Claim Missing Document
Check
Articles

Found 2 Documents
Search

Kematangan Emosi sebagai Faktor Penentu Perilaku Mengemudi Agresif di Kalangan Pengemudi Ojek Online Ariq Rahmat Rizki; Nurul Huda; Dina Kusuma Astuti
Jurnal Ilmiah Kedokteran dan Kesehatan Vol. 4 No. 3 (2025): September: Jurnal Ilmiah Kedokteran dan Kesehatan
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/klinik.v4i3.4300

Abstract

The increasing number of online motorcycle taxi drivers joining app-based transportation services has created a new phenomenon on the roads. One of the consequences is the potential for increased traffic congestion and the emergence of less conducive road conditions. This situation can trigger aggressive driving behavior among online motorcycle taxi drivers, which may ultimately lead to accidents. This study aims to empirically examine the relationship between emotional maturity and aggressive driving behavior among online motorcycle taxi drivers. The approach used in this research is a quantitative method. The sampling technique applied is purposive sampling, and data analysis was conducted using Pearson Product Moment correlation. The instrument used to measure aggressive driving was the Aggressive Driving Behavior Scale (ADBS), developed by Houston, Harris, and Norman, which includes conflict behavior and speeding. Meanwhile, the emotional maturity scale was constructed based on aspects proposed by Walgito, such as acceptance of oneself and others, emotional control, non-impulsiveness, responsibility, and objective thinking. The hypothesis testing results showed a significance value of 0.000 (p<0.0001) with a correlation coefficient (r) of -0.544. These findings indicate a highly significant negative relationship between emotional maturity and aggressive driving behavior among online motorcycle taxi drivers.
Penerapan Model Arsitektur VGG16 Untuk Klasifikasi Jenis Sampah Ety Sutanty; Maukar; Dina Kusuma Astuti; Handayani
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 3 No. 2: SEPTEMBER 2023
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v3i2.331

Abstract

Data dari Kementerian Lingkungan Hidup dan Kehutanan melalui Sistem Informasi Pengelolaan Sampah Nasional menunjukkan peningkatan jumlah tumpukan sampah hampir 30 Ton pada 2021 dengan sumber sampah terbanyak berasal dari produksi sampah rumah tangga dan kegiatan industri. Cara menyelesaikan masalah pengolahan sampah adalah melalui kegiatan pengolahan sampah yang lebih efektif, salah satunya dengan melakukan klasifikasi jenis sampah menggunakan Convolutional Neural Network (CNN). Pada penelitian ini, dilakukan klasifikasi jenis sampah berdasarkan citra sampah dengan metode CNN menggunakan arsitektur VGG-16 menggunakan dataset Garbage Classification dari situs Kaggle. Arsitektur VGG-16 pada penelitian ini menggunakan 16 lapisan layer yang terdiri atas 13 lapisan layer konvolusi dan 3 lapisan fully-connected. Pelatihan model menggunakan library tensorflow dengan rasio split data 7:1.5:1.5 untuk data latih, data test dan data validasi. Model CNN arsitektur VGG-16 sebagai metode transfer learning dimodifikasi dengan penambahan beberapa lapisan diantaranya pooling layer dengan GlobalAveragePooling2D, dense layer dengan aktivasi ReLU, dan dense layer dengan aktivasi softmax sebagai lapisan full connected layer. Hasil dari pelatihan mendapatkan nilai accuracy sebesar 82.89% dan nilai val_accuracy sebesar 84.62%. Hasil penelitian ini diharapkan dapat membantu pemerintah dalam melakukan pengolahan sampah dalam bentuk yang lebih stabil dan tidak mencemari lingkungan serta mengurangi jumlah sampah yang harus ditimbun.