Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Seminar Nasional Teknologi Informasi Komunikasi dan Industri Buffer Informatika
Kemal Pasha
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perancangan Multimedia Interaktif Visualisasi 3D Struktur Senyawa Turunan Alkana Berbasis WEBGL Kemal Pasha; Muhammad Jazman
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (660.144 KB)

Abstract

Dalam mata pelajaran Kimia, terdapat materi senyawa turunan alkana yang mempelajari struktur, cara penulisan dan tata nama senyawa turunan alkana berdasarkan gugus fungsinya. Pada proses pembelajaran materi ini menggunakan buku paket sebagai sumber materi dan papan tulis untuk menggambar struktur senyawa. Untuk materi ini, penggunaan alat peraga alternatif seperti Molymod dapat dikatakan sedikit, dikarenakan tidak semua sekolah memiliki alat peraga tersebut serta harga Molymod yang kurang terjangkau dan jumlahnya juga terbatas. Oleh karena itu, dibutuhkan sebuah media pengajaran alternatif dengan tampilan tiga dimensi yang dapat membantu kegiatan belajar mengajar dalam materi ini sehingga peserta didik dapat memahami struktur-struktur senyawa turunan alkana dalam format tiga dimensi. Teknologi 3D saat ini telah mengalami banyak perkembangan, salah satunya yaitu WebGL. WebGL merupakan 3D library graphics berbasis web yang memungkinkan peramban-peramban internet modern terkini untuk melakukan 3D rendering secara standar dan efisien tanpa membutuhkan instalasi plugin tambahan. Dengan memanfaatkan perkembangan teknologi multimedia pembelajaran dengan menggunakan objek tiga dimensi, diharapkan kegiatan belajar mengajar pada senyawa turunan alkana akan menjadi lebih menarik serta dapat dipahami oleh peserta didik. Bagi pengajar, akan memberi tambahan alternatif media pengajaran selain buku dan papan tulis.
Prediksi Angka Perceraian Menggunakan Machine Learning Kemal Pasha; Kusrini
Buffer Informatika Vol. 11 No. 1 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

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

Abstract

Peningkatan jumlah perceraian telah menjadi masalah sosial yang signifikan di berbagai negara, termasuk Indonesia dan Malaysia. Berdasarkan laporan Badan Pusat Statistik Indonesia, terdapat 516.334 kasus perceraian pada tahun 2022, yang meningkat sebesar 15,3% dibandingkan 447.743 kasus pada tahun 2021. Penelitian ini bertujuan untuk mengembangkan model prediksi jumlah perceraian di Indonesia menggunakan metode Long Short-Term Memory (LSTM), yang dikenal dengan kemampuannya dalam menangkap pola temporal pada data berurutan. Dataset penelitian mencakup data selama 10 tahun (2015–2024) yang diperoleh dari Pengadilan Agama Tanjung Pati dan Badan Pusat Statistik, meliputi empat variabel utama: Upah Minimum Regional (UMR), harga beras, perkara cerai talak, dan perkara cerai gugat. Data diproses menggunakan MinMaxScaler dan dibagi menjadi data latih (80%) dan data uji (20%). Model LSTM dibangun dengan 64 unit pada layer LSTM dan 32 unit pada dense layer, serta dilatih selama 100 epoch. Hasil penelitian menunjukkan bahwa model LSTM mencapai Mean Squared Error (MSE) sebesar 0,00002033 ,yang merupakan performa terbaik dibandingkan metode lainnya. Support Vector Regression (SVR) menghasilkan MSE sebesar 0,01022, diikuti oleh Multilayer Perceptron (MLP) dengan MSE 0,01144, dan Extreme Learning Machine (ELM) dengan MSE 0,02969. Penelitian sebelumnya oleh Aimran et al. juga menunjukkan bahwa Decision Tree (C5.0) memiliki akurasi sebesar 77,96%,Penelitian ini menyimpulkan bahwa LSTM adalah pendekatan yang sangat menjanjikan untuk memprediksi angka perceraian di Indonesia, dengan potensi untuk diterapkan pada dataset yang lebih besar dan seimbang. Hasil ini memberikan kontribusi penting dalam analisis data sosial dan dapat menjadi dasar dalam perencanaan kebijakan untuk mengatasi peningkatan angka perceraian.
Co-Authors KUSRINI Muhammad Jazman