Publication Search

This study aims to analyze horror film production data using a Business Intelligence approach to generate information that can support the evaluation and planning of film production processes. The data used in this study were obtained from horror treatment documents and shot lists of a feature-length horror film, containing various information related to the filming process, such as scene numbers, shot numbers, scene descriptions, involved characters, shooting locations, and cinematographic techniques employed during production. The collected data were processed and visualized using Microsoft Power BI to develop an interactive dashboard capable of presenting important information in a visual format. The dashboard was designed to provide insights into scene distribution, shot type composition, character involvement in each scene, and shooting patterns throughout the film production process. Through data visualization in the form of an interactive dashboard, directors and production teams are expected to gain a clearer understanding of the film’s visual structure and production complexity. The resulting insights can support production evaluation and facilitate more informed decision-making for future film projects.  

Pengembangan dashboard kesehatan berbasis digital semakin banyak dikembangkan sebagai sarana untuk mendukung gaya hidup sehat melalui pemanfaatan data dan teknologi Artificial Intelligence (AI). Namun, sebagian besar dashboard yang ada terlalu berfokus pada grafik visualisasi dan tidak memberikan insight kepada pengguna, sehingga pengguna sering kali kesulitan memahami makna dari grafik visualisasi yang ada di dashboard serta pengguna tidak tahu langkah apa yang harus dilakukan selanjutnya. Penelitian ini bertujuan untuk mengembangkan dashboard kesehatan berbasis AI untuk pengambilan sebuah keputusan dengan mengintegrasikan hasil prediksi model Machine Learning (ML) dan kemampuan interpretasi Large Language Model (LLM). Data sintetis digunakan untuk merepresetasikan data kesehatan harian seorang pengguna, seperti tren indeks massa tubuh, asupan kalori, asupan nutrisi, durasi tidur dan tingkat stres. Model regresi dipilih untuk mengidentifikasi pola, tren, dan kondisi kesehatan pengguna berdasarkan data tersebut. Hasil prediksi dari model ML bisa menjadi sebuah sinyal awal untuk pengguna, namun dalam penelitian ini model ML diintegrasikan ke dalam model LLM untuk dilakukan interpretasi berbasis konteks. Model LLM kemudian mengeluarkan penjelasan dan insight kesehatan yang bersifat deskriptif dan preskriptif sehingga lebih mudah dipahami dan ditindaklanjuti oleh pengguna. Hasil penelitian menunjukkan bahwa integrasi model ML dan model LLM mampu meningkatkan fungsi dashboard dari sekadar alat visualisasi grafik menjadi sistem pengambilan keputusan. Meskipun penelitian ini masih menggunakan data sintetis, metode yang digunakan memiliki potensi untuk dikembangkan lebih lanjut dengan menggunakan data kesehatan yang nyata.

Ketidakseimbangan antara tingkat persediaan dan permintaan pasar dapat mengakibatkan kelebihan stok, meningkatnya biaya penyimpanan, dan meningkatnya risiko kerusakan produk. PT. Tridaya Sakti Medima, sebuah perusahaan distribusi farmasi yang berlokasi di Palembang, menghadapi tantangan serupa dalam mengelola persediaannya. Penelitian ini bertujuan untuk menganalisis pola pembelian dengan menerapkan teknik penambangan data menggunakan algoritma Apriori dan untuk merancang sistem rekomendasi produk yang mendukung pengambilan keputusan dalam pengendalian persediaan. Studi ini mengadopsi metodologi CRISP-DM (Cross Industry Standard Process for Data Mining), yang terdiri dari tahap pemahaman bisnis, persiapan data, pemodelan, evaluasi, dan penerapan. Data transaksional yang dianalisis terdiri dari catatan penjualan historis dari Januari hingga Desember 2024, dengan total 5.410 entri setelah proses pembersihan data. Analisis dilakukan menggunakan Python, sedangkan Streamlit digunakan untuk mengembangkan dasbor interaktif untuk visualisasi. Temuan menunjukkan bahwa algoritma Apriori berhasil mengidentifikasi aturan asosiasi antarproduk berdasarkan metrik dukungan dan kepercayaan. Nilai kepercayaan dan peningkatan tertinggi ditemukan pada kombinasi produk (ITR) PECTORIN SYRUP 120 ML @ 24 dan (ITR) ITRABAT SYR 100 ML @ 24 dengan rasio lift 16,43. Hasil ini disajikan melalui dasbor yang dirancang untuk membantu PT. Tridaya Sakti Medima dalam meningkatkan manajemen persediaan dan mengatasi masalah ketidakseimbangan stok.

Leprosy remains a significant public health concern in Indonesia. West Java Province, as one of the most populous regions, continues to report new leprosy cases annually. Understanding the distribution of these cases is crucial for disease monitoring and early identification of affected areas. This study aims to visualize the distribution of new leprosy cases in a dashboard by districts and cities in West Java during 2016–2024. Secondary data were obtained from the Portal Data Jawa Barat, which provides the number of new cases per district and city. The study employs descriptive analysis with a dashboard-based data visualization approach. The dashboard presents comparisons of case numbers, yearly trends, and the proportional contribution of each district/city in an interactive, easy-to-understand format. Results show that new leprosy cases vary across districts and cities and fluctuate over the observed period. Some regions consistently report higher case counts, resulting in differences in their contributions to the provincial total. The dashboard facilitates rapid monitoring of case distribution and provides stakeholders with a clear visual overview of leprosy in West Java. This study provides comprehensive visual information on leprosy distribution, supporting stakeholders in planning effective public health strategies

This study aims to improve students’ learning activities and learning outcomes in history learning through the implementation of a digital visual-based mind mapping method at SD Plus Asy-Syafi’iyah Nabire, Central Papua. This research employed a Classroom Action Research (CAR) approach conducted in two cycles, each consisting of planning, action, observation, and reflection stages. The research subjects consisted of 40 students. Data were collected through observation of students’ learning activities, learning achievement tests, and documentation. The data were analyzed using descriptive quantitative and qualitative techniques. The results indicated that the average score of students’ learning activities increased from 2.0 in the pre-cycle to 3.6 in the second cycle. In addition, the average learning achievement score increased from 62.4 in the pre-cycle to 83.6 in the second cycle, with classical mastery reaching 90%. These findings demonstrate that the digital visual-based mind mapping method is effective in improving students’ learning activities and learning outcomes in elementary school history learning.

Pengelolaan data penelitian pada Institusi XYZ menghasilkan data dalam jumlah besar dan bersifat historis, sehingga diperlukan sistem yang mampu mengolah dan menyajikan data secara efektif dan terintegrasi. Penelitian ini bertujuan untuk mengimplementasikan Business Intelligence(BI) menggunakan Power BI dalam pengolahan dan visualisasi data penelitian guna mendukung transparansi informasi, proses monitoring, serta pengambilan keputusan yang berbasis data. Metode penelitian meliputi analisis kebutuhan, perancangan model data, proses Extraction, Transformation, and Loading (ETL), serta pengembangan dashboard interaktif menggunakan Power BI tanpa mengubah struktur basis data inti. Hasil penelitian menunjukkan bahwa penerapan Power BI mampu mengintegrasikan data penelitian, pendanaan, luaran, dan data peneliti ke dalam visualisasi yang informatif dan mudah dipahami. Penelitian ini menghasilkan empat dashboard utama, yaitu dashboard proposal penelitian, dashboard pendanaan penelitian, dashboard luaran penelitian, dan dashboard data peneliti, yang dapat membantu pihak institusi dalam memantau dan mengevaluasi kinerja penelitian secara lebih efektif.

Perkembangan teknologi informasi yang semakin pesat turut meningkatkan potensi ancaman dan risiko yang dihadapi perusahaan, khususnya pada aktivitas produksi. Oleh karena itu, penerapan manajemen risiko yang efektif menjadi kebutuhan penting untuk melindungi aset perusahaan, menjaga keberlangsungan bisnis, serta mendukung pencapaian tujuan organisasi. Penelitian ini bertujuan untuk mengidentifikasi, menganalisis, dan mengevaluasi risiko pada divisi produksi PT Bangkit Laksana Jaya Ban (BANLAK) dengan menggunakan kerangka kerja ISO 31000:2018. Selain itu, penelitian ini juga merancang strategi mitigasi risiko serta mengembangkan dashboard manajemen risiko berbasis Microsoft Power BI sebagai media visualisasi data. Metode penelitian yang digunakan adalah metode kualitatif dengan teknik pengumpulan data melalui wawancara mendalam dengan pihak terkait dan observasi langsung di lapangan. Risiko yang telah diidentifikasi kemudian dianalisis menggunakan kriteria kemungkinan dan dampak sesuai dengan ISO 31000:2018 untuk menentukan tingkat dan prioritas risiko. Hasil evaluasi risiko tersebut selanjutnya digunakan sebagai dasar dalam penyusunan strategi mitigasi yang tepat. Dashboard Power BI dikembangkan untuk menampilkan profil risiko, hasil evaluasi, serta rekomendasi mitigasi guna mendukung pengambilan keputusan manajerial. Hasil penelitian menunjukkan bahwa terdapat beberapa risiko dengan tingkat sedang hingga tinggi yang berpengaruh signifikan terhadap kinerja produksi. Penerapan mitigasi risiko dan pemanfaatan dashboard diharapkan mampu meningkatkan efektivitas pengendalian risiko, efisiensi proses bisnis, serta mendorong perbaikan berkelanjutan. Penelitian ini diharapkan dapat memberikan kontribusi bagi pengembangan penerapan manajemen risiko berbasis ISO 31000:2018 khususnya pada industri vulkanisir ban.

The gap between academic curriculum content and modern industrial needs is often an obstacle for fresh graduates in the Information Technology field, particularly in the rapidly evolving Artificial Intelligence (AI) sector. This study aims to identify the relationship patterns among technical competencies (hard skills) most demanded by the global industry. The method employed is Association Rule Mining with the Apriori algorithm to discover association rules between skills, and Network Graph Analysis to visualize the topological map of these competencies. The research dataset covers 15,000 AI job vacancies from the 2024-2025 period, analyzed in depth using Support, Confidence, and Lift Ratio evaluation parameters to validate the strength of relationships between items. The results show that Python is the central competency with the highest frequency of occurrence. Strong association rules were found indicating that proficiency in TensorFlow has a high probability of requiring Python proficiency. The Network Graph visualization reveals three main competency clusters: Data Engineering Ecosystem, Deep Learning, and Infrastructure. These findings offer a strategic foundation for aligning curricula with the job market. Focusing on strengthening the identified competency clusters is expected to directly enhance the relevance and work readiness of graduates.

The rapid development of the sea transportation industry produces a massive and complex volume of transaction data, requiring strategic management to support managerial decision-making. This research aims to implement the Executive Information System on SeaPass in order to evaluate the performance of ship ticket sales. The research method uses data visualization with a two-level drill-down mechanism, which allows the presentation of information hierarchically from general summaries to specific details. The methodological stages include needs analysis, user interface (UI) design using Figma, front-end implementation with HTML, CSS, and JavaScript, database integration, and system testing through Black Box Testing. The results showed that the SIE implementation successfully integrated operational data, including schedules, ships, and manifests, into an interactive dashboard. The two-level drill-down feature provides the ability for executives to identify operational anomalies and market fluctuations in real-time. In conclusion, the system significantly enhances executive data analysis capabilities, transforming complex transaction data into accurate strategic information, thereby supporting more precise business decision-making and adaptive to the dynamics of the marine transportation market.

Tebing Tinggi City, which has a strategic position in North Sumatra, is experiencing changes in population growth that need to be predicted for development planning purposes. The purpose of this study is to forecast the population of Tebing Tinggi City in 2030 by applying the Double Integral method, and visualize the results in 3D using GeoGebra. The method used is a quantitative approach with a case study, where the population density function is created based on secondary data from the Central Statistics Agency (BPS) of Tebing Tinggi City for the period 2010 to 2024. Data on area and population per sub-district are used to develop a population growth model calculated using the double integral. The forecast results show that the population of Tebing Tinggi City is estimated to reach 26,038 people in 2030, with varying growth rates in each sub-district. 3D visualization through GeoGebra is able to depict the distribution of population density in an interactive geometric form, thus facilitating the understanding of complex mathematical concepts. The conclusion of this study is that double integrals can be applied effectively to predict population size, and GeoGebra serves as a very useful visual aid in presenting the results of multivariable calculus analysis.

Magnetic resonance imaging (MRI) provides rich anatomical contrast for brain tumor assessment, yet routine interpretation remains time-intensive and demands high precision. This work develops a pipeline for four-class brain MRI image classification (glioma, meningioma, pituitary tumor, and no tumor) by combining automated brain-region cropping, data augmentation, and transfer learning with EfficientNetB1. Experimental results demonstrate exceptional performance, achieving an overall accuracy of 0.99 (99%) on the test set. Specifically, the model reached an F1-score of 1.00 for the no tumor class, 0.99 for pituitary, and 0.98 for both glioma and meningioma classes. Beyond reporting numerical performance, the study utilizes Grad-CAM heatmaps to verify that predictions rely on clinically plausible regions rather than spurious background cues. These results indicate that an efficiency-oriented backbone, paired with systematic preprocessing, can achieve reliable and interpretable performance for brain tumor classification tasks.

The rapid development of the sea transportation industry produces a massive and complex volume of transaction data, requiring strategic management to support managerial decision-making. This research aims to implement the Executive Information System on SeaPass in order to evaluate the performance of ship ticket sales. The research method uses data visualization with a two-level drill-down mechanism, which allows the presentation of information hierarchically from general summaries to specific details. The methodological stages include needs analysis, user interface (UI) design using Figma, front-end implementation with HTML, CSS, and JavaScript, database integration, and system testing through Black Box Testing. The results showed that the SIE implementation successfully integrated operational data, including schedules, ships, and manifests, into an interactive dashboard. The two-level drill-down feature provides the ability for executives to identify operational anomalies and market fluctuations in real-time. In conclusion, the system significantly enhances executive data analysis capabilities, transforming complex transaction data into accurate strategic information, thereby supporting more precise business decision-making and adaptive to the dynamics of the marine transportation market.

This study aims to analyze the use of video media in visualizing Islamic values in the teaching of Aqidah and Akhlak at MA Al Manshuriyah Pagelaran. The study is grounded in the need for a more contextual, engaging, and relevant learning approach for the digital generation, particularly in delivering concepts such as monotheism, proper conduct, and social morality. A descriptive quantitative method was employed involving 24 students using questionnaires and classroom observations. The findings indicate that video media enhances student engagement, clarifies the understanding of abstract concepts, and fosters a more interactive learning atmosphere. The visualization of Islamic values through video enables students to comprehend commendable behavior more concretely and in relation to their daily experiences. The study implies that video-based learning is an effective strategy to strengthen value internalization in Aqidah and Akhlak teaching and is recommended for continuous integration into instructional practices.

The advancement of information technology has encouraged organizations to transform their data management practices, including those within the electrical power sector. PT PLN (Persero) UP3 Lubuk Pakam previously utilized Google Sheets to store and manage electrical energy loss data. However, this approach posed data security risks, as the files could be accessed and modified by unauthorized individuals. To overcome these limitations, this study developed a web-based information system specifically designed for the Electricity Energy Transaction Division (TEL) to replace Google Sheets as a platform for managing energy loss data. The proposed web application integrates a Role-Based Access Control (RBAC) mechanism, ensuring that only administrators are authorized to input, edit, or delete data, while other users can only view validated records. Furthermore, the system incorporates interactive data visualization through real-time charts, facilitating effective monitoring and analysis of electrical energy losses. The implementation of this system is expected to enhance data security, accuracy, and management efficiency within the TEL Division of PT PLN UP3 Lubuk Pakam.  

Penelitian ini bertujuan untuk menganalisis strategi promosi yang diterapkan oleh Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu (DPMPTSP) Provinsi Jawa Tengah dalam meningkatkan kepeminatan investasi. Pendekatan yang digunakan adalah kualitatif deskriptif dengan metode studi kasus, menggunakan teknik wawancara mendalam, observasi, dokumentasi, serta analisis data model Miles & Huberman. Untuk memperkuat temuan, digunakan kombinasi analisis SWOT dan model AIDA (Attention, Interest, Desire, Action). Hasil penelitian menunjukkan bahwa strategi promosi DPMPTSP berada dalam posisi strategi agresif (kuadran I SWOT) dengan pendekatan pertumbuhan selektif. Meskipun telah memanfaatkan media digital, infrastruktur, dan kemitraan strategis, terdapat sejumlah kelemahan seperti keterbatasan data lahan, rendahnya visualisasi konten promosi, serta kurangnya evaluasi efektivitas media. Penelitian ini merekomendasikan penguatan sistem informasi promosi berbasis data real-time, pengembangan konten multibahasa, serta sinergi lintas lembaga untuk meningkatkan daya saing investasi Jawa Tengah.

This study explores the development and implementation of an Augmented Reality (AR)-based learning medium to enhance students’ understanding of tajwid at Madrasah Aliyah. The background of this research stems from the limited effectiveness of conventional teaching methods and the relatively low interest of students in learning tajwid. AR-based learning was chosen because it provides a more interactive and contextualized learning experience that actively engages learners. The research employed a Research and Development (R&D) approach using the ADDIE model, which consists of analysis, design, development, implementation, and evaluation stages. The participants were Madrasah Aliyah students selected as the experimental group. The findings reveal that the AR learning medium significantly improves students’ comprehension of tajwid rules compared to traditional learning approaches. Moreover, students reported high levels of satisfaction, noting that the media was engaging, user-friendly, and capable of visualizing abstract tajwid rules in a clear and accessible manner. In conclusion, integrating AR technology into Islamic education, particularly tajwid learning, holds great potential to improve learning quality while fostering students’ motivation to explore the subject more deeply.

Infeksi Saluran Pernapasan Akut (ISPA) merupakan masalah kesehatan utama di Kabupaten Tegal, terutama menyerang anak-anak dan lansia, dengan 25.273 kasus tercatat pada Januari–Juni 2025. Faktor seperti kepadatan penduduk, polusi udara, dan sanitasi buruk mempersulit analisis konvensional dalam mengidentifikasi wilayah berisiko tinggi. Penelitian ini bertujuan mengembangkan Sistem Informasi Geografis (SIG) berbasis web untuk memetakan dan memantau kasus ISPA secara akurat menggunakan pendekatan spasial. Metode Waterfall digunakan dalam pengembangan sistem, meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Data spasial (koordinat lokasi) dan non-spasial (usia, jenis kelamin, jumlah kasus) dikumpulkan dari Dinas Kesehatan dan dianalisis menggunakan teknik kepadatan titik dan klaster untuk mengidentifikasi pola sebaran. Sistem ini dibangun dengan framework Laravel sebagai backend dan Leaflet.js untuk visualisasi peta interaktif. Hasilnya, SIG ini mampu memvisualisasikan sebaran kasus ISPA per kecamatan, mendukung Dinas Kesehatan dalam mengalokasikan sumber daya medis secara efisien dan mengidentifikasi wilayah prioritas seperti Dukuhwaru dan Tarub. Bagi masyarakat, sistem ini meningkatkan akses informasi digital, mendorong kesadaran pencegahan, dan mendukung edukasi kesehatan. Sistem ini terbukti efektif sebagai alat strategis untuk pengambilan keputusan berbasis data, mempercepat respons terhadap ISPA, dan menjadi fondasi untuk pengembangan SIG dalam memantau penyakit lain 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.

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.