Evaluasi reaksi atau evaluasi kepuasan merupakan bentuk evaluasi paling umum digunakan dalam pelatihan karena kemudahan dan sifatnya yang lekat dengan pelatihan. Meskipun mengandung wawasan yang dapat bernilai dalam peningkatan kualitas penyelenggaraan pelatihan, namun penelitian terkait reaksi peserta masih sangat terbatas. Penelitian ini bertujuan melakukan analisis sentiment terhadap evaluasi reaksi peserta e-learning menggunakan algoritma Naïve Bayes, Support Vector Machine dan Deep Learning. Reaksi peserta berupa komentar diklasifikasikan ke dalam kategori apresiasi, saran dan kritik. Hasil penelitian menunjukkan model Naïve Bayes memiliki kinerja yang lebih baik dibandingkan SVM dan Deep Learning dalam prediksi sentimen komentar peserta dengan tingkat akurasi, presisi dan recall masing-masing sebesar 82,54%, 68,08% dan 69,81%. Prediksi sentiment reaksi peserta menggunakan model Naïve Bayes diperoleh hasil 70% berupa apresiasi, 16% berupa saran dan 14% merupakan kritik. Penelitian ini memberikan kontribusi praktis analisis evaluasi reaksi pelatihan dan menambah literatur implementasi text mining pada domain human resource analytics. 

Perkembangan era digital ini tidak lepas juga pada televisi, di mana televisi mengalami perubahan dari analog ke digital yang tertuang pada peraturan kominfo. Penyiaran televisi digital di indonesia mengunakan setandar Digital Video Broadcasting – Second Generation Terestrial (DVB-T2) yang berkerja pada range frekuensi 478-694 MHz. Proses peralihan dari televisi analog ke digital akan membutuhkan antena yang sesuai, yang dapat menangkap sinyal tersebut. Antena mikrostrip memiliki kelebihan bentuknya yang compact dan mudah untuk difabrikasi, namun memiliki kelemahan di antaranya bandwith yang dihasilkan sempit, oleh karena itu pada penelitian ini antena yang digunakan menggunakan patch lingkaran (circular) dan menggunakan metode Defected Ground Structure (DGS). Metode DGS diterapkan dengan tujuan untuk memperlebar bandwith. Hasil perancangan menunjukan bahwa parameter antena seperti VSWR, gain dan return loss mengalami perbaikan antara sebelum menggunakan metode DGS dan menggunakan metode DGS. Nilai parameter antena sebelum metode DGS pada frekuensi tengah 586 MHz menunjukkan nilai return loss -14,56 dB, VSWR 3,32, dan gain -5,45 dBi. Pada perancangan menggunakan metode DGS, menunjukkan nilai return loss -39,32 dB, VSWR 0,19, dan gain sebesar 5,49 dBi. Sedangkan nilai bandwidth mengalami perubahan, yaitu sebesar 11 MHz pada perancangan tanpa metode DGS, dan bandwidth sebesar 365 MHz dengan menggunakan metode DGS.Perkembangan era digital ini tidak lepas juga pada televisi, dimana televisi mengalami perubahan dari analog ke digital yang tertuang pada peraturan kominfo. Penyiaran televisi digital di indonesia mengunakan setandar Digital Video Broadcasting – Second Generation Terestrial (DVB-T2) yang berkerja pada range frekuensi. Proses peralihan dari televisi analog ke digital akan membutuhkan antena yang sesuai, yang dapat menangkap sinyal tersebut. Antena mikrostrip memiliki kelebihan bentuknya yang compact dan mudah untuk difabrikasi, namun memiliki kelemahan di antaranya bandwith yang dihasilkan sempit, oleh karena itu pada penelitian ini antena yang digunakan menggunakan patch lingkaran (circular) dan menggunakan metode Defected Ground Structure (DGS). Metode DGS diterapkandengan tujuan untuk memperlebarbandwith. Hasil perancangan menunjukan bahwa parameter antena seperti VSWR, gain dan return loss mengalami perbaikan antara sebelum menggunakan metode DGS dan menggunakan metode DGS. Nilai parameter antena sebelum metode DGS pada frekuensi tengah 586 MHz menunjukkan nilai return loss, VSWR , dan gain . Pada perancangan menggunakan metode DGS, menunjukkan nilai return loss, VSWR , dan gain sebesar . Sedangkan nilai bandwidth mengalami perubahan, yaitu sebesar  pada perancangan tanpa metode DGS, dan bandwidth sebesar  dengan menggunakan metode DGS.

Pengolahan data, khususnya pembuatan indeks penyakit dan tindakan, berperan penting untuk kualitas pelayanan rumah sakit. Tujuan dari penelitian ini yaitu untuk memperoleh hasil dari perancangan sistem informasi indeks penyakit, khususnya penyakit pasien rawat inap, dengan memakai perangkat lunak Microsoft Visual Studio 2012. Meskipun indeks penyakit pasien rawat inap telah dikomputerisasi dan diintegrasikan dengan SIMRS di Rumah Sakit AMC Bandung, terdapat hambatan yang menghalangi indeks penyakit pasien rawat inap, yaitu proses yang masih dilakukan secara manual memakai perangkat lunak Microsoft Excel. Akibatnya, pencarian menjadi kurang efisien dan memakan waktu lebih lama karena harus diperiksa satu per satu berdasarkan abjad. Selain itu, dalam penelitian ini, metode agile dipilih untuk digunakan. Diharapkan penelitian ini dapat membantu mentransformasikan sistem informasi indeks penyakit pasien rawat inap di Rumah Sakit AMC Bandung menjadi lebih terproses dan terintegrasi dengan SIMRS, serta mempermudah petugas dalam mencari informasi pasien secara keseluruhan dan membuat laporan indeks pasien lebih mudah dan maksimal.

Tanaman padi memegang peranan penting untuk ketersediaan pangan di indonesia. Namun, banyak faktor yang dapat mempengaruhi panen pada tanaman padi, salah satunya adalah penyakit dan hama pada tanaman padi. Keterlambatan penanganan pada penyakit dan hama tanaman padi bisanya terjadi karena keterlambatan diagnosis penyakit dan hama tanaman padi, apalagi pada daerah terpencil yang memiliki keterbatasan akses internet dan komputasi. Oleh karena itu proses klasifikasi penyakit dan hama pada tanaman padi secara otomatis yang dapat di implementasikan pada perangkat dengan daya sumber yang terbatas, seperti perangkat seluler sangat dibutuhkan. Penelitian ini membandingkan lima arsitektur Transfer Learning yaitu MobileNet V2, NasNet Mobile, EfficientNet B7, Inception V3, VGG 16 dan model dengan simple CNN. Penelitian ini menggunakan dataset Rahman yang berisikan 5 penyakit, 3 hama dan 1 tanaman padi sehat. Setiap data akan melewati tahap preprocessing dan augmentasi. MobileNet V2 memiliki jumlah parameter dan performa yang cukup baik dalam mengklasifikasi penyakit tanaman padi dengan jumlah parameter yaitu 2.269.513, accuracy sebesar 96%, precision sebesar96%, recall sebesar96%, specificity sebesar 99%, dan f1-score sebesar 96%.

Penelitian ini menginvestigasi ketidakmampuan individu dalam mendeteksi suatu warna yang sering tidak disadari oleh penderita buta warna. Meskipun penderita masih dapat membedakan benda berdasarkan ukuran, bentuk, dan kecerahannya, kondisi buta warna tidak mengancam jiwa secara medis. Salah satu metode yang digunakan untuk menguji buta warna adalah metode Farnsworth Munsell, yang dikembangkan oleh Dean Farnsworth dan Albert H. Munsell. Metode ini melibatkan penggunaan empat palet warna yang mengandung gradasi warna dengan memanfaatkan nilai hue (nilai warna dominan), value (nilai kecerahan warna), dan chroma (nilai intensitas warna). Dalam penelitian ini yang menerapkan teknologi informasi untuk membantu penggunaan metode pengujian buta warna, terutama dalam menggantikan penggunaan media cetak yang telah digunakan sebelumnya. Penggunaan antarmuka pengguna (UI) dengan kontras warna yang ditingkatkan, yang memungkinkan tes buta warna menjadi lebih efektif. Keterlibatan 38 responden, termasuk 3 orang penderita buta warna menunjukkan aplikasi uji buta warna dengan UI yang didukung warna kontras dapat mendeteksi kondisi buta warna dengan baik pada penderita yang diuji. Dengan adanya penerapan teknologi informasi dalam metode pengujian buta warna, diharapkan penelitian ini dapat memberikan kontribusi dalam meningkatkan efisiensi dan akurasi pengujian buta warna.

Komoditas jagung di Indonesia menjadi tanaman pangan terbesar kedua setelah padi sebagai sumber karbohidrat. Namun dikarenakan keterbatasan kemampuan petani dan faktor lingkungan menyebabkan upaya penanganan tanaman jagung akibat adanya serangan organisme pengganggu tanaman menjadi terhambat. Penelitian ini mengusulkan upaya deteksi secara dini terhadap jenis penyakit pada daun tanaman jagung menggunakan metode Convolutional Neural Network (CNN) yang dikenal sebagai algoritma pembelajaran mesin berkinerja tinggi dalam mengklasifikasikan jenis penyakit tanaman ke dalam beberapa kelas seperti Blight, Common Rust, Grey Leaf Spot, dan Healthy. Selain itu, transformasi warna citra dari RGB, HSV dan Grayscale, proses segmentasi dengan Region of Interest (ROI) serta dilengkapi dengan penerapan ektraksi fitur tekstur dengan menggunakan GLCM telah mampu menghasilkan tingkat akurasi sebesar 94% dan nilai loss rate yang relatif kecil yaitu 0.1742. Hasil penelitian ini menunjukkan bahwa penggunaan metode CNN terbukti secara efisien & efektif dalam melakukan identifikasi jenis penyakit tanaman.

Semakin bertambahnya usia kemampuan fisik serta kognitif manusia semakin menurun, hal tersebut dapat menyebabkan kecelakaan terhadap lansia, seperti terjatuh pada saat melakukan aktivitas sehari – hari. Seiring berkembangnya zaman penggunaan smartphone oleh lansia juga semakin meningkat berdasarkan hal tersebut maka dibuatlah aplikasi Layanan Darurat untuk smartphone. Penelitian ini menggunakan metode User Centered Design yang mana menempatkan pengguna sebagai poros dalam proses pembuatan aplikasi seperti tampilan, konteks, dan sistem, metode ini digunakan karena pengguna yang dipilih memiliki karakter khusus yaitu adalah lansia. Responden yang dipilih untuk penelitian ini berjumlah 25 lansia yang berada di wilayah kota Surakarta atau Yogyakarta. Wawancara dilakukan 2 kali dengan total responden berjumlah 15 lansia, selain itu dilakukan studi literatur guna mengetahui karakteristik dari lansia, hasil dari dua hal tersebut dijadikan acuan dalam membuat desain, sistem, dan konteks penggunaan pada aplikasi Layanan Darurat. Pengujian task scenario dilakukan guna mendapatkan hasil usability testing (effectiveness, efficiency, dan satisfaction), hasil usability testing yang didapat diuji menggunakan combine metric agar mendapatkan hasil akhir yang lebih akurat. Pengujian combine metric mendapatkan hasil 89% yang mana dapat diartikan bahwa pengguna puas dan dapat menggunakan aplikasi Layanan Darurat dengan baik.

Emosi adalah perasaan yang diarahkan pada seseorang ataupun sesuatu yang bisa menyebabkan sesorang bertindak atau mengekspresikan diri dan dapat dipicu secara internal ataupun eksternal. Ekspresi wajah merupakan salah satu cara termudah untuk mengetahui emosi seseorang, namun terkadang seseorang dapat mengontrol dan memanipulasi ekspresi wajah mereka sehingga tidak sesuai dengan apa yang dialami. Oleh karena itu, penelitian ini mengembangkan sistem yang dapat mengidentifikasi emosi anak tidak hanya berdasarkan wajah tetapi juga berdasarkan perubahan kondisi tubuhnya. Penelitian ini menggunakan metode klasifikasi Convolutional Neural Network (CNN) dan juga metode clusterisasi K-Means. Penggunaan 2 metode pada penelitian ini berfungsi untuk memperkuat akurasi sistem. Metode K-Means digunakan untuk mengidentifikasi emosi berdasarkan detak jantung dan konduktivitas kulit sedangkan Metode CNN digunakan untuk mengidentifikasi emosi berdasarkan ekspresi wajah. Hasil yang diperoleh dari kedua metode tersebut akan diproses menggunakan metode fusi yang aturannya disesuaikan berdasarkan hasil pengamatan dan pengukuran, sehingga dapat diprediksi emosi pada anak berdasarkan parameter detak jantung, ekspresi wajah, dan konduktivitas kulit. Anak dengan umur 6 hingga 12 tahun digunakan sebagai subjek pada penelitian ini. Dari penelitian ini berhasil didapatkan hasil prediksi emosi anak dengan akurasi keberhasilan sebesar 80%.

Di dunia bisnis makanan saat ini, terutama di coffee shop sekarang terdapat berbagai macam menu pilihan lainnya selain kopi, seperti teh dan sebagainya. Selain itu, terdapat makanan ringan sampai makanan berat yang dapat dipesan. Salah satu coffee shop yang tersedia makanan dan minuman adalah Mulana Coffee. Di coffee shop tersebut terdapat banyak menu, sehingga pelanggan terkadang bingung dan lama untuk memilih makanan dan minuman yang telah tersedia di daftar menu. Oleh sebab itu, maka dibutuhkan sebuah paket rekomendasi dari menu makanan dan minuman, agar bermanfaat untuk pelanggan yang baru pertama kali berkunjung ke coffee shop tersebut. Pada penelitian ini menggunakan metode FP-Growth. FP-Growth membangun FP-Tree, dan dilakukan dengan cara database harus dipindai dua kali di FP-Tree untuk menentukan frequent itemset. Data yang digunakan berupa data transaksi hasil penjualan coffee shop selama 3 bulan. Pada penelitian ini menggunakan RapidMiner dan Python sebagai pembanding hasil yang didapatkan dengan hasil manual. Hasil rules yang didapati dengan menggunakan nilai minimum support sebesar 50% dan nilai minimum confidence sebesar 80% adalah 6028 rules hasil kombinasi antara 14 menu yang memenuhi syarat dengan kombinasi menu antara lemon tea dan sanger merupakan yang paling banyak dipesan oleh pelanggan.

Sistem informasi dan aplikasi manajemen kepegawaian memiliki peran penting dalam menjaga kerahasiaan data pribadi karyawan, terutama di sektor pemerintahan di mana manajemen karier sangat bergantung pada informasi dari data Aparatur Sipil Negara (ASN) dalam sistem informasi kepegawaian. Selain sebagai sumber informasi, aplikasi ini juga berfungsi sebagai perantara pengguna dan database. Namun, seringkali aplikasi ini menjadi target serangan siber yang bertujuan mengakses data pribadi ASN. Tidak ada aplikasi yang dapat menjamin keamanan mutlak atau bebas dari serangan semacam itu. Oleh karena itu, diperlukan pengembangan manajemen risiko teknologi informasi yang dapat diimplementasikan saat terjadi serangan. Penerapan framework standar untuk manajemen risiko dalam sistem informasi tidaklah mudah, sehingga diperlukan pedoman yang komprehensif. Penelitian ini bertujuan membangun model manajemen risiko khusus untuk sistem informasi kepegawaian, mengadopsi panduan NIST 800-34 Rev 1 dan NIST 800-61 Rev 2, serta mengintegrasikan teori terkait dengan pengembangan manajemen risiko dan contingency plan yang ada. Metode penelitian melibatkan tinjauan literatur sebelumnya dan analisis panduan NIST terkait manajemen risiko teknologi informasi untuk mengidentifikasi tahapan yang signifikan pada model manajemen risiko dalam sistem informasi. Penelitian ini akan menghasilkan model manajemen risiko yang mencakup analisis dampak bisnis, rencana tanggap insiden, dan rencana pemulihan bencana, dirancang khusus untuk sistem informasi kepegawaian dalam konteks pemerintahan.