Abstract:Stunting remains a crucial public health issue in Indonesia as it has multidimensional impacts on physical growth, cognitive development, productivity, and the long-term quality of human resources. This study aims to analyze…
lyze the potential application of predictive Artificial Intelligence (AI)-based Wearable Health Technology in preventing child stunting, with an emphasis on the integration of technology into the health system, socio-cultural interrelations, and ethical dimensions that need to be anticipated. The research employed a qualitative approach through a systematic literature review, analysis of national health policies, and examination of reports on the implementation of digital health technologies related to child health. The results indicate that wearable devices are effective in recording health indicators in real-time, while predictive AI algorithms enable early detection of stunting risks, allowing interventions to be carried out quickly, accurately, and in a personalized manner. However, the success of implementation is highly dependent on the support of the digital health ecosystem, including adaptive regulations, infrastructure readiness, digital literacy among communities, as well as multi-stakeholder collaboration involving the government, medical professionals, the technology industry, and families. This study affirms that the integration of Wearable Health Technology and predictive AI is not merely an additional tool in medical services, but rather a representation of a health system transformation towards a more preventive, predictive, precise, and participatory paradigm. Thus, the utilization of evidence-based digital innovations has the potential to strengthen the effectiveness of stunting prevention programs in Indonesia while accelerating the achievement of national health development targets within the context of technological disruption and global dynamics.
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: The inability to accurately monitor the lifespan of motorcycle batteries can lead to sudden failures, disrupt user activities, and increase maintenance costs. This issue is exacerbated by the absence of a predictive…
ctive system that can assist users and workshops in planning maintenance and managing battery inventory effectively. This study aims to develop a battery lifespan prediction model for motorcycles using the Double Moving Average (DMA) method. The model is built based on historical data from 12 motorcycle units, including usage frequency, duration, terrain conditions, and maintenance habits. Forecasting is conducted through two stages of moving averages followed by trend parameter calculations. Evaluation results show that the model has a high level of accuracy, with MAPE = 0.10, MAD = 1.68, and RMSE = 2.14, indicating very low prediction errors. In addition, DMA is also used to forecast product demand at PT Anugerah Karya Abiwara Kisaran to prevent stock shortages. The system is developed using Visual Studio 2010 and Microsoft Access and has proven effective in supporting maintenance planning and inventory control. With its high accuracy and efficiency, the results of this study provide tangible contributions to decision-making in battery maintenance and inventory management.
Keywords: battery; DMA; motorcycle; prediction.
Abstrak: Ketidakmampuan dalam memantau usia pakai aki sepeda motor secara akurat dapat menyebabkan kerusakan mendadak, mengganggu aktivitas pengguna, serta meningkatkan biaya perawatan. Permasalahan ini diperburuk oleh tidak tersedianya sistem prediktif yang membantu pengguna dan bengkel dalam merencanakan perawatan serta mengelola persediaan aki secara efisien. Penelitian ini bertujuan untuk mengembangkan model prediksi usia pemakaian aki sepeda motor dengan menggunakan metode Double Moving Average (DMA). Model dibangun berdasarkan data historis dari 12 unit sepeda motor yang mencakup frekuensi penggunaan, durasi, kondisi medan dan kebiasaan perawatan. Proses peramalan dilakukan melalui dua tahap perataan bergerak, yang kemudian diikuti dengan perhitungan parameter tren. Hasil evaluasi menunjukkan bahwa model ini memiliki tingkat akurasi yang tinggi, dengan nilai MAPE sebesar 0,10, MAD sebesar 1,68, dan RMSE sebesar 2,14, yang mengindikasikan tingkat kesalahan prediksi yang sangat rendah. Selain itu, metode DMA juga diterapkan untuk meramalkan permintaan produk pada PT Anugerah Karya Abiwara Kisaran guna mencegah terjadinya kekurangan stok. Sistem dikembangkan menggunakan Visual Studio 2010 dan Microsoft Access, serta terbukti efektif dalam mendukung perencanaan perawatan dan pengendalian persediaan. Dengan akurasi dan efisiensi yang tinggi, hasil penelitian ini memberikan kontribusi nyata dalam pengambilan keputusan terkait pemeliharaan aki dan manajemen inventori.
Kata kunci: baterai; DMA; prediksi; sepeda motor.
Abstract:Abstract: Increasing living standards cause an increase in the need for drinking water. However, current water supply estimates are still not optimal, with water production sometimes being more or less than requirements.…
To estimate the amount of water, an appropriate method is needed. The method used in this research is the back propagation algorithm artificial neural network method. When developing forecasts, past data is necessary to produce accurate results. This research aims to develop a predictive model that can estimate the volume of water that will be used by PDAM Tirtauli in the future. It is hoped that this predictive model can help PDAMs in planning more efficient water supply management and can reduce the potential for water supply shortages in the future. This research uses water distribution data for the 2015-2022 period. Training data starts in 2015-2021, testing data starts in 2016-2022. In this research, results were obtained using the Matlab R2011a application. In this research, the 5 architectures used are architecture 6-53-1, 6-58-1, 6-61-1, 6-81-1, 6-87-1. Based on these five architectures, the best architecture was obtained, namely architecture 6-87-1 with a root mean square error test value of 0.00010031 and an accuracy of 92%. The results achieved in 2023 are the total water volume of PDAM Tirtauli Pematangsiantar of 189,610,426.
Keywords: backpropagation; distribution; PDAM; prediction; water
Abstrak: Meningkatnya taraf hidup menyebabkan meningkatnya kebutuhan akan air minum. Namun, perkiraan pasokan air saat ini masih belum optimal, dengan produksi air kadang-kadang lebih atau kurang dari kebutuhan. Untuk memperkirakan jumlah air diperlukan suatu metode yang sesuai. Metode yang digunakan dalam penelitian ini adalah metode jaringan syaraf tiruan algoritma back propagation. Saat mengembangkan perkiraan, data masa lalu diperlukan untuk menghasilkan hasil yang akurat. Penelitian ini bertujuan untuk mengembangkan model prediktif yang dapat memperkirakan volume air yang akan digunakan oleh PDAM Tirtauli di masa mendatang. Model prediktif ini diharapkan dapat membantu PDAM dalam perencanaan pengelolaan pasokan air yang lebih efisien dan dapat mengurangi potensi kekurangan pasokan air pada masa yang akan datang. Penelitian ini menggunakan data sebaran air periode 2015-2022. Data pelatihan dimulai pada tahun 2015-2021, data pengujian dimulai pada tahun 2016-2022. Pada penelitian ini diperoleh hasil dengan menggunakan aplikasi Matlab R2011a. Pada penelitian ini 5 arsitektur yang digunakan adalah arsitektur 6-53-1, 6-58-1, 6-61-1, 6-81-1, 6-87-1. Berdasarkan kelima arsitektur tersebut diperoleh arsitektur terbaik yaitu arsitektur 6-87-1 dengan nilai uji root mean square error sebesar 0,00010031 dan mendapatkan akurasi sebesar 92%. Hasil yang dicapai pada tahun 2023 adalah total volume air PDAM Tirtauli Pematangsiantar sebesar 189.610.426.
Kata Kunci: air; backpropagation; distribusi; PDAM; prediksi
Abstract:Penelitian ini mengkaji pengaruh Kualitas Layanan E-Learning (ELSQ) terhadap loyalitas mahasiswa, yang dimediasi oleh kepuasan mahasiswa dan dimoderasi oleh nilai yang dirasakan, dalam konteks Program Magister Manajemen…
Pembelajaran Jarak Jauh (MMPJJ) di Universitas Telkom. Menggunakan desain kuantitatif kausal, data dikumpulkan dari 126 mahasiswa melalui kuesioner skala Likert online. Alat ukur menunjukkan validitas dan reliabilitas yang kuat (faktor beban > 0,70; Cronbach’s Alpha > 0.80). Analisis dilakukan dengan Partial Least Squares Structural Equation Modeling (PLS-SEM) menggunakan SmartPLS. Hasil menunjukkan bahwa ELSQ secara signifikan mempengaruhi kepuasan mahasiswa (β = 0.565, p < 0.001) dan loyalitas mahasiswa (β = 0.234, p = 0.025). Kepuasan mahasiswa secara kuat mempengaruhi loyalitas (β = 0.572, p < 0.001) dan bertindak sebagai mediator dalam hubungan antara ELSQ dan loyalitas (β = 0.329, p < 0.001). Nilai yang dirasakan memoderasi hubungan antara ELSQ dan kepuasan (β = 0.323, p < 0.001), menunjukkan bahwa nilai yang dirasakan yang lebih tinggi memperkuat kepuasan. Model ini mencapai daya penjelas moderat (R² = 0.580 untuk loyalitas; R² = 0.619 untuk kepuasan) dan relevansi prediktif yang kuat (Q² > 0.35). Temuan menyoroti kebutuhan akan perbaikan berkelanjutan dalam kualitas sistem, kompetensi instruktur, materi kursus, dan dukungan administratif untuk meningkatkan kepuasan dan memupuk loyalitas dalam program online sepenuhnya. Studi ini memperluas pemahaman teoretis tentang hubungan kualitas layanan–loyalitas dengan mengonfirmasi peran mediasi kepuasan dan peran moderasi nilai yang dirasakan, memberikan wawasan praktis untuk manajemen kualitas dalam pendidikan tinggi online.
Abstract:Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) membawa perubahan besar dalam industri manufaktur, terutama dalam efisiensi, kualitas, dan kecepatan produksi. Namun, keberhasilan implementasi AI tidak…
ak hanya ditentukan oleh teknologi, tetapi juga oleh kesiapan sumber daya manusia (SDM). Karena itu, penguatan pengembangan SDM (HRD) menjadi kunci optimalisasi pemanfaatan AI. Penelitian ini menganalisis hubungan antara implementasi AI dan penguatan HRD terhadap produktivitas industri manufaktur menggunakan metode kualitatif-deskriptif melalui studi literatur. Hasil kajian menunjukkan bahwa AI meningkatkan produktivitas melalui otomatisasi, pengurangan kesalahan, pemeliharaan prediktif, dan pengambilan keputusan berbasis data. Namun, hasil maksimal hanya dicapai bila didukung oleh HRD yang kuat melalui peningkatan kompetensi digital, pelatihan teknologi, pengembangan keterampilan analitis, serta adaptasi budaya kerja inovatif. Sinergi AI dan HRD menciptakan tenaga kerja adaptif, kreatif, dan kolaboratif, sekaligus mengurangi resistensi terhadap perubahan. Dengan demikian, implementasi AI dan penguatan HRD saling melengkapi serta berpengaruh positif terhadap peningkatan produktivitas dan keberlanjutan transformasi digital di industri manufaktur.
Abstract:Artikel ini bertujuan untuk mengevaluasi dampak likuiditas terhadap kemungkinan kebangkrutan PT Bata, salah satu perusahaan ternama dalam industri alas kaki. Penelitian ini menggunakan data keuangan dari laporan tahunan…
PT Bata selama lima tahun terakhir (2019-2023). Likuiditas perusahaan diukur menggunakan dua rasio utama, yaitu rasio lancar (current ratio) dan rasio cepat (quick ratio), yang menggambarkan kemampuan perusahaan dalam memenuhi kewajiban jangka pendeknya. Risiko kebangkrutan dievaluasi menggunakan model Altman Z-score, sebuah alat prediktif yang menggabungkan berbagai rasio keuangan untuk menilai kesehatan keuangan perusahaan dan memprediksi kebangkrutan. Hasil analisis menunjukkan bahwa terdapat hubungan yang signifikan antara penurunan likuiditas dan peningkatan risiko kebangkrutan. Current ratio dan quick ratio yang semakin menurun dari tahun ke tahun menunjukkan bahwa PT Bata mengalami kesulitan dalam menjaga tingkat likuiditas yang sehat. Z-score yang dihitung juga menunjukkan tren penurunan yang mengkhawatirkan, dengan skor yang mendekati atau bahkan berada di bawah ambang batas yang mengindikasikan risiko kebangkrutan. Temuan ini menekankan pentingnya manajemen likuiditas yang efektif dalam menjaga stabilitas keuangan dan keberlanjutan operasional PT Bata. Untuk mengurangi risiko kebangkrutan, perusahaan disarankan untuk meningkatkan pengelolaan kas, mengurangi biaya operasional, dan mengadopsi strategi penjualan yang lebih agresif. Penelitian ini memberikan kontribusi penting bagi literatur keuangan dengan mengilustrasikan betapa krusialnya likuiditas dalam mempengaruhi stabilitas keuangan perusahaan.