Claim Missing Document
Check
Articles

Found 29 Documents
Search

Analisis Persepsi Risiko Pekerja di Indonesia Terhadap COVID-19 Dzikri Robbi; Mewati Ayub; Setia Budi
Jurnal Teknik Informatika dan Sistem Informasi Vol 8 No 2 (2022): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v8i2.5056

Abstract

Since August 2020, the COVID-19 pandemic has affected more than 29 million workers in Indonesia. Therefore, worker protection and job creation must be an important priority to emerge more resilient and productive after the COVID-19 crisis. Threat assessment and risk perception are core features of protective-motivation theory and understanding workers' perceptions of COVID-19 risk is expected to help navigate and manage the impact of this pandemic on workers. This study assesses workers' risk perceptions of COVID-19 using a national sample of size N=1,900 of workers in Indonesia. The level of employee risk perception of COVID-19 is relatively high in all workplaces and the workplace also influences the level of risk perception. From all respondents, it is known that the respondent's knowledge about COVID-19, the respondent's behavior towards COVID-19 and the social environmental conditions at the respondent's workplace are all significant predictors of the perceived risk of COVID-19. Age group and type of workplace were found to be significant determinants of perceived risk, compared to the sex and employment status of the examined workers. In all workplaces, respondents stated that the risk of spreading COVID-19 was at a moderate level and the work area was considered an area that had a higher risk of spreading COVID-19 compared to smoking areas and the canteen or pantry.
Pengembangan Aplikasi Maranatha E-signature Bernard Renaldy Suteja; Mewati Ayub; Kafka Febianto Agiharta
Jurnal Teknik Informatika dan Sistem Informasi Vol 9 No 1 (2023): JuTISI (in progress)
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v9i1.5657

Abstract

Using digital signature in a document, especially in work from home situation, becomes crucial to misuse. The digital signature is a schema to identify somebody uniquely and to prove the originality of a document. The development of information technology allows digital signatures as a tool to ensure the originality of information. The aim of the study is to develop an application that uses Quick Response (QR) Code as a digital signature. So QR Code can work as a tool to authenticate the leader’s signature or document verification. After the application was built and applied, users’ evaluation was performed through questionnaires. The result shows that 44% of users state that the application has been well used and beneficial. There are some suggestions for application revision from 34% of users, whereas 22% have no comment.  
Perbandingan Akurasi Model Pembelajaran Mesin untuk Prediksi Seleksi Masuk Perguruan Tinggi Negeri Oktavianus Yopi Wardana; Mewati Ayub; Andreas Widjaja
Jurnal Teknik Informatika dan Sistem Informasi Vol 9 No 1 (2023): JuTISI (in progress)
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v9i1.6126

Abstract

Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) is still one of the favorite admission routes for high school students to continue their education at Perguruan Tinggi Negeri (PTN). SNMPTN uses semester 1 to 5 report card scores for 6 subjects that are inputted in Pangkalan Data Sekolah dan Siswa (PDSS). Prediction of SNMPTN can be done using machine learning models with various methods. This study aims to create a predictive model using the Decision Tree CART, Gaussian Naïve Bayes and Logistic Regression methods, make predictions and compare the level of accuracy of the models made. The methodology used in this research is Knowledge Discovery in Database (KDD). This is to get useful knowledge from data. The dataset used is data on the scores of 6 subjects for 5 semesters from class 2015 to 2022. Model evaluation uses the Split Percentage Method and K-Fold Cross Validation. The results show that the accuracy scores for the 3 models are different. Logistic Regression has a score of 0.82, followed by Decision Tree CART with a score of 0.75 and finally Gaussian Naïve Bayes with a score of 0.70. The hypothesis put forward by the researcher is in accordance with the results obtained, that the Logistic Regression model has a higher accuracy score. Mathematically, Logistic Regression is not too complicated when compared to other models. To get a model that fits with needs must involve iterating through the machine learning process and trying various variations.
PELATIHAN GURU DAN TANTANGAN BEBRAS 2024 UNTUK PENGENALAN COMPUTATIONAL THINKING DI BIRO BEBRAS MARANATHA Wijanto, Maresha Caroline; Toba, Hapnes; Ayub, Mewati; Karnalim, Oscar; Tan, Robby; Natasya, Rossevine Artha; Senjaya, Wenny Franciska; Adelia; Edi, Doro; Bunyamin, Hendra; Kasih, Julianti; Yulianti, Diana Trivena; Widjaja, Andreas; Johan, Meliana Christianti; Surjawan, Daniel Jahja; Zakaria, Teddy Marcus; Risal; Kandaga, Tjatur
Jurnal Abdimas Ilmiah Citra Bakti Vol. 6 No. 2 (2025)
Publisher : STKIP Citra Bakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38048/jailcb.v6i2.5237

Abstract

Pemahaman siswa terhadap konsep Computational Thinking (CT) masih tergolong rendah, sementara pengenalan terhadap CT menjadi krusial di era digital saat ini. Tantangan Bebras menjadi sarana edukatif yang efektif untuk memperkenalkan CT melalui berbagai soal (Bebras task) yang bersifat aplikatif dan menantang. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan pemahaman dan keterlibatan siswa dalam CT melalui pembekalan guru dan pelaksanaan Tantangan Bebras 2024. Mitra kegiatan adalah guru dan siswa dari jenjang SD, SMP, dan SMA yang tergabung dalam Biro Bebras Maranatha. Metode yang digunakan meliputi lokakarya nasional, pelatihan guru, technical meeting, pelaksanaan Tantangan Bebras, dan evaluasi prestasi siswa. Hasil menunjukkan peningkatan partisipasi peserta sebanyak 4.429 siswa dari 136 sekolah, meningkat signifikan dibanding tahun sebelumnya. Sebanyak 165 siswa berhasil meraih peringkat 1–6, dengan sebagian besar berasal dari sekolah yang mengikuti Gerakan PANDAI. Evaluasi juga menunjukkan bahwa pembekalan guru efektif meningkatkan kesiapan dalam mengenalkan CT kepada siswa. Kegiatan ini menunjukkan bahwa kolaborasi antara pelatihan guru dan Tantangan Bebras dapat menjadi strategi efektif untuk memperluas pemahaman dan kemampuan siswa dalam CT.
Pembelajaran Computasional Thinking melalui Program Gerakan Pandai untuk Guru dan PKBM Ayub, Mewati; Wijanto, Maresha Caroline; Tan, Robby; Surjawan, Daniel Jahja; Toba, Hapnes; Christianti, Meliana; Edi, Doro; Bunyamin, Hendra; Adelia, Adelia; Risal, Risal
Aksiologiya: Jurnal Pengabdian Kepada Masyarakat Vol 7 No 3 (2023): Agustus
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/aks.v7i3.13430

Abstract

Program Gerakan Pandai yang digagas oleh Bebras Indonesia dengan dukungan Google bertujuan untuk membuat guru mulai menjadi guru penggerak dalam menyemaikan dan menumbuh-kembangkan kemampuan Computational Thinking (CT). Melalui gerakan PANDAI ini, diharapkan guru mengenal CT dan memperkenalkan CT kepada para siswa, sehingga siswa dapat mengembangkan kemampuan  berpikir komputasional yang bersifat kritis dan kreatif. Biro Bebras Maranatha menjalankan program Gerakan Pandai dalam dua batch yang dimulai pada bulan September 2020 sampai dengan Desember 2021. Pelatihan guru  batch1 diikuti oleh 148 guru, sedangkan batch2 diikuti 394 guru. Indikator guru yang berhasil menerapkan kemampuan CT adalah guru yang melaksanakan  paling sedikit 4 sesi microteaching dalam dua semester. Guru yang tuntas melakukan microteaching untuk batch1 ada 110 orang (74%), dan batch2 ada 184 guru (47%), dengan persentase rata-rata 60.5% untuk seluruh batch. 
Pelatihan Guru untuk Tantangan Bebras 2022 di Biro Bebras Universitas Kristen Maranatha Ayub, Mewati; Karnalim, Oscar; Tan, Robby; Wijanto, Maresha Caroline; Edi, Doro; Bunyamin, Hendra; Kasih, Julianti; Yulianti, Diana Trivena; Widjaja, Andreas; Risal, Risal; Nathasya, Rossevine Artha
E-Dimas: Jurnal Pengabdian kepada Masyarakat Vol 14, No 3 (2023): E-DIMAS
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/e-dimas.v14i3.14326

Abstract

Tantangan Bebras merupakan salah satu kegiatan yang memperkenalkan computational thinking dan informatika kepada siswa sekolah. Bebras Indonesia melalui setiap mitra biro Bebras di seluruh Indonesia menyelenggarakan Tantangan Bebras setiap tahunnya yaitu pada minggu kedua bulan November. Biro Bebras Maranatha juga mempersiapkan guru-guru yang berada di bawah naungan Biro Bebras Maranatha dalam kegiatan pelatihan pada 7 Oktober 2022 secara hybrid dan technical meeting pada 28 Oktober 2022. Pelatihan untuk tahun 2022 dimulai dengan kuis soal-soal Bebras yang diambil dari soal-soal dalam Tantangan Bebras tahun-tahun sebelumnya untuk mengukur tingkat pemahaman guru dalam computational thinking. Kegiatan pelatihan dilanjutkan dengan pembahasan soal kuis melalui diskusi, penyampaian konsep computational thinking, serta pendaftaran dan persiapan siswa untuk Tantangan Bebras 2022. Pada akhir sesi pelatihan, guru-guru peserta mengisi kuesioner untuk mengetahui sejauh mana persiapan yang sudah dilakukan untuk Tantangan Bebras 2022. Pelaksanaan kegiatan dilaksanakan secara hybrid diikuti oleh 52 guru perwakilan sekolah. Dari 52 guru yang mengikuti kuis, nilai kuis berkisar antara 0 sampai 80 di mana rata-rata nilai adalah 35. Sebanyak 79% dari guru-guru yang mengikuti pelatihan ini sudah pernah mengikuti workshop Bebras di tahun-tahun sebelumnya dan 69% dari total guru tersebut telah memanfaatkan soal Bebras untuk pembelajaran di kelas. Selama proses pembekalan Tantangan Bebras, terdapat tiga tantangan terbesar yang dihadapi yaitu kemampuan berpikir siswa, persiapan guru untuk pembekalan, dan melatih siswa dalam membaca soal.
Pengembangan Computational Thinking Siswa melalui Tantangan Bebras 2023 di Biro Bebras Universitas Kristen Maranatha Ayub, Mewati; Tan, Robby; Wijanto, Maresha Caroline; Nathasya, Rossevine Artha; Adelia, Adelia; Senjaya, Wenny Franciska; Karnalim, Oscar; Surjawan, Daniel Jahja; Edi, Doro; Toba, Hapnes; Christianti, Meliana; Kasih, Julianti; Risal, Risal; Yulianti, Diana Trivena; Zakaria, Teddy Marcus; Liliawati, Swat Lie
E-Dimas: Jurnal Pengabdian kepada Masyarakat Vol 15, No 3 (2024): E-DIMAS
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/e-dimas.v15i3.18162

Abstract

Pengabdian masyarakat yang dilakukan bertujuan untuk mengembangkan kemampuan Computational Thinking (CT) siswa melalui kegiatan Tantangan Bebras. Tantangan Bebras adalah kegiatan untuk memberi tantangan kepada siswa berupa sekumpulan Bebras task yang harus diselesaikan dalam waktu terbatas. Bebras task mengandung konsep Computational Thinking dan informatika yang dikemas dalam bentuk persoalan yang harus dipecahkan. Tantangan Bebras diadakan oleh Bebras Indonesia setiap tahun pada minggu kedua bulan November dengan melibatkan mitra Biro Bebras di seluruh Indonesia. Biro Bebras Universitas Kristen Maranatha mempersiapkan guru pendamping siswa melalui pelatihan guru agar dapat membimbing siswa dalam berlatih memecahkan Bebras task. Dalam pelatihan, guru diperkenalkan dengan Bebras task melalui kuis yang kemudian dibahas bersama. Guru juga diberi materi pengenalan CT dan aktivitas unplugged. Masa pendaftaran peserta Tantangan Bebras dilakukan setelah pelatihan, pendaftaran dilakukan secara kolektif melalui sekolah. Ada 4 kategori lomba, yaitu SiKecil untuk SD kelas 1-3, Siaga untuk SD kelas 4-6, Penggalang untuk SMP, dan Penegak untuk SMA. Terdapat 54 sekolah yang mendaftarkan siswanya. Menjelang hari Tantangan diadakan technical meeting untuk guru sebagai persiapan untuk mendampingi siswa pada saat uji coba akun dan pada saat tantangan. Peserta yang mengikuti Tantangan melalui Biro Bebras UK Maranatha berjumlah 3429 orang, yang terbanyak adalah kategori Penggalang. Hasil Tantangan menunjukkan kategori Siaga dan SiKecil sudah baik, sedangkan kategori Penggalang dan Penegak perlu mempersiapkan diri lebih baik di tahun mendatang.
Penerapan Sentence BERT Untuk Similaritas Kompetensi Pekerjaan dan Mata Kuliah Agiharta, Kafka Febianto; Suteja, Bernard Renaldy; Ayub, Mewati
Jurnal Teknik Informatika dan Sistem Informasi Vol 10 No 3 (2024): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v10i3.9411

Abstract

This research focuses on the application of the Sentence BERT (S-BERT) model, a specialization of the BERT model and an adaptation of the Transformer architecture specifically designed for the Indonesian language, in exploring the concept of course credit transfer consolidation in accordance with the Merdeka Belajar – Kampus Merdeka program. The aim of this exploration is to develop an Indonesian-language S-BERT model and apply it to search and analyze the similarity between activity sequence descriptions and course syllabus (RPS) descriptions. The results of this similarity analysis are the identification of relevant courses based on the given query. The developed model has shown effective capabilities in searching and determining the similarity between activity sequence descriptions and course syllabus descriptions. Courses identified as relevant to the query demonstrate high similarity and compatibility, indicating that the S-BERT model can be relied upon in the process of course credit transfer consolidation within the context of Merdeka Belajar – Kampus Merdeka.
Deteksi dan Klasifikasi Tingkat Keparahan Jerawat: Perbandingan Metode You Only Look Once Veby Agustin, Giezka; Ayub, Mewati; Liliawati, Swat Lie
Jurnal Teknik Informatika dan Sistem Informasi Vol 10 No 3 (2024): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v10i3.9414

Abstract

Acne (Acne vulgaris) is one of the most common skin diseases, especially on the face. Accurate diagnosis and proper treatment are important for optimal care results and improving the accuracy of detection and classification of acne severity. YOLO (You Only Look Once) is a deep learning method used for object detection in images. This study compares the results and performance of YOLOv5 and YOLOv8 in detecting acne on the face. Several experiments were also conducted with data pre-processing, model size, and the use of different basic hyperparameters on both models to understand the impact and differences between YOLOv5 and YOLOv8. The results show that YOLOv5 overall has higher performance in detecting acne compared to YOLOv8, which requires larger hyperparameter values and model sizes to achieve the most optimal results. Conservative hyperparameters (with relatively smaller values or sizes) on YOLOv5 contribute to better performance.