Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pelatihan Logika Dasar Pemrograman menggunakan Code.org pada SMA Negeri 1 Bergas Winarsih, Nurul Anisa Sri; Pramunendar, Ricardus Anggi; Saputra, Filmada Ocky; Rohman, Muhammad Syaifur; Ratmana, Danny Oka; Hamid, Maulana As’an; Kartika, Gita
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 8, No 1 (2025): JANUARI 2025
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v8i1.2779

Abstract

Program "Pelatihan Logika Dasar Pemrograman Menggunakan Situs Web Code.org" bertujuan untuk menyediakan platform yang komprehensif dan mudah diakses bagi individu yang ingin meningkatkan keterampilan dasar logika pemrograman mereka. Program ini menggunakan situs web Code.org, sumber daya online yang ramah pengguna, untuk menyampaikan modul pelatihan yang menarik dan interaktif. Peserta akan dibimbing melalui konsep dasar logika pemrograman, membentuk pemahaman yang kuat tentang prinsip-prinsip kunci yang menjadi dasar berbagai bahasa pemrograman. Integrasi platform Code.org memastikan pengalaman belajar yang intuitif, menjadikannya cocok untuk pemula sambil menawarkan wawasan berharga bagi mereka yang memiliki latar belakang pemrograman tertentu. Pendekatan terstruktur dan latihan praktis program memberdayakan peserta untuk mengembangkan keterampilan dasar pemecahan masalah dan berpikir algoritmik, yang pada akhirnya mempersiapkan mereka untuk upaya pemrograman yang lebih canggih.
Pengembangan Wisata Berbasis Reinventing Government Pada Objek Wisata Hidden Canyon Beji Guwang Kartika, Gita; Ni Wayan Widhiastini; Putu Ratna Juwita Sari; Ni Putu Bayu Widhi Antari
PESHUM : Jurnal Pendidikan, Sosial dan Humaniora Vol. 5 No. 1: Desember 2025
Publisher : CV. Ulil Albab Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56799/peshum.v5i1.13115

Abstract

Penelitian ini bertujuan untuk mengetahui bagaimana penerapan prinsip Reinventing Government atau konsep mewirausahakan birokrasi dalam pengembangan Objek Wisata Hidden Canyon Beji Guwang di Kabupaten Gianyar. Penelitian ini menggunakan metode deskriptif kualitatif dengan pengumpulan data melalui wawancara, observasi, dan studi dokumentasi. Informan penelitian terdiri dari Kepala Desa Guwang, Ketua BUMDes, pengelola Hidden Canyon, masyarakat setempat, dan pihak swasta yang terlibat. Hasil penelitian menunjukkan bahwa penerapan prinsip Reinventing Government telah membawa perubahan positif dalam pengelolaan wisata di Desa Guwang. Pemerintah desa kini tidak lagi menjadi pelaksana utama, melainkan berperan sebagai fasilitator dan pendorong, sementara pengelolaan sehari-hari dilakukan oleh BUMDes dan pengelola. Beberapa prinsip seperti pemerintahan berorientasi hasil, pemerintahan wirausaha, dan pemerintahan berorientasi pada pelanggan sudah diterapkan melalui inovasi wisata, peningkatan pelayanan, serta pelibatan masyarakat lokal. Namun, pelaksanaannya masih menghadapi berbagai kendala seperti partisipasi masyarakat yang belum merata, keterbatasan sumber daya manusia dalam promosi digital, dan kurangnya dukungan dari pemerintah daerah. Secara keseluruhan, penerapan prinsip Reinventing Government di Hidden Canyon Beji Guwang memiliki potensi besar untuk menciptakan pengelolaan wisata yang lebih mandiri, inovatif, dan berkelanjutan jika kolaborasi dan kapasitas pengelola terus ditingkatkan.
Comparative Performance Analysis of SVM and QSVM in Breast Cancer Diagnosis Kartika, Gita; Akrom, Muhamad
Journal of Applied Informatics and Computing Vol. 10 No. 5 (2026): October 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i5.14093

Abstract

The application of machine learning has shown significant progress in various fields, including clinical data classification. This study presents a comparative analysis between the classical Support Vector Machine (SVM) and Quantum Support Vector Machine (QSVM) for breast cancer classification using the Wisconsin Diagnostic Breast Cancer (WDBC) dataset. Principal Component Analysis (PCA) was applied as dimension reduction strategy across three configurations (PCA = 2, PCA = 4, and PCA = 6) to evaluate the sensitivity of both models to the feature space dimension. Preprocessing included log1p transformation on 22 skewed features, Manual SMOTE balancing, and MinMaxScaler normalization. SVM was optimized via GridSearchCV (80 parameter combinations, cv = 5), while QSVM employed a ZZFeatureMap quantum kernel (reps = 2, entanglement = full) on qasm_simulator. Experimental results demonstrate that SVM achieved superior accuracy across all configurations, with peak performance at PCA = 6 (Accuracy= 98.83%, AUC = 0.9985, Specificity = 1.0000, Sensitivity = 0.9688, Precision = 1.0000, NPV = 0.9817, and F1-score for malignant = 0.98). QSVM achieved its highest accuracy at PCA = 4 (92.98%), AUC = 0.9622, Sensitivity = 0.9219, Precision = 0.8939, NPV = 0.9524, and F1-score for malignant = 0.91. Across the three PCA configurations, QSVM exhibited a non-monotonic relationship between PCA dimensions and quantum kernel performance . These findings provide a quantitative benchmark for comparing quantum and classical machine learning in breast cancer diagnosis.