Data mining membantu mengungkap informasi penting dari data besar untuk mendukung keputusan bisnis. Data mining dengan metode Apriori untuk memprediksi penjualan sembako memiliki tingkat akurasi  yang cukup dalam menyelesaikan masalah.. Metode Apriori digunakan untuk menemukan pola produk yang sering dibeli bersama dalam transaksi penjualan sembako di sebuah supermarket. Hasil analisis memberikan wawasan tentang kombinasi produk yang sering dibeli bersamaan, sehingga membantu perencanaan strategi penjualan yang lebih efektif. Apriori terbukti mampu mengidentifikasi aturan asosiasi yang signifikan dan berguna untuk memprediksi pola pembelian di masa depan dan meningkatkan penjualan.

Penyakit paru-paru, seperti pneumonia dan kanker paru-paru, menjadi masalah kesehatan global dengan tingkat kematian tinggi, terutama dipengaruhi oleh polusi udara, infeksi, dan kebiasaan merokok. Pencegahan dan deteksi dini sangat penting dalam mengurangi dampaknya. Algoritma yang digunakan dalam penelitian ini meliputi Random Forest, XGBoost, dan Logistic Regression. Tujuannya yaitu untuk membandingkan performa tiga algoritma machine learning dalam mengklasifikasikan penyakit paru-paru menggunakan metrik evaluasi seperti, akurasi, presisi, recall, dan F1-score.  Setelah hyperparameter tuning, XGBoost menunjukkan hasil terbaik dengan akurasi 94,44%, presisi 94,98%, recall 94,44%, dan F1-score 94,41%, menunjukkan keseimbangan optimal antara presisi dan recall. Random Forest juga memberikan hasil yang sebanding dengan XGBoost dengan akurasi dan presisi yang tinggi. Sementara itu, Logistic Regression menunjukkan keterbatasan dalam menangani data yang kompleks, dengan performa yang lebih rendah pada seluruh metrik evaluasi. Penelitian ini menunjukkan bahwa algoritma berbasis pohon keputusan seperti XGBoost dan Random Forest lebih unggul untuk klasifikasi penyakit paru-paru, menjadikannya metode yang lebih andal untuk mendukung deteksi dini penyakit ini.
 
Kata kunci: Hyperparameter Tuning, Logistic Regression, Penyakit Paru-paru, Random Forest, XGBoost.

Financial management is an important aspect of a community organization. Good and accurate financial management will help a community organization to understand the financial situation within the organization. The implementation of Community Service aims to provide socialization to enhance financial management knowledge among the RT 02 RW 11 administrators in Ciputat, South Tangerang. Neighbourhood 02 Neighbourhood Head 11 in the Ciputat subdistrict oversees 588 family heads (KK) within its administration and manages its finances independently without specific regulations from the government. The absence of established regulations makes the RT administrators less understanding of how to record and manage finances using good accounting methods. The method used in this community service is socialization regarding financial management in organizations. The result of this service is that Neighborhood Association 02 understands how to manage finances properly according to accounting methods.

Dalam Keputusan Penggunaan, Turbo Marketing  menjadi sebuah alasan utama dalam menetukan keputusan untuk menggunakan suatu layananan, Tujuan penelitian ini untuk mengetahui pengaruh Turbo Marketing  terhadap keputusan Penggunaan Grab food di kota bima, Jenis penelitian yaitu Asosiatif, Instrumen penelitian menggunakan kuesioner dengan skala likert. Populasi yang digunakan dalam penelitian ini yaitu seluruh konsumen yang pernah mengunakan layanan grab food  yang jumlahnya tidak diketahui pasti (Unknown Population) jumlah sampel yang digunakan dalam penelitian ini sebanyak 50 responden dengan teknik pengambilan sampel yaitu purposive sampling. Teknik pengumpulan data dengan observasi, kuesioner, dan study pustaka. Teknik Analisa data dengan melakukan uji validitas, uji reliabilitas, uji regresi linear sederhana, koefisien korelasi, uji determinasi,dan uji t Hasil penelitian ini menunjukan bahwa Turbo Marketing berpengaruh secara signifikan terhadap keputusan penggunaan Grab food di kota bima

Pemodelan gedung tahan gempa yang sangat umum digunakan ialah pemodelan dua tahap yaitu pemodelan terpisah antara struktur atas yang didesain fleksibel dengan struktur bawah yang didesain dengan jepit atau kaku. Pemodelan ini sangat praktis karena menganggap struktur berada diatas perletakan yang kaku dengan cara mengabaikan perilaku tanah yang fleksibel. Pada aktualnya struktur bertumpu pada tanah yang bersifat fleksibel dan dapat berdeformasi. Metode lain yang dapat digunakan agar mendekati kondisi aktual ialah dengan cara memodelkan struktur secara lengkap tanpa pemisahan struktur atas dan struktur bawah dengan mengikutsertakan interaksi tanah-struktur. Pemodelan ini menggunakan jenis tumpuan spring untuk merepresentasikan fleksibilitas tanah. Spring ini memiliki nilai yang besarnya tergantung dari daya dukung ultimate dari pondasi gedung tersebut. Pada penelitian ini suatu gedung 6 lantai dengan menggunakan struktur beton bertulang dianalisis dengan pemodelan tumpuan jepit dan tumpuan spring dengan prosedur analisis yang sama yaitu prosedur linear dinamis respon spektra. Karena menggunakan analisis prosedur yang sama, maka hasil dari analisis kedua pemodelan tersebut dapat dibandingkan. Adapun parameter yang akan dibandingkan yaitu periode fundamental struktur, gaya geser dasar, gaya geser per lantai, dan simpangan antar tingkat. Hasil dari penelitian ini membuktikan bahwa hasil desain dari pemodelan dengan tumpuan spring lebih ekonomis daripada hasil pemodelan dengan tumpuan jepit.

This study aims to analyze how Social Media Marketing (SMM) influences Brand Awareness, Brand Image, Customer Engagement, and Purchase Decision. Using Signal Processing and Information Processing theories, this research identifies gaps in the literature regarding the relationship between SMM, Brand Awareness, Brand Image, Customer Engagement, and Purchase Decision. This research employs a quantitative approach with a survey method to collect data from 105 respondents. The sampling technique used is purposive sampling, which means selecting samples based on specific criteria relevant to the research. The criteria used are consumers who have seen or interacted with SilverQueen's social media marketing content. The collected data was analyzed using Smart PLS (Partial Least Squares) to test the structural model and measurement model. This study shows that Social Media Marketing plays a crucial role in enhancing Brand Awareness, Brand Image, Customer Engagement, and Purchase Decision for SilverQueen chocolate. The findings underscore the importance of effective social media marketing strategies for achieving better business outcomes.

This research aims to optimize the growth of red radish microgreens through an automation system that integrates irri-gation, lighting, and temperature adjustment based on the Internet of Things (IoT). The research method involves the use of WS2812B LED strips as the lighting source for photosynthesis, soil moisture sensors to control irrigation, and DHT22 tem-perature sensors to adjust the ideal environmental temperature. Data collection combines relevant literature data with direct observations during the red radish microgreen planting process. Data analysis is conducted through descriptive approaches to understand the growth patterns of microgreen plants and correlation analysis to identify relationships be-tween various growth parameters. Additionally, the IoT system's response to changes in environmental conditions is ana-lyzed to evaluate the system's effectiveness in regulating lighting, irrigation, and temperature. The research findings indi-cate that the IoT-based automation system effectively enhances the growth and quality of red radish microgreens. The au-tomatic implementation of LEDs improves photosynthesis rates, while efficient irrigation systems ensure plants receive adequate water. The temperature automation system maintains optimal growth conditions and reduces the risk of thermal stress. Integrating this system into a website platform also enables remote control and monitoring. This automation system not only increases plant productivity and quality but also reduces maintenance costs and time, demonstrating the signifi-cant potential of IoT technology in modern agriculture.

Keywords: Automation System, Growth, Internet of Things, Microgreen, Red Radish.

ABSTRAK

Penelitian ini bertujuan untuk mengoptimalkan pertumbuhan microgreen red radish melalui sistem otomatisasi yang mengintegrasikan penyiraman, penyinaran, dan penyesuaian suhu berbasis Internet of Things (IoT). Metode penelitian melibatkan penggunaan LED strip WS2812B sebagai sumber pencahayaan untuk fotosintesis, sensor kelembaban tanah untuk mengontrol penyiraman, dan sensor suhu DHT22 untuk menyesuaikan suhu lingkungan yang ideal. Pengumpulan data dalam penelitian menggabungkan data literatur yang relevan serta pengamatan langsung selama proses penanaman microgreen red radish. Analisis data dilakukan melalui pendekatan deskriptif untuk memahami pola pertumbuhan tana-man microgreen dan analisis korelasi untuk mengidentifikasi hubungan antara berbagai parameter pertumbuhan. Selain itu, respons sistem IoT terhadap perubahan kondisi lingkungan dianalisis untuk mengevaluasi efektivitas sistem dalam mengatur pencahayaan, penyiraman, dan suhu. Hasil penelitian menunjukkan bahwa sistem otomatisasi berbasis IoT efektif dalam meningkatkan pertumbuhan dan kualitas microgreen red radish. Penerapan LED secara otomatis meningkatkan laju fotosintesis, sementara sistem penyiraman efisien memastikan tanaman mendapatkan air yang tepat. Sistem otomatisasi suhu menjaga lingkungan pertumbuhan optimal dan mengurangi risiko stres termal. Integrasi sistem ini dalam platform website juga memungkinkan kontrol dan pemantauan secara remote. Sistem otomatisasi ini tidak hanya meningkatkan produktivitas dan kualitas tanaman, tetapi juga mengurangi biaya dan waktu pemeliharaan, menunjukkan potensi besar teknologi IoT dalam pertanian modern.

The rapid growth in vehicle ownership has led to increased traffic congestion, making the need for autonomous driving solutions more urgent. Autonomous Vehicles (AVs) offer a promising solution to improve road safety and reduce traffic accidents by adapting to various driving conditions without human intervention. This research focuses on implementing Deep Q-Network (DQN) to enhance AV performance in different driving modes: safe, normal, and aggressive. DQN was selected for its ability to handle complex, dynamic environments through experience replay, asynchronous training, and epsilon-greedy exploration. We designed a simulation environment using the Highway-env platform and evaluated the DQN model under varying traffic densities. The performance of the AV was assessed based on two key metrics: success rate and total reward. Our findings show that the DQN model achieved a success rate of 90.75%, 94.625%, and 95.875% in safe, normal, and aggressive modes, respectively. Although the success rate increased with traffic intensity, the total reward remained lower in aggressive driving scenarios, indicating room for optimization in decision-making processes under highly dynamic conditions. This study demonstrates that DQN can adapt effectively to different driving needs, but further optimization is needed to enhance performance in more challenging environments. Future work will focus on improving the DQN algorithm to maximize both success rate and reward in high-traffic scenarios and testing the model in more diverse and complex environments.

Coffee is a drink that has deep meaning in the Islamic world, covering spiritual, health and social aspects. This study method uses a literature approach by collecting and analyzing the latest research regarding the role of coffee in the context of the sunnah, health benefits and social traditions among Muslims. The study results show that coffee is not only considered a halal drink and beneficial for health, but also as a symbol of brotherhood and strong cultural identity, strengthening social relations in various Muslim communities around the world.

This study aims to determine the extent of the influence of PAK teacher guidance on the interest in learning Christian Religious Education and Character Education of class X students of SMK Negeri 1 Sigumpar in the 2024/2025 Academic Year. With the hypothesis that there is a positive influence of PAK teacher guidance on the interest in learning Christian Religious Education and Character Education of class X students of SMK Negeri 1 Sigumpar in the 2024/2025 Academic Year. Using a descriptive quantitative research method. The population of all students of class X SMK Negeri 1 Sigumpar in the 2024/2025 Academic Year who are Protestant Christians is 50 people. This study is a population study. The research instrument is a closed questionnaire. The results of data analysis obtained: a) The rcount value = 0.871 indicates a positive relationship and a very strong level of relationship in the interval 0.800 - 1.00 between PAK teacher guidance and students' interest in learning Christian Religious Education and Character Education. b) The determination test found that the influence was 75.86%. The study concluded that there was a positive influence of PAK teacher guidance on the interest in learning Christian Religious Education and Character Education of class X students of SMK Negeri 1 Sigumpar in the 2024/2025 Academic Year.