Claim Missing Document
Check
Articles

Found 4 Documents
Search

Improving English Listening Skill Trough by Spotify Songs Faisal Faisal; Anggraini Anggraini
Jurnal Sosial Humaniora dan Pendidikan Vol. 4 No. 3 (2025): Desember : Jurnal Sosial Humaniora dan Pendidikan
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56127/jushpen.v4i3.2349

Abstract

In terms of global distribution, English is the most frequently spoken language. Therefore, in order to communicate at an international level, the student's communication abilities are required. There are numerous approaches to improve language skills, each with its own distinct set of characteristics. The development of music streaming apps such as Spotify ushered in a new way of listening to music. Daniel Ek and Martin Lorentzon founded Spotify in 2008. Spotify was called after a sentence that Ek and Lorentzon randomly blurted. Ek misheard the phrase "Spotify," and they assume the name is a play on "spot" and "identify". Spotify is a music and audio streaming service that offers copyrighted songs and podcasts. Spotify, as well as other English courses, were extremely effective in enhancing students' listening skills. This study can be used with other multimedia to enhance students' listening abilities. The goal of this research was to investigate students' perceptions of Spotify. This study employed a qualitative descriptive method, with data obtained via semi-structured interviews with ten respondents
Classification of Facial Skin Problems Using Convolutional Neural Networks (CNN) and Content-Based Filtering for Skincare Product Recommendation Mila Cahyani; Sefrika Entas; Faisal Faisal
Jurnal Media Computer Science Vol 5 No 4 (2026): Oktober
Publisher : LPPJPHKI Universitas Dehasen Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jmcs.v5i4.13083

Abstract

Many consumers find it difficult to independently identify their facial skin problems due to limited access to dermatological services. This study aims to classify seven facial skin problems using a CNN with ResNet50V2 and generate skincare product recommendations using Content-Based Filtering with TF-IDF and Cosine Similarity. The dataset consists of 2,450 facial skin images, with 350 images for each class. The model was trained through three progressive fine-tuning phases using a Dual Pooling classification head and Test-Time Augmentation, complemented by input validation through face detection and a confidence-score threshold. The results show that the model achieved a test accuracy of 82.53% and a macro F1-score of 0.82. The acne class achieved the highest performance with an F1-score of 0.89, while the dull skin/dark spots class obtained the lowest F1-score of 0.78, which was associated with visual similarities to signs of aging. The recommendation system generated product recommendations with similarity scores ranging from 0.278 to 0.321 based on the relevance of product attributes and active ingredients. Black-box testing showed that all tested system scenarios were valid.
Klasifikasi Kepuasan Pengguna Livin by Mandiri Menggunakan Naïve Bayes Yahya Hasani Fauzi; Sefrika Sefrika; Faisal Faisal
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.14414

Abstract

Perkembangan layanan perbankan digital menjadikan mobile banking sebagai salah satu sarana penting dalam melakukan transaksi keuangan. Namun, kendala teknis dan performa aplikasi dapat memengaruhi kepuasan pengguna. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan pengguna aplikasi Livin by Mandiri di Kelurahan Kademangan, mengklasifikasikan pengguna ke dalam kategori Puas dan Tidak Puas menggunakan algoritma Naïve Bayes, serta mengevaluasi kinerja model yang dihasilkan. Penelitian ini menggunakan pendekatan kuantitatif dengan data primer yang diperoleh melalui kuesioner daring. Sebanyak 125 responden dipilih menggunakan teknik purposive sampling berdasarkan kriteria yang telah ditentukan. Kuesioner terdiri atas 20 pernyataan dengan skala Likert lima poin. Sebanyak 16 atribut yang mencakup kemudahan penggunaan, kualitas sistem, kualitas informasi, dan keamanan digunakan sebagai prediktor, sedangkan empat pernyataan kepuasan digunakan untuk membentuk label kelas. Proses klasifikasi dilakukan menggunakan RapidMiner dengan metode 10-Fold Cross Validation. Teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan pada data latih di setiap fold untuk mengatasi ketidakseimbangan kelas tanpa mengubah distribusi asli data uji. Hasil penelitian menunjukkan bahwa 116 responden (92,8%) termasuk kategori Puas, sedangkan sembilan responden (7,2%) termasuk kategori Tidak Puas. Evaluasi model menghasilkan accuracy sebesar 98,40%, precision sebesar 100%, recall sebesar 77,78%, dan F1-score sebesar 87,50%, dengan kategori Tidak Puas sebagai kelas positif. Hasil tersebut menunjukkan bahwa kombinasi Naïve Bayes dan SMOTE mampu mengklasifikasikan kepuasan pengguna dengan baik, meskipun peningkatan masih diperlukan untuk mendeteksi seluruh pengguna yang tidak puas.
Analisis Pengaruh Kepemilikan Jaminan Kesehatan terhadap Peserta PBI di Indonesia Menggunakan Regresi Linear Berganda Lia Nuramalia; Sefrika Entas; Faisal Faisal
Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya Vol 8 No 2 (2026): Jurnal Ilmiah STMIK Bina Nusantara Jaya
Publisher : STMIK Bina Nusantara Jaya Lubuk Linggau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52303/jb.v8i2.238

Abstract

Program Jaminan Kesehatan Nasional (JKN) merupakan bentuk penyelenggaraan jaminan kesehatan oleh pemerintah. Pada program ini, peserta yang termasuk kategori Penerima Bantuan Iuran (PBI) mendapatkan pembiayaan iuran dari pemerintah. Perbedaan tingkat kepesertaan PBI, Non-PBI, dan Jaminan Perusahaan di setiap provinsi menunjukkan adanya variasi kondisi sosial ekonomi yang perlu dikaji. Penelitian ini bertujuan menganalisis pengaruh kepemilikan jaminan kesehatan Non-PBI dan Jaminan Perusahaan terhadap persentase peserta PBI di 37 provinsi Indonesia tahun 2025. Penelitian ini menerapkan pendekatan kuantitatif dengan memanfaatkan data sekunder yang bersumber dari Badan Pusat Statistik (BPS). Analisis data dilakukan melalui metode regresi linier berganda menggunakan IBM SPSS Statistics, kemudian hasil perhitungannya diverifikasi dengan Microsoft Excel. Berdasarkan hasil analisis, variabel Non-PBI tidak menunjukkan pengaruh yang signifikan secara parsial terhadap persentase peserta PBI (Sig. = 0,378). Sebaliknya, variabel Jaminan Perusahaan memiliki pengaruh negatif yang signifikan (Sig. = 0,049). Pengujian secara simultan menunjukkan bahwa kedua variabel independen berpengaruh signifikan terhadap persentase peserta PBI (Sig. = 0,007). Selain itu, nilai koefisien determinasi (R²) sebesar 0,252 mengindikasikan bahwa model mampu menjelaskan 25,2% variasi persentase peserta PBI.