cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andy Sapta
Contact Email
saptaandy@gmail.com
Phone
-
Journal Mail Official
lppm_stmik@royal.ac.id
Editorial Address
-
Location
,
INDONESIA
JOURNAL OF SCIENCE AND SOCIAL RESEARCH
Published by Smart Education
ISSN : 26154307     EISSN : 26153262     DOI : -
Core Subject : Economy, Science, Education, Social,
Computer Science & IT Economics, Econometrics & Finance Education Social Sciences
Journal of Science and Social Research is accepts research works from academicians in their respective expertise of studies. Journal of Science and Social Research is platform to disclose the research abilities and promote quality and excellence of young researchers and experienced thoughts towards Change for Development. The journal releases on February and July.
Arjuna Subject : -
Articles 3,645 Documents
 333   334   335   336   337 
KLASIFIKASI PROVINSI BERDASARKAN DURASI MENGINAP WISATAWAN PADA HOTEL BERBINTANG MENGGUNAKAN JARINGAN HEBB M. Naufal Ramadhan; Bambang Irwansyah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.6390

Abstract

Abstract: This study aims to classify provinces in Indonesia based on tourist stay patterns in star-rated hotels using the Hebb Network method. Computational data is sourced from official publications of the Central Statistics Agency (BPS) covering 38 provinces in Indonesia. The Hebb Network method was chosen because of its effectiveness in linearly adjusting the strength of weights between neurons based on the bipolar correlation of input and output values, thus mapping provinces into three target classes: Low, Medium, and High. The system is implemented using the PHP programming language to facilitate the training and computational testing process. Based on the results of testing 38 test data using the final network weight parameters, the model successfully classified 29 data sets correctly according to their actual target classes. The evaluation results showed that the system achieved an accuracy level of 76.32%. Misclassification of 23.68% generally occurred in data with values ​​​​in the threshold area due to the dominance of the final network bias parameters. Overall, this model classification is valid in identifying stay patterns, thus providing strategic insights for local governments and tourism industry players in formulating more targeted and data-driven development policies. Keywords: Hebb Network, Classification, Length of Stay, Starred Hotels, Machine Learning, Indonesian Tourism.   Abstrak: Penelitian ini bertujuan untuk mengklasifikasikan provinsi di Indonesia berdasarkan pola durasi menginap wisatawan pada hotel berbintang menggunakan metode Jaringan Hebb. Data komputasi bersumber dari publikasi resmi Badan Pusat Statistik (BPS) yang mencakup 38 provinsi di Indonesia. Metode Jaringan Hebb dipilih karena efektivitasnya dalam menyesuaikan kekuatan bobot antar neuron secara linier berdasarkan korelasi nilai masukan dan keluaran bipolar, sehingga mampu memetakan provinsi ke dalam tiga kelas target: Rendah, Sedang, dan Tinggi. Sistem diimplementasikan menggunakan bahasa pemrograman PHP untuk memfasilitasi proses pelatihan dan pengujian komputasi. Berdasarkan hasil pengujian terhadap 38 data uji menggunakan parameter bobot akhir jaringan, model berhasil mengklasifikasikan 29 data dengan tepat sesuai kelas target aktualnya. Hasil evaluasi menunjukkan bahwa sistem mampu mencapai tingkat akurasi sebesar 76,32%. Misklasifikasi sebesar 23,68% umumnya terjadi pada data dengan nilai di area batas ambang (threshold) akibat dominasi parameter bias akhir jaringan. Secara keseluruhan, model klasifikasi ini valid dalam mengidentifikasi pola durasi menginap, sehingga dapat memberikan wawasan strategis bagi pemerintah daerah dan pelaku industri pariwisata dalam merumuskan kebijakan pengembangan yang lebih terarah dan berbasis data. Kata Kunci: Jaringan Hebb, Klasifikasi, Durasi Menginap, Hotel Berbintang, Machine Learning, Pariwisata Indonesia.
OPTIMASI ELBOW PADA METODE K-MENAS DALAM CLUSTERING DATA DARAH PASIEN UNTUK IDENTIFIKASI RESIKO PENYAKIT KRONIS Pani Irawan; Dicky Apdillah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.6391

Abstract

Abstract: Chronic diseases such as diabetes, hypertension, and heart disease are major causes of morbidity and mortality in various countries, including Indonesia. Early detection of chronic disease risk is a crucial step in more effective prevention and treatment. One important source of information for identifying these risks is laboratory data, particularly patient blood data, which includes parameters such as glucose levels, cholesterol, blood pressure, hemoglobin, and other indicators. The objective of this study was to design and develop a patient blood data clustering application to identify chronic disease risk using the K-Menas method and the Elbow method using a web programming language. The data used in this study consisted of a sample of 140 individuals. Of the total sample, 140 patients were successfully grouped into four optimal clusters (K = 4). This data partitioning process resulted in a varied population distribution within each cluster, reflecting the heterogeneity of clinical and demographic characteristics among the study subjects. Based on the analysis of 140 patients, the population was dominated by the Critical/Chronic group (Cluster 4) at 45.7% (64 patients), followed by the Healthy/Normal Group (Cluster 1) at 30% (42 patients), and the Low/Early Risk (Cluster 2) and High Risk (Cluster 3) groups, each with an equal minority proportion of 12.1% (17 patients). Keywords: Elbow Optimization, K-Menas Method, Clustering, Patient Blood Data, Chronic Disease Risk Identification   Abstrak: Penyakit kronis seperti diabetes, hipertensi, dan penyakit jantung menjadi penyebab utama morbiditas dan mortalitas di berbagai negara, termasuk Indonesia. Deteksi dini terhadap risiko penyakit kronis merupakan langkah penting dalam upaya pencegahan dan penanganan yang lebih efektif. Salah satu sumber informasi penting untuk mengidentifikasi risiko tersebut adalah data laboratorium, khususnya data darah pasien, yang mencakup parameter-parameter seperti kadar glukosa, kolesterol, tekanan darah, hemoglobin, serta indikator lainnya. Tujuan dalam penelitian ini ialah Untuk merancang dan membuat aplikasi clustering data darah pasien untuk identifikasi resiko penyakit kronis menggunakan Metode  K-Menas  dan metode elbow dengan bahasa pemrograman web. Data yang digunakan dalam penelitian ini berupa sample sebanyak 140 orang. Dari total sampel penelitian sebanyak 140 pasien berhasil dikelompokkan ke dalam 4 klaster optimal (K = 4). Proses partisi data ini menghasilkan sebaran populasi yang bervariasi di setiap klasternya, mencerminkan adanya heterogenitas karakteristik klinis atau demografis di antara subjek penelitian. Berdasarkan hasil analisis terhadap 140 pasien, populasi didominasi oleh kelompok Kritis/Kronis (Klaster 4) sebesar 45,7% (64 pasien), diikuti kelompok Kelompok Sehat/Normal (Klaster 1) sebesar 30% (42 pasien), serta kelompok Risiko Rendah/Awal (Klaster 2) dan Risiko Tinggi (Klaster 3) yang memiliki proporsi minoritas setara masing-masing sebesar 12,1% (17 pasien). Kata Kunci: Optimasi Elbow, Metode K-Menas, Clustering, Data Darah Pasien, Identifikasi Resiko Penyakit Kronis
PENERAPAN JARINGAN PERCEPTRON UNTUK KLASIFIKASI KESELURUHAN PENJUALAN IKAN PADA PT. HALINDO BERJAYA MANDIRI Putri Nadila; Azrai Sirait
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.6392

Abstract

Abstract: In managing its business strategy, PT. Halindo Berjaya Mandiri requires an intelligent computational approach to evaluate and predict the achievement level of sales targets based on historical data. This study aims to implement an Artificial Neural Network (ANN) using the Perceptron algorithm to classify overall fish sales data into two binary categories: 'Target Achieved' and 'Target Not Achieved'. The data used in this study relies on three independent input variables, namely the sales history in 2023, 2024, and 2025. The computational stages applied include data matrix preprocessing through the Min-Max Scaling normalization technique, linear combination calculation (Weighted Sum) mapped through the Sigmoid activation function, and an iterative optimization stage using the Delta Rule to update the weight and bias values. Based on the simulation and training conducted, the model was quantitatively evaluated using the Confusion Matrix method. The system testing results show that the Perceptron algorithm is capable of performing classification with a highly optimal accuracy rate of 94.81% and producing a very low error rate (Mean Squared Error) of 0.030291. This study proves that the ANN method with the Perceptron algorithm has high reliability and is highly feasible to be implemented as the foundation for a predictive decision support system at PT. Halindo Berjaya Mandiri. Keywords: Artificial Neural Network, Perceptron Algorithm, Classification, Delta Rule, Sigmoid Function, Fish Sales.   Abstrak: PT. Halindo Berjaya Mandiri dalam mengelola strategi bisnisnya memerlukan pendekatan komputasi cerdas untuk mengevaluasi dan memprediksi tingkat pencapaian target penjualan berdasarkan data historis. Penelitian ini bertujuan untuk mengimplementasikan Jaringan Saraf Tiruan (JST) menggunakan algoritma Perceptron guna mengklasifikasikan data keseluruhan penjualan ikan ke dalam dua kategori biner, yaitu 'Mencapai Target' dan 'Tidak Mencapai Target'. Data yang digunakan dalam penelitian ini bertumpu pada tiga variabel masukan independen, yakni riwayat penjualan pada Tahun 2023, 2024, dan 2025. Tahapan komputasi yang diterapkan meliputi prapemrosesan matriks data melalui teknik normalisasi Min-Max Scaling, perhitungan kombinasi linear (Weighted Sum) yang dipetakan melalui fungsi aktivasi Sigmoid, serta tahapan optimasi iteratif menggunakan aturan Delta Rule untuk memperbarui nilai bobot dan bias. Berdasarkan simulasi dan pelatihan yang dilakukan, model dievaluasi secara kuantitatif menggunakan metode Confusion Matrix. Hasil pengujian sistem menunjukkan bahwa algoritma Perceptron mampu melakukan klasifikasi dengan tingkat akurasi yang sangat optimal sebesar 94,81% serta menghasilkan rasio tingkat kesalahan (Mean Squared Error) yang sangat rendah, yaitu 0,030291. Penelitian ini membuktikan bahwa metode JST algoritma Perceptron memiliki keandalan yang tinggi dan sangat layak untuk diimplementasikan sebagai landasan sistem pendukung keputusan prediktif pada PT. Halindo Berjaya Mandiri. Kata Kunci: Jaringan Saraf Tiruan, Algoritma Perceptron, Klasifikasi, Delta Rule, Fungsi Sigmoid, Penjualan Ikan.
DETEKSI PENYAKIT DAUN KELAPA SAWIT MENGGUNAKAN DEEP LEARNING BERBASIS CONVOLUTIONAL NEURAL NETWORK (CNN) Seprina Aulia Putri; Dicky Apdillah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.6393

Abstract

Abstract: Oil palm leaf diseases can significantly reduce harvest productivity. Manual identification is considered less effective because it requires a long time and carries the risk of misidentification. This study develops a leaf image detection system using a CNN with the MobileNetV2 architecture, implemented on both web and mobile platforms. A dataset of 1,200 images from Kaggle and field observations covers four classes: leaf spot, anthracnose, yellow stripe, and Other. The research stages include data collection, image preprocessing, dataset splitting, CNN model training using the MobileNetV2 architecture, model testing, performance evaluation, and system implementation on web and mobile platforms. Evaluation was conducted using confusion matrix, accuracy, precision, recall, and F1-score parameters. Based on testing results, the model achieved 93.33% accuracy, 93.71% precision, 92.92% recall, and 93.31% F1-score. The developed system was successfully implemented on web and mobile platforms with features such as image upload, automatic classification, detection history, and disease management recommendations. With this system, users are expected to perform early detection of oil palm leaf diseases more quickly, practically, and accurately. Keywords: CNN, Deep Learning, Image Classification, MobileNetV2, Oil Palm Leaf Disease.   Abstrak: Penyakit daun kelapa sawit dapat menurunkan produktivitas panen secara signifikan. Identifikasi manual dinilai kurang efektif karena membutuhkan waktu lama dan berpotensi salah identifikasi. Penelitian ini membangun sistem deteksi citra daun menggunakan CNN arsitektur MobileNetV2 berbasis web dan mobile. Dataset 1.200 citra dari Kaggle dan observasi lapangan mencakup empat kelas: bercak daun, antraknosa, garis kuning, dan Other. Tahapan penelitian meliputi pengumpulan data, preprocessing citra, pembagian dataset, pelatihan model CNN menggunakan arsitektur MobileNetV2, pengujian model, evaluasi performa, serta implementasi sistem berbasis web dan mobile. Proses evaluasi dilakukan menggunakan parameter confusion matrix, accuracy, precision, recall, dan F1-score. Berdasarkan hasil pengujian, model memperoleh akurasi 93,33%, precision 93,71%, recall 92,92%, dan F1-score 93,31%. Sistem yang dibangun berhasil diimplementasikan pada platform web dan mobile dengan fitur unggah citra, proses klasifikasi otomatis, riwayat deteksi, serta rekomendasi penanganan penyakit. Dengan adanya sistem ini, pengguna diharapkan dapat melakukan deteksi dini penyakit daun kelapa sawit secara lebih cepat, praktis, dan akurat. Kata Kunci: CNN, Deep Learning, Klasifikasi Citra, MobileNetV2, Penyakit Daun Sawit.
IMPLEMENTASI REGRESI LINIER BERGANDA UNTUK PREDIKSI PENJUALAN PRODUK HOME BRAND PADA OUTLET FARMASI Miftahul Jannah; Wanayumini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.6395

Abstract

Abstract: Sales prediction is important for pharmacy retail businesses to support stock planning and reduce dependence on subjective decision-making. This study aims to implement Multiple Linear Regression to predict the sales of home brand products at a pharmacy outlet and integrate the prediction model into a web-based system. The data used in this study were daily sales transaction data from Sri Manja Pharmacy Outlet from May 16, 2024 to April 16, 2026. The initial dataset consisted of 124,992 transaction records, which were filtered, cleaned, aggregated into daily sales data, and transformed into predictive variables, including time-based variables, historical sales patterns, and discount variables. The model was developed separately for each product using an 80:20 time-based data split and evaluated using MAE, RMSE, MAPE, and R². The results show that the model can predict sales with varying performance across products. One tested product achieved a MAPE of 12.21% and an R² of 0.9068, indicating relatively good predictive performance. The model was successfully implemented into a web-based system that supports sales prediction, visualization, and report generation. Therefore, the proposed system can assist pharmacy outlets in making more data-driven sales and stock planning decisions. Keywords: Home Brand; Multiple Linear Regression; Pharmacy Outlet; Sales Prediction; Web-Based System.   Abstrak: Prediksi penjualan memiliki peran penting dalam bisnis ritel farmasi untuk mendukung perencanaan stok dan mengurangi ketergantungan terhadap pengambilan keputusan secara subjektif. Penelitian ini bertujuan untuk mengimplementasikan Regresi Linear Berganda dalam memprediksi penjualan produk home brand pada satu outlet farmasi serta mengintegrasikan model prediksi ke dalam sistem berbasis web. Data yang digunakan merupakan data transaksi penjualan harian Outlet Farmasi Sri Manja periode 16 Mei 2024 sampai 16 April 2026. Dataset awal terdiri dari 124.992 baris transaksi, kemudian dilakukan seleksi, pembersihan, agregasi menjadi data penjualan harian, dan pembentukan variabel prediksi yang meliputi variabel waktu, pola historis penjualan, dan variabel diskon. Model dibangun secara terpisah untuk setiap produk menggunakan pembagian data berbasis waktu dengan rasio 80:20 serta dievaluasi menggunakan MAE, RMSE, MAPE, dan R². Hasil penelitian menunjukkan bahwa model mampu memprediksi penjualan dengan performa yang berbeda pada setiap produk. Salah satu produk yang diuji memperoleh nilai MAPE sebesar 12,21% dan R² sebesar 0,9068, yang menunjukkan performa prediksi cukup baik. Model berhasil diimplementasikan ke dalam sistem berbasis web yang mendukung prediksi, visualisasi, dan pembuatan laporan penjualan. Dengan demikian, sistem yang diusulkan dapat membantu outlet farmasi dalam pengambilan keputusan penjualan dan perencanaan stok berbasis data. Kata Kunci: Home Brand; Outlet Farmasi; Prediksi Penjualan; Regresi Linier Berganda; Sistem Berbasis Web.
ANALISIS KONTRUKSI PEMAKNAAN TRADISI TABUIK (STUDI PETER L. BERGER DI PARIAMAN) Zike Martha; Salsabila Intania; M.A Dalmenda; Tri Sukma; Azizah Putri
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6403

Abstract

Abstract: This study aims to analyze the social construction of meaning surrounding the Tabuik tradition in Pariaman City through the perspective of Peter L. Berger’s Social Construction of Reality theory. The Tabuik tradition has undergone a shift in meaning, situated between the preservation of cultural values, the pressures of tourism commodity, and resistance emerging from religious discourse. This research employed a qualitative method with a phenomenological approach. Data were collected through in-depth interviews with key informants, including traditional leaders (Tuo Tabuik), as well as supporting informants from students of the Minangkabau Literature Program, who represented the younger generation. Data analysis was conducted through the stages of data collection, data presentation, and conclusion drawing. The findings reveal that the construction of meaning of the Tabuik tradition among students is shaped through the integration of empirical experiences, formal education, and social interactions. Theoretically, these meanings are manifested in three major dimensions: cultural identity, spiritual experience, and cultural transformation in the modern era. The study indicates that students perceive Tabuik from two contrasting perspectives. On the one hand, it is regarded as a symbol of ancestral heritage preservation that embodies important philosophical and cultural values. On the other hand, concerns emerge regarding its transformation into a tourism commodity, which may reduce the sacredness of the tradition. Furthermore, the influence of social media and Generation Z lifestyles has encouraged the reinterpretation of Tabuik as a medium for self-expression and social existence. Therefore, this study confirms that the meaning of the Tabuik tradition is dynamic and continuously evolving in response to social influences and the communication patterns of younger generations. Keywords: Social Construction; Peter L. Berger; Tabuik Tradition; Pariaman; Phenomenology.   Abstrak: Penelitian ini bertujuan untuk menganalisis secara mendalam konstruksi sosial pemaknaan tradisi Tabuik di Kota Pariaman dengan menggunakan analisis Teori Konstruksi Sosial atas Realitas dari Peter L. Berger. Tradisi Tabuik saat ini mengalami pergeseran makna antara pelestarian nilai kultural, desakan komoditas pariwisata, dan resistensi dari diskursus keagamaan. Penelitian ini menggunakan metode kualitatif dengan pendekatan fenomenologi, data dikumpulkan melalui wawancara mendalam terhadap informan kunci yang terdiri dari tokoh adat (Tuokan Tabuik) serta informan pendukung dari kalangan mahasiswa Prodi Sastra Minangkabau sebagai representasi generasi muda. Analisis data dilakukan melalui tahapan pengumpulan data, penyajian data, dan penarikan kesimpulan. Penelitian ini mengungkapkan bahwa konstruksi makna tradisi Tabuik di kalangan mahasiswa terbentuk melalui integrasi pengalaman empiris, pendidikan formal, dan interaksi sosial. Secara teoretis, makna tersebut terbagi ke dalam dimensi identitas budaya, pengalaman spiritual, serta transformasi budaya di era modern. Hasil studi menunjukkan persepsi mahasiswa: di satu sisi, Tabuik dipandang sebagai simbol pelestarian warisan leluhur yang bernilai filosofis, namun di sisi lain, terdapat kekhawatiran akan pergeseran maknanya menjadi sekadar komoditas pariwisata yang mereduksi kesakralan tradisi. Lebih lanjut, pengaruh media sosial dan gaya hidup generasi Z turut mendorong reinterpretasi tradisi sebagai bentuk eksistensi diri. Dengan demikian, penelitian ini menegaskan bahwa makna tradisi Tabuik bersifat dinamis dan terus berkembang seiring dengan pengaruh sosial serta pola komunikasi generasi muda. Kata kunci: konstruksi sosial; Peter L. Berger; tradisi tabuik; Pariaman; fenomenologi.
PENGARUH FREKUENSI PENGGUNAAN MEDIA DIGITAL GOOGLE CLASSROOM DAN MOTIVASI BELAJAR TERHADAP SELF-EFFICACY KEMAMPUAN BAHASA INGGRIS MAHASISWA AKADEMI MANAJEMEN INFORMATIKA DAN KOMPUTER POLIBISNIS Karyawaty Gultom; Hanafi Asnan; Laina tussifah Santoso
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6405

Abstract

Abstract: This research aims to investigate the way learning motivation and the intensity of utilizing the digital platform Google Classroom influence the English language self-efficacy of AMIK Polibisnis students. The study applied a quantitative approach with an ex-post facto causal design. A total of 30 students were selected as the sample through purposive sampling. The instrument was a five-point Likert scale questionnaire that had undergone validity and reliability testing. Data were analyzed using simple linear regression and multiple linear regression. The findings revealed that learning motivation had a positive and significant effect (sig. 0.001), the level of Google Classroom use also positively and significantly impacted self-efficacy (sig. 0.000), and both variables together exerted a significant influence (sig. 0.000183) with a 32.2% contribution. The results indicate that students' confidence in their English competence grows as the frequency of accessing Google Classroom and their learning drive increase. Consequently, continuously optimizing the use of Google Classroom and fostering learning enthusiasm are crucial steps to strengthen students' self-belief in English learning within higher education institutions.  Keywords: Google Classroom; Learning Motivation; Self-Efficacy; English Ability   Abstrak: Tujuan studi ini adalah untuk mengkaji bagaimana motivasi belajar dan intensitas pemanfaatan media digital Google Classroom memengaruhi keyakinan diri (self-efficacy) berbahasa Inggris mahasiswa AMIK Polibisnis. Riset ini menggunakan pendekatan kuantitatif dengan desain kausalitas ex-post facto. Sampel terdiri dari 30 mahasiswa yang dipilih melalui teknik purposive sampling. Instrumen yang digunakan berupa angket berskala Likert lima tingkat yang telah melewati pengujian validitas dan reliabilitas. Analisis data dilakukan dengan regresi linier sederhana dan regresi linier berganda. Hasil penelitian memperlihatkan bahwa motivasi belajar memberikan dampak positif dan signifikan (sig. 0,001), intensitas penggunaan Google Classroom juga berpengaruh positif dan signifikan terhadap efikasi diri (sig. 0,000), dan kedua variabel secara bersamaan memberikan pengaruh yang signifikan (sig. 0,000183) dengan kontribusi sebesar 32,2%. Temuan studi memperlihatkan bahwa keyakinan diri mahasiswa terhadap kemampuan bahasa Inggris mereka bertambah seiring dengan meningkatnya frekuensi akses Google Classroom dan tingginya dorongan belajar. Karenanya, upaya mengoptimalkan pemanfaatan Google Classroom secara terus-menerus serta mendorong semangat belajar menjadi langkah penting guna memperkuat rasa percaya diri mahasiswa dalam mempelajari bahasa Inggris di lingkungan perguruan tinggi. Kata Kunci: Google Classroom; Motivasi Belajar; Self-Efficacy; Kemampuan Bahasa Inggris
RANCANG BANGUN APLIKASI BERBASIS MOBILE UNTUK DETEKSI KUALITAS UDARA DI KOTA BATAM Ahmadi Irmansyah Lubis
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6406

Abstract

Abstract: The deteriorating air quality in Batam City due to industrial and motor vehicle activities demands innovative solutions in real-time air quality monitoring. This research aims to design and build a mobile-based application for air quality detection using the prototyping method. The application was developed using the Flutter Mobile framework, with the Air Quality API as the source of air quality data and Firebase as the data storage base. Testing is carried out using the black box method to ensure that the application runs according to the specified specifications. The prototyping method was chosen so that application development could be carried out iteratively based on feedback from users, so that key features could be tailored to needs. The result of the system implementation of this study is a mobile application that is able to display real-time air quality information with a responsive and easy-to-use interface. Data obtained from the Air Quality API is processed and stored in Firebase to ensure fast and accurate synchronization and accessibility. Based on the results of the system's functionality test, the application can provide information about the level of air pollution in Batam City with a good level of accuracy. The results of this research are expected to help the community in increasing awareness of air quality and become a tool for the government in better environmental management. Keywords: Air Quality; Batam City; Mobile Apps; Prototyping; Black Box Testing   Abstrak: Kualitas udara yang semakin memburuk di Kota Batam akibat aktivitas industri dan kendaraan bermotor menuntut adanya solusi yang inovatif dalam pemantauan kualitas udara secara real-time. Penelitian ini bertujuan untuk merancang dan membangun aplikasi berbasis mobile untuk deteksi kualitas udara menggunakan metode prototyping. Aplikasi yang dikembangkan menggunakan framework Flutter Mobile, dengan API Air Quality sebagai sumber data kualitas udara dan Firebase sebagai basis penyimpanan data. Pengujian dilakukan menggunakan metode black box untuk memastikan bahwa aplikasi berjalan sesuai dengan spesifikasi yang telah ditentukan. Metode prototyping dipilih agar pengembangan aplikasi dapat dilakukan secara iteratif berdasarkan umpan balik dari pengguna, sehingga fitur-fitur utama dapat disesuaikan dengan kebutuhan. Hasil implementasi sistem dari penelitian ini adalah sebuah aplikasi mobile yang mampu menampilkan informasi kualitas udara secara real-time dengan antarmuka yang responsif dan mudah digunakan. Data yang diperoleh dari API Air Quality diolah dan disimpan dalam Firebase untuk memastikan sinkronisasi serta aksesibilitas yang cepat dan akurat. Berdasarkan hasil pengujian fungsionalitas sistem, aplikasi tersebut dapat memberikan informasi mengenai tingkat polusi udara di Kota Batam dengan tingkat akurasi yang baik. Hasil dari penelitian ini diharapkan dapat membantu masyarakat dalam meningkatkan kesadaran akan kualitas udara dan menjadi alat bantu bagi pemerintah dalam pengelolaan lingkungan yang lebih baik. Kata kunci: Kualitas Udara; Kota Batam; Aplikasi Mobile; Prototyping; Black Box Testing
PENGARUH RETURN ON ASSETS, LOAN TO DEPOSIT RATIO, DAN NET INTEREST MARGIN TERHADAP PERTUMBUHAN LABA PADA BANK UMUM YANG TERDAFTAR DI BEI Mutia; Nisfu Fhitri
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6408

Abstract

Abstract: The results of the study are: Multiple linear regression analysis produces the equation Y = 1154.050 – 0.100 ROA + 0.078 LDR + 0.521 NIM + e. Thus, ROA (X1), LDR (X2), and NIM (X3) have a positive relationship with profit growth and decrease profit growth. The partial test (t-test) states that ROA (X1) has no effect on profit growth with a significant value of 0.357 > 0.05. And the calculated t-value (-0.928) > -ttable (-1.67065) so that H0 is accepted and H1 is rejected. LDR (X2) does not significantly affect profit growth by 0.247 > 0.05. With a calculated t value of 1.169 < ttable 1.67065 so that H0 is accepted H1 is rejected. and NIM (X3) significantly affects profit growth by 0.004 < 0.05. With a calculated t value of 3.013 > ttable 1.67065 so that H1 is accepted H0 is rejected. Simultaneous test (F-test) states that ROA. LDR. and NIM simultaneously affect profit growth with a significant value of 0.002 < 0.05 and Fcount < Ftable which is 5.547 > 2.76. So H2 is accepted and H1 is rejected. The R2-test produces an adjusted R square value of 0.180. meaning  the correlation of independent variables ROA, LDR, and NIM contribute 18.0% to profit growth, while the remaining 82% is influenced by other factors not included in this research model. This means that ROA, LDR, and NIM have a negative impact on profit growth, with coefficients of <50%. Keywords: Return On Assets, Loan to Deposit Ratio, and Net Interest Margin on Profit Growth   Abstrak: Hasil penelitian adalah Analisis regresi linier berganda menghasilkan persamaan Y=1154.050 – 0.100 ROA + 0.078 LDR + 0.521 NIM + e. Dengan demikian ROA (X1). LDR (X2) dan NIM (X3) memberikan hubungan positif terhadap pertumbuhan laba dan menurunkan pertumbuhan laba. Uji parsial (uji-t)  menyatakan bahwa ROA (X1) tidak berpengaruh  terhadap  pertumbuhan  laba  dengan  nilai  signifikan  sebesar 0.357 > 0.05.  Dan nilai -thitung (-0.928) > -ttabel (-1.67065) sehingga H0 diterima dan H1 ditolak. LDR (X2) tidak berpengaruh terhadap pertumbuhan laba dengan signifikan sebesar 0.247 > 0.05. Dengan nilai thitung 1.169 < ttabel 1.67065 sehingga H0 diterima H1 ditolak. serta NIM (X3)  berpengaruh terhadap pertumbuhan laba dengan nilai signifikan sebesar 0.004 < 0.05. Dengan nilai thitung 3.013 > ttabel 1.67065 sehingga H1 diterima H0 ditolak. Uji simutan (uji-F) menyatakan bahwa ROA. LDR. dan NIM berpengaruh secara simultan terhadap pertumbuhan laba dengan nilai signifikan 0.002 < 0.05 dan Fhitung < Ftabel  yaitu 5.547 > 2.76. Maka H2 diterima dan H1 ditolak. Uji-R2 menghasilkan nilai adjusted R square adalah 0.180. artinya. korelasi variabel independen ROA. LDR. dan NIM memberikan pengaruh sebesar 18.0% terhadap pertumbuhan laba sedangkan sisanya 82% dipengaruhi oleh faktor-faktor lain yang tidak termasuk ke dalam model penelitian ini. Artinya. ROA. LDR dan NIM menghasilkan pengaruh yang kurang baik terhadap pertumbuhan laba dengan menghasilkan koefisien <50%. Kata kunci: Return On Assets, Loan To Deposit Ratio, Dan Net Interest Margin Terhadap Pertumbuhan Laba
PENGARUH FLASH SALE PRESSURE, HARGA KOMPETITIF DAN KUALITAS ULASAN TERHADAP PEMBELIAN IMPULSIF GEN Z PADA TIKTOK SHOP Mutiara Novianti; Dian Wahyuni
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6409

Abstract

Abstract: This study aims to determine the simultaneous and partial effects of flash sale pressure, competitive pricing, and review quality on impulse buying behavior of Generation Z on TikTok Shop. The type of research used is quantitative research with a causal approach. Data analysis was conducted using multiple linear regression with the assistance of SPSS software, involving 96 respondents selected through non-probability sampling using purposive sampling method. Validity and reliability tests were also conducted on all research statement items. The results of multiple linear regression analysis produced the following equation: Y = 2,402 + 0,282 X1 + 0,287 X2 + 0,339 X3 + e.  The results of the F-test showed that H1 was accepted and H0 was rejected, meaning that flash sale pressure, competitive pricing, and review quality simultaneously have a significant effect on impulse buying behavior of Generation Z on TikTok Shop, with an Fcount value of 76.198 > Ftable 2.70 and a significance value of 0.000 < 0.05. The results of the t-test indicated that partially flash sale pressure significantly affects impulse buying with a tcount value of 2.076 > ttable 1.986 and a significance value of 0.041 < 0.05, competitive pricing significantly affects impulse buying with a tcount value of 2.150 > ttable 1.986 and a significance value of 0.034 < 0.05, and review quality significantly affects impulse buying with a tcount value of 3.402 > ttable 1.986 and a significance value of 0.000 < 0.05. Based on the highest tcount value, review quality is the most dominant variable influencing impulse buying. The coefficient of determination test (R²) showed an Adjusted R Square value of 0.704, meaning that flash sale pressure, competitive pricing, and review quality are able to explain 70.4% of impulse buying behavior, while the remaining 29.6% is influenced by other factors outside the scope of this research model. Keywords: Flash Sale Pressure, Competitive Pricing, Review Quality, Impulse Buying.   Abstrak: Penelitian ini bertujuan untuk mengetahui pengaruh secara simultan dan parsial flash sale pressure, harga kompetitif, dan kualitas ulasan terhadap pembelian impulsif Generasi Z pada TikTok Shop. Jenis penelitian yang digunakan adalah penelitian kuantitatif dengan pendekatan kausalitas. Analisis data menggunakan regresi linear berganda dengan bantuan aplikasi SPSS, dengan jumlah sampel sebanyak 96 responden yang ditentukan menggunakan teknik non-probability sampling melalui metode purposive sampling. Uji validitas dan reliabilitas juga dilakukan terhadap seluruh item pernyataan penelitian. Hasil analisis regresi linear berganda diperoleh persamaan yaitu: Y = 2,402 + 0,282 X1 + 0,287 X2 + 0,339 X3 + e.  Hasil uji F menunjukkan bahwa H1 diterima dan H0 ditolak, yaitu secara simultan flash sale pressure, harga kompetitif, dan kualitas ulasan berpengaruh terhadap pembelian impulsif Generasi Z pada TikTok Shop dengan nilai Fhitung (76,198) > Ftabel (2,70) dan signifikansi 0,000 < 0,05. Hasil uji t menunjukkan bahwa secara parsial flash sale pressure berpengaruh terhadap pembelian impulsif dengan nilai thitung (2,076) > ttabel (1,986) dan signifikansi 0,041 < 0,05, harga kompetitif berpengaruh terhadap pembelian impulsif dengan nilai thitung (2,150) > ttabel (1,986) dan signifikansi 0,034 < 0,05, serta kualitas ulasan berpengaruh terhadap pembelian impulsif dengan nilai thitung (3,402) > ttabel (1,986) dan signifikansi 0,000 < 0,05. Berdasarkan nilai thitung terbesar, variabel kualitas ulasan merupakan faktor yang paling dominan dalam memengaruhi pembelian impulsif. Hasil uji koefisien determinasi (R²) menunjukkan nilai Adjusted R Square sebesar 0,704, yang berarti bahwa flash sale pressure, harga kompetitif, dan kualitas ulasan mampu menjelaskan pembelian impulsif sebesar 70,4%, sedangkan sisanya sebesar 29,6% dipengaruhi oleh faktor lain di luar model penelitian ini. Kata kunci: Flash Sale Pressure, Harga Kompetitif, Kualitas Ulasan, Pembelian Impulsif.

Page 335 of 365 | Total Record : 3645

 333   334   335   336   337 

Filter by Year

2018 2026


Reset
Filter By Issues
All Issue Vol. 9 No. 4 (2026): August 2026 (1) Vol. 9 No. 3 (2026): June 2026 Vol. 9 No. 2 (2026): April 2026 Vol. 9 No. 1 (2026): February 2026 Vol 9, No 1 (2026): February 2026 Vol. 8 No. 4 (2025): November 2025 Vol 8, No 4 (2025): November 2025 Vol. 8 No. 3 (2025): August 2025 Vol 8, No 3 (2025): August 2025 Vol 8, No 2 (2025): May 2025 Vol. 8 No. 2 (2025): May 2025 Vol. 8 No. 1 (2025): February 2025 Vol 8, No 1 (2025): February 2025 Vol 7, No 4 (2024): November 2024 Vol. 7 No. 4 (2024): November 2024 Vol 7, No 3 (2024): August 2024 Vol. 7 No. 3 (2024): August 2024 Vol. 7 No. 2 (2024): May 2024 Vol 7, No 2 (2024): May 2024 Vol 7, No 1 (2024): February 2024 Vol. 7 No. 1 (2024): February 2024 Vol 6, No 3 (2023): October 2023 Vol. 6 No. 3 (2023): October 2023 Vol 6, No 2 (2023): June 2023 Vol 6, No 1 (2023): February 2023 Vol 5, No 3 (2022): October 2022 Vol. 5 No. 3 (2022): October 2022 Vol 5, No 2 (2022): June 2022 Vol 5, No 1 (2022): February 2022 Vol 4, No 3 (2021): October 2021 Vol 4, No 2 (2021): June 2021 Vol 4, No 1 (2021): February 2021 Vol 3, No 2 (2020): August 2020 Vol 3, No 1 (2020): February 2020 Vol 2, No 2 (2019): August 2019 Vol 2, No 1 (2019): February 2019 Vol 1, No 2 (2018): August 2018 Vol 1, No 2 (2018): August 2018 Vol 1, No 1 (2018): February 2018 Vol 1, No 1 (2018): February 2018 More Issue