Publication Search

This literature study evaluates the accuracy of the Slope Mass Rating (SMR) method for coal mine slope stability in Indonesia through a systematic descriptive synthesis of 25 empirical studies from 2020 to 2025. The objectives of the study were to identify the level of SMR prediction accuracy, factors affecting the method's performance, and modifications required for local Indonesian conditions. The research method involved a systematic search with inclusion criteria for empirical studies reporting SMR and/or Safety Factor (SF) values ​​for coal mines and associated slopes in Indonesia. Quantitative analysis showed a range of reported SMR values ​​between 41 and 96 with a median of 72, while SF values ​​ranged from 1.137 to 4.09 for normal operational conditions. The synthesis results indicated that SMR provides a consistent stability classification for initial slope design and failure mode identification (planar, wedge, toppling), with historical validation showing a correlation of up to 91.23% between SMR-based hazard zoning and actual field events in some cases. Key limitations include dependence on discontinuity data quality, sensitivity to groundwater conditions and tropical weathering, and variation in the interpretation of adjustment factors F1-F4. Modifications such as NAAF23 and integration with numerical modeling have been shown to improve prediction reliability. It is recommended that coal mining practitioners combine SMR with kinematic analysis and limit equilibrium modeling as standard operating procedures, and develop adjustment factors specific to Indonesian geological conditions. Further research should focus on standardizing parameter reporting and cross-site quantitative validation to enable more robust statistical meta-analyses.  

Rapid and precise handling in determining fault locations is essential to accelerate post-fault recovery and minimize economic losses caused by power outages. Several methods employed to identify fault locations include Single Ended and Double Ended analysis. This paper discusses the Selective Mode Double Ended Fault Locator Method, an enhancement of the IEEE C37.114 Double Ended method. This approach involves selecting maximum fault data values for Near Side (NS) and Far Side (FS) calculations, taking into account the differential or angle difference of the sequence between the two sides. The Double Ended calculation results from the total sample values are used to determine the mode, which serves as the final output of this Fault Locator method. This method is designed to identify faults and their locations with high accuracy and speed. Based on the research findings, the Selective Mode Double Ended (SMDE) method provides more accurate fault locator analysis compared to the Single Ended and Double Ended methods. The accuracy achieved with the Single Ended method is 90.9%, with the Double Ended method reaching 94.9%, and with the Selective Mode Double Ended (SMDE) method achieving 99.9%.

This study aims to analyze the effect of using multi-platform accounting on the timeliness and accuracy of financial reporting at PT XYZ, a service company engaged in the distribution of cement. In carrying out its operations, this company uses three different types of accounting applications in the financial recording process, namely Microsoft Excel, Accurate and Semenku. This study uses a descriptive qualitative research method and data collection through observation. The results of the study indicate that the use of multiple platforms simultaneously can cause data inconsistencies and slow down the financial reporting process, but on the other hand it also provides flexibility in recording transactions. Therefore, system integration or evaluation of platform use is needed to improve the efficiency and accuracy of financial reporting.

Pleural effusion is the accumulation of fluid in the pleural cavity, which is a common clinical condition requiring rapid and accurate diagnosis. Imaging modalities such as chest X-ray and ultrasound (USG) of the chest play a crucial role in identifying and evaluating this condition. Chest X-ray remains the most widely used initial screening tool due to its availability and ease of use. However, chest USG offers higher sensitivity, especially in detecting small effusions, assessing fluid characteristics, and guiding diagnostic and therapeutic procedures. Additionally, USG provides real-time imaging, enhancing the safety and effectiveness of interventions such as aspiration or drainage. Although both modalities are important, USG provides more detailed information, particularly in evaluating more complex pleural fluid conditions. This review discusses the latest evidence regarding the sensitivity, specificity, advantages, and limitations of both imaging techniques. Understanding the complementary roles of chest X-ray and USG is essential for optimizing diagnostic strategies, ultimately improving clinical outcomes and enabling more effective management of pleural effusion.

A target is needed for kicks and attacks. Currently, these targets are always held by the lecturer, which, when used, significantly wastes time in learning sessions. With the funded Community Service Program (PKM) activity, the lecturer developed his creativity by creating a target stand, which was still incomplete at the time. The results of this community service implementation will impact students in the Physical Education Department at Lambung Mangkurat University. Lecturers teaching martial arts courses have greatly benefited from the presence of this target stand. Survey data analysis results are still in progress and will be attached to the final report. In this case, the partner is a colleague within the Physical Education Department, with whom he has a collaboration in the construction and welding fields. 80% of sports equipment is made from hard materials such as steel. Therefore, the Department has a long-standing partnership with DTK (Dita Teknik Kontruksi). Furthermore, metal sports equipment is regularly maintained, and if damaged, the partner is ready to repair it at a certain capacity.

This study aims to compare and analyze the accuracy levels of four financial distress prediction models—Altman Z-Score, Springate, Grover, and Zmijewski—in anticipating the potential bankruptcy of companies subjected to delisting from the Indonesian Stock Exchange (IDX). The delisting phenomenon, which is strongly linked to severe financial deterioration, provided the core motivation for identifying the most reliable predictive instrument, utilizing secondary data from the annual financial reports of delisted companies during the 2019-2023 observation period. Descriptive analysis techniques were employed to calculate the accuracy rate and Type Error for each model. The comparative results consistently indicate that the Springate Model is the most effective, consistent, and accurate model for predicting financial distress in delisted firms, achieving an accuracy rate of 89% in both the first and second years prior to delisting, while the Altman Z-Score model exhibited lower accuracy (68.75% and 62.50%). This key finding emphasizes the superiority of the Springate Model as a crucial diagnostic tool for investors and regulatory bodies in assessing corporate bankruptcy risk.

Penelitian ini bertujuan untuk merancang dan membuat interface komunikasi data antara Electronic Control Unit (ECU) sepeda motor dengan sistem Android. Masalah yang dihadapi oleh bengkel rumahan seperti Ngoprek Garage Motoshop adalah keterbatasan alat untuk mendeteksi kerusakan ECU secara otomatis. Penelitian ini menggunakan mikrokontroler ESP32 sebagai penghubung antara ECU dan aplikasi Android, yang dirancang menggunakan MIT App Inventor. Sistem ini mampu membaca data kesalahan (Diagnostic Trouble Code/DTC) dari ECU dan menampilkannya secara langsung pada aplikasi Android. Metode penelitian yang digunakan mencakup perancangan perangkat keras dan perangkat lunak, serta pengujian sistem terhadap sepeda motor Honda. Hasil menunjukkan bahwa sistem ini mampu membaca dan menampilkan kode DTC dengan akurasi yang cukup tinggi, meskipun terdapat keterbatasan pada pembacaan parameter data secara real-time. Sistem ini diharapkan menjadi solusi alternatif bagi bengkel kecil dalam melakukan diagnosa awal terhadap kerusakan ECU.  

Urbanisasi yang berkembang pesat telah menjadi isu utama dalam peningkatan konsumsi energi di wilayah perkotaan. Sebagian besar rumah-rumah di zona permukimam pada zaman kini juga dikonstruksi melekat satu sama lain, menyebabkan ventilasi udara alami bekerja tidak optimal dan mengharuskan para penghuni untuk menggunakan alat pengontrol termal untuk mencapai kenyamanan termal mereka. Dengan menggunakan metode eksperimen kuantitatif melalui simulasi digital, penelitian ini bertujuan untuk menyelidiki apabila bentukan rumah panggung seperti Rumah Limas Potong mampu mencapai kenyamanan termal untuk penggunaannya di masa depan. Hasil simulasi menunjukkan bahwa rumah panggung mustahil untuk meraih kenyamanan termal dengan iklim tropis terkini. Perlu dilakukan lagi eksperimen waktu-nyata pada rumah-rumah panggung dengan atau tanpa sistem pendinginan pasif untuk hasil dan akurasi yang lebih baik dalam meraih permukiman yang hemat energi.

Penyakit jantung merupakan salah satu penyakit dengan angka kematian tertinggi di negara maju bahkan dunia. Penyakit jantung dapat mengancam jiwa jika tidak ditangani dengan serius. Jumlah penderita penyakit jantung meningkat setiap tahunnya. Penyakit jantung dapat disebabkan oleh beberapa faktor, yang utama adalah konsumsi alkohol berlebihan, kebiasaan merokok, dan faktor keturunan. Penelitian ini bertujuan untuk memprediksi dan mencegah penyakit jantung sejak dini menggunakan algoritma pembelajaran mesin, yaitu regresi logistik. Data yang digunakan untuk pelatihan dan pengujian algoritma regresi logistik sebanyak 1.190 data, yang terbagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil pengujian menunjukkan bahwa model dapat memprediksi dengan akurasi sebesar 86%. Setelah model dibuat, model tersebut diimplementasikan ke dalam situs web. Penelitian ini diharapkan dapat berkontribusi pada diagnostik yang dapat membantu deteksi dini penyakit jantung.

Produksi perhiasan emas PT Gemopia Indonesia melibatkan proses bombing, yang membutuhkan keakuratan tinggi untuk memastikan kualitas produk.  Beberapa kelemahan sistem pencatatan yang masih dilakukan secara manual menggunakan Microsoft Excel termasuk keterlambatan laporan, kurangnya keamanan data, dan kesalahan input yang tinggi. Tujuan penelitian ini adalah untuk mengembangkan dan membangun sistem informasi bombing emas berbasis web yang akan mempercepat proses pencatatan, meningkatkan akurasi data, dan memperbaiki alur pelaporan.  Pengembangan sistem ini menggunakan metode Waterfall, yang mencakup tahapan analisis kebutuhan, perancangan sistem menggunakan UML, pengembangan dengan framework Laravel dan database MySQL, dan pengujian dengan metode black box. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem berjalan dengan baik dan sesuai dengan kebutuhan pengguna, dengan fitur seperti perhitungan otomatis, hak akses pengguna bertingkat, verifikasi dan koreksi data produksi, dan pembuatan laporan dalam format PDF. Sistem mampu menerima input, memproses data , dan menghasilkan output yang tepat dan sesuai dengan spesifikasi.Oleh karena itu, sistem ini dinyatakan layak untuk diimplementasikan secara penuh dalam rangka mendukung efisiensi dan transparansi pelaporan produksi di PT Gemopia Indonesia.

Peningkatan transaksi dalam platform e-commerce seperti Shopee menuntut adanya sistem prediksi status pesanan yang akurat, guna mengoptimalkan pelayanan dan mengurangi pembatalan maupun keterlambatan pengiriman. Penelitian ini bertujuan membangun model klasifikasi status pesanan (selesai atau batal) pada toko Stuftech.Id menggunakan algoritma C4.5. Data yang digunakan merupakan transaksi pesanan mencakup metode pembayaran, kategori wilayah pengiriman, dan ongkos kirim. Proses klasifikasi dilakukan menggunakan RapidMiner dengan tahapan preprocessing, pembangunan decision tree, dan evaluasi model. Hasil analisis menunjukkan bahwa atribut “Kategori Pulau” memiliki nilai gain tertinggi sehingga dipilih sebagai node akar. Model yang dibentuk menghasilkan akurasi sebesar 86%, dengan recall 100% untuk pesanan selesai namun hanya 6,67% untuk pesanan batal. Temuan ini mengindikasikan bahwa algoritma C4.5 efektif dalam memprediksi pesanan yang berhasil, namun perlu peningkatan dalam mendeteksi potensi pembatalan. Implementasi model ini dapat membantu pelaku usaha dalam mengambil keputusan operasional secara proaktif.

Deteksi nyeri objektif merupakan tantangan dalam dunia medis, terutama bagi pasien yang tidak mampu mengungkapkan rasa sakit secara verbal. Dengan kemajuan teknologi sensor dan kecerdasan buatan, sistem otomatis untuk mendeteksi nyeri berbasis sinyal fisiologis dan ekspresi wajah mulai dikembangkan. Studi ini bertujuan mengidentifikasi tren, metode, dan kualitas metodologis dari penelitian yang menggunakan database publik seperti BioVid Heat Pain, UNBC-McMaster, dan SenseEmotion dalam pengembangan sistem deteksi nyeri berbasis sensor. Penelitian dilakukan dengan pendekatan Systematic Literature Review (SLR) berdasarkan protokol PRISMA 2020 melalui pencarian artikel di Google Scholar dalam rentang tahun 2015–2024. Setelah seleksi berdasarkan kriteria inklusi dan eksklusi, 26 studi dimasukkan ke dalam sintesis naratif. Data dianalisis berdasarkan jenis sensor, metode algoritma, akurasi, dan ukuran sampel, serta dievaluasi menggunakan pendekatan GRADE. Hasil menunjukkan bahwa BioVid dan UNBC-McMaster adalah database paling sering digunakan, dengan sensor EDA, EMG, dan ekspresi wajah sebagai modalitas dominan. Metode klasifikasi umum mencakup CNN, SVM, dan Random Forest. Studi menyimpulkan bahwa pendekatan multimodal dan deep learning meningkatkan akurasi deteksi nyeri, namun validasi klinis dan perhatian terhadap keragaman demografis masih dibutuhkan.

Methane gas detection is crucial in the oil and gas sector to enhance safety and operational efficiency. This study examines the impact of three types of gas detectors—catalytic, infrared, and ultrasonic sensors—on accuracy and response time. The research was conducted at PT PHM's onshore and offshore sites to evaluate sensor performance in operational environments. A quantitative approach with direct field observation was used. Data were collected by measuring methane gas concentrations indicated by detectors, which were then compared to standard gas concentrations. Response times were recorded when the detectors were exposed to methane concentrations of 2.5% LEL until the alarm triggered at 40% of full scale. Data analysis was performed using descriptive statistics, homogeneity test, normality test, ANOVA, and post hoc tests. The results show that the infrared detector had a response time of 2.87 seconds with an accuracy of 0.218%. The catalytic detector had a response time of 8.91 seconds and accuracy of 0.489% and the ultrasonic detector had a response time of 6.15 seconds and accuracy of 0.842%. Overall, the infrared detector demonstrated the best performance in response time and is recommended for use at PT PHM.

Bank reconciliation is one of the crucial internal control procedures in maintaining the accuracy of a company's financial statements. This study aims to analyze the role of bank reconciliation in improving the accuracy of PT Adhibaladika Agung's financial statements. The research method used is a descriptive qualitative approach with observation methods conducted during an internship in the accounting and finance division. The internship was conducted over a period of 5 months, from January 20, 2025, to June 20, 2025. In the reconciliation process, the main focus of this study was on cash transactions involving settlements from Electronic Data Capture (EDC), which were then matched with the Operational Report (OPR), summarized, and entered into Microsoft Excel. The results of the study indicate that bank reconciliation plays a very important role in identifying discrepancies between company records and bank statements, ensuring the completeness of transaction records, and enhancing the reliability of financial information. A systematic and regular reconciliation process can reduce the risk of recording errors, aid in the early detection of potential fraud, and improve transparency in financial reporting. This study provides practical contributions to PT Adhibaladika Agung in optimizing the bank reconciliation process as part of an effective internal control system.

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.

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.

Kebakaran masih menjadi masalah serius dengan dampak besar, baik secara materi maupun korban jiwa. Deteksi yang lambat dan alarm konvensional yang tidak responsif menjadi penyebab utama tingginya tingkat kerusakan. Penelitian ini mengusulkan sistem deteksi kebakaran berbasis Internet of Things (IoT) yang mengintegrasikan multi-sensor dengan platform IFTTT (If This, Then That). Sistem ini menggabungkan sensor asap (MQ5, MQ9), suhu (DHT22), dan api, dengan NodeMCU ESP8266 sebagai pusat kendali, serta mengirim notifikasi real-time melalui WhatsApp. Tujuannya adalah meningkatkan akurasi deteksi dan mengurangi alarm palsu. Pengujian dilakukan dengan membandingkan sistem konvensional dan sistem IoT pada berbagai skenario kebakaran. Hasil menunjukkan bahwa sistem IoT memiliki keunggulan dalam kecepatan notifikasi (kurang dari 10 detik) dan kemampuan menyampaikan lokasi secara akurat. Meskipun memerlukan biaya awal lebih tinggi, efektivitas sistem ini dalam meningkatkan respons darurat menjadikannya solusi yang layak. Sistem ini cocok diterapkan di rumah, kantor, maupun fasilitas industri, serta memiliki potensi besar dalam pengembangan sistem keselamatan kebakaran yang lebih adaptif dan efisien di masa depan

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.

Abstrak Penelitian ini mengembangkan sistem deteksi aritmia pada lansia menggunakan sinyal elektrokardiogram (EKG) 5-lead dan algoritma Support Vector Machine (SVM). Data EKG yang diperoleh melalui perangkat Smart Holter direkam secara kontinu dan diproses melalui tahapan praproses, meliputi koreksi baseline, filtering dengan metode Butterworth, ekstraksi fitur, normalisasi, serta pelabelan manual oleh dokter spesialis jantung untuk validitas klinis. Model SVM kemudian dilatih dan diuji dengan hasil akurasi sebesar 95,80% pada data pelatihan dan 94,57% pada data pengujian. Evaluasi performa model menggunakan confusion matrix, nilai presisi, recall, dan kurva ROC menunjukkan kemampuan klasifikasi empat kategori aritmia secara akurat dan seimbang dengan nilai AUC antara 0,98 hingga 1,00. Hasil ini menunjukkan potensi sistem sebagai alat bantu diagnosis dini aritmia khususnya pada pasien lansia. Untuk penelitian selanjutnya, disarankan peningkatan variasi data, perbandingan dengan metode lain seperti CNN atau LSTM, peningkatan kualitas sinyal dan fitur, serta pengujian di lingkungan klinis guna mengoptimalkan penerapan sistem dalam praktik medis.    Kata Kunci: Elektrokardiogram (EKG), Aritmia, Support Vector Machine (SVM), Lansia

Tingkat keberhasilan deteksi penyakit jantung sangat bergantung pada akurasi model klasifikasi yang digunakan. Penelitian ini bertujuan membandingkan kinerja dua algoritma klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), dalam mendeteksi penyakit jantung menggunakan dataset berjumlah 1025 sampel dengan dua kelas target, yakni sehat dan penyakit jantung. Proses pra-pemrosesan data meliputi pembersihan dan normalisasi fitur medis seperti usia, tekanan darah, serta kadar kolesterol. Evaluasi performa model dilakukan menggunakan metode Confusion Matrix, K-Fold Cross Validation, kurva Receiver Operating Characteristic (ROC), dan kurva Precision-Recall untuk mengukur akurasi, presisi, recall, serta keseimbangan antara presisi dan recall. Hasil pengujian menunjukkan bahwa algoritma KNN unggul dalam menghasilkan akurasi tinggi yaitu 99% dengan AUC ROC sempurna 1.00 dan presisi yang hampir konsisten sepanjang recall, sementara SVM menunjukkan performa stabil dengan akurasi 91%, AUC ROC 0.97, dan AP Precision-Recall sebesar 0.96. Penelitian ini menegaskan efektivitas KNN dalam menghasilkan prediksi penyakit jantung yang sangat akurat dengan potensi risiko overfitting pada parameter k kecil, sedangkan SVM memberikan kestabilan model dengan kemampuan generalisasi yang lebih baik. Temuan ini diharapkan dapat menjadi referensi dalam pemilihan algoritma klasifikasi yang sesuai untuk mendukung diagnosis penyakit jantung secara klinis.