Abstract:Abstract: Advancements in digital technology have significantly transformed communication and learning. Traditional learning methods have limitations in providing a fast and interactive learning environment, necessitating…
g accessible technology that enhances student and teacher engagement while ensuring convenience. WhatsApp has emerged as a widely used solution due to its accessibility, privacy features, and cross-platform compatibility, offering users a sense of convenience. This study examines the role of Perceived Convenience in the acceptance and use of WhatsApp in secondary education in Medan City using the UTAUT2 Model. A survey was conducted with 439 respondents from 8 secondary schools in Medan and analyzed using SEM-PLS with SmartPLS-4. The results indicate that social influence, hedonic motivation, habit, and perceived convenience positively impact the intention to use WhatsApp. Additionally, facilitating conditions, perceived convenience, and intention to use significantly influence actual usage behavior. However, performance expectancy, effort expectancy, and price value do not affect either intention or behavior in using WhatsApp. Moderating variables such as age, gender, and experience partially moderate the relationships between independent factors and WhatsApp usage intention and behavior. This study contributes by incorporating Perceived Convenience into the UTAUT2 Model and affirming its role in educational technology adoption.
Keywords: perceived convenience; secondary education; UTAUT2; whatsapp
Abstrak: Kemajuan teknologi digital telah membawa perubahan signifikan dalam komunikasi dan pembelajaran. Metode pembelajaran tradisional memiliki keterbatasan dalam menyediakan lingkungan belajar yang cepat dan interaktif, sehingga diperlukan teknologi yang mudah diakses, meningkatkan keterlibatan siswa dan guru, serta nyaman digunakan. WhatsApp menjadi salah satu solusi dan banyak digunakan karena mudah diakses, privasi yang ditawarkan, serta kompatibilitas lintas platform sehingga memberikan kenyamanan yang dapat dirasakan pengguna ketika menggunakannya. Oleh karena itu, Penelitian ini menguji peran Persepsi Kenyamanan terhadap penerimaan dan penggunaan WhatsApp dalam pendidikan menengah di Kota Medan menggunakan Model UTAUT2. Survei dilakukan pada 439 responden dari 8 sekolah menengah di kota Medan, dan dianalisis dengan SEM-PLS menggunakan SmartPLS-4. Hasil penelitian menunjukkan bahwa social influence, hedonic motivation, habit, dan perceived convenience berpengaruh positif signifikan terhadap behavioral intention. Sementara itu, facilitating conditions, perceived convenience, dan behavioral intention berdampak positif pada use behavior. Namun, performance expectancy, effort expectancy, dan price value tidak berpengaruh terhadap niat maupun perilaku penggunaan WhatsApp. Variabel moderasi usia, jenis kelamin, dan pengalaman memoderasi sebagian hubungan antara faktor bebas terhadap niat dan perilaku penggunaan WhatsApp. Penelitian ini berkontribusi dengan menambahkan variabel persepsi kenyamanan (perceived convenience) ke dalam Model UTAUT2 dan menegaskan perannya dalam adopsi teknologi pendidikan.
Kata kunci: pendidikan menengah; persepsi kenyamanan; UTAUT2; whatsapp
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 advancement of network security faces growing challenges as cyberattacks become more sophisticated. Traditional rule-based systems struggle with zero-day attacks and obfuscation techniques. This study examines…
nes the development trends of AI-based algo-rithms, particularly machine learning and deep learning, in threat detection. A literature review evaluates AI-driven approaches, including support vector machines, random for-est, deep neural networks, convolutional neural networks, and reinforcement learning. Findings show that AI enhances detection accuracy, adaptability, and reduces false posi-tives. Machine learning efficiently classifies known attacks, while deep learning excels in identifying complex patterns such as distributed denial-of-service and advanced persis-tent threats. Unsupervised learning improves anomaly detection without labeled data. However, AI models require high-quality data, substantial computational resources, and remain vulnerable to adversarial attacks. Despite these challenges, AI provides a dynam-ic and adaptive security solution, surpassing traditional systems. Future research should enhance AI scalability and resilience for evolving cybersecurity threats.
Keywords: anomaly detection; artificial intelligence; deep learning; machine learning; network security
Abstrak: Perkembangan keamanan jaringan menghadapi tantangan yang semakin besar seiring meningkatnya kompleksitas serangan siber. Sistem berbasis aturan tradisional kesulitan mendeteksi zero-day attack dan teknik penyamaran. Penelitian ini mengkaji tren pengembangan algoritma berbasis AI, khususnya machine learning dan deep learning, dalam deteksi ancaman. Literature review mengevaluasi pendekatan berbasis AI, termasuk support vector machines, random forest, deep neural networks, convolutional neural networks, dan reinforcement learning. Hasil penelitian menunjukkan bahwa AI meningkatkan akurasi deteksi, adaptabilitas terhadap ancaman baru, serta mengurangi false positive. Machine learning efektif mengklasifikasikan serangan yang telah diketahui, sementara deep learning unggul dalam mengenali pola kompleks seperti distributed denial-of-service dan advanced persistent threats. Unsupervised learning meningkatkan deteksi anomali tanpa memerlukan data berlabel. Namun, AI masih bergantung pada data berkualitas tinggi, sumber daya komputasi besar, dan rentan terhadap adversarial attack. Meskipun demikian, AI menawarkan solusi keamanan yang lebih dinamis dan adaptif dibandingkan sistem tradisional. Penelitian selanjutnya perlu difokuskan pada peningkatan skalabilitas dan ketahanan AI dalam menghadapi ancaman siber yang terus berkembang.
Kata kunci: deteksi anomali; jaringan keamanan; kecerdasan buatan; pembelajaran dalam; pembelajaran mesin
Abstract:Abstract: Both hardware and software technologies offer their advantages in helping to facili- tate student learning activities. Virtual reality technology allows users to interact directly with the virtual reality environment,…
ironment, giving the effect of a pleasant learning sensation because it pro- vides direct experience for students to actively do desktop computer assembly practicum inde- pendently and guided. This research is R & D (Research and Development), which aims to pro- duce a product as a desktop computer assembly virtual reality learning application. This re- search procedure adapts the Lee & Owens development model. The subjects of this research were students at the Open University, Makassar State University, and Lambung Mangkurat University. The results showed that using Virtual Reality in desktop computer assembly can provide extraordinary experiences to users, bridging the gap between the real and virtual worlds. This is achieved through specially designed hardware to create a virtual environment that re- sembles the actual reality or even creates an entirely new reality.
Keywords: desktop computer; assembly; virtual reality
Abstrak: Teknologi perangkat keras (hardware) maupun lunak (software) menawarkan keunggulannya dalam membantu memfasilitasi aktivitas belajar dan pembelajaran ma- hasiswa. Teknologi virtual reality memiliki kemampuan bagi penggunanya untuk dapat melakukan interaksi langsung dengan lingkungan realitas maya, memberi efek sensasi pembelajaran yang menyenangkan karena memberikan pengalaman langsung bagi ma- hasiswa untuk aktif melakukan pratikum perakitan computer desktop secara mandiri maupun terbimbing. Penelitian ini adalah R & D (Research and Development) yang ber- tujuan untuk menghasilkan suatu produk yaitu berupa aplikasi pembelajaran virtual real- ity perakitan computer desktop. Prosedur penelitian ini mengadaptasi model pengem- bangan Lee & Owens. Subjek penelitian ini adalah mahasiswa pada Universitas Ter- buka, Universitas Negeri Makassar, dan Unibversitas Lambung Mangkurat. Hasil penelitian diperoleh bahwa penggunaan Virtual Reality dalam perakitan computer desk- top mampu memberikan pengalaman luar biasa kepada pengguna, menjembatani jurang antara dunia nyata dan dunia maya. Hal ini dicapai melalui penggunaan perangkat keras yang dirancang khusus untuk menciptakan lingkungan virtual yang menyerupai realitas sebenarnya atau bahkan menciptakan realitas yang sama sekali baru.
Kata kunci: computer desktop; perakitan; virtual reality
Abstract:Abstract: Breast cancer is the leading cause of death for women globally, exacerbated by late detection. This study proposes a breast cancer risk prediction framework using XGBoost with SelectKBest feature selection. It…
aims to improve the accuracy and efficiency of early detection through exploratory data analysis, coding, SMOTE to address class imbalance, and feature selection (k=29). As a result, the XGBoost model achieved 98.1% accuracy, 98.1% recall, 98.1% f1-score, and 98.2% precision on test data, highlighting the importance of feature selection. These results are promising in patient prioritization (triage) for further examination, helping medical personnel identify high-risk patients, thus improving resource allocation efficiency. These findings validate SelectKBest and pave the way for the development of a machine learning-based clinical decision support system for breast cancer early detection workflows. This research contributes significantly to the application of machine learning to support early breast cancer detection.
Keywords: breast cancer; feature selection; machine learning; risk prediction; XGBOOST.
Abstrak: Kanker payudara menjadi penyebab utama kematian wanita global, diperparah deteksi yang terlambat. Penelitian ini mengusulkan kerangka prediksi risiko kanker payudara menggunakan XGBoost dengan seleksi fitur SelectKBest. Tujuannya meningkatkan akurasi dan efisiensi deteksi dini melalui analisis data eksploratif, pengkodean, SMOTE untuk mengatasi ketidakseimbangan kelas, dan seleksi fitur (k=29). Hasilnya, model XGBoost mencapai akurasi 98.1%, recall 98.1%, f1-score 98.1%, dan presisi 98.2% pada data uji, menyoroti pentingnya seleksi fitur. Hasil ini menjanjikan dalam penentuan prioritas pasien (triage) untuk pemeriksaan lebih lanjut, membantu tenaga medis mengidentifikasi pasien berisiko tinggi, sehingga meningkatkan efisiensi alokasi sumber daya. Temuan ini memvalidasi SelectKBest dan membuka jalan bagi pengembangan sistem pendukung keputusan klinis berbasis machine learning untuk alur kerja deteksi dini kanker payudara. Penelitian ini berkontribusi signifikan dalam penerapan machine learning untuk mendukung deteksi dini kanker payudara.
Kata kunci: kanker payudara; pembelajaran mesin; prediksi risiko ; seleksi fitur; XGBOOST.
Abstract:Abstract: Water irrigation is a crucial aspect of agriculture that often becomes the primary concern for farmers, especially because suboptimal management can lead to decreased crop yields and reduced income. So far, farmers…
mers have been practicing irrigation manually, where plants are watered twice a day, in the morning and evening, based on weather conditions without considering soil temperature or moisture levels. Based on the observations conducted, it was found that excessive water application increases water accumulation, resulting in nutrient loss from the soil and even root diseases. The objective of this study is to develop a system utilizing an ESP32 microcontroller and sensors to detect soil moisture, with a machine learning-based K-Nearest Neighbor (KNN) model, enabling farmers to remotely monitor and control their crops using an Android device. The testing results showed that with input data of 32°C temperature, 40% soil moisture, and 60% air humidity, the system produced a nearest distance of 0.000 and 0.541 from the closest k-nearest neighbors, with a status label of "needs water." As a result, the relay activates the water pump to irrigate the field. Meanwhile, for data with a nearest distance of 0.897, the system identified the status as "does not need water," indicating that the soil remains wet or moist. This study is expected to help reduce farmers' workloads by optimizing water usage according to plant needs and improving crop quality and yield.
Keywords: k-nearest neighbor (KNN); mikrokontroller ESP32; machine learning; water irrigation
Abstrak: Irigasi air merupakan aspek penting dalam pertanian yang menjadi perhatian utama petani, terutama karena pengelolaan yang kurang optimal berdampak pada penurunan hasil panen dan pendapatan. Selama ini, praktik irigasi oleh petani dilakukan secara manual, di mana penyiraman tanaman dilakukan dua kali sehari pada pagi dan sore berdasarkan kondisi cuaca tanpa memperhatikan suhu atau kelembaban tanah. Berdasarkan hasil observasi yang dilakukan, ditemukan masalah yaitu pemberian air secara berlebih menyebabkan akumulasi air meningkat mengakibatkan kehilangan nutrisi tanah dan bahkan penyakit akar. Tujuan penelitian ini menciptakan sistem yang dirancang menggunakan mikrokontroler ESP32 dan sensor untuk mendeteksi kelembaban tanah, dengan model K-Nearest Neighbor (KNN) berbasis machine learning sehingga memudahkan petani untuk mengontrol tanaman mereka dari jarak jauh menggunakan android. Hasil pengujian yang dilakukan dengan data inputan berupa suhu 32°C, kelembaban tanah 40% dan kelembaban udara 60%, sistem menghasilkan jarak terdekat sebesar 0.000 dan 0.541 dari k-nearest terdekat dengan label status "butuh air". Maka relay akan mengaktifkan pompa air untuk mengairi lahan. Kemudian, pada data dengan jarak terdekat 0.897, sistem mengidentifikasi status "tidak butuh air", menunjukkan bahwa kondisi tanah masih basah atau lembab. Penelitian ini diharapkan dapat membantu meringankan beban kerja petani mengoptimalkan penggunaan air sesuai dengan kebutuhan tanaman dan meningkatkan kualitas hasil panen.
Kata kunci: irigasi air; k-nearest neighbor (KNN); mikrokontroller ESP32; machine learning
Abstract:Abstract: This research focuses on technology and integration tools for IoT environments, with an emphasis on three main aspects: the integration of Building Information Modeling (BIM) and IoT, the utilization of real-time…
me data, and the urban IoT framework. The integration of BIM and IoT enables a smarter and more efficient building management system by utilizing IoT data to monitor real-time building conditions and improve maintenance and operational processes. This research seeks to identify challenges and solutions for technology integration in increasingly complex IoT environments, while also offering guidance for practical implementation in the urban and building sectors. In this research, we use a literature analysis approach, the main process is to identify relevant sources, including articles, journals, conferences, books, and industry reports published in the last five years. The results of this study are an implication that the application of IoT device integration with BIM can help improve operational and maintenance efficiency, optimize construction management, improve safety and mitigate risks in a company.
Keywords: building informations modelling(BIM); environment; internet of things(IoT)
Abstrak: Penelitian ini berfokus pada teknologi dan alat integrasi untuk lingkungan IoT, dengan penekanan pada tiga aspek utama: integrasi Building Information Modeling (BIM) dan IoT, pemanfaatan data real-time, dan kerangka kerja IoT perkotaan. Integrasi antara BIM dan IoT memungkinkan sistem manajemen bangunan yang lebih cerdas dan efisien dengan memanfaatkan data IoT untuk memantau kondisi real-time bangunan serta memperbaiki proses pemeliharaan dan operasional. Penelitian ini berupaya mengidentifikasi tantangan dan solusi integrasi teknologi dalam lingkungan IoT yang semakin kompleks, sekaligus menawarkan panduan untuk penerapan praktis di sektor perkotaan dan bangunan. Pada penelitian ini kami menggunakan metode pendekatan analisis literatur, proses utamanya adalah dengan mengidentifikasi sumber sumber relevan, meliputi artikel, jurnal, konferensi, buku, dan laporan industri yang dipublikasikan dalam lima tahun terakhir. Hasil dari penelitian ini yaitu didapatkan sebuah implikasi bahwa penerapan pengintegrasian perangkat IoT denan BIM dapat membantu meningkatkan efisiensi operasional dan pemeliharaan, optimasi manajemen kontruksi, peningkatan keselamatan dan mitigasi resiko pada sebuah perusahaan.
Kata kunci: building informations modelling(BIM); environment; internet of things(IoT)
Abstract:Abstract: In the manufacturing industry, production scheduling become an important aspect that affects operational efficiency and customer satisfaction. The main challenge in scheduling is optimizing the use of resources…
to meet demand by minimizing production costs and time. Suboptimal scheduling can lead to problems such as delays in stocking, stock buildup, and increased operational costs. Thus, a method can to handle the complexity and uncertainty in the production process is needed. The Fuzzy Tahani Model is an approach in decision support systems. this can be used to help companies achieve more efficient and adaptive production scheduling, to consider various variables such as demand, production capacity, and inventory levels. This research aims to develop and implement the model in the context of production scheduling, with the hope of improving operational performance and customer satisfaction. At this time, the proposed Fuzzy Model Tahani technology is in TKT 4, which is the validation stage of technology components in a laboratory environment. The system creates an optimal production schedule based on fuzzy rules and defuzzification results, making it a useful tool for production decisions.
Keywords: fuzzy model tahini; decision support system; production optimization; production scheduling.
Abstrak: Dalam industri manufaktur, penjadwalan produksi adalah aspek penting yang mempengaruhi efisiensi operasional dan kepuasan pelanggan. Tantangan utama dalam penjadwalan adalah mengoptimalkan penggunaan sumber daya untuk memenuhi permintaan dengan meminimalkan biaya dan waktu produksi. Penjadwalan yang tidak optimal dapat menyebabkan masalah seperti keterlambatan pengiriman, penumpukan stok, dan peningkatan biaya operasional. Oleh karena itu, diperlukan suatu metode yang mampu menangani kompleksitas dan ketidakpastian dalam proses produksi. Fuzzy Model Tahani adalah salah satu pendekatan yang dapat digunakan dalam sistem pendukung keputusan untuk membantu perusahaan mencapai penjadwalan produksi yang lebih efisien dan adaptif, dengan mempertimbangkan berbagai variabel seperti permintaan, kapasitas produksi, dan tingkat persediaan. Penelitian ini bertujuan untuk mengembangkan dan mengimplementasikan model tersebut dalam konteks penjadwalan produksi, dengan harapan dapat meningkatkan performa operasional dan kepuasan pelanggan. Pada saat ini, teknologi Fuzzy Model Tahani yang diusulkan berada pada TKT 4, yaitu tahap validasi komponen teknologi dalam lingkungan laboratorium. Sistem ini menciptakan jadwal produksi yang optimal berdasarkan aturan fuzzy dan hasil defuzzifikasi, menjadikannya alat yang berguna untuk pengambilan keputusan produksi.
Kata kunci: fuzzy model tahani; optimasi produksi; penjadwalan produksi; sistem pendukung keputusan.
Abstract:Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the…
effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.
Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM
Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan.
Kata kunci: linear discriminant analysis (LDA); machine learning; penyakit jantung; reduksi fitur; SVM.
Abstract:Abstract: Feature selection is a crucial process that is very important to improve the performance of machine learning models, in accordance with data preprocessing. The feature selection process can be considered as a global…
lobal combinatorial optimization problem in machine learning, which reduces the number of features, eliminates irrelevant data, and produces acceptable classification accuracy. The purpose of this study is to predict or determine the results of the electrical installation operation feasibility test based on data and obtain attribute selection features, and obtain accuracy level results. The Particle Swarm Optimization (PSO) approach is used to select the right characteristics to determine the results of the electrical installation operation feasibility test because attribute selection is needed in data analysis, because the PSO method will increase accuracy than just SVM in determining attribute selection. If SVM is used with PSO, the accuracy value is 96% and AUC is 0.994%, while the SVM method produces an accuracy level of 94.89% and AUC of 0.994%. With this finding, the accuracy value increases by 2%, making it a very good categorization category. It has been proven that the use of Particle Swarm Optimization (PSO) based algorithms can improve and improve results.
Keywords: PSO; SVM; Certification
Abstrak: Pemilihan fitur merupakan proses krusial yang sangat penting untuk meningkatkan kinerja model machine learning, sesuai dengan praproses data. Proses pemilihan fitur dapat dianggap sebagai masalah optimasi kombinatorial global dalam pembelajaran mesin, yang mengurangi jumlah fitur, menghilangkan data yang tidak relevan, dan menghasilkan akurasi klasifikasi yang dapat diterima. Tujuan dari penelitian ini adalah untuk memprediksi atau menentukan hasil uji kelayakan operasi instalasi listrik berdasarkan data dan memperoleh fitur pemilihan atribut, serta memperoleh hasil tingkat akurasi. Pendekatan Particle Swarm Optimization (PSO) digunakan untuk memilih karakteristik yang tepat untuk menentukan hasil uji kelayakan operasi instalasi listrik karena pemilihan atribut diperlukan dalam analisis data, karena metode PSO akan meningkatkan akurasi dari pada hanya SVM dalam menentukan pemilihan atribut. Jika SVM digunakan dengan PSO, nilai akurasinya adalah 96% dan AUC sebesar 0,994%, sedangkan metode SVM menghasilkan tingkat akurasi sebesar 94,89% dan AUC sebesar 0,994%. Dengan temuan ini, nilai akurasi meningkat sebesar 2%, menjadikannya kategori kategorisasi yang sangat baik. Telah terbukti bahwa penggunaan algoritma berbasis Particle Swarm Optimization (PSO) dapat meningkatkan dan memperbaiki hasil.
Kata kunci: PSO; SVM; Sertifikasi