abstrak: Pendidikan keaksaraan merupakan pendidikan bagi siapa saja yang menyandang buta aksara, baik anak-anak maupun orang tua atau lansia sekalipun. Harus diperhatikan dalam persoalan ini adalah pendidikan keaksaraan merupakan pendidikan yang sangat sensitif, sikap yang terkesan menggurui cenderung ditanggapi negative. Mereka cenderung menghindar, menolak dan merasa tersinggung apabila diperlakukan seperti anak-anak. Mereka akan menolak situasi belajar yang bertentangan dengan konsep dirinya sebagai individu yang mandiri. metode yang dilakukan setelah observasi dan pengajian materi, maka hasil yang dicapai setelah penyajian materi baca, tulis, hitung ialah hasil secara kuantitaif. Kemampuan warga belajar setelah pembelajaran keaksaraan fungsional bidang buta aksara lanjutan dinilai dalam kategori baik. Hal ini dapat dilihat dari hasil yang menunjukkan bahwa hasil yang diperoleh oleh warga dari yang belum lancar membaca, menulis, dan berhitung, sekarang menjadi lancar membaca, menulis, dan berhitung.
Kata kunci: buta aksara
Abstract:Abstract: Choosing the right elementary school is a crucial milestone for a child's future. However, the large number of school options in Asahan Regency with diverse criteria such as accreditation, facilities, fees, curriculum,…
riculum, and accessibility often makes it difficult for parents. Decision-making tends to be based on subjective word-of-mouth recommendations, which risks triggering bias. This research aims to develop an adaptive and objective web-based elementary school selection Decision Support System (DSS) framework to minimize such bias. The system is designed using a hybrid model that combines the Simple Multi-Attribute Rating Technique (SMART) method as a dynamic criteria weighting engine based on parents' preferences, and the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) method to rank ten alternative schools. System testing was conducted through black-box testing functionality and empirical accuracy testing using Spearman Rank Correlation involving 40 respondents. The black-box testing results confirmed that all main system operations ran perfectly with a 100% success rate. Validity testing demonstrated very high accuracy, with a Spearman correlation coefficient of 0.89, demonstrating significant alignment between the system's recommendations and actual choices on the ground. Thus, the SMART-TOPSIS framework has proven reliable as a data-driven approach to helping parents choose the best elementary school.
Keywords: decision support system; elementary school; SMART; TOPSIS
Abstrak: Memilih sekolah dasar yang tepat merupakan tonggak awal krusial bagi masa depan anak. Namun, banyaknya pilihan sekolah di Kabupaten Asahan dengan keberagaman kriteria seperti akreditasi, fasilitas, biaya, kurikulum, dan aksesibilitas sering kali menyulitkan orang tua. Pengambilan keputusan pun cenderung didasarkan pada rekomendasi subjektif dari mulut ke mulut, yang berisiko memicu bias. Penelitian ini bertujuan mengembangkan kerangka kerja Sistem Pendukung Keputusan (SPK) pemilihan sekolah dasar berbasis web yang adaptif dan objektif guna meminimalkan bias tersebut. Sistem dirancang menggunakan model hibrida yang mengombinasikan metode *Simple Multi-Attribute Rating Technique* (SMART) sebagai mesin pembobotan kriteria dinamis sesuai preferensi orang tua, serta metode *Technique for Order of Preference by Similarity to Ideal Solution* (TOPSIS) untuk memeringkat sepuluh sekolah alternatif. Pengujian sistem dilakukan melalui uji fungsionalitas *black-box testing* dan uji akurasi empiris menggunakan Korelasi Peringkat Spearman dengan melibatkan 40 responden. Hasil *black-box testing* mengonfirmasi seluruh operasi utama sistem berjalan sempurna dengan tingkat keberhasilan 100%. Uji validitas menunjukkan akurasi sangat tinggi dengan koefisien korelasi Spearman sebesar 0,89, membuktikan keselarasan signifikan antara rekomendasi sistem dan pilihan nyata di lapangan. Dengan demikian, kerangka SMART-TOPSIS ini terbukti andal sebagai pendekatan berbasis data untuk membantu orang tua memilih sekolah dasar terbaik.
Kata kunci: sekolah dasar; sistem pendukung keputusan; SMART; TOPSIS
Abstract:Abstract: The determination of thesis topics is a fundamental stage in academic research, yet the evaluation process remains predominantly manual and subjective. This reliance on individual lecturer perception often leads…
s to inconsistent feasibility assessments and fails to systematically measure the topic's alignment with strategic needs. This research aims to develop a Decision Support System (DSS) model based on fuzzy logic to assess the feasibility of thesis topics objectively and systematically, focusing on enhancing the relevance of student research. The research method employed the Fuzzy Inference System (FIS) with the Sugeno method. This model was designed through literature review and FGD to establish four criteria (Topic Relevance, Difficulty Level, Idea Novelty, Reference Availability) and 81 rule bases. The model validation results against expert judgment using 15 test data showed a high accuracy rate of 91.31%, with a Mean Absolute Percentage Error (MAPE) value of 8.69%. In conclusion, this DSS model is proven to be valid and consistent, and it can be relied upon as an objective tool to improve the quality and relevance of thesis topics.
Keywords: academic evaluation; decision support system; fuzzy logic; fuzzy sugeno; thesis feasibility
Abstrak: Penentuan topik skripsi merupakan tahapan fundamental dalam penelitian akademik, namun proses evaluasinya hingga kini masih cenderung manual dan subjektif. Ketergantungan pada persepsi dosen secara individu sering kali menyebabkan penilaian kelayakan yang tidak konsisten serta kegagalan dalam mengukur keselarasan topik dengan kebutuhan strategis secara sistematis. Penelitian ini bertujuan mengembangkan model Sistem Pendukung Keputusan (SPK) berbasis logika fuzzy untuk menilai kelayakan topik skripsi secara objektif dan sistematis, dengan fokus pada peningkatan relevansi penelitian mahasiswa. Metode penelitian yang digunakan adalah Fuzzy Inference System (FIS) dengan metode Sugeno. Model ini dirancang melalui tinjauan pustaka dan Focus Group Discussion (FGD) untuk menetapkan empat kriteria (Relevansi Topik, Tingkat Kesulitan, Kebaruan Ide, Ketersediaan Referensi) serta 81 basis aturan. Hasil validasi model terhadap penilaian pakar menggunakan 15 data uji menunjukkan tingkat akurasi yang tinggi yaitu 91,31%, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 8,69%. Kesimpulannya, model SPK ini terbukti valid dan konsisten, serta dapat diandalkan sebagai alat objektif untuk meningkatkan kualitas dan relevansi topik skripsi.
Kata kunci: evaluasi akademik; sistem pendukung keputusan; logika fuzzy; fuzzy sugeno; kelayakan skripsi
Abstract:Abstract: The rapid growth of the digital music industry requires accurate music genre classification systems to enhance user experience in streaming services. This study compares a domain-specific Long Short-Term Memory…
(LSTM) network with three Large Language Models (LLMs)—HuBERT, WavLM, and WAV2Vec 2.0—for Music Genre Classification (MGC). The LSTM model was trained using Mel-spectrograms transformed from the GTZAN dataset, while the LLMs were fine-tuned using a smaller set of raw audio samples due to computational constraints. All models were tested on datasets with identical genre labels to ensure a fair evaluation. Results show that the LSTM model achieved the highest accuracy of 97.10%, outperforming HuBERT (86.00%), WavLM (83.00%), and WAV2Vec 2.0 (80.00%). The LSTM demonstrated superior generalization and stability without overfitting, while the LLMs struggled to differentiate between genres with similar acoustic characteristics. These findings indicate that general-purpose pre-trained models, although powerful, are less effective in music-specific tasks due to domain mismatch. Therefore, incorporating music-specific features and architectures remains essential for achieving higher accuracy and reliability in automatic genre classification systems.
Keywords: audio large language models; comparative deep learning; music genre classification.
Abstrak: Pertumbuhan industri musik digital yang pesat menuntut sistem klasifikasi genre musik yang akurat untuk meningkatkan pengalaman pengguna dalam layanan streaming. Penelitian ini dilatarbelakangi oleh perkembangan pesat model pembelajaran mendalam, khususnya jaringan LSTM dan model bahasa berskala besar LLM seperti HuBERT, WavLM, dan WAV2Vec 2.0, yang telah menunjukkan kemampuan representasi audio yang kuat. Tujuan penelitian ini ini membandingkan jaringan Long Short-Term Memory (LSTM) khusus domain dengan tiga model Large Language Models (LLM)—HuBERT, WavLM, dan WAV2Vec 2.0—untuk tugas Klasifikasi Genre Musik (MGC). Metode penelitian melibatkan pelatihan LSTM menggunakan data Mel-spectrogram hasil transformasi dari dataset GTZAN, sementara LLM disesuaikan (fine-tuning) menggunakan data audio mentah dalam jumlah lebih kecil karena keterbatasan komputasi. Seluruh model diuji pada dataset dengan label genre yang sama untuk memastikan evaluasi yang adil. Hasil penelitian menunjukkan bahwa model LSTM mencapai akurasi tertinggi sebesar 97,10%, sedangkan model HuBERT, WavLM, dan WAV2Vec 2.0 masing-masing memperoleh 86,00%, 83,00%, dan 80,00%. Model LSTM menunjukkan kemampuan generalisasi yang lebih baik tanpa overfitting, sedangkan model LLM cenderung kesulitan membedakan genre dengan karakteristik akustik yang mirip. Kesimpulan penelitian ini adalah ketidaksesuaian domain secara signifikan membatasi performa model umum saat diterapkan pada tugas berbasis musik. Oleh karena itu, penggunaan fitur dan arsitektur khusus musik sangat penting dalam membangun sistem klasifikasi genre yang lebih akurat.
Kata kunci: klasifikasi genre musik; model bahasa besar; perbandingan pembelajaran mendalam.
Abstract:Abstract: Non-performing loans remain one of the main challenges faced by cooperatives, particularly when the loan eligibility assessment process is still conducted manually. This traditional approach tends to be time consuming,…
nsuming, subjective, and prone to inaccurate decisions. This study aims to develop a predictive model for borrower eligibility using the Support Vector Machine (SVM) algorithm as a more efficient and objective machine learning-based solution. A total of 1,000 loan history records were processed using RapidMiner software, taking into account variables such as salary, years of employment, loan amount, monthly installment, employment status, monthly expenses, number of dependents, housing status, age, and collateral value. The model’s performance was evaluated using a confusion matrix and classification metrics including accuracy, precision, recall, and kappa. The results indicate that the SVM model achieved an accuracy of 90.05%, precision of 90.13%, recall of 90.05%, and f1 score of 90,08%, reflecting a strong performance in classifying borrower eligibility. The application of this method makes a significant contribution to the development of data driven decision support systems within cooperative environments. This finding expands the scientific understanding in the field of microfinance and supports the implementation of artificial intelligence technologies in making decisions that are more precise, rapid, and accurate.
Keywords: cooperative; eligibility prediction; machine learning; non-performing loan; SVM
Abstrak: Kredit macet merupakan salah satu permasalahan utama yang dihadapi koperasi, terutama ketika proses penilaian kelayakan peminjam masih dilakukan secara manual. Pendekatan ini cenderung lambat, subjektif, dan berisiko menghasilkan keputusan yang kurang akurat. Penelitian ini bertujuan untuk membangun model prediksi kelayakan peminjam menggunakan algoritma Support Vector Machine (SVM) sebagai solusi berbasis machine learning yang lebih efisien dan objektif. Sebanyak 1.000 data riwayat pinjaman diolah menggunakan tools RapidMiner dengan mempertimbangkan variabel: gaji, lama bekerja, besar pinjaman, angsuran per bulan, status pegawai, pengeluaran bulanan, jumlah tanggungan, status rumah, umur, dan nilai jaminan. Evaluasi model dilakukan menggunakan confusion matrix dan metrik klasifikasi seperti akurasi, presisi, recall, dan kappa. Hasil menunjukkan bahwa model SVM mencapai akurasi 90,05%, presisi 90,13%, recall 90,05%, dan f1 score 90,08%, yang mencerminkan performa model yang sangat baik dalam mengklasifikasikan kelayakan peminjam. Penerapan metode ini memberikan kontribusi penting dalam pengembangan sistem pendukung keputusan berbasis data di lingkungan koperasi. Temuan ini memperluas wawasan keilmuan di bidang keuangan mikro dan mendukung penerapan teknologi kecerdasan buatan dalam pengambilan keputusan yang lebih tepat, cepat, dan akurat.
Kata Kunci: koperasi; kredit macet; machine learning; prediksi kelayakan; SVM
Abstract:Abstract: The Halodoc application, as a digital healthcare service platform, has been widely used for various medical purposes, such as doctor consultations, medication purchases, and laboratory services. User interactions…
ns and reviews play a crucial role in enhancing service quality. Sentiment analysis was conducted using the Support Vector Machine (SVM) method to assess user perceptions and satisfaction based on reviews obtained from the Google Play Store platform. The analysis process included data collection, text preprocessing, data transformation using TF-IDF, and training an SVM model to predict sentiment. The model achieved its highest accuracy of 88.32% in the first scenario. However, accuracy slightly decreased in the second and third scenarios, reaching 86.25% and 86.94%, respectively. The analysis results indicated that the model performed best in the first scenario, with the lowest number of prediction errors. Additionally, the model was more accurate in classifying negative and positive sentiments than neutral ones.
Keywords: halodoc application; sentiment analysis; support vector machine algorithm
Abstrak: Aplikasi Halodoc, sebagai platform layanan kesehatan digital, telah banyak digunakan untuk berbagai keperluan medis seperti konsultasi dokter, pembelian obat, dan layanan laboratorium. Interaksi pengguna dan ulasan mereka memiliki peran krusial dalam meningkatkan mutu layanan. Analisis sentimen dilakukan dengan menggunakan metode Support Vector Machine (SVM) untuk mengetahui persepsi dan kepuasan pengguna berdasarkan ulasan yang diperoleh dari Platform Google Play Store. Proses analisis mencakup pengumpulan data, pra-pemrosesan teks, transformasi data menggunakan TF-IDF, dan pelatihan model SVM untuk memprediksi sentimen. Hasil pelatihan model dengan akurasi tertinggi sebesar 88,32% pada skenario pertama. Akurasi sedikit menurun pada skenario kedua dan ketiga, masing-masing sebesar 86,25% dan 86,94%, Hasil analisa menunjukkan bahwa model memiliki performa terbaik pada skenario pertama dengan jumlah kesalahan prediksi terkecil. Selain itu, model cenderung lebih akurat dalam mengklasifikasikan sentimen negatif dan positif dibandingkan netral..
Kata kunci: algoritma support vector machine; analisis sentimen; aplikasi halodoc
Abstract:Abstract: The increasing number of students at STMIK Royal Kisaran has raised the risk of air pollution caused by vehicle emissions, cigarette smoke, and waste burning, particularly around the campus canteen. The campus's…
s location, which is close to a rubber factory and the Sumatra Crossroad, further exacerbates air quality and significantly impacts the health of individuals active at STMIK Royal. This study aims to develop a system that can measure air quality in real-time and detect pollutants in the campus environment. The system utilizes MQ-135 and MQ-2 sensors integrated with a microprocessor to process and transmit data to an IoT-based database. This research employs a qualitative descriptive method to describe the facts and trends based on the available data. The results indicate that air quality is good in the morning, worsens during the afternoon, and improves again in the evening, reflecting increased pollution during periods of heightened industrial and transportation activities. The implementation of this system is expected to contribute to the creation of a healthier environment and raise awareness about the importance of air quality.
Keywords: air quality; campus environment ; IoT; pollution.
Abstrak: Peningkatan jumlah mahasiswa di Kampus STMIK Royal Kisaran telah meningkatkan risiko polusi udara akibat asap kendaraan, rokok, dan pembakaran sampah, terutama di sekitar kantin kampus. Lokasi kampus yang dekat dengan pabrik karet dan jalan lintas Sumatera sehingga memperburuk kualitas udara dan sangat mempengaruhi kesehatan para individu yang beraktivitas di STMIK Royal. Penelitian ini bertujuan mengembangkan sistem yang dapat mengukur kualitas udara secara real-time dan mendeteksi polutan di lingkungan kampus. Sistem ini menggunakan sensor MQ-135 dan MQ-2 yang terintegrasi dengan mikroprosesor untuk mengolah dan mengirim data ke database berbasis IoT. Penelitian ini menggunakan metode deskriptif kualitatif untuk menggambarkan fakta dan kecenderungan dari data yang tersedia. Hasilnya menunjukkan bahwa kualitas udara baik di pagi hari, memburuk di siang hari, dan membaik lagi di sore hari, menunjukkan peningkatan polusi saat aktivitas pabrik dan transportasi meningkat. Implementasi sistem ini diharapkan dapat mendukung terciptanya lingkungan yang lebih sehat dan meningkatkan kesadaran akan pentingnya kualitas udara.
Kata kunci: IoT; lingkungan kampus; kualitas udara; polusi.
Abstract:Abstract: Schools become educational institutions in supporting the teaching and learning process to increase student potential. In the world of education, determining the best students is still an obstacle that is often…
faced such as subjectivity assessment resulting in diverse mindsets. SMP Negeri 3 Kisaran which is located at Jalan Madong Lubis, Selawan, East Kisaran District, Asahan Regency. The process of determining the overall champion students still relies on conventional assessments by manual means so that it requires a long assessment time, assessment is also subjective, this tends to limit recognition of diverse student potential. The purpose of this study is to design a decision support system application in determining the overall champion students at SMP Negeri 3 Kisaran with specified criteria. The SAW method is used as a weighted summation method of the performance of each alternative across all attributes. The best alternative decision result as the General Champion Student of class IX in the Odd Semester of 2023/2024 at SMP Negeri 3 Kisaran is Naurah Ghaisani Lubis with a score of 0.906. Based on these results, it can help SMP Negeri 3 Kisaran in determining the overall champion students and become a reference in decision making.
Keywords: decision support system; simple addictive weighting; general champion students
Abstrak: Sekolah menjadi institusi pendidikan dalam mendukung proses belajar mengajar untuk meningkatkan potensi siswa. Dalam dunia pendidikan menentukan siswa terbaik masih menjadi kendala yang sering dihadapi seperti penilaian secara subjektivitas mengakibatkan pola pikir yang beragam. SMP Negeri 3 Kisaran yang beralamatkan di Jalan Madong Lubis, Selawan, Kecamatan Kisaran Timur, Kabupaten Asahan. Proses penentuan siswa juara umum masih mengandalkan penilaian konvensional dengan cara manual sehingga membutuhkan waktu penilaian yang cukup lama, penilaian juga bersifat subjektif, hal ini cenderung membatasi pengakuan atas potensi siswa yang beragam. Tujuan penelitian ini untuk merancang aplikasi sistem pendukung keputusan dalam menentukan siswa juara umum di SMP Negeri 3 Kisaran dengan kriteria yang ditentukan. Metode SAW digunakan sebagai metode penjumlahan terbobot dari kinerja setiap alternatif di semua atribut. Hasil keputusan alternatif terbaik sebagai Siswa Juara Umum kelas IX pada Semester Ganjil Tahun 2023/2024 di SMP Negeri 3 Kisaran adalah Naurah Ghaisani Lubis dengan nilai 0.906. Berdasarkan hasil tersebut dapat membantu pihak SMP Negeri 3 Kisaran dalam menentukan siswa juara umum dan menjadi acuan dalam pengambilan keputusan.
Kata Kunci: sistem pendukung keputusan; simple addictive weighting; siswa juara umum
Abstract:Abstract: Rohingya refugees continue to arrive in Aceh by sea by boat. Based on data from the United Nations High Commissioner for Refugees (UNCHR), as of December 10 2023, 1,543 Rohingya refugees had landed in Aceh since…
e mid-November 2023. The increasing number of refugees arriving has caused resistance from local residents. This rejection was the result of the bad experiences of Acehnese people with Rohingya refugees. The main problem of this research is that analyzing public opinion on Rohingya ethnicity in Indonesia is still done manually by looking at tweets one by one. The solution to overcome this is to analyze opinions using data crawling with the Naïve Bayes algorithm. The purpose of this research is to determine public opinion on Twitter media regarding refugee refugees. The method used in this research is the Naïve Bayes algorithm method. The results of the research show that the Naïve Bayes algorithm can classify public opinion sentiment on Twitter social media towards the Rohingya Ethnic in Indonesia into positive sentiment. and negative with a total accuracy of 70%. So, the words "Rohingya Ethnicity in Indonesia" tend to be accepted by the X community with the arrival of Rohingya refugees in Indonesia.
Keywords: rohingya; twitter; naïve bayes; opinion
Abstrak: Pengungsi Rohingya terus berdatangan ke Aceh melalui jalur laut dengan menggunakan perahu. Berdasarkan hasil data United Nations High Commissioner for Refugees (UNCHR), per 10 Desember 2023 sebanyak 1.543 pengungsi Rohingya datang ke dalam wilayah Aceh. Meningkatnya jumlah pengungsi yang datang menimbulkan perlawanan dari warga setempat. Penolakan ini imbas dari pengalaman buruk warga Aceh terhadap pengungsi Rohingya. Permasalahan utama penelitian ini yaitu menganalisis opini publik terhadap Etnis Rohingya di Indonesia masih secara manual dengan melihat tweet satu persatu. Solusi mengatasi hal tersebut maka analisis opini menggunakan crawling data dengan algoritma Naïve Bayes. Tujuan penelitian ini untuk mengetahui opini publik pada media twitter terkait pengungsi Rohingya. Metode yang digunakan dalam penelitian ini yaitu metode algoritma Naïve Bayes. Hasil penelitian menunjukan bahwa pada algoritma Naïve Bayes dapat mengklasifikasikan sentimen dengan total akurasi 70%. Maka “Etnis Rohingya di Indonesia†cenderung dapat diterima oleh masyarakat X dengan datangnya pengungsi Rohingya di Indonesia.
Kata kunci: rohingnya; twitter; naïve bayes; opini