The use of social media as a means of the press has various legal implications amidst the rapid development of information technology. Social media makes it easy to disseminate information quickly and widely, but on the other hand, the absence of clear regulations in categorizing it as part of the formal press raises legal problems, especially related to responsibility for content, protection of individual rights, and freedom of expression. This study aims to examine the position of social media in the legal framework of the press in Indonesia, and to analyze its legal consequences for users who act as conveyors of public information. Using the normative juridical method, it was found that social media has not received explicit recognition as a press entity in the Press Law, thus creating legal loopholes in terms of accountability and legal protection. Regulatory updates are needed to ensure legal certainty and maintain a balance between freedom of expression and legal responsibility in the digital era.

Mengabadikan momen dengan foto telah menjadi gaya hidup masyarakat saat ini, menjadikan layanan fotografi semakin banyak dicari. Meski begitu, proses menemukan layanan fotografi masih mengandalkan rekomendasi teman atau media sosial yang mana belum optimal karena keterbatasan informasi. Penelitian ini difokuskan pada perancangan antarmuka dan pengalaman pengguna aplikasi marketplace jasa fotografi, dengan menggunakan metode Design Thinking yang berpusat pada pengguna. Terdapat dua siklus iterasi dalam pengembangan, di mana hasil evaluasi tahap pertama digunakan untuk memperbaiki kekurangan pada tahap selanjutnya. Hasil desain diuji melalui usability testing dengan bantuan Maze dan kuesioner SUS, mengacu pada tiga indikator usability sesuai ISO 9241-11: efektivitas, efisiensi, dan kepuasan pengguna. Dari hasil pengujian terakhir, tingkat efektivitas pengguna pencari jasa tercatat 97% dan efisiensi 93,3%; fotografer menunjukkan efektivitas 95,7% dan efisiensi 93,6%. Skor SUS untuk kepuasan pengguna masing-masing adalah 91,5 dan 90, yang termasuk kategori A dan dinilai acceptable.
Kata Kunci - Design Thinking, Marketplace, Fotografer, UI/UX

Artikel jurnal ilmiah terus meningkat setiap tahunnya, sering kali mempersulit pembaca dalam menyaring informasi inti secara efisien. Informasi yang kurang efisien membuat pembaca harus membaca ulang artikel sehingga memerlukan banyak waktu. oleh karena itu, dibutuhkan sebuah alat untuk menemukan inti informasi dari artikel jurnal ilmiah secara cepat dan efisien. Untuk mengatasi masalah ini, peringkasan teks secara otomatis diperlukan, khususnya untuk artikel jurnal ilmiah berbahasa indonesia. Penelitian ini mengembangkan sistem peringkasan teks otomatis menggunakan metode Fuzzy C-Means dan Vector Space Model menggunakan pembobotan kalimat TF-IDF (Term Frequency Invers Document Frequency). Evaluasi sistem menggunakan metriks ROUGE-1 dan ROUGE-2. Hasil pengujian menunjukkan bahwa sistem terbaik, pada tingkat kompresi 30% serta menggunakan stemming memberikan hasil terbaik dan seimbang, dengan rata-rata ROUGE-1 Precission 0.5331, Recall 0.5034, F1-Score 0.4975 dan Accuracy 0.5183. Hasil penelitian ini menunjukkan bahwa model dengan stemming lebih disarankan untuk menghasilkan ringkasan yang lebih relevan dan akurat pada tingkat kompresi yang lebih tinggi.
 
Kata kunci: Fuzzy C-Means, Vector Space Model, Peringkasan Teks

Indeks Prestasi Kumulatif (IPK) merupakan indikator utama dalam menilai keberhasilan akademik mahasiswa. Berbagai faktor, termasuk kesehatan mental dan fisik, berkontribusi terhadap pencapaian ini. Penelitian ini bertujuan untuk membangun model prediksi IPK menggunakan algoritma Decision Tree dan Random Forest berbasis Feature Engineering. Proses feature engineering mencakup feature selection untuk memilih fitur paling relevan, diikuti oleh feature extraction yang menyederhanakan fitur menjadi dua kategori utama: kesehatan mental dan fisik. Data diperoleh melalui survei terhadap 7.022 mahasiswa dari berbagai universitas luar negeri, mencakup faktor usia, jurusan, tingkat stres, kecemasan, serta pola tidur, aktivitas fisik dan lain sebagainya. Model prediksi dikembangkan menggunakan Decision Tree dan Random Forest, dengan evaluasi akurasi kedua algoritma. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi lebih tinggi dibandingkan Decision Tree. Faktor kesehatan mental, terutama tingkat stres, memiliki pengaruh signifikan terhadap prediksi IPK, disusul oleh pola tidur. Studi ini menegaskan bahwa pemantauan kesehatan mental dan fisik mahasiswa dapat meningkatkan pencapaian akademik. Temuan ini diharapkan dapat membantu institusi pendidikan dalam merancang strategi dukungan akademik berbasis kesehatan mahasiswa.
 
Kata Kunci: Indeks Prestasi Kumulatif (IPK), Machine Learning, Decision Tree, Random Forest, Feature Engineering

Di era serba AI (Artificial Intelligence) seperti saat ini, penggunaan teknologi Optical Character Recognition (OCR) adalah hal yang lumrah. Salah satunya adalah pada Manless Parking System atau sistem parkir otomatis. Pada sistem ini teknologi OCR digunakan untuk mendeteksi plat nomor kendaraan secara otomatis. Namun begitu tidak semua metode memberikan hasil yang optimal. Pada penelitian-penelitian sebelumnya rata-rata tingkat akurasi dari penerapan OCR adalah sebesar 90%. Pada penelitian ini digunakan metode OCR dari Google yaitu Google Vision dan Pattern Regex untuk mendeteksi plat nomor kendaraan pada citra digital. Google Vision dipilih karena kemampuannya yang relatif lebih baik dibandingkan metode OCR lainnya seperti Tesseract dan EasyOCR. Sedangkan Regex Pattern digunakan untuk melakukan filtering terhadap teks hasil ekstraksi OCR yang tidak diperlukan. Penelitian ini diujikan terhadap 150 data sample berformat JPG dan JPEG. Ukuran file bervariasi antara 50 KB – 2 MB. Sudut pengambilan gambar juga dibuat bervariasi. Hasil penelitian menunjukkan bahwa penggunaan metode OCR dengan Google Vision dan Regex Pattern memberikan hasil yang sangat baik dengan tingkat akurasi mencapai 99,50%. Hasil ini lebih baik dibandingkan hasil pada penelitian-penelitian sebelumnya.
Kata Kunci : Plat Nomor Kendaraan, Optical Character Recognition, Google Vision, Regex Pattern

Penelitian ini menyelidiki faktor yang memengaruhi adopsi penggunaan aplikasi galeri virtual GaYa dengan menggunakan Technology Acceptance Model (TAM) sebagai kerangka teori untuk mengeksplorasi hubungan antara Perceived Ease of Use (PEU), Perceived Usefulness (PU), dan Behavioral Intention (BI) dalam konteks aplikasi GaYa. Data yang diperoleh dari 120 responden survei dianalisis menggunakan Generalized Structured Component Analysis (GSCA) untuk mengkaji hubungan antar variabel dalam studi ini. Melalui kalkulasi nilai Critical Ratio (CR), hasil penelitian menunjukkan bahwa PEU memiliki pengaruh signifikan terhadap PU dan BI. Selain itu, PU terbukti menjadi prediktor kuat terhadap BI sehingga menegaskan bahwa pentingnya kegunaan dan nilai fungsional dalam adopsi teknologi. Temuan ini memberikan wawasan berharga bagi praktisi dan pengembang yang ingin meningkatkan efektivitas platform galeri virtual. Hasil studi ini juga menyoroti pentingnya pengembangan desain yang intuitif dan berpusat pada pengguna serta mampu memberikan manfaat nyata bagi pengguna. Keterbatasan dari studi ini terletak pada desain penelitian yang bersifat cross-sectional dan penggunaan sampel yang terbatas secara lokal, yang mungkin membatasi generalisasi temuan ke konteks yang lebih luas. Untuk meningkatkan pemahaman mengenai penerimaan pengguna dalam platform seni digital, penelitian selanjutnya disarankan untuk menggunakan desain longitudinal, menyelidiki faktor tambahan seperti kepercayaan pengguna dan estetika, serta melibatkan partisipan yang lebih beragam.
 
Kata Kunci - Technology Acceptance Model (TAM), Perceived Ease of Use (PEU), Perceived, Usefulness (PU), Behavioral Intention (BI), Virtual Gallery

Pencarian data pada platform PUSDATA masih terkendala kesalahan pengetikan (typo) dan perbedaan istilah yang digunakan pengguna. Hal ini menyebabkan pencarian gagal menemukan data yang relevan jika terjadi kesalahan kecil dalam penulisan kata kunci. Penelitian ini bertujuan menganalisis penerapan algoritma Damerau Levenshtein Distance dengan ekspansi sinonim untuk meningkatkan akurasi pencarian data. Metode yang digunakan meliputi tokenisasi, perhitungan jarak string untuk memperbaiki kesalahan ketik, dan penambahan sinonim guna memperluas pencarian. Dataset diperoleh dari scraping 500 judul dataset UCL Repository dan memperkaya makna kata dengan sinonim dari artikata.com. Pengujian dilakukan menggunakan kata kunci dengan variasi kesalahan penulisan. Hasil pengujian menunjukkan algoritma mampu memberikan rekomendasi kata yang relevan dengan akurasi 85% dari 20 data uji, di mana 17 data berhasil dikenali dengan benar dan 3 data tidak sesuai karena kemiripan karakter rendah. Penerapan algoritma ini efektif dalam meningkatkan kualitas pencarian data dengan mengoreksi berbagai kesalahan pengetikan dan menangani variasi sinonim kata kunci. Hasil ini menunjukkan sistem pencarian menjadi lebih fleksibel dan akurat dalam menemukan data meskipun terdapat kesalahan penulisan.
 
Kata kunci: Damerau Levenshtein Distance, Ekspansi Sinonim, Pencarian Data, PUSDATA,

Skin diseases are health problems that require accurate diagnosis to evaluation and ultimately leading to treatment decisions. One of the crucial roles in the diagnostic process is medical imaging. Machine learning technology can assist in classifying skin diseases using image data and achieving high levels of accuracy in diagnosis. The purpose of this research is to review machine learning algorithms that can be utilized to develop image-based skin disease classification systems. The methodology employed is a Systematic Literature Review (SLR), which can be used to provide a comprehensive review of the application of machine learning in the classification of skin diseases. The literature search strategy was based on the Boolean technique, applied to the Scopus database. The selected articles were screened using predefined inclusion and exclusion criteria. The results indicate that the most used machine learning algorithm with achieved the highest classification accuracy is the Convolutional Neural Network (CNN).
Keywords - Skin Disease, Machine Learning, Classification, CNN.

Chatbot berbasis Dialogflow ini dapat membantu mempromosikan UMKM kuliner di Kota Semarang yang belum terekspos secara optimal. Dengan memanfaatkan teknologi Natural Language Processing (NLP), penelitian ini bertujuan merancang chatbot rekomendasi tempat kuliner yang diintegrasikan dengan platform Telegram. Metode pengembangan sistem menggunakan pendekatan model waterfall yang mencakup analisis kebutuhan, perancangan sistem, implementasi, pengujian, serta pemeliharaan. Hasil penelitian menunjukkan bahwa chatbot mampu memberikan rekomendasi sesuai preferensi pengguna, termasuk lokasi, jam operasional, nomor telepon, estimasi harga, tautan google maps, gambar produk dan tempat UMKM dengan akurasi pengujian mencapai 100%. Evaluasi melalui System Usability Scale (SUS) menghasilkan skor rata-rata 85,75 yang mengindikasikan sistem ini mudah digunakan dan memiliki potensi untuk diterapkan secara luas, dimana chatbot ini tidak hanya memudahkan pengunjung menemukan kuliner yang sesuai tetapi juga menjadi media promosi efektif bagi UMKM untuk meningkatkan daya saing serta mendukung pertumbuhan ekonomi lokal.
 
Kata kunci: Chatbot, Dialogflow, NLP, Waterfall, UMKM Kuliner

Huruf Braille adalah huruf yang memiliki sistem tulisan yang menggunakan indra peraba untuk menggunakannya dan umum digunakan oleh penyandang tunanetra. Pada orang normal yang sering berinteraksi dengan para penyandang tunanetra terkadang mengalami kesulitan dalam menggunakan huruf braille, sehingga diperlukan suatu pendekatan teknologi sistem cerdas untuk dapat membantu mengenali huruf braille. Penelitian ini bertujuan untuk menggunakan metode depthwise separable convolutional neural network untuk melakukan pengenalan terhadap gambar braille. Dataset yang digunakan memiliki ukuran 28x28 dengan total dataset sebanyak 1560 citra. Arsitektur yang digunakan adalah input layer, yaitu sebesar 28x28x3 dan layer depthwise separable convolution pertama, kedua, dan ketiga menggunakan masing masing 3x3x128, 3x3x256, dan 2x2x512 dengan fungsi aktivasi rectified linear unit (ReLu) dan setiap konvolusi diikuti dengan lapisan-lapisan maxpooling dan batch normalization. Setelah itu, dilanjutkan dengan dua fully connected layer dengan jumlah neuron 256 dan 128 serta diakhiri dengan output layer sejumlah 26 neuron. Arsitektur tersebut menghasilkan model terbaik dengan akurasi sebesar 98.40%. Model tersebut diterapkan pada aplikasi berbasis website. Hasil temuan penelitian ini diharapkan dapat membantu masyarakat dalam mengenali huruf braille dengan mudah.
 
Kata kunci: tunanetra, braille, depthwise separable convolution, model, akurasi