There are so many companies nowadays, some are large companies and some are small companies. Every company certainly hopes to continue to exist in an era of intense competition. Without realizing it, technology is also experiencing rapid development too. The problem faced by companies is how to improve employee performance with current technology. The company realizes that employee performance is very important so that the company can compete with other companies. One way to improve company performance is by digitalizing the company. Steps that companies can take in implementing company digitalization are: creating a business website, carrying out digital marketing, implementing cloud computing, utilizing big data, implementing AI technology, and participating in digital training for their employees.

Penyakit Kardiovaskular (Cardiovascular Diseases) adalah faktor utama kematian global, dengan jumlah korban mencapai 17,9 juta jiwa setiap tahun atau sekitar 32% dari total kematian global (World Health Organization, 2021). Faktor risiko penyakit kardiovaskular diantaranya faktor usia, semakin bertambahnya usia seseorang, maka semakin tinggi risiko terkena penyakit kardiovaskular. Faktor lain yaitu memiliki riwayat penyakit kardiovaskular dalam keluarga, diabetes, tekanan darah tinggi, obesitas (kegemukan), Pola hidup tidak sehat, dan Stres. (Kemenkes RI, 2021). Masalah pada penelitian ini adalah bagaimana mengetahui model K-Nearest Neighbors (KNN) dengan baik melalui perhitungan accuracy, recall, precision, dan f1-score pada klasifikasi penyakit kardiovaskular. Tujuan penelitin ini adalah mengetahui kinerja K-Nearest Neighbors (KNN) dengan baik melalui perhitungan accuracy, recall, precision, dan f1-score pada klasifikasi penyakit kardiovaskular. Metode K-Nearest Neighbor (KNN) adalah salah satu metode klasifikasi yang memanfaatkan pola-pola data yang ada dalam dataset untuk mengklasifikasi kategori atau kelas dari suatu sampel yang belum diketahui. Hasil klasifikasi data pelatihan menunjukkan akurasi sebesar 85.49%, dengan precision 84,43%, recall 87,04%, dan f1-score 85,71%. Melalui uji coba menggunakan KNN, diperoleh hasil dengan akurasi sebesar 91% dan nilai presisi 90%, recall 93%, dan f1-score 92%. Kesimpulan dari penelitian ini adalah metode K-Nearest Neighbor (KNN) memiliki hasil yang baik untuk melakukan klasifikasi pada penyakit kardiovaskular yaitu akurasinya 91%.

Pembuatan model klasifikasi memerlukan beberapa hal yang penting untuk diperhatikan demi mendapatkan model yang memiliki performa terbaik. Indikator suatu model disebut baik dapat dilihat salah satunya dari tingginya nilai akurasi dan f1-score yang dihasilkan dari model tersebut. Rendahnya nilai loss juga merupakan salah satu indikator model tersebut memiliki performa yang baik. Untuk dapat membuat model yang baik, diperlukan beberapa syarat seperti arsitektur yang tepat dan data yang berkualitas. Pemilihan model yang terlalu sederhana akan mengakibatkan model memiliki performa yang buruk, begitupun jika model terlalu kompleks tidak akan menghasilkan performa yang baik pula, oleh karena itu model yang dipilih haruslah model yang tepat  dan sesuai dengan jenis data yang digunakan. Data yang berkualitas juga merupakan faktor penting agar model memiliki performa maksimal. Data dapat dikatakan berkualitas jika memenuhi syarat seperti jumlahnya cukup, distribusi datanya seimbang tiap kelas, memiliki keanekaragaman dan memiliki kebersihan yang baik.  Pada penelitian ini, dilakukan pembuatan model klasifikasi CT Kidney Stone dengan dataset yang imbalance. Dataset diperoleh dari sumber publik yaitu Kaggle. Pembuatan model menggunakan algoritma CNN karena CNN merupakan salah satu algoritma yang terbaik dalam membuat klasifikasi gambar. Pembuatan model menggunakan 3 cara untuk melihat model yang memiliki performa paling baik. Model pertama dibuat dengan data train yang imbalance. Model kedua dibuat dengan melakukan augmentasi data untuk menambah keragaman data. Model ketiga dibuat dengan SMOTE oversampling untuk menyeimbangkan distribusi data. Setelah itu ketiga model tersebut akan diuji dengan menggunakan data privat untuk melihat performa pengujian dan melihat tingkat overfitting yang terjadi. Penelitian ini menghasilkan bahwa model yang memiliki performa terbaik adalah model ketiga yang menggunakan SMOTE.

This research aims to analyze the impact of conversion of agricultural land to industry on food crop production in Cilegon. The research method used is qualitative by conducting case studies and field data analysis. The results of this research provide an in-depth understanding of the consequences of land conversion on food crop production in the area. It is hoped that these findings can provide input for sustainable management of agricultural and industrial land. So that farmers experience sustainable prosperity.

Penelitian ini bertujuan untuk mengeksplorasi fenomena pelecehan seksual dalam konteks pendidikan, khususnya pada sekolah Islam. Metode yang peneliti gunakan adalah library research, yang mana peneliti mengumpulkan dan menganalisis literatur yang relevan untuk mengidentifikasi faktor penyebab pelecehan seksual pada sekolah Islam, dampaknya terhadap korban, serta strategi untuk mencegah dan menanggulangi terjadinya pelecehan seksual di lingkungan sekolah Islam.  Hasil penelitian menunjukkan bahwa tidak ada penurunan yang signifikan terhadap kasus pelecehan seksual. Pelecehan seksual dapat menyebabkan trauma berat, depresi, bahkan tekad untuk bunuh diri dari korban. Sekolah-sekolah bahkan sekolah Islam sekalipun wajib menerapkan strategi atau program yang dapat mencegah timbulnya kasus pelecehaan seksual seperti melalui program seks edukasi yang mana sekolah memberikan pengetahuan kepada peserta didik untuk dapat mengetahui sejak dini tanda pelecehan seksual dan pelatihan asertif. Melalui program tersebut juga peserta didik diajarkan keterampilan membela diri ketika akan dilecehkan, sehingga program ini dapat membantu mencegah dan menanggulangi terjadinya kasus pelecehan seksual di sekolah Islam.

Fires in residential areas usually occur in densely populated areas. Rawa Buaya Village is a sub-district in West Jakarta City which has a fairly high population density and there is also a densely populated settlement located at RT.016/RW.04 with 445 families. This settlement experienced fire disasters five times in 2008, 2009, 2015, and twice in 2022. The aim of the research is to describe community preparedness to reduce the risk of fire as well as factors that support and inhibit community preparedness. This research uses descriptive methods through a qualitative approach. The results of the research show that 40% of the community knows that the cause of fires is due to human negligence, 81% have the desire to prevent fires, 76% have an agreement between the Head of the RT and the community, 74% have determined the evacuation location for victims, 67% do not know the evacuation route board, 91% have the desire to to help their relatives, 62% only knew that a fire simulation had been carried out once, 74% had no early warning system, and 60% had not prepared an emergency fund. So it was concluded that the community was sufficiently prepared to face fires by knowing the causes and things to prevent fires, having an agreement to prepare evacuation locations, helping relatives and participating in disaster simulations, but the vulnerability of the living environment was a factor that triggered fires.
 

As an important means of sea transportation for the distribution of goods and human mobility between islands, ships require a reliable prime mover to avoid wear or damage, especially when overspeeding occurs which can result in fire. Therefore, a prototype was created that uses an IR Obstacle sensor to monitor the RPM speed of the rotating engine. By using Arduino Uno as a processor, this prototype is able to display the RPM value on the LCD and provide a signal in the form of a green light if the speed is below 4000 Rpm, as well as a red light and buzzer sound if overspeed occurs above 4000 Rpm, followed by the engine turning off after 15 seconds. Testing shows that this prototype has a high level of accuracy, with a difference between 0.08% to 2.73% and an average difference of 1.003%.

Chinese Betel Plant (Paperomia pellucida) is an herbal plant that has benefits for treating diseases such as acne, ulcers, antidiabetic, antioxidant, anti-inflammatory, antimicrobial, and antibacterial. The content of bioactive compounds from Chinese betel include alkaloids, flavonoids, steroids, saponins, tannins, triterpenoids, and carbohydrates. The aim The purpose of this study was to determine the effect of steeping Chinese betel and  on reducing blood glucose levels in male mice. This method used is an experimental method at the Pharmacology Laboratory D3 Pharmacy FMIPA Bengkulu University. The test animals used were three groups, namely the positive control treatment group that received glibenclamide, the negative control treatment group received aquadest, and the 2% Chinese betel steeping treatment group. The results showed that Chinese betel curd was reduced from 125 mg/dl to 93 mg/dl and there was no hypoglycemic decrease in blood glucose due to glibenclamide. From the results of the study it can be concluded that the administration of Chinese betel and glibenclamide steeping is effective in lowering blood glucose levels in male mice.

Furniture raw materials are still a major challenge in the industry, in line with the wishes of consumers to get good quality raw materials and soaring export demand, so there is a need for a control process to monitor the value of products using forecasting. The purpose of this study was to predict gross domestic product in the furniture industry in Indonesia in 2022. This study used secondary data on the quarterly trend of gross domestic product in the furniture industry in Indonesia 2010-2021 taken from the research industry data processed by BPS and Bank Indonesia, The method used is Double Exponential Smoothing-Holt. The results of the calculation using the double exponential smoothing-holt method obtained a value of ? of 0.658 and ? of 0.008 where the forecasting results for the 2022 period, namely the 1 quarter of 7.602 billion rupiah, quarter 2 of 7.676 billion rupiah, quarter 3 of 7.749 billion rupiah, and quarter 4 of 7.822 billion rupiah. Where the MAPE value is 0.737% which means forecasting has very good results.

Malaria adalah penyakit menular yang disebabkan oleh plasmodium yang ditularkan melalui nyamuk Anopheles betina. Terdapat 4 jenis plasmodium malaria yaitu Plasmodium malariae, Plasmodium ovale, Plasmodium vivax dan Plasmodium falciperum. Pada tahun 2021 penyakit ini menyumbang hampir 80% dari seluruh kematian akibat malaria di Wilayah Afrika.  Parasit ini juga dominan di hotspot malaria lainnya, termasuk wilayah WHO di Asia Tenggara dan Asia Selatan, Mediterania Timur, dan Pasifik Barat, Amerika Tengah dan Amerika Selatan bagian utara. Tujuan dari penelitian ini yaitu mengetahui faktor risiko terjadinya malaria secara global. Metode penelitian ini menggunakan metode observasional dengan literature review dalam rangka mengidentifikasi faktor-faktor penyebab terjadinya kasus malaria secara global. Faktor resiko penyakit malaria dapat diklasifikasikan menjadi beberapa faktor seperti faktor Lingkungan tempat tinggal, Mobilitas manusia, Praktek pencegahan, Ekonomi, Gender dan usia.