Penciptaan budaya kolaboratif terhadap inovasi dalam suatu orgnisasi menjadi sangat penting saat ini. Budaya kolaboratif terhadap inovasi bukan hanya tentang bekerja sama secara fisik, tetapi juga tentang menciptakan lingkungan yang mendukung komunikasi terbuka, penghargaan terhadap ide baru, dan penerimaan terhadap risiko. Organisasi yang menganut budaya ini dapat menciptakan nilai tambah yang signifikan dan berkembang di lingkungan yang terus berubah. Penelitian ini bertujuan melakukan analisis konten terhadap sejumlah artikel ilmiah bereputasi berbasis Grounded Theory dengan menggunakan Text Mining yang melibatkan penggunaan teknik pengkodean untuk mengklasifikasikan informasi dan mengidentifikasi kategori atau kode tertentu yang mewakili elemen-elemen tertentu dalam teks. Hasil analisis berupa suatu model jaringan konsep yang menghubungkan elemen-elemen yang mempengaruhi budaya kolaboratif terhadap inovasi, seperti Openness, Diversity, Shared Goals, Trust, Teamwork, Support, dan Use of Technology. Model ini digunakan organisasi untuk menciptakan budaya kolaboratif terhadap inovasi di lingkungannya atau dapat dipakai penelitian selanjutnya untuk menguji modelnya menggunakan uji statistik.

This research explains the application of sending data from various sensor nodes using the master-slave method in Long Range (LoRa) communication. This system was created to increase efficiency and reliability in collecting sensor data spread across several locations. Sensor nodes function as slaves that collect and send data to the master. The master then processes and combines the data before sending it to a central server. Experimental results show that this method is successful in reducing latency and increasing data transmission speed and shows great potential for Internet of Things (IoT) applications that require wide communication range and low power consumption.

Prediksi korelasi feature audio terhadap lagu yang populer di TikTok merupakan hal penting dalam industri musik. Dengan bekal data yang memiliki beberapa feature audio maka dilakukan penelitian menggunakan metode Linear Regression (LR), Random Forest Regression (RFR), dan Multilayer Perceptron Regression (MLP Regression) untuk membandingkan model yang dapat memprediksi popularitas secara efektif dan feature yang mempengaruhi popularitas lagu di TikTok. Selain itu dilakukan juga Exploratory Data Analysis (EDA) untuk mendapatkan insight data. Hasil dari proses EDA yaitu popularitas lagu terbanyak berada pada range 40-80, durasi lagu antara 2-3 menit, feature loudness berkorelasi positif dengan energy, demikian juga antara artist_pop dan track_pop. Set feature importance pada model LR dan RFR untuk feature target track_pop adalah artist_pop, loudness, dan duration_ms. Metode LR memiliki hasil terbaik untuk dataset yang dipakai, dengan MSE sebesar 0.0313, RMSE sebesar 0.177, dan MAE sebesar 0.118.

Penelitian ini bertujuan untuk mengetahui pendapat masyarakat mengenai pemindahan ibukota. Pro kontra yang disampaikan oleh masyarakat penting karena dapat menjadi masukan yang membangun bagi pemerintah. Aplikasi yang digunakan untuk mendukung proses penelitian tersebut adalah Orange dan Twitter. Data yang didapat harus melewati beberapa proses seperti preprocess text, sentiment analysis, dan pengujian algoritma untuk memastikan akurasi data sebelum pembuatan pohon keputusan. Penelitian ini menggunakan Random Forest dan Logistic Regression sebagai model penelitian. Hasil yang didapat adalah Random Forest memiliki nilai akurasi lebih tinggi dibanding Logistic Regression dan dianggap waktu tidak mempengaruhi klasifikasi. Hasil pohon keputusan lebih banyak masyarakat yang memilih berpendapat netral terhadap program ini. Masyarakat lebih memilih mempercayakan semua kepada pemerintah, karena pemerintah pasti sudah memikirkan dampak positif atau negatifnya dalam jangka panjang.