Claim Missing Document
Check
Articles

Found 4 Documents
Search

Pengaruh Profitabilitas, Likuiditas, Leverage, Dan Arus Kas Operasi Terhadap Kecenderungan Financial Distress Pada Sub Sektor Transportasi Yang Terdaftar Di Bei Tahun 2019-2021 Safitri, Eli; Nurdyastuti, Tri
KELOLA Vol 10, No 2 (2023)
Publisher : STIE AUB Surakarta

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

Abstract

Penelitian ini dibuat dengan tujuan untuk menyelidiki hubungan antara financial distress dan profitabilitas, likuiditas, leverage, dan arus kas operasi. Penelitian kuantitatif merupakan bagian dari penelitian ini. Partisipan dalam penelitian ini yaitu ada 46 perusahaan di industri transportasi yang terdapat di BEI antara tahun 2019-2021. Pengambilan sampel dalam penelitian ini yaitu purposive sampling. Analisis regresi logistik adalah metode yang dipakai untuk menganalisis data. Profitabilitas berpengaruh positif terhadap financial distress tetapi tidak signifikan, likuiditas berpengaruh negatif pada financial distress tetapi tidak signifikan, leverage berpengaruh positif dan signifikan pada financial distress, dan arus kas operasi berpengaruh positif dan signifikan pada financial distress. Nilai Nagelkerke R Square adalah 0,408. Hal ini menunjukkan variabilitas variabel independen menyumbang 40,8% dari variabilitas variabel dependen, sedangkan variabel lainnya tidak digunakan dalam penelitian ini menyumbang 59,2%.
PENGGUNAAN TEKNOLOGI PENGENALAN GAMBAR UNTUK DETEKSI PENYANDANG DISABILITAS DAN EFISIENSI ENERGI DALAM RUANG MODULAR HARMONY IN SPACE Melisa, Sandra; Zakaria, Muhammad; Roihan Fuady, Muhammad; Fadilla Ilham, M.Davi; Safitri, Eli; Novrianty Nasution, Irma
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10349

Abstract

Penelitian ini bertujuan untuk mengembangkan model deteksi objek berbasis Roboflow yang efektif dalam mendeteksi penyandang disabilitas dalam lingkungan modular. Latar belakang penelitian ini berfokus pada pentingnya meningkatkan aksesibilitas bagi penyandang disabilitas di lingkungan modular dan mengoptimalkan efisiensi energi. Pendekatan ini mengintegrasikan teknologi pengenalan gambar untuk secara otomatis mendeteksi keberadaan penyandang disabilitas dan mengaktifkan fasilitas yang sesuai, serta mengoptimalkan penggunaan energi dengan sensor yang terhubung ke panel surya. Dataset yang digunakan terdiri dari foto-foto penyandang disabilitas yang diakses secara publik. Model dilatih menggunakan Roboflow 3.0 dengan arsitektur dan pelatihan dari MS COCO. Hasil evaluasi menunjukkan bahwa model ini sangat akurat dengan mAP 99,5%, precision 99,6%, dan recall 100,0%. Selama fase pelatihan, train/box_loss menurun dari 1,4 ke 0,4, train/cls_loss dari 2,5 ke bawah 0,5, dan train/dfl_loss dari 1,6 menjadi 1,0, menunjukkan peningkatan dalam akurasi deteksi dan klasifikasi objek. Validasi juga menunjukkan penurunan val/box_loss dari 2,0 ke bawah 0,5 dan val/cls_loss dari 4,0 ke bawah 1,0. Implementasi teknologi ini dapat membuat lingkungan modular lebih mudah diakses dan efisien dalam penggunaan energi.
KLASIFIKASI PENYAKIT DAUN ANGGUR BERBASIS CITRA MENGGUNAKAN METODE K-NEAREST NEIGHBORS (KNN) Safitri, Eli; Heppy Ria Sibarani, Ronasip; SM Sidabutar, Yusiva; Kiswanto, Dedy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.12004

Abstract

Penurunan produktivitas dan kualitas tanaman anggur sering kali disebabkan oleh serangan penyakit pada daunnya, yang sulit dideteksi secara manual di area perkebunan yang luas. Untuk mengatasi tantangan ini, penelitian ini mengembangkan sistem deteksi penyakit daun anggur berbasis citra menggunakan metode K-Nearest Neighbors (KNN) yang bertujuan meningkatkan akurasi deteksi dan efisiensi klasifikasi penyakit. Dalam penelitian ini, gambar daun anggur yang sehat dan terinfeksi penyakit dikumpulkan dan dianalisis dengan metode ekstraksi fitur yang meliputi Local Binary Pattern (LBP) untuk tekstur, deteksi tepi Canny dan Hu Moments untuk morfologi, serta histogram warna HSV. Dengan rasio 80:20 untuk data pelatihan dan pengujian, nilai K yang bervariasi (1-5) diuji, dan hasil terbaik diperoleh pada K=1 dengan akurasi 71%. Hasil ini menunjukkan bahwa pemilihan nilai K yang optimal sangat penting untuk mencapai performa terbaik dalam klasifikasi penyakit daun anggur. Kesimpulan dari penelitian ini menunjukkan bahwa metode KNN efektif dalam mengidentifikasi penyakit daun anggur, dan disarankan untuk memilih nilai K yang optimal untuk meningkatkan akurasi dan stabilitas model pada dataset yang serupa.
IMPLEMENTASI METODE PROFILE MATCHING DALAM SELEKSI PENERIMA BEASISWA SMA NEGERI 1 SEI BINGAI Sidabutar, Yusiva SM; Safitri, Eli; Sibarani, Ronasip Heppy Ria; Niska, Debi Yandra
Jurnal Khatulistiwa Informatika Vol 12, No 1 (2024): Periode Juni 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jki.v12i1.25898

Abstract

Proses seleksi penerima beasiswa sering kali menghadapi tantangan berupa subjektivitas penilaian dan kurangnya sistem yang objektif dalam pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis web menggunakan metode Profile Matching dalam seleksi penerima beasiswa di SMA Negeri 1 Sei Bingai. Metode Profile Matching digunakan untuk membandingkan nilai aktual siswa terhadap nilai ideal berdasarkan sejumlah kriteria, seperti nilai rapor, penghasilan orang tua, kepemilikan bantuan sosial, jumlah tanggungan, dan tingkat kehadiran. Penelitian ini menggunakan pendekatan studi kasus dengan metode kuantitatif terapan. Data dikumpulkan melalui wawancara, observasi, dokumentasi, dan studi literatur. Sistem dirancang menggunakan PHP dan MySQL dengan arsitektur client-server. Hasil pengujian menunjukkan bahwa sistem ini dapat membantu proses seleksi beasiswa secara lebih objektif, efisien, dan transparan. Dengan metode ini, siswa yang paling mendekati kriteria ideal dapat diprioritaskan secara adil berdasarkan hasil perhitungan nilai GAP dan bobot.