Indonesia semakin gencar melakukan persiapan transformasi digital dalam berbagai sektor, termasuk dalam bidang pendidikan. Salah satu upaya yang dilakukan pemerintah adalah dengan mengimplementasikan platform e-learning dalam kegiatan belajar mengajar hingga ke jenjang taman kanak-kanak. Metode pembelajaran visual pada taman kanak-kanak dapat diimplementasikan ke dalam e-learning yang lebih interaktif dan menarik dengan sistem Visual Question Answering (VQA). Sistem VQA dapat memberikan pertanyaan terkait dengan gambar yang ditampilkan dan mengecek kesesuaian jawaban dari siswa secara otomatis. Pada penelitian ini dibangun sistem VQA yang dapat menerima pertanyaan berbahasa Indonesia dan mengoreksi jawaban dalam bahasa Indonesia. Sistem dibangun dengan menggunakan model Bootstrapping Language-Image Pre-training (BLIP) untuk VQA dan model No Language Left Behind (NLLB) untuk penerjemahan. Uji coba dilakukan pada enam jenis jawaban yaitu ya/tidak, kata benda, kata kerja, kata sifat, kata keterangan, dan numeral. Hasil pengujian menunjukkan bahwa sistem dapat menjawab dengan nilai ketepatan 100 untuk jawaban ya/tidak, kata benda, kata kerja, dan numeral. Sementara untuk kata sifat dan kata keterangan masing-masing memiliki nilai ketepatan 62,5 dan 87,5.

Academic help-seeking (pencarian bantuan pembelajaran) dan career adaptability (kemampuan beradaptasi dalam karier) adalah dua faktor penting yang mempengaruhi keberhasilan seseorang dalam mencapai tujuan karier. Academic help-seeking dapat membantu individu dalam memperoleh informasi dan dukungan dari orang lain dalam mengatasi masalah pembelajaran. Sementara itu, career adaptability memungkinkan individu untuk mengatasi perubahan dan tantangan dalam karier dengan lebih baik, dengan demikian kedua faktor tersebut memungkinkan untuk membentuk pola yang dapat diteliti. Namun demikian, saat ini belum banyak penelitian yang memperhatikan hubungan antara kedua faktor tersebut. Penelitian bertujuan mengembangkan pola Academic help-seeking dan Career adaptability. Academic help-seeking sebagai variabel masukan dan career adaptability sebagai variabel keluaran, masing-masing menjadi variabel untuk dijadikan model jaringan syaraf tiruan. Penelitian menggunakan model algoritma jaringan syaraf tiruan. Model penelitian bermanfaat memprediksi kemampuan beradaptasi dalam karier seseorang dengan melihat perilaku help-seeking dalam pembelajaran.

Program Teknik Informatika merupakan salah satu jurusan pada Fakultas Teknik Universitas Nusa Nipa di Kota Maumere, Provinsi Nusa Tenggara Timur. Penggunaan internet saat ini memiliki mobilitas yang sangat tinggi, baik untuk menelusuri informasi, mengunduh informasi, atau menggunakan fungsi internet lainnya. Oleh karena itu diperlukan manajemen bandwidth untuk mengatur setiap bit data yang lewat agar bandwidth merata melalui metode PCQ (Peer Connection Queue) yang diterapkan di MikroTik. Pada penelitian ini dilakukan analisis QoS (Quality Of Service) dari segi throughput, delay, jitter dan packet loss menggunakan metode Peer Connection Queue (PCQ) untuk mengoptimalkan bandwidth internet. Hasil penelitian ini menunjukkan bahwa kualitas jaringan dengan metode PCQ lebih optimal karena bandwidth yang didistribusikan sesuai aturan dalam manajemen bandwidth, dan tidak membuat pengguna bersaing untuk mendapatkan bandwidth.

Smarthome adalah sebuah sistem yang telah direncanakan dan dikembangkan dengan tujuan menyederhanakan beragam proses yang terjadi di dalam rumah. Dalam konteks ini, salah satu aspek utama yang diterapkan di rumah pintar adalah pemantauan pencahayaan ruangan. Pencahayaan merupakan faktor kunci dalam kenyamanan dan fungsionalitas kehidupan sehari-hari. Oleh karena itu, peran lampu dalam lingkungan rumah sangat dibutuhkan. Seringkali penghuni rumah cenderung lalai dalam mematikan lampu ketika tidak digunakan, hal ini dapat menyebabkan peningkatan konsumsi energi yang tidak efisien dan pemborosan sumber daya. Untuk mengatasi masalah ini, dibutuhkan teknologi yang mampu memantau dan mengendalikan pencahayaan secara otomatis. Pada penelitian ini, sebuah sistem pemantauan dan klasifikasi kondisi lampu dikembangkan dengan menerapkan metode naïve bayes. Dataset yang digunakan dalam penelitian ini terdiri dari 672 data latih dan 168 data uji. Pengujian dilakukan, dengan confusionmatrix, menghasilkan tingkat accuracy sebesar 98.71%, precision sebesar 98.16%, recall sebesar 98.42%, dan F-1 score sevesar 98.29%. Hasil penelitian ini menunjukkan bahwa metode naïve bayes sangat efektif dalam sistem pemantauan dan klasifikasi kondisi lampu lampu pada ruangan.

Berita online berasal dari berbagai sumber portal berita yang tersedia secara luas di dunia maya. Namun, berita online yang melimpah dapat mengesampingkan detail dan keakuratan berita karena tujuannya untuk memberikan informasi terkini sebanyak mungkin. Ketersediaan berita online di internet dapat menyebabkan penerimaan informasi yang berlebihan, memberikan pemahaman yang kurang jelas mengenai substansi berita tersebut. Oleh karena itu, penting untuk menemukan representasi dokumen berita online guna memahami inti dari berita tersebut. Penelitian ini fokus pada menghasilkan ringkasan berita online multi dokumen dari ekstraksi fitur dan proses klasifikasi menggunakan support vector machine. penelitian ini mengklasifikan berita multi dokumen menggunakan ekstraksi fitur Sentence Scoring dan SVM. Sentence Scoring digunakan untuk input pada metode SVM agar dapat melakukan proses klasifikasi untuk menentukan hasil ringkasan. Hasil pengujian menunjukkan bahwa Fold 3 memberikan hasil terbaik, dengan rata-rata Recall 0.946, Presisi 0.487, dan F-Measure 0.634. ROUGE-1 juga mencapai nilai tertinggi pada Fold 3, yaitu 0.946. Faktor kunci dalam hasil peringkasan adalah proses ekstraksi fitur menggunakan Sentence Scoring dan pelatihan data dengan SVM. Fitur seperti data numerik dan kemiripan antar kalimat berpengaruh signifikan terhadap hasil akhir dari peringkasan.

Pengunaan teknologi informasi berupa penggunaan internet di Indonesia terus mengalami peningkatan sejak 2 dekade terakhir hingga 73,24% atau 202 juta jiwa dari 275.77 juta jiwa penduduk Indonesia. Penggunaan teknologi tersebut tidak lepas dari sebuah ancaman pengambilan informasi secara ilegal. Tingkat kejahatan cyber berjenis malware mencapai 14.235 serangan hingga bulan april 2023. Pada penelitian ini dilakukan pembuatan malware trojan menggunakan metasploit framework dengan memanfaatkan fungsi msfvenom dan Fully Undetected (FUD) Trojan menggunakan bahasa pemrograman python. Selanjutnya dilakukan pengujian source code FUD Trojan, pengujian keterdeteksian virus melalui virustotal.com. adapun hasil pengujian menunjukkan bahwa keterdeteksian virus paling sedikit yaitu 11 antivirus pada FUD Trojan pada file music.exe, sedangkan keterdeteksian antivirus paling banyak ada pada payload windows.dll sebanyak 56 antivirus. Sedangkan payload.js dan undangan.apk masing masing keterdeteksiannya sebanyak 35 dan 26 antivirus. (FUD) trojan yang memiliki payload FUD malware perlu diwaspadai dikarenakan tidak banyak antivirus yang mendeteksi jenis payload tersebut. jenis virus yang mampu mendeteksi malware tersebut adalah avira dan avg yang secara konsisten mampu mendeteksi 4 malware tersebut

Bandar udara menjadi elemen infrastruktur yang memiliki peran signifikan dalam perjalanan udara. Manajemen bandara yang kurang baik dapat menyebabkan berbagai permasalahan, salah satunya adalah fluktuasi penumpang pada tiap tahun yang menimbulkan kerugian jika tidak sesuai dengan perencanaan dan operasional bandara. Dengan permasalahan yang ada, penelitian ini dilakukan dengan tujuan untuk melakukan prediksi jumlah penumpang pada Bandara Soekarno-Hatta untuk mengetahui perencanaan dan manajemen bandara yang lebih baik pada beberapa periode waktu kedepan. Metode Holt-Winters dan Deseasonalized digunakan untuk melakukan prediksi jumlah penumpang. Berdasarkan pengujian yang telah dilakukan menggunakan data jumlah penumpang Bandara Soekarno-Hatta tahun 2015-2022 yang berasal dari BPS, didapatkan hasil prediksi menggunakan Metode Holt-Winters lebih akurat dengan nilai RMSE sebesar 224.215,83 yang lebih kecil dibandingkan Metode Deseasonalized dengan nilai RMSE sebesar 416.078,74. Hasil tersebut menunjukkan bahwa metode Holt-Winters lebih cocok digunakan untuk memprediksi jumlah penumpang Bandara Soekarno-Hatta dengan kesalahan prediksi yang lebih rendah dan dapat berjalan dengan baik dengan data yang memiliki fluktuasi tinggi.

Studying the Qur'an is a pivotal act of worship in Islam, which necessitates a structured understanding of its verses to facilitate learning and referencing. Reflecting this complexity, each Quranic verse is rich with unique thematic elements and can be classified into a range of distinct categories. This study explores the enhancement of a multi-label classification model through the integration of FastText. Employing a CNN+Bi-LSTM architecture, the research undertakes the classification of Quranic translations across categories such as Tauhid, Ibadah, Akhlak, and Sejarah. Based on model evaluation using F1-Score, it shows significant differences between the CNN+Bi-LSTM model without FastText, with the highest result being 68.70% in the 80:20 testing configuration. Conversely, the CNN+Bi-LSTM+FastText model, combining embedding size and epoch parameters, achieves a result of 73.30% with an embedding size of 200, epoch of 100, and a 90:10 testing configuration. These findings underscore the significant impact of FastText on model optimization, with an enhancement margin of 4.6% over the base model.

Salah satu permasalahan kesehatan yang sering ditemui di banyak negara termasuk Indonesia adalah stunting. Stunting telah mendapat banyak perhatian di Indonesia, terlihat dari alokasi APBN masing-masing sebesar Rp48,3 triliun dan Rp49,4 triliun pada tahun 2022 dan 2023 untuk bidang ini. Pada tahun 2022, Kementerian Kesehatan merilis temuan dari Survei Status Gizi Indonesia (SSGI) yang menyatakan bahwa angka stunting di Indonesia mencapai 21,6% pada saat Rapat Kerja Nasional BKKBN pada 25 Januari 2023.Hal ini menunjukkan pentingnya untuk mengerti pemahaman mendalam tentang faktor-faktor yang mengidentifikasi anak-anak berisiko tinggi terkena stunting. Banyak penelitian sebelumnya yang membahas faktor resiko stunting, namun masih sedikit penerapannya dalam metode machine learning, dalam data yang kompleks dan tidak seimbang.Penelitian ini mengevaluasi kinerja dari berbagai metode machine learning yang bertujuan dapat memberikan kontribusi penting dalam bidang kesehatan anak dan analisis data. Diantara metode machine learning yang dipilih metode Bagging Decision Tree mendapatkan nilai accuracy yang terbaik sebesar 78,93%, precision 78% dan recall sebesar 77,99%. Dalam penelitian ini menunjukkan bahwa metode ensemble learning mampu bekerja dengan baik dalam atribut multiclass dan data yang tidak seimbang pada dataset pertumbuhan balita.

Rice plays a vital role as the main food source for almost half of the global population, contributing more than 21% of the total calories humans need. Production predictions are important for determining import-export policies. This research proposes the XGBoost method to predict rice harvests globally using FAO and World Bank datasets. Feature analysis, removal of duplicate data, and parameter tuning were carried out to support the performance of the XGBoost method. The results showed excellent performance based on which reached 0.99. Evaluation of model performance using metrics such as MSE, and MAE measured by k-fold validation show that XGBoost has a high ability to predict crop yields accurately compared to other regression methods such as Random Forest (RF), Gradient Boost (GB), Bagging Regressor (BR) and K-Nearest Neighbor (KNN). Apart from that, an ablation study was also carried out by comparing the performance of each model with various features and state-of-the-art. The results prove the superiority of the proposed XGBoost method. Where results are consistent, and performance is better, this model can effectively support agricultural sustainability, especially rice production.