Claim Missing Document
Check
Articles

Found 5 Documents
Search

Rekomendasi Paket Mata Pelajaran Pilihan (MPP) pada SMA Negeri 1 Kebumen Menggunakan Algoritma K-means Gustina Alfa Trisnapradika; Wildanil Ghozi; Yuminah Yuminah
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 5, No 2 (2023): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v5i2.8514

Abstract

Curriculum changes are needed to adapt education to the times. Since the covid-19 pandemic, face-to-face learning has been suspended. Online learning is an alternative used during a pandemic. This has an impact on learning loss so that the quality of learning decreases. Recovery of learning during the pandemic and post-pandemic Covid-19 is important to reduce the impact of learning loss on students. After the pandemic, the independent curriculum was launched which was a refinement of the 2013 curriculum which had only been implemented in several schools. The subject structure of the Merdeka curriculum for SMA level in Fese E or grade 10, all students get the same subjects. While in Phase F (grades 11 and 12), the subject structure is divided into 2 main groups, namely general subjects and elective subjects. Based on the provisions of the SMKA 2021-2022 curriculum structure, SMA Negeri 1 Kebumen prepares elective subjects (MPP) which are made up of 7 MPP packages. This study uses a clustering technique of student scores using the K-Means algorithm to obtain MPP package recommendations that suit student abilities. For each MPP package, clustering is carried out into 2 clusters with features in the form of predetermined subject scores. The result of this clustering is that each student gets a "yes" or "no" recommendation for each MPP package.
Pelatihan Foto Produk Berbasis Smartphone bagi Pengusaha Batik di Kampung Batik Rejomulyo Muhammad Rifki Ardian; Mirza Yuansyah; Gustina Alfa Trisnapradika; Lusi Noviani Prasetyo
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 6, No 3 (2023): September 2023
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v6i3.1573

Abstract

Pandemi covid-19 telah membangun budaya baru yaitu jual beli online. Hal ini juga terjadi di Kampung Batik Rejomulyo yang berpenduduk dengan mata pencaharian umumnya adalah pengusaha batik. Pergeseran penjualan konvensional menjadi online, menimbulkan masalah baru yaitu kesulitan mendapatkan foto produk yang baik dan memuaskan konsumen. Para pemilik toko batik memiliki pola pikir bahwa melakukan foto produk tidak bisa dengan smartphone yang dimiliki karena kualitasnya kurang baik. Padahal faktanya dengan pengetahuan tentang teknik dan pengalaman menggunakan smartphone untuk mengambil foto produk, kita bisa mendapatkan hasil foto yang mengagumkan. Kegiatan pengabdian ini dilakukan untuk berbagi pengetahuan dan pengalaman tentang teknik pengambilan foto produk dari smartphone termasuk teknik angle dan pemanfaatan cahaya.
SOSIALISASI USER INTERFACE WEBSITE JARICTKU.COM UNTUK MENDONGKRAK POPULARITAS BATIK SEMARANGAN DI KAMPUNG BATIK REJOMULYO Gustina Alfa Trisnapradika; Rizky Syah. Gumelar; Nico Ananda Febrian; Yudha Mulyana; Cornellius Adryan Putra Sumarjono
Jurnal Pengabdian Informatika Vol. 1 No. 4 (2023): JUPITA Volume 1 Nomor 4, Agustus 2023
Publisher : Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

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

Abstract

Batik Semarangan, memerlukan peningkatan popularitas dan apresiasi yang lebih luas. Sebagai upaya mendukung hal ini, website jarictku.com memanfaatkan teknologi Augmented Reality untuk memberikan fitur virtual try-on bagi pengguna, memungkinkan mereka untuk mencoba berbagai jenis Batik Semarangan secara virtual. Sosialisasi user interface ini sangat penting, khususnya di Kampung Batik Rejomulyo, pusat produksi Batik Semarangan. Sosialisasi ini bertujuan untuk memastikan bahwa masyarakat dapat memahami dan memanfaatkan fitur virtual try-on ini secara efektif. Diharapkan, dengan memahami dan memanfaatkan teknologi ini, Batik Semarangan dapat mendapatkan tempat yang lebih luas di hati masyarakat dan membantu melestarikan warisan budaya Indonesia.
Predicting Methanol Space-Time Yield from CO? Hydrogenation Using Machine Learning: Statistical Evaluation of Penalized Regression Techniques Harun Al Azies; Muhamad Akrom; Setyo Budi; Gustina Alfa Trisnapradika; Aprilyani Nur Safitri
International Journal of Advances in Data and Information Systems Vol. 5 No. 2 (2024): October 2024 - International Journal of Advances in Data and Information System
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/ijadis.v5i2.1341

Abstract

This study investigates the effectiveness of machine learning techniques, specifically penalized regression models Ridge Regression, Lasso Regression, and Elastic Net Regression in predicting methanol space-time yield (STY) from CO? hydrogenation data. Using a dataset derived from Cu-based catalyst research, the study implemented a comprehensive preprocessing approach, including data cleaning, imputation, outlier removal, and normalization. The models were rigorously evaluated through 10-fold cross-validation and tested on unseen data. Ridge Regression outperformed the other models, achieving the lowest Root Mean Squared Error (RMSE) of 0.7706, Mean Absolute Error (MAE) of 0.5627, and Mean Squared Error (MSE) of 0.5938. In comparison, Lasso and Elastic Net Regression models exhibited higher error metrics. Feature importance analysis revealed that Gas Hourly Space Velocity (GHSV) and Molar Masses of Support significantly influence catalytic activity. These findings suggest that Ridge Regression is a promising tool for accurately predicting methanol production, providing valuable insights for optimizing catalytic processes and advancing sustainable practices in chemical engineering.
Investigasi Efisiensi Penghambatan Korosi Senyawa Quinoxaline Berbasis Machine Learning Vicenzo Frendyatha Adiprasetya; Muhamad Akrom; Gustina Alfa Trisnapradika
Eksergi Vol 21 No 2 (2024)
Publisher : Prodi Teknik Kimia, Fakultas Teknik Industri, UPN "Veteran" Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/e.v21i2.10025

Abstract

Korosi memberikan kekhawatiran serius bagi sektor industri dan akademik karena mempunyai dampak negatif yang signifikan terhadap sejumlah bidang, termasuk perekonomian, lingkungan, masyarakat, industri, keamanan, dan keselamatan. Saat ini, banyak peminat topik pengendalian kerusakan bahan berbasis molekul organik. Quinoxaline mempunyai potensi sebagai inhibitor korosi karena tidak beracun, mudah diproduksi, dan efektif dalam berbagai kondisi korosif. Mengeksplorasi kemungkinan kandidat penghambat korosi melalui penelitian eksperimental adalah proses yang memakan waktu dan sumber daya yang intensif. Dengan menggunakan pendekatan machine learning (ML) berdasarkan model quantitative structure-property relationship (QSPR), kami mengevaluasi beragam algoritma linier dan non-linier sebagai model prediktif nilai corrosion inhibition efficiency (CIE) dalam penelitian ini. Kami menemukan bahwa, untuk kumpulan data senyawa quinoxaline, model non-linier Gradient Boosting Regressor (GBR) mengungguli keseluruhan model linier dan non-linier, serta hasil dari literatur dalam hal kinerja prediksi berdasarkan metrik root mean squared error (RMSE), mean squared error (MSE), mean absolute deviation (MAD), mean absolute percentage error (MAPE) dan coefficient of determination (R2). Secara keseluruhan, penelitian kami memberikan sudut pandang baru tentang kapasitas model ML untuk memperkirakan kemampuan penghambatan korosi pada permukaan besi oleh senyawa organik quinoxaline.