Suling Sunda merupakan alat musik tiup tradisional yang memiliki berbagai jenis. Masing-masing jenis suling Sunda memiliki karakteristik suara yang berbeda-beda. Hal ini menghasilkan keindahan suara yang beragam, mulai dari suara yang lembut dan mendayu-dayu hingga suara yang ceria dan dinamis. Namun, mengenali jenis suling Sunda tidaklah mudah bagi sebagian orang. Oleh karena itu, diperlukan metode deteksi suara suling Sunda yang dapat dilakukan secara otomatis.Penelitian ini telah berhasil mengembangkan metode deteksi suara suling Sunda dengan metode KNN. Metode KNN dipilih karena lebih sederhana dan menghasilkan akurasi yang tinggi. Hasil penelitian menunjukkan bahwa model KNN dengan nilai k=5 memiliki akurasi sebesar 79,76% pada data uji. Akurasi ini meningkat menjadi 82,5% pada pengujian aplikasi. Penelitian ini memberikan kontribusi yang penting dalam pengembangan teknologi deteksi suara suling Sunda. Metode KNN yang dikembangkan terbukti dapat menghasilkan akurasi yang tinggi, sehingga dapat menjadi solusi untuk mengenali jenis suling Sunda secara otomatis. Implementasi model KNN pada smartphone Android juga dapat menjadi sarana untuk memperkenalkan teknologi kecerdasan buatan kepada generasi muda Indonesia. Aplikasi ini dapat digunakan untuk mendeteksi jenis suling Sunda secara langsung, sehingga dapat membantu generasi muda untuk lebih memahami keberagaman jenis-jenis suara suling Sunda.

Untuk memaham bagamana tokoh publk dpersepskan dan drespon oleh masyarakat d era meda sosial, analsis sentimen sangat berguna. Ini terutama berlaku karena popularitas tokoh publik meningkat di era meida sosial. Tujuan dari penelitian ini adalah untuk mengatasi masalah tersebut dan memberikan pemahaman yang bermanfaat tentang bagiamana masyarakat bertindak terhadap pemlhan presiden dan capres yang saat ini sangat diperdebatkan di medai sosial, serta bagiamana hal tu berdampak pada opn publk secara keseluruhan, khususnya d Twtter. Stud n bertujuan untuk mengkategorkan tweet emosonal ke dalam kategor postf atau negatf dengan menggunakan algortma pembagan terstruktur sepert Support Vector Machnes (SVM), Nave Bayes (NB), dan K-Nearest Neghbor. Hasl pengujan menunjukkan bahwa algortma NB memlk tngkat akuras 94,62% dan press 100%, mengalahkan SVM dan K-NN dalam menyelesakan kasus kepercayaan.

Keterbatasan sensorik yang melekat pada penyandang tunanetra menghalangi rutinitas mereka yang menyebabkan kesulitan dalam menjalankan aktivitas sehari-hari. Kurangnya teknologi pada alat bantu seperti tongkat yang menjadi kebutuhan para tunanetra menyebabkan kesulitan tunanetra menjalani aktivitas secara normal. Alat bantu yang mampu mengenali objek menjadi salah satu solusi untuk membantu para tunanetra. Dalam penelitian ini, dibangun sebuah sistem pengenalan objek menggunakan YOLO pada alat bantu tongkat tunanetra berbasis Raspberry Pi 4b. Sistem ini dibuat untuk membantu tunanetra mendapatkan informasi objek yang ada didepannya, sehingga tunanetra dapat menghindari objek tersebut karena menghalangi atau berpotensi mencelakai saat beraktivitas. Algoritma YOLO yang digunakan dalam penelitian ini adalah YOLOv4 dan YOLOv4-Tiny. Dataset yang digunakan memiliki 5 kelas objek yaitu kursi, meja, orang, pot tanaman, dan kulkas. Jumlah dataset yang digunakan untuk melatih model sebanyak 841 dataset yang dibagi menjadi 757 data latih dan 84 data uji. Pada pelatihan model yang dilakukan didapatkan hasil akurasi menggunakan mAP sebesar 99,74% untuk model YOLOv4 dan 67,78% untuk model YOLOv4-Tiny. Pada implementasi pengujian sistem pengenalan objek dengan jarak 1 hingga 3,5meter, didapatkan nilai akurasi sebesar 93,33% untuk model YOLOv4 dan 73,3% untuk model YOLOv4-Tiny.

Upaya melakukan analisis emosi pada teks komentar mahasiswa dalam evaluasi pembelajaran sangat penting dilakukan. Komentar dalam kuesener umumnya tidak diolah, padahal  data tersebut mengandung informasi dalam mengungkap emosi mahasiswa dalam proses pembelajaran.  Untuk itu deteksi dan klasifikasi emosi pada opini mahasiswa  dapat memperbaiki hasil kuesioner. Penelitian ini bertujuan menerapkan metode klasifikasi emosi pada teks komentar mahasiswa berbasis pada leksikon emosi  dari NRC Emolex.  Jenis emosi yang akan dideteksi adalah 8 jenis emosi, yaitu marah (Anger), antisipasi (anticipation), jijik (disgust), takut (fear), bahagia (joy), sedih (sadness), terkejut (surprise)   dan yakin (trust) . Data diambil dari komentar dan saran mahasiswa pada kuesioner pada Universitas  AKPRIND Indonesia tahun 2020-2022  sebanyak 4000 data yang telah dilabeli secara manual.   Tujuan lain dari studi ini adalah melihat sejauh mana efektivitas leksikon emosi Emolex untuk klasifikasi emosi teks kuesioner akademis. Hasil penelitian menunjukkan rata-rata akurasi sebesar 56,2%. Dari yang diketahui label emosinya 3 prosentase tertinggi ada pada label Sadness (19,2%), Joy(16,7%) dan Fear (13,5%) yang masing-masing memiliki akurasi 72%, 68% dan 68%. Dari penelitian terungkap bahwa kinerja Emolex untuk klasifikasi emosi masih kurang memuaskan dan memerlukan pengembangan leksikon lebih jauh lagi.   

Energi matahari sebagai sumber energi tak terbatas, memainkan peran penting sebagai sumber daya terbarukan. Keberlimpahan energi matahari, terutama di wilayah Indonesia, menjadikannya potensi besar untuk menghasilkan energi listrik melalui pemanfaatan panel surya. Sehingga pada penelitian ini perlu adanya sebuah perancangan sistem pemanfaatan energi matahari menggunakan panel surya dengan sistem tracking dual axis agar posisi panel surya selalu menghadap matahari dan juga untuk mengoptimalkan produksi daya pada panel surya. Dalam penelitian ini, digunakan metode Fuzzy Logic Mamdani sebagai sistem kendali untuk solar tracking yang akan diimplementasikan melalui mikrokontroler ESP32. Selain itu, hasil pemantauan (output monitoring) dapat ditampilkan pada Haiwel Cloud Scada dengan menggunakan protokol Modbus.

Serangan jantung adalah salah satu faktor utama dalam tingginya tingkat angkat penyebab kematian di seluruh dunia dan memerlukan prosedur diagnosa yang canggih sehingga dapat mengakibatkan peningkatan biaya yang signifikan. Memprediksi penyakit jantung merupakan tantangan utama dalam bidang kesehatan karena keterbatasan peralatan diagnosis penyakit ini. Prediksi penyakit jantung yang akurat sangat penting untuk mengobati pasien sebelum serangan jantung terjadi. Prediksi ini dapat dicapai dengan menggunakan model pembelajaran mesin (machine learning) yang optimal dengan data layanan kesehatan yang kaya (datasets) mengenai penyakit jantung. Namun, Permasalahan yang umumnya dihadapi oleh model prediksi penyakit jantung seperti data yang menyimpang secara ekstrim (outliers), data yang hilang, data yang tidak konsisten, dan data yang tercampur baik secara numerik maupun kategorikal. Data yang tidak konsisten menyebabkan kemungkinan kesalahan prediksi dan akan mempengaruhi hasil dari prediksi. Pada penelitian ini kami mencoba mengatasi masalah outlier pada dataset penyakit jantung menggunakan salah satu metode feature scaling yaitu robust scaler. Hasil Eksperimen dengan model klasifikasi algoritma K-Nearest Neighbors menggunakan metode scaling robust scaler memperoleh nilai lebih baik dibandingkan dengan tanpa robust scaler dengan nilai F1 score sebesar 0.86.

Sistem pakar dengan metode forward chaining dapat membantu dalam mendiagnosis Diabetes Mellitus dengan lebih cepat dan akurat. Dengan mengumpulkan gejala dan informasi dari pasien, sistem ini dapat memproses data. Dengan alasan-alasan ini, pengembangan sistem pakar untuk diagnosis Diabetes Mellitus menggunakan metode forward chaining memiliki potensi besar dalam meningkatkan kualitas pelayanan kesehatan serta mendorong deteksi dini dan pencegahan penyakit. Kesenjangan antara pasien dan dokter merupakan salah satu kesulitan yang dihadapi industri medis. Selain itu, sebagian besar masyarakat tidak terlatih dalam bidang kedokteran, jadi ketika mereka menyadari gejala suatu penyakit, mereka mungkin tidak tahu cara mengobatinya dengan tepat. Sangat disayangkan bahwa ketidaktahuan dapat menyebabkan gejala yang dapat diobati sejak dini berkembang menjadi penyakit yang lebih serius. Memperoleh pengetahuan ini tidaklah mudah, karena butuh waktu untuk memahaminya, dan sumber daya ini mungkin tidak sebaik dokter dalam mendiagnosis kondisi. Model Waterfall adalah metodologi pengembangan sistem yang digunakan. Mempertimbangkan pembicaraan yang telah dilakukan.

This study aims to gather sufficient information about the sexagesimal base 60 number system. This research method is a literature study that collects some previous studies to answer about the sexagesimal base 60 number system. The results of this research show that the sexagesimal or sixtieth number system is the same calculation as Babylonian people's astronomical calculations, in their use sexagesimals can be said to be easier to use than decimal numbers, and to this day the sexagesimal number system is still used in a modified form to measure time, angles, geographic coordinates, and is still used in the field of astronomy.

this research is motivated by the discovery of problems related to eWOM, hotel image and purchasing decisions. This type of quantitative research with a causal associative approach (cause and effect) using survey methods. The types of data used are primary and secondary data. The population in this study were guests who had stayed and were staying at Aston batam Hotel & Residence. The sample in the study totaled 120 guests with a sample determination technique, namely non probability sampling. Techniques for collecting data through a questionnaire (questionnaire) using a Likert scale that has been tested for validity and reliability. The data from this study were processed with the help of SPSS 18.00. The results of the study show that the eWOM variable is in the good category based on statistical calculations with an average TCR value of 81.5. The hotel image variable is in a good category based on statistical calculations with an average TCR value of 80.4. The Purchasing Decision variable is in the good category based on statistical calculations with an average TCR value of 80.84. At the eWOM (X1) value, Beta or Standardized Coefficient was achieved, namely 0.388 accompanied by T count (4.817) where significance was achieved 0.000 <0.05, so the eWOM variable (X1) contributed a positive and also significant influence on purchasing decisions (Y), then the hypothesis of hotel image research (X2) achieved Beta or Standardized Coefficient whose value was 0.536 accompanied by T count (6.654) where significance was achieved 0.000 <0.05, so the hotel image variable (X2) contributed a positive and also significant influence on purchasing decisions (Y). Next, the Adjusted R Square number whose value is 0.791 means that the contribution of the influence of the independent variable on the dependent variable is 79.1%, while the remaining 20.9% is influenced by other variables.

Implementation of the principles of the rule of law and Pancasila democracy in the context of protecting the rights of every human being in Indonesia. The values associated with Pancasila, in protecting one's rights, are very diverse. The first value of Pancasila, if it is related to the rights that every human being has, means affirming recognition of God the Creator. The second value is that humans have equal dignity and rights that must be respected by each other. The values of Pancasila must be put forward in order to unite the Indonesian nation, so that the Indonesian state becomes one united nation. The fourth principle, if related to the rights possessed by humans, emphasizes the importance of fair distribution of resources and opportunities, as well as being able to overcome all forms of injustice in society. Finally, the fifth principle is related to the rights possessed by every human being, meaning that the value of Pancasila places greater emphasis on the importance of democratic governance, by providing space for participation for citizens to be active in society.