Abstract:Students can understand and master learning materials if the learning process uses tools and materials called learning media. The tool can be in the form of physical objects, technology or a combination of the two things…
that are made to communicate information effectively and provide good understanding facilities. Teachers will find it easier to teach when they are able to use learning media as a means when teaching, because the function of learning media is not only as a means of teaching, but also as a way for teachers to make students active and happy to learn. This study aims to describe the use of PhET simulation as a learning medium in traveling and stationary wave theory. This article uses the literature study methodology. The stages in using the literature method include observing, analyzing, then identifying, then providing interpretation, and finally in the form of some evaluation of the research that has been done. There are 25 publication articles obtained from various domestic sources analyzed in this article. The articles used were reported from 2018 to 2024. By using PhET simulation, it feels easier to practice compared to real practicum, because visible media allows users to be more active in presenting subjects that are mastered, especially in traveling and stationary wave material. And by using this PhET virtual media makes students tend to be active and very enthusiastic in the learning process because the appearance of the PhET media is very different from other media. Based on this research, it can be concluded that learning stationary wave and traveling wave material can improve learning outcomes and improve critical thinking skills.
Abstract:Abstract: This research is driven by the challenges faced by Universitas Lancang Kuning (UNILAK) in attracting applicants amidst intense competition, especially after the government's policy opened independent pathways to…
o State Universities (PTN) from 2022-2023, which impacted private university applicant numbers. To address this and support strategic planning, this study aims to predict the trend of prospective students applying to all study programs at UNILAK for the period 2025-2027. Two time series models were employed: ARIMA (AutoRegressive Integrated Moving Average) and LSTM (Long Short-Term Memory). Applicant data from 2019 to 2024 was used to build the model. The Augmented Dickey-Fuller (ADF) test confirmed the data's stationarity with a p-value of 0.0. ACF and PACF analyses determined the ARIMA parameters as p=1, d=1, q=1. The LSTM model was trained to capture more complex data patterns. ARIMA predictions for 2025, 2026, and 2027 are 3298.66, 3362.33, and 3371.30, respectively. LSTM predictions for the same years are 3335.64, 3476.52, and 3518.42. Evaluation using Root Mean Squared Error (RMSE) showed ARIMA (RMSE=588.72) to be more accurate than LSTM (RMSE=653.96). Nevertheless, LSTM provided a more optimistic prediction. This study concludes that ARIMA is better suited for short-term planning, while LSTM can be used for more ambitious long-term strategies.
Keywords: arima; LSTM; applicants; prediction; university
Abstrak: Penelitian ini didorong oleh tantangan Universitas Lancang Kuning (UNILAK) dalam menarik pendaftar di tengah persaingan ketat, khususnya setelah kebijakan pemerintah membuka jalur mandiri ke Perguruan Tinggi Negeri (PTN) sejak 2022-2023, yang menyebabkan penurunan jumlah pendaftar di universitas swasta. Untuk mendukung perencanaan strategis, studi ini bertujuan memprediksi tren jumlah calon mahasiswa yang mendaftar ke seluruh program studi di UNILAK untuk periode 2025-2027.Dua model deret waktu digunakan: ARIMA (AutoRegressive Integrated Moving Average) dan LSTM (Long Short-Term Memory). Data jumlah pendaftar dari 2019 hingga 2024 digunakan untuk membangun model. Uji Augmented Dickey-Fuller (ADF) menunjukkan data stasioner dengan p-value 0,0. Analisis ACF dan PACF menentukan parameter ARIMA sebagai p=1, d=1, q=1. Model LSTM dilatih untuk menangkap pola data yang lebih kompleks.Prediksi ARIMA untuk 2025, 2026, dan 2027 adalah 3298.66, 3362.33, dan 3371.30. Prediksi LSTM untuk tahun yang sama adalah 3335.64, 3476.52, dan 3518.42. Evaluasi menggunakan Root Mean Squared Error (RMSE) menunjukkan ARIMA (RMSE=588.72) lebih akurat daripada LSTM (RMSE=653.96). Meskipun demikian, LSTM memberikan prediksi yang lebih optimis. Studi ini menyimpulkan ARIMA lebih cocok untuk perencanaan jangka pendek, sementara LSTM dapat digunakan untuk strategi jangka panjang yang ambisius.
Kata kunci: arima; LSTM; pendaftar; prediksi; universitas
Abstract:Tujuan dari penelitian ini adalah untuk mengkaji efek jangka pendek dan jangka panjang dari impor dan ekspor terhadap pertumbuhan ekonomi Indonesia. Data sekunder studi ini, yang berasal dari Bank Dunia dan Badan Pusat Statistik,…
tatistik, mencakup tahun 1999 hingga 2020. Pendekatan Model Koreksi Kesalahan (ECM) digunakan untuk analisis. Uji Stasioner, Uji R-Square, Uji F, dan Uji T digunakan untuk menguji model. Temuan ini menunjukkan dampak yang cukup besar dari faktor impor dan ekspor terhadap pertumbuhan ekonomi jangka pendek, dengan variabel impor signifikan pada tingkat signifikansi 10% dan variabel ekspor signifikan pada tingkat signifikansi 5%.
Abstract:Studi ini meneliti permasalahan polusi udara yang ditimbulkan oleh penggunaan generator set (genset) di gedung perkantoran di Jakarta, yang menjadi salah satu sumber emisi stasioner yang sering terabaikan di kawasan perkotaan…
otaan padat penduduk. Penelitian ini bertujuan untuk menganalisis dampak lingkungan dari emisi genset, meninjau regulasi pemerintah terkait pengendalian emisi, serta mengidentifikasi solusi teknis dan alternatif energi yang lebih ramah lingkungan. Metode penelitian menggunakan pendekatan kualitatif berbasis tinjauan pustaka komprehensif terhadap hasil-hasil studi sebelumnya. Hasil sintesis literatur menunjukkan bahwa kerangka regulasi di Indonesia masih terbatas pada penetapan standar emisi tanpa mekanisme pemantauan dan penegakan yang efektif. Selain itu, penerapan teknologi seperti Diesel Particulate Filters (DPF), Selective Catalytic Reduction (SCR), penggunaan bahan bakar rendah sulfur, serta pemanfaatan biodiesel terbukti efektif dalam menekan emisi polutan. Kajian ini menyoroti perlunya kebijakan terpadu yang mengintegrasikan regulasi, teknologi bersih, dan kesadaran lingkungan dalam pengelolaan energi perkotaan berkelanjutan.