Publication Search

As a vocational education institution, SMK Swadhipa 1 Natar is required to provide adequate facilities to support the development of its students' technical and practical skills. Although some facilities are already available, student complaints remain regarding the condition, availability, and utilization of these services, particularly those related to information technology.This study aims to analyze the level of student satisfaction with information technology services at SMK Swadhipa 1 Natar using a combination of Customer Satisfaction Index (CSI) and Importance Performance Analysis (IPA) methods. The study was conducted through a quantitative approach by distributing questionnaires to 100 respondents selected using stratified random sampling techniques. The data collected were analyzed to determine the overall satisfaction score and identify factors of information technology services that were a priority for improvement. The results of the CSI analysis showed that the level of student satisfaction with school information technology services was in the good category, with an average score of 82%. Furthermore, the results of the IPA analysis revealed that information technology services such as computer services in the school lab, wifi networks, and school websites consisting of school exam applications, student registration applications and information about the school on the website were in the top priority quadrant because they had a high level of importance but their performance was still low. Based on these results, it can be concluded that although in general students stated that they were quite satisfied with the information technology services available, there were several important aspects, especially technology-based information technology services, that needed more attention from the school. Thus, recommendations for improving technological infrastructure and periodic evaluation of educational information technology services can help SMK Swadhipa 1 Natar in improving the quality of educational services and student satisfaction. 

Penelitian ini dilakukan untuk menganalisis dan membandingkan sentimen pelanggan terhadap lima restoran Sunda di Kota Bogor menggunakan metode Aspect-Based Sentiment Analysis (ABSA) berbasis Fine-Tuning IndoBERT. Ulasan pelanggan di platform digital seperti Google Review berpengaruh besar terhadap citra dan keputusan konsumen, sementara jumlah ulasan yang besar sulit dijelaskan secara manual. Data penelitian diperoleh dari 3.232 ulasan Google Review dan diproses menjadi 3.010 data yang dikelompokkan berdasarkan lima aspek utama, yaitu makanan, pelayanan, harga, suasana, dan fasilitas. Metode Fine-Tuning IndoBERT digunakan untuk mengklasifikasikan sentimen positif, netral, dan negatif, dengan evaluasi melalui metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model memiliki performa sangat baik dengan akurasi tertinggi sebesar 97,51% pada aspek pelayanan dan terendah 92,52% pada aspek makanan, serta nilai F1-score makro di atas 0,91. Analisis menunjukkan bahwa Bumi Aki unggul pada aspek makanan dan fasilitas, Saung Abah pada pelayanan, Saung Kuring pada harga, dan Gumati pada suasana. Hasil penelitian ini menunjukkan bahwa Fine-Tuning IndoBERT efektif dalam memahami opini pelanggan berbahasa Indonesia dan dapat menjadi acuan bagi pelaku usaha kuliner dalam meningkatkan kualitas layanan.

Penelitian ini mengevaluasi efisiensi tiga algoritma sorting hybrid, yaitu TimSort, IntroSort, dan Merge-Insertion Sort, pada dataset skala menengah yang memiliki jumlah elemen antara 10.000 hingga 1.000.000. Tujuan utama penelitian adalah untuk menganalisis performa algoritma berdasarkan waktu eksekusi, konsumsi memori, dan stabilitas, dengan pengujian dilakukan pada berbagai jenis dataset, termasuk data acak, terurut, hampir terurut, dan data dengan banyak elemen duplikat. Pengujian dilakukan melalui simulasi komputasi menggunakan bahasa pemrograman Python dalam lingkungan terkontrol untuk memastikan hasil yang konsisten. Dataset sintetis dibuat untuk mencerminkan kasus dunia nyata, seperti pengolahan log sistem, pengurutan data pelanggan dalam aplikasi e-commerce, atau pengolahan data sensor dalam sistem Internet of Things (IoT). Hasil pengujian menunjukkan bahwa TimSort memiliki performa unggul pada dataset hampir terurut dengan waktu eksekusi rata-rata 0,12 detik untuk 1.000.000 elemen, sedangkan IntroSort lebih cepat pada dataset acak dengan waktu 0,09 detik dan konsumsi memori rendah sekitar 120 MB. Merge-Insertion Sort menonjol dalam hal stabilitas, tetapi memerlukan memori lebih besar, yaitu sekitar 180 MB untuk dataset yang sama. Analisis mendalam menunjukkan bahwa pemilihan algoritma yang optimal sangat bergantung pada karakteristik dataset dan kebutuhan aplikasi, seperti kecepatan untuk data acak atau stabilitas untuk pengurutan data berurutan. Penelitian ini merekomendasikan TimSort untuk aplikasi yang memerlukan stabilitas tinggi, seperti pengolahan data transaksi keuangan, dan IntroSort untuk aplikasi yang mengutamakan kecepatan pada data acak, seperti analitik data real-time. Untuk pengembangan lebih lanjut, penelitian ini menyarankan eksplorasi optimasi paralel atau implementasi algoritma pada perangkat dengan sumber daya terbatas guna meningkatkan skalabilitas dan efisiensi.

The growing interest in learning the Japanese language in Indonesia, driven by popular culture such as anime, creates a need to understand the effectiveness of different learning media. The non-uniform effectiveness of media for each individual poses a major challenge. Therefore, this study aims to analyze the effectiveness of both anime and textbooks by segmenting learner profiles and identifying key determinants of success using an artificial intelligence approach. This research employed a quantitative method through a questionnaire survey of 120 respondents. The data were analyzed in two stages: the K-Means Clustering algorithm was used to group respondents into learner profiles, and the Decision Tree algorithm was used to identify the most significant factors that differentiate these profiles. The analysis successfully identified three distinct learner profiles: "Intensive & Adaptive Learner," "Flexible Learner," and "Passive Learner." The decision tree revealed that the perception of textbook effectiveness and the frequency of anime use are the strongest predictors in determining a learner's profile, more so than theoretical learning style preferences. It is concluded that media effectiveness is highly dependent on the learner's behavioral and perceptual profile, which underscores the importance of a personalized approach in language education technology.

Produksi padi di Indonesia, termasuk Kabupaten Sidoarjo, menghadapi berbagai tantangan seperti alih fungsi lahan, perubahan iklim, dan keterbatasan infrastruktur. Penelitian ini bertujuan untuk memetakan potensi produksi padi secara spasial di Kabupaten Sidoarjo dengan memanfaatkan pendekatan Sistem Informasi Geografis (SIG). Metode yang digunakan meliputi analisis spasial untuk menggambarkan sebaran luas baku sawah, tanam, panen, irigasi, dan produktivitas di tingkat kecamatan, serta analisis deskriptif untuk menafsirkan hasil pemetaan. Hasil penelitian menunjukkan bahwa wilayah dengan sistem irigasi teknis dan luas baku sawah yang masih terjaga, seperti Kecamatan Tarik, Sukodono, dan Wonoayu, memiliki produktivitas yang relatif tinggi. Pemetaan spasial berbasis SIG terbukti efektif dalam mengidentifikasi wilayah potensial yang mendukung pengelolaan produksi padi secara lebih terarah. Penelitian ini merekomendasikan pemanfaatan SIG sebagai alat strategis dalam perencanaan pertanian dan pengambilan kebijakan yang berbasis data spasial untuk meningkatkan ketahanan pangan di Kabupaten Sidoarjo.

Gangguan tidur pada mahasiswa merupakan permasalahan yang dapat berdampak pada kesehatan jantung, khususnya melalui perubahan aktivitas listrik jantung yang terekam dalam sinyal EKG. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mendeteksi kondisi jantung berdasarkan sinyal EKG menggunakan algoritma K-Nearest Neighbor (KNN) dan reduksi fitur dengan Principal Component Analysis (PCA). Dataset yang digunakan terdiri dari 159 citra sinyal EKG yang dibagi menjadi dua kelas, yaitu Good Heart dan Bad Heart. Citra diproses melalui tahap preprocessing, reduksi dimensi menggunakan PCA, dan diklasifikasikan menggunakan KNN dengan berbagai nilai parameter. Model terbaik diperoleh pada kombinasi 20 komponen PCA dan nilai K = 6, dengan akurasi mencapai 96,23%, precision 98,46%, recall 92,75%, dan f1-score 95,50%. Hasil penelitian menunjukkan bahwa metode ini mampu mengenali kondisi jantung dengan baik dan efisien. Sistem ini berpotensi dikembangkan sebagai alat bantu deteksi dini gangguan jantung, khususnya pada kelompok mahasiswa yang mengalami gangguan tidur.

This study analyzes the prediction of poverty levels in North Sumatra Province by applying the Long Short-Term Memory (LSTM) method based on time series integrated with Google Earth Engine (GEE). Historical poverty data of districts/cities were obtained from the Central Statistics Agency (BPS) and processed using Python in Google Colab for LSTM model training. The prediction results are visualized spatially in the form of thematic maps through GEE to identify areas with high poverty rates. The evaluation model was carried out by calculating MAE, RMSE, MAPE, and prediction accuracy, with most areas having an accuracy above 80%. These findings indicate that this approach is effective in mapping poverty trends and supporting data-driven policies. This predictive model can be the basis for more targeted social interventions and strategies for developing inclusive and sustainable regional development.

Perkembangan teknologi layanan internet di Indonesia memengaruhi berbagai sektor industri, termasuk sektor makanan di PT Sarimelati Kencana Tbk. Perusahaan awalnya menggunakan layanan IndiHome, namun menghadapi tantangan seperti tingginya biaya dan ketidakstabilan jaringan yang berdampak pada efisiensi operasional. Sebagai alternatif, layanan Starlink hadir dengan jaringan satelit yang menjangkau wilayah luas dan mendapat respons publik yang lebih positif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap IndiHome dan Starlink menggunakan metode Naïve Bayes yang dievaluasi melalui K-Fold Cross Validation. Data dikumpulkan dari media sosial X (sebelumnya Twitter) dengan total 14.200 tweet (7100 tweet untuk IndiHome dan 7100 untuk Starlink), yang kemudian diproses melalui tahapan preprocessing seperti cleansing, tokenizing, stopword removal, dan stemming. Hasil pengujian menunjukkan bahwa metode Naïve Bayes memberikan akurasi terbaik pada data Starlink sebesar 83,74%, sedangkan pada IndiHome sebesar 73,31%. Analisis preferensi menunjukkan bahwa sentimen positif terhadap IndiHome sebesar 34%, sedangkan Starlink mencapai 47%.Temuan ini menunjukkan bahwa Starlink lebih unggul dalam persepsi publik dibandingkan IndiHome. Oleh karena itu, hasil penelitian ini dapat menjadi dasar pertimbangan strategis bagi PT Sarimelati Kencana Tbk. dalam memilih penyedia layanan internet yang lebih stabil, efisien, dan mendukung kelancaran operasional perusahaan.

Bitcoin sebagai salah satu cryptocurrency paling populer yang menawarkan peluang investasi besar namun disertai dengan volatilitas harga yang tinggi. Penelitian ini bertujuan untuk memprediksi harga Bitcoin menggunakan model Support Vector Machine (SVM) dan menganalisis risiko pasar yang melekat. Dataset historis Bitcoin digunakan untuk melatih model dengan fitur seperti harga pembukaan, harga tertinggi, harga terendah, dan volume perdagangan. Penelitian menggunakan model SVM yang dioptimalkan melalui tuning parameter untuk meningkatkan akurasi prediksi. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil evaluasi menunjukkan performa model yang baik dengan MAE sebesar 0,0036 dan RMSE sebesar 0,0050. Korelasi fitur menunjukkan hubungan yang kuat antara harga penutupan dengan variabel harga lainnya, sementara volume memiliki hubungan moderat. Analisis risiko menggunakan pengembalian harian mengidentifikasi volatilitas signifikan, yang menjadi tantangan dalam pengambilan keputusan investasi. Penelitian ini menyimpulkan bahwa model SVM efektif dalam memprediksi tren harga Bitcoin. Namun, analisis risiko tetap penting untuk mendukung strategi investasi yang lebih bijaksana.    

Perkembangan teknologi informasi yang pesat telah mendorong adopsi layanan cloud storage sebagai solusi utama dalam penyimpanan dan pengelolaan data digital. Kemudahan akses, skalabilitas, dan efisiensi biaya menjadi alasan utama banyak individu maupun organisasi beralih ke layanan ini. Studi ini bertujuan untuk melakukan analisis perbandingan antara dua layanan cloud storage populer, yaitu Google Drive sebagai layanan komersial berbasis cloud publik, dan Nextcloud Server sebagai solusi open-source berbasis self-hosted. Penelitian ini menggunakan metode eksperimen kuantitatif deskriptif, dengan fokus pada pengujian parameter teknis seperti kecepatan unggah dan unduh, efisiensi penggunaan bandwidth, kestabilan koneksi, serta estimasi biaya operasional tahunan. Pengujian dilakukan dalam tiga skenario akses: jaringan lokal (intranet), akses publik melalui layanan Cloudflare, dan koneksi ke cloud komersial. Hasil pengujian menunjukkan bahwa Google Drive unggul dalam performa kecepatan dan kemudahan penggunaan, didukung oleh infrastruktur global dan optimisasi jaringan. Sementara itu, Nextcloud lebih menonjol dari sisi fleksibilitas konfigurasi, kontrol data secara penuh, serta efisiensi biaya jangka panjang. Berdasarkan analisis Total Cost of Ownership (TCO), Nextcloud menjadi pilihan ekonomis untuk penggunaan jangka panjang, terutama bagi institusi pendidikan dan organisasi dengan infrastruktur lokal. Penelitian ini diharapkan dapat menjadi referensi bagi pengguna dalam memilih layanan cloud storage yang paling sesuai dari sisi teknis, ekonomi, maupun kebijakan privasi data.

Instagram merupakan salah satu media sosial paling populer di Indonesia dengan jumlah unduhan dan ulasan yang sangat tinggi di Google Play Store. Penelitian ini dilakukan untuk menganalisis sentimen dari ulasan bintang lima terhadap aplikasi Instagram guna mengkaji lebih lanjut apakah seluruh ulasan dengan rating tertinggi benar-benar mencerminkan sentimen positif. Data dikumpulkan melalui tahap scraping, kemudian dilakukan pembersihan data dengan teknik normalisasi sederhana seperti penghapusan URL, karakter khusus, angka, dan spasi berlebih, serta tahap preprocessing menggunakan metode tokenisasi. Model IndoBERT digunakan sebagai alat klasifikasi untuk mendeteksi sentimen dari setiap ulasan ke dalam tiga kategori: positif, netral, dan negatif. Hasil klasifikasi menunjukkan bahwa 59,7% ulasan tergolong positif, 11,2% netral, dan 29,1% negatif. Model evaluasi dilakukan melalui perbandingan hasil prediksi dengan pelabelan manual dan otomatis yang menghasilkan f1-score sebesar 0,901 untuk sentimen positif, 0,834 untuk negatif, dan 0,449 untuk netral, dengan akurasi keseluruhan sebesar 83,2%. Visualisasi word cloud ditampilkan setelah proses klasifikasi sentimen untuk menggambarkan kata-kata yang dominan di masing-masing kategori. Temuan ini menunjukkan bahwa rating numerik tidak selalu selaras dengan isi ulasan, serta pentingnya analisis sentimen dalam memahami persepsi pengguna secara lebih mendalam.

Pengelolaan rantai pasok dengan menggunakan metode E-SCM untuk mengoptimalkan persediaan Toko Nadira dapat meningkatkan persediaan yang efisien. Permasalahan yang terjadi pada Toko Nadira adalah proses pencatatan barang, pengelolaan persediaan dan pemesanan ke Supplier masih manual dengan menggunakan buku catatan. Dengan adanya teknologi, Toko Nadira dapat memanfaatkannya dengan baik dengan menggunakan website, website ini mampu mempermudah proses pencatatan barang, monitoring persediaan, dan meningkatkan keakuratan dalam proses pemesanan barang ke Supplier serta update stok secara real-time, Metode penelitian yang digunakan meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian aplikasi. Hasil penelitian menunjukkan bahwa website E-SCM yang dikembangkan telah berhasil meningkatkan efisiensi operasional Toko Nadira, mengurangi resiko kehabisan stok, dan mempercepat proses restocking. Selain itu, sistem ini juga dapat diintegrasikan dengan laporan penjualan dan pembelian, yang memungkinkan pemilik Nadira Store untuk melakukan analisis data yang lebih mendalam.

Penelitian ini menganalisis pola ancaman siber global dengan menggunakan metode Exploratory Data Analysis (EDA) berdasarkan dataset “Global Cybersecurity Threats (2015–2024)” yang disusun oleh Atharva Soundankar dan dipublikasikan di Kaggle. Dataset tersebut mencakup 3.000 insiden keamanan siber dari berbagai negara, dengan atribut seperti negara, tahun, jenis serangan, industri sasaran, kerugian finansial, jumlah pengguna terdampak, sumber serangan, jenis kerentanan, mekanisme pertahanan, dan waktu penyelesaian insiden. Melalui pendekatan EDA dan visualisasi interaktif dengan Tableau, penelitian ini bertujuan mengidentifikasi pola, tren, dan anomali dari serangan siber global serta menguji dua hipotesis utama: (1) jenis serangan DDoS dan phishing merupakan yang paling dominan secara global; dan (2) sektor teknologi informasi dan perbankan merupakan industri paling rentan terhadap serangan. Hasil analisis menunjukkan bahwa kedua hipotesis tersebut terbukti, di mana DDoS dan phishing menempati urutan teratas sebagai jenis serangan terbanyak, dan sektor IT serta perbankan paling sering menjadi sasaran. Temuan ini memberikan kontribusi penting dalam penyusunan strategi mitigasi serangan siber, khususnya pada sektor-sektor vital. Visualisasi data juga memberikan dukungan kuat dalam pemahaman pola ancaman dan pengambilan keputusan berbasis data. Kata Kunci: Ancaman Siber, DDoS, Phishing, Industri IT, EDA, Visualisasi Data

Pasar properti rumah memiliki harga yang bervariasi tergantung lokasi dan spesifikasi bangunan. Penelitian ini melakukan segmentasi harga properti berdasarkan lokasi (latitude & longitude), harga, dan luas bangunan menggunakan algoritma K-Means Clustering. Dataset berisi 18.962 data properti dari wilayah Bandung dan sekitarnya. Data melalui tahap pembersihan, transformasi lokasi ke koordinat geografis, normalisasi, dan denormalisasi untuk memastikan kualitas analisis. Metode Elbow digunakan untuk menentukan jumlah cluster optimal dan menunjukkan nilai K = 3. Proses clustering menghasilkan tiga segmen: Cluster 0 (Affordable Housing) mencakup 7.751 properti dengan harga rendah dan bangunan kecil, Cluster 1 (Luxury Estate) sebanyak 2.402 properti dengan harga tinggi dan bangunan luas, serta Cluster 2 (Middle-Class Residences) terdiri dari 5.555 properti dengan karakteristik menengah. Visualisasi menggunakan peta interaktif berbasis Folium memperlihatkan distribusi spasial yang jelas, dengan konsentrasi tertinggi berada di pusat kota seperti Bandung dan Cimahi. Rata-rata harga di cluster 0 sekitar Rp900 juta, cluster 1 mencapai Rp4,9 miliar, dan cluster 2 sekitar Rp1,8 miliar. Penelitian ini menunjukkan bahwa K-Means efektif untuk segmentasi harga properti. Untuk hasil yang lebih komprehensif, disarankan agar penelitian lanjutan menambahkan variabel seperti aksesibilitas, fasilitas umum, dan kondisi bangunan.

Provinsi Jawa Tengah memiliki tingkat ketimpangan yang cukup tinggi, terutama di perkotaan. Data BPS Semester 2 Tahun 2024 menunjukkan rasio ketimpangan di perkotaan sebesar 0.392 dan di pedesaan 0.364, yang disebabkan oleh pembangunan wilayah yang belum merata. Pemerataan pembangunan menjadi fokus utama dalam RPJMN 2025–2045 menuju Indonesia Emas 2045, dengan "Pembangunan Kewilayahan" sebagai agenda ke-6 dari 8 agenda pembangunan, dengan tujuan untuk mewujudkan pemerataan dan keadilan pembangunan. Jawa Tengah memiliki 35 kabupaten/kota dengan tantangan pembangunan yang beragam. Untuk mencapai keadilan pembangunan, daerah tertinggal perlu diprioritaskan. Penelitian ini bertujuan memberikan rekomendasi daerah prioritas pembangunan menggunakan Sistem Pendukung Keputusan (SPK) dengan metode Entropy untuk pembobotan kriteria dan TOPSIS (Technique for Order by Similarity to Ideal Solution)  untuk penentuan prioritas. Kriteria yang digunakan meliputi aspek pendidikan, ekonomi, dan kesejahteraan masyarakat, seperti Umur Harapan Hidup (UHH), Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), Pengeluaran per Kapita, Indeks Pembangunan Manusia (IPM), Persentase Penduduk Miskin, Tingkat Pengangguran Terbuka (TPT), serta Gini Ratio (rasio ketimpangan ). Hasil analisis menunjukkan bahwa Kabupaten Pemalang, Wonosobo, dan Banjarnegara merupakan daerah prioritas pembangunan. Hasil penelitian ini dapat menjadi rekomendasi bagi pemangku kebijakan untuk mendukung pembangunan yang lebih merata dan berkeadilan.

. Ekspor memainkan peran penting dalam pertumbuhan ekonomi, memberikan kontribusi terhadap devisa negara dan meningkatkan daya saing di pasar internasional. Menentukan produk ekspor unggulan menjadi tantangan karena harus mempertimbangkan berbagai faktor, seperti nilai ekonomi, permintaan pasar, stabilitas harga, dan keberlanjutan produksi. Keputusan yang kurang tepat dapat berdampak pada efisiensi, daya saing produk lokal, dan bahkan ketergantungan pada pasar global. Oleh karena itu, dibutuhkan pendekatan yang lebih sistematis dan berbasis data untuk membuat keputusan yang tepat dalam pemilihan produk ekspor unggulan. Penggunaan sistem pendukung keputusan (SPK) dapat membantu mempermudah proses ini dengan menyediakan analisis berbasis data yang lebih objektif. Metode MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis) dapat digunakan untuk menentukan bobot kriteria, membantu pengambil keputusan untuk menilai seberapa penting setiap faktor yang terlibat. Sementara itu, TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) digunakan untuk memilih alternatif terbaik berdasarkan kedekatannya dengan solusi ideal yang diinginkan. Pendekatan ini bertujuan untuk memberikan rekomendasi yang lebih objektif dan akurat, mendukung pengambil kebijakan serta pelaku usaha dalam menetapkan strategi ekspor yang optimal. Dengan cara ini, daya saing produk lokal dapat ditingkatkan secara berkelanjutan, memastikan pertumbuhan ekonomi yang lebih stabil dan meningkatkan posisi negara di pasar global  

Canva salah satu platform yang digunakan untuk mendesain, yang dapat digunakan melalui web maupun aplikasi mobil. Canva menyediakan beragam fitur dan template yang mempermudah pengguna untuk membuat desain, seperti desain poster, brosur, kartu ucapan, info grafis dan presentasi dalam waktu singkat. Penelitian ini bertujuan untuk menganalisis usability aplikasi canva dengan fokus untuk memahami pengalaman pengguna, khususnya dari kalangan Siswa Kelas VIIIB di SMPN 3 Karawang Barat. Metode yang digunakan untuk mengumpulkan data yaitu observasi dan kuesioner. Analisa aplikasi menggunakan poin Usability berkaitan dengan learnability, efficiency, memorability, error dan satisfaction untuk mengetahui pengalaman pengguna. Hasil penelitian menunjukkan bahwa 77,5% responden merasakan kemudahan dalam penggunaan aplikasi canva, 65% merasa cepat dalam menggunakan fitur-fiturnya, dan 72,5% mampu mengingat langkah-langkah penggunaannya dengan baik. Namun, masih terdapat kendala pada aspek memorability, di mana 47,5% responden mengalami kesulitan dalam mengenali ikon atau simbol dalam aplikasi. Pada aspek error, 62,5% responden menemukan error saat menggunakan canva, dan hanya 50% yang dapat memperbaikinya dengan mudah. Meskipun demikian, tingkat kepuasan pengguna sangat tinggi, dengan 92,5% responden merasa senang menggunakan canva dan 94,3% menyatakan bahwa canva membantu mereka dalam menyelesaikan tugas sekolah. Dengan demikian, canva memiliki peran penting dalam mendukung kemudahan pembelajaran siswa di SMPN 3 Karawang Barat.

Permasalahan dalam pengembangan media pembelajaran Aksara Lontara Bahasa Makassar untuk siswa sekolah dasar yang menggunakan animasi motion graphic berbasis multimedia adalah bahwa selama ini pembelajaran Aksara Lontara di sekolah masih mengandalkan buku dan belum tersedianya media pembelajaran interaktif yang mendukung proses belajar. Kondisi ini menyebabkan siswa mengalami kesulitan dalam mempelajari Aksara Lontara. Solusi atas permasalahan ini adalah pengembangan media pembelajaran Aksara Lontara dengan menggunakan Animasi Motion Graphic, yang diharapkan dapat memfasilitasi proses pembelajaran. Tujuan penelitian ini adalah mengembangkan dan mengimplementasikan media pembelajaran Aksara Lontara Bahasa Makassar dengan Animasi Motion Graphic berbasis multimedia di SDN Paccerakkang. Data diperoleh melalui penelitian lapangan, penelitian pustaka, dan wawancara. Metode yang digunakan adalah metode ADDIE, yang terdiri dari lima tahapan: Analisis, Perancangan, Pengembangan, Implementasi, dan Evaluasi. Hasil penelitian menunjukkan bahwa media pembelajaran yang dikembangkan mendapatkan persentase keberhasilan sebesar 76,66% dari pengujian alpha oleh ahli materi dan ahli budaya, yang termasuk dalam kategori layak. Sementara itu, persentase total dari pengujian beta yang dilakukan dengan memberikan kuesioner kepada siswa SDN Paccerakkang adalah 80,13%, juga termasuk dalam kategori layak.

Ekstraksi fitur, juga dikenal sebagai ekstraksi fitur, adalah proses mengubah data mentah menjadi representasi yang lebih ringkas dan berguna yang dapat digunakan untuk analisis atau pemodelan lebih lanjut. Ini dilakukan pada tahap preprocessing sebelum masuk ke tahap analisis atau pemodelan. Pewarnaan alami dari berbagai tanaman yang menghasilkan warna tanin setelah pencelupan dikumpulkan menjadi satu alur gradasi warna yang berkaitan dengan susunan derajat atau peningkatan, peralihan warna dari satu warna ke warna lain. Variasi dalam alur ini dipengaruhi oleh jenis tanaman, lama pencelupan, jenis fiksasi yang digunakan, jenis kain, dan lokasi tanaman yang dijadikan sampel.Metode ekstraksi fitur dengan Matriks Co-Occurrence Level Gray (GLCM) digunakan untuk mengidentifikasi gradasi warna yang dihasilkan oleh pewarnaan pada daun Ketapang. Proses ekstraksi fitur tekstur dari gambar tanaman Ketapang menggunakan matriks GLCM digunakan untuk menganalisis dan memahami pola warna alami tanaman Ketapang di berbagai lokasi geografis. Untuk menggambarkan dan mengukur pola warna alami tanaman Ketapang, Gray Level Co-occurrence Matrix (GLCM) adalah representasi statistik dari distribusi spasial intensitas piksel dalam citra, yang mengukur frekuensi kemunculan pasangan intensitas piksel yang berdekatan dan memberikan informasi tentang tekstur citra

Berdasarkan hasil penelitian yang telah dilakukan CV Marecayasa Media diperoleh data bahwa yang menjadi masalah yaitu dalam proses melakukan presensi yang masih menggunakan cara manual seperti karyawan harus mengisi google form yang di buat terlebih dahulu menyebabkan seringnya terjadi manipulasi data seolah olah karyawan tersebut masuk dikarenakan sulit untuk mengenali karyawan hanya dalam bentuk namanya saja pada saat melakukan presensi.   Dari permasalahan tersebut di atas maka penulis membangun Aplikasi Presensi Berbasis Mobile Dengan Face Recognition dengan tujuan Aplikasi ini agar memudahkan karyawan dalam melakukan presensi masuk, presensi keluar, izin sakit dan izin cuti, serta membantu meminimalisir manipulasi data.   Metode penelitian yang digunakan adalah metode pengembangan perangkat lunak (Scrum) yaitu dari Analisis Kebutuhan, Product Backlog, Sprint Planning, Sprint Backlog, Sprint, Sprint Review  dan Pengujian (Testing). Untuk peracangannya pada aplikasi presensi berbasis mobile dengan face recognition  ini di bangun menggunakan Bahasa pemrorgraman Dart, dengan framework Flutter, serta untuk databasenya menggunakan Postgresql dan Backend API menggunakan baha pemrograman Golang dengan framework GO-Fiber.   Berdasarkan uji coba yang telah di lakukan menggunakan pengujian system black box rancang bangun aplikasi presensi berbasis mobile dengan face recognition berhasil di bangun dan menggunakan uat testing (User Acceptance Testing) mendapatkan presentase sekitar 95% dari aplikasi tersebut.