Claim Missing Document
Check
Articles

Found 3 Documents
Search

Penerapan Metode Asosiasi untuk Rekomendasi Bahan Makanan Vegetarian dan Penentu Kebutuhan Kalori Berbasis Android Jody, Jody; Mutiah, Nurul; Sari, Renny Puspita
Coding: Jurnal Komputer dan Aplikasi Vol 12, No 1 (2024): Edisi April 2024
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v12i1.77533

Abstract

Vegetarian merupakan upaya mengatur pola hidup untuk menyelaraskan diri dengan alam dengan hanya mengonsumsi tumbuhan saja sebagai makanan. Namun tidak mudah bagi seseorang untuk menjadi vegetarian, karena kebutuhan dari setiap manusia berbeda "“ beda. Oleh sebab itu dibutuhkan alat atau media untuk mengetahui jumlah kalori yang dibutuhkan setiap hari salah satunya menggunakan Basal Metabolic Rate (BMR). Aplikasi dalam bentuk mobile sangat efisien dan mudah dipelajari maka dari itu dilakukan penelitian untuk membangun apps yang dapat membantu untuk menghitung kebutuhan kalori perhari dan merekomendasikan bahan makanan vegetarian. Untuk mencapai hasil yang maksimal maka proses pengembangan digambarkan pada kerangka kerja penelitian yang dipilih menggunakan IS Research. Penelitian ini menggunakan metode Basal Metabolic Rate (BMR) untuk menentukan kalori dan association rules untuk memberikan rekomendasi bahan makanan vegetarian. Aplikasi Rekomendasi Bahan Makanan Vegetarian dan Penentu Kebutuhan Kalori (Verie) merupakan aplikasi yang dikembangkan untuk membantu vegetarian dalam memilih bahan makanan dan menghitung jumlah kalori yang dibutuhkan oleh tubuh perhari yang berjalan di sistem operasi Android pada perangkat mobile yang dikembangkan dengan bahasa pemrogramman Java dengan bantuan Android Studio sebagai IDE dan smartphone dengan sistem operasi Android untuk menguji dan implementasi aplikasi Verie. Apps ini telah diuji dengan menyebarkan kuisioner melalui Google Form, untuk aplikasi Verie diperoleh hasil sebesar 89,3% dari perhitungan skala Likert yang menunjukkan bahwa sistem bernilai sangat baik.
Causality Effect Among ASEAN-5 Stock Markets in COVID-19 Pandemic: VAR Model Approach Fatah, Bintang Izzatul; Jody, Jody; Budiasih, Budiasih
Enthusiastic : International Journal of Applied Statistics and Data Science Volume 3 Issue 1, April 2023
Publisher : Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/enthusiastic.vol3.iss1.art3

Abstract

Financial globalization increase integration degree of capital flow. However, the global shock could impact many countries, either positive and negative. COVID-19 pandemic is one of the shock that affect world including ASEAN-5. This paper apply the Vector Autoregressive (VAR) model to identify the linkage among ASEAN-5 stock markets during the COVID-19 pandemic and it is used because of no spesific theory behind it. The data used in this paper is the weekly return of the composite index of ASEAN-5 stock markets from 11 March 2020 to 29 December 2021. This paper finds that there is a linkage among ASEAN-5 stock markets indicated by decreasing price index consecutive. Therefore, the implication of this paper is that the investors have to switch the investment instrument from stock to other instrument carefully. Once the negative impact begins to taper off, investors could do international stock investment.
Sistem Rekomendasi Jalur Sertifikasi Berbasis Machine Learning untuk Lifelong Learning Jody, Jody; Aryo Riandhito, Febry; Ridwan, Mohamad; Pebrianti, Dwi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol. 12 No. 2 (2026): Volume 12 No 2
Publisher : Program Studi Informatika

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

Abstract

Dinamika pasar tenaga kerja saat ini menuntut peningkatan kompetensi secara berkelanjutan melalui ekosistem lifelong learning (pembelajaran sepanjang hayat). Lembaga Sertifikasi Profesi (LSP) berperan penting dalam hal ini, namun sering kesulitan memberikan rekomendasi sertifikasi yang tepat bagi pendaftar baru. Kendala utamanya meliputi ketiadaan riwayat sertifikasi (cold-start), keterbatasan pencocokan kata kunci pada sistem tradisional (lexical mismatch), serta kurangnya transparansi alasan rekomendasi dari sistem kecerdasan buatan (black-box). Penelitian ini mengusulkan sistem rekomendasi hibrida yang menggabungkan Machine Learning dan Generative AI. Untuk mengatasi masalah cold-start, algoritma K-Means digunakan untuk mengelompokkan profil pendaftar ke dalam 6 persona karier yang optimal berdasarkan data awal mereka. Selanjutnya, pencocokan profil dengan skema sertifikasi dilakukan menggunakan model Sentence-BERT (SBERT) yang mampu memahami konteks makna bahasa, bukan sekadar kata persis. Hasil pengujian menunjukkan pendekatan hibrida ini sangat unggul dengan tingkat akurasi (Recall@3) mencapai 82,67%. Terakhir, untuk mengatasi masalah black-box, sistem ini mengimplementasikan teknologi Retrieval-Augmented Generation (RAG). Teknologi ini menerjemahkan skor komputasi menjadi penjelasan naratif yang mudah dipahami, memberi tahu pengguna mengenai kesenjangan keterampilan (skill gap) yang perlu mereka pelajari. Secara keseluruhan, prototipe sistem berbasis web ini berhasil memberikan rekomendasi yang presisi sekaligus bertindak sebagai penasihat karier transparan yang mendukung pengembangan kompetensi tenaga kerja.