Claim Missing Document
Check
Articles

Found 23 Documents
Search

Tinjauan Faktor Pengali Pada Umur Beton Dengan Menggunakan Faktor Air Semen 0,5 Deni
Jurnal Informasi, Sains dan Teknologi Vol. 6 No. 02 (2023): Desember: Jurnal Informasi Sains dan Teknologi
Publisher : Politeknik Negeri FakFak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/isaintek.v6i02.131

Abstract

Beton merupakan bahan yang paling banyak digunakan dalam pembangunan gedung, jembatan, jalan dan lain-lain. Beton termasuk bahan yang mempunyai kuat tekan tinggi, tahan terhadap api dan keausan, tahan cuaca, dan harganya relatif murah, karena menggunakan bahan-bahan dasar dan lokal, dapat diangkut maupun dicetak sesuai keinginan, biaya perawatan relatif murah, serta mutu betonnya dapat disesuaikan dengan kebutuhan. Pada penelitian ini, penulis hanya membuat beton normal dengan tujuan untuk mengetahui nilai slump setiap variasi umur dan berapa faktor pengali pada nilai kuat tekan beton dengan variasi umur 3 hari, 4 hari, 7 hari, 14 hari dan 28 hari. Benda uji yang digunakan yaitu berberntuk slinder berdiameter 15 cm dan tinggi 30 cm sebanyak 3 benda uji setiap variasi umur, perhitungan perencanaan campuran beton menggunakan SNI 03-2834-2000 dengan kuat tekan rencana 32 Mpa. Hasil penelitian pada nilai slump mendapatkan nilai yang berbeda dan ada yang sama dengan nilai berturut-turut 16 cm, 15 cm, 17 cm, 16 cm, dan 17 cm penyebab dari nilai slump yang berbeda adalah pada saat pembuatan benda uji dengan waktu yang berbeda. Kuat tekan beton berturut-turut 7,92 MPa, 8,01 MPa, 12, 07 MPa, 15,8 MPa dan 21,12 MPa. Adapun nilai faktor pengali berdasarkan persamaan y = 0,0007x2 + 0,0047x2 + 0,343 R2 = 0,9909 berturut-turut sebesar 0.60; 070; 082; 0,90; dan 1.
PERANCANGAN DAN IMPLEMENTASI JARINGAN RADIUS DI PUSKESMAS BANJIT Deni; Firmansyah, Firmansyah
CONTEN : Computer and Network Technology Vol. 3 No. 2 (2023): Desember 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v3i2.2730

Abstract

Along with the development of technological advances nowadays, it is very useful for us in looking for information that is fast, precise and accurate in everyday life, especially in helping us complete our work. With the existence of a computerized system, it is hoped that it can help us with all the work that is difficult to do. becomes easy to do in order to get better results than before, Banjit Community Health Center. It requires a lot of overhaul of the network structure that supports and provides satisfactory services for community health center internet users. For this reason, the author wrote this thesis regarding internet network design, currently the Banjit Community Health Center is still using repeaters to spread the internet network throughout the community health center area and using WPA/WPA2 security so that the internet network at several points of the Community Health Center is less stable and feels slow for some users, by using The network design proposed by the author can improve the quality of the internet network at the Banjit Community Health Center.
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN ISU IJAZAH PALSU JOKO WIDODO DI MEDIA SOSIAL X Deni; Musthofa, Roki Fatih; Herfiana, Hanum Surya; Sari, Betha Nurina
Jurnal TIMES Vol 14 No 2 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Media sosial, khususnya X, telah menjadi ruang diskusi publik yang aktif dalam membahas berbagai isu sosial dan politik. Salah satu isu yang menimbulkan banyak perdebatan adalah dugaan ijazah palsu milik Presiden Joko Widodo. Penelitian ini bertujuan untuk menganalisis sentimen pengguna X terhadap isu tersebut serta membandingkan performa dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Random Forest. Proses analisis diawali dengan pengumpulan data menggunakan teknik scraping, diikuti tahap pra-pemrosesan, pelabelan data secara manual, ekstraksi fitur menggunakan TF-IDF, serta penyeimbangan data dengan SMOTE untuk mengatasi ketidakseimbangan label. Dari total 1.783 komentar yang terkumpul, ditemukan 1.661 komentar negatif dan 122 komentar positif. Setelah diterapkan SMOTE, distribusi data menjadi seimbang dengan total 3.322 data. Hasil pengujian pada beberapa skenario menunjukkan bahwa algoritma SVM mencapai akurasi tertinggi sebesar 100%, sementara Random Forest juga memberikan performa sangat baik dengan akurasi mencapai 99,24%. Temuan ini menunjukkan bahwa SVM lebih unggul dalam mengklasifikasikan sentimen teks pada isu sensitif di media sosial, khususnya ketika data telah melalui proses penyeimbangan menggunakan SMOTE.