Claim Missing Document
Check
Articles

Found 34 Documents
Search

Analisis Bibliometrik SDM AI Industri Indonesia Berbasis OpenAlex: Metode CTM Syahadatul Aditya; Aswin Rosadi
Prosiding SISFOTEK Vol 9 No 1 (2025): SISFOTEK IX 2025
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

This study maps the research landscape of HR–AI in the Indonesian industry context using OpenAlex open data for the 2015–2025 period (with 2025 being partial). After curation (deduplication, language detection, normalization, and removal of very short documents), the corpus was analyzed using Contextualized Topic Models (CTM) based on multilingual embeddings and compared with a lightweight baseline, Latent Semantic Analysis(LSA). The number of topics was tested at K = 10; K* was determined by the peak of c_v coherence and cross-checked with c_npmi on candidate K values. The results show that CTM consistently outperforms LSA in coherence across the same K range and yields more stable topic labels. A topics-over-time analysis highlights four major thematic clusters—workforce upskilling/reskilling, HR analytics and process automation, AI governance and ethics (including compliance with Indonesia’s Personal Data Protection Law, UU PDP), and the digital transformation of education/curricula—with several topics exhibiting upward trends since 2019. These findings offer practical recommendations for organizations and policymakers: designing analytics-driven competency-building programs, strengthening data and model governance and audits, and integrating curricula aligned with industry needs. All artifacts (processed data, tables, and figures) are provided to support replication and verification.
DGS Alat Deteksi Tingkat Stress Pada Mahasiswa Berdasarkan Detak jantung dan Konduksivitas kulit dengan sensor MAX30100 dan sensor GSR Menggunakan Metode Fuzzy Logic Berbasis Arduino Nano Saputra, Devan Giri; Rosadi, Aswin; Haryanti, Tining
Computing Insight : Journal of Computer Science Vol 7 No 2 (2025)
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/comp_insight.v7i2.27512

Abstract

Stres akademik merupakan persoalan yang sering dialami oleh mahasiswa, khususnya ketika menghadapi tugas akhir seperti penyusunan skripsi. Tingkat stres yang tinggi tidak hanya berdampak negatif terhadap performa akademik, tetapi juga dapat memicu kondisi psikologis serius, seperti kecemasan berlebihan, frustrasi, bahkan hingga tindakan bunuh diri. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah perangkat pendeteksi tingkat stres berbasis Arduino Nano, yang memanfaatkan sensor MAX30100 dan Galvanic Skin Response (GSR). Parameter fisiologis yang digunakan untuk mendeteksi stres meliputi detak jantung dan konduktivitas kulit. Metode yang diterapkan dalam sistem ini adalah logika fuzzy, yang memungkinkan pengolahan data fisiologis secara real-time serta mampu menangani ketidakpastian dan variasi biologis antarindividu. Sistem ini dirancang untuk mengklasifikasikan tingkat stres ke dalam empat kategori linguistik, yaitu rileks, tenang, cemas, dan stres, dengan hasil pengukuran ditampilkan melalui layar LCD 16x2. Pengujian dilakukan dengan cara membandingkan hasil deteksi dari alat dengan skor kuesioner Perceived Stress Scale (PSS) yang telah divalidasi dan diuji reliabilitasnya. Berdasarkan hasil evaluasi, alat menunjukkan tingkat akurasi yang cukup baik dalam mendeteksi stres. Stabilitas sensor GSR mencapai 74% pada kategori sangat stabil, sedangkan sensor MAX30100 menunjukkan 60,87% gabungan antara kategori sangat stabil dan cukup stabil. Dengan ini sistem berpotensi menjadi solusi praktis dalam memantau tingkat stres mahasiswa
AI-Supported Deep Learning Model for Meaningful Character Education in Indonesian Elementary School Learning Lilik Binti Mirnawati; Aswin Rosadi; Apostolis Xenakis; Ummi Hani Abu Hassan
Profesi Pendidikan Dasar Vol. 13, No. 1, April 2026
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/ppd.v13i1.14516

Abstract

Elementary literacy performance in Indonesia remains below international standards, indicating the need for instructional innovation within core subjects. This study developed and evaluated an AI-supported deep learning model implemented in Bahasa Indonesia learning to enhance meaningful learning and character education in elementary schools. The research employed a Research and Development design using a sequential explanatory mixed-methods approach. The development process included needs analysis, expert validation, revision, pilot testing, and field trials involving 60 students and two teachers. Quantitative data were collected through meaningful literacy tests, character observation rubrics, learning analytics logs, and perception questionnaires, while qualitative data were obtained from interviews and classroom observations. Paired-samples t-tests showed significant improvements in conceptual understanding, critical thinking, and knowledge application. There was a notable enhancement in character indicators, particularly in the domains of empathy and responsibility. An examination of the analytics revealed a marked increase in student engagement over a period of four weeks. The integration of personalisation and analytics within the teaching of Bahasa Indonesia has been demonstrated to enhance cognitive and personal development in elementary education.
Pemberdayaan Kader dan Komunitas untuk Pendampingan Pasien Tuberkulosis melalui Pendekatan Video Supervised Therapy Yelvi Levani; Aswin Rosadi; Sabda alam; Nurhidayatullah Romadhon; Adimas Setiawan; Firaz Yazar
Journal of Community Development Vol. 6 No. 3 (2026): April
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/comdev.v6i3.1851

Abstract

Tuberkulosis (TBC) masih menjadi salah satu masalah kesehatan masyarakat utama di Indonesia, dengan tantangan utama rendahnya kepatuhan pasien dalam menjalani pengobatan hingga tuntas. Program ini bertujuan memberdayakan kader dan komunitas IKABAYA melalui pendampingan berbasis Video Supervised Therapy (VST) menggunakan aplikasi Tebas TB untuk meningkatkan kepatuhan minum obat pasien. Metode yang digunakan adalah pendekatan partisipatif melalui lima tahapan, yaitu persiapan, sosialisasi, pelatihan dan instalasi aplikasi, implementasi pendampingan digital, serta monitoring dan evaluasi. Hasil kegiatan menunjukkan peningkatan kepatuhan minum obat dari 60% menjadi 90%, penurunan angka putus obat, serta efisiensi kerja kader karena mampu memantau lebih banyak pasien tanpa harus melakukan kunjungan rumah setiap hari. Pasien juga melaporkan peningkatan motivasi dan rasa percaya diri karena mendapat dukungan sosial dari keluarga dan komunitas. Pembahasan menekankan pentingnya kombinasi teknologi digital dengan pendampingan psikososial untuk memastikan keberhasilan pengobatan. Kesimpulan dari kegiatan ini adalah pendampingan berbasis VST mampu meningkatkan kepatuhan pasien, memperkuat peran kader, dan menciptakan lingkungan sosial yang lebih mendukung kesembuhan, sehingga berpotensi direplikasi di wilayah lain dengan kasus TBC yang tinggi.