Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JURNAL PENDIDIKAN TAMBUSAI Journal of Education Research
Hasibuan, Elpina Sari Dewi
Unknown Affiliation
Humanities Education Mathematics Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Literature Review: Penerapan Framework Difusi Inovasi dalam Perancangan Model Bisnis Digital Hasibuan, Elpina Sari Dewi; Veri, Jhon
Jurnal Pendidikan Tambusai Vol. 9 No. 2 (2025): Agustus
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v9i2.30132

Abstract

Transformasi digital mendorong organisasi untuk merancang model bisnis baru yang adaptif terhadap perubahan teknologi. Salah satu pendekatan teoretis yang relevan dalam konteks ini adalah framework Diffusion of Innovation (DOI) yang menjelaskan proses adopsi inovasi berdasarkan karakteristik inovasi dan dinamika sosial. Penelitian ini bertujuan untuk mengkaji bagaimana framework DOI diterapkan dalam perancangan model bisnis digital melalui metode Systematic Literature Review (SLR). Sebanyak 32 artikel dari tahun 2020–2025 dianalisis berdasarkan tema, pendekatan, dan hasil studi. Hasilnya menunjukkan bahwa karakteristik DOI seperti relative advantage, trialability, dan observability berperan penting dalam membentuk proposisi nilai, segmentasi pengguna, serta strategi saluran digital. Integrasi DOI dalam elemen-elemen Business Model Canvas memungkinkan organisasi merancang strategi adopsi teknologi yang lebih efektif dan berkelanjutan. Studi ini memberikan kontribusi konseptual dan praktis bagi pengembangan model bisnis digital berbasis inovasi.
Perbandingan Metode Deep Learning dalam Deteksi Kekerasan Fisik Berbasis Video: Studi Literatur pada CNN, RNN/LSTM, 3D-CNN, dan YOLO Hasibuan, Elpina Sari Dewi; Hendrik, Billy
Journal of Education Research Vol. 6 No. 4 (2025): in Progress
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v6i4.2180

Abstract

Deteksi tindak kekerasan merupakan salah satu tantangan utama dalam pengembangan sistem keamanan berbasis teknologi, khususnya pada pengawasan video. Penelitian ini bertujuan untuk melakukan kajian literatur mengenai keunggulan, kekurangan, dan aplikasi dari berbagai metode kecerdasan buatan, yaitu Convolutional Neural Network (CNN), Recurrent Neural Network (RNN)/Long Short-Term Memory (LSTM), 3D Convolutional Neural Network (3D-CNN), dan You Only Look Once (YOLO), dalam mendeteksi tindak kekerasan fisik. CNN dikenal efektif dalam mengenali pola visual statis, sementara RNN/LSTM unggul dalam analisis data sekuensial yang melibatkan aspek temporal. Di sisi lain, 3D-CNN menawarkan kemampuan untuk menangkap pola spasial dan temporal secara bersamaan dalam video, sedangkan YOLO menyediakan pendekatan real-time untuk deteksi objek, yang relevan untuk mendeteksi kekerasan dengan efisiensi tinggi. Studi ini membahas performa keempat metode berdasarkan parameter seperti akurasi, kecepatan, kompleksitas, dan kemampuan adaptasi terhadap data dunia nyata. Kajian ini diharapkan memberikan wawasan mendalam bagi pengembang sistem keamanan berbasis video dalam memilih metode yang paling sesuai untuk kebutuhan spesifik dalam mendeteksi tindak kekerasan fisik.
Co-Authors Hendrik, Billy Veri, Jhon