cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Tarmiji Siregar
Contact Email
tarmijisir@gmail.com
Phone
+6285275356446
Journal Mail Official
jurnalkomprehenshif@gmail.com
Editorial Address
Jalan Pengabdian No 395 Deli Serdang, Sumatera Utara, Indonesia
Location
Kab. deli serdang,
Sumatera utara
INDONESIA
Jurnal Komprehenshif
Published by CV. Edu Tech jaya
ISSN : -     EISSN : 30310970     DOI : -
Core Subject : Education, Social,
Education Social Sciences
Jurnal Komprehensif is Published by CV. Edu Tech Jaya. This journal aims to publish and disseminate original works and current issues on the subject of research and studies in the field of education. Articles published in journals are the result of research or ideas in the field of education including educational innovation, Studies in Social Education, Studies in Science Education, Education Management, Teaching & Learning, Educational Quality, Educational Leadership, Educational Technology, Language Education, Educational Philosophy, Education religion carried out by researchers, teachers, lecturers, and students. Detailed information for loading articles and article instructions are provided in each issue.
Arjuna Subject : Umum - Umum
Articles 232 Documents
 20   21   22   23   24 
Implementasi Augmented Reality Untuk Pembelajaran Huruf Hijaiyah Menggunakan Metode Marker-Based Tracking Pada Platfrom Android Lubis, Atikah Fajrin; Siregar, Farid Akbar
Komprehensif Vol 4 No 1 (2026)
Publisher : CV Edu Tech Jaya

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

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi pembelajaran huruf hijaiyah berbasis Augmented Reality (AR) menggunakan metode Marker-Based Tracking pada platform Android. Latar belakang penelitian ini didasarkan pada kurangnya minat belajar anak usia dini terhadap metode pembelajaran konvensional yang cenderung kurang interaktif. Oleh karena itu, diperlukan inovasi media pembelajaran yang lebih menarik dan efektif.Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan Multimedia Development Life Cycle (MDLC) yang meliputi tahapan concept, design, material collecting, assembly, testing, dan distribution. Aplikasi dikembangkan menggunakan Unity sebagai game engine, Vuforia SDK sebagai pendukung teknologi Augmented Reality, serta Blender untuk pembuatan objek tiga dimensi huruf hijaiyah.Hasil penelitian menunjukkan bahwa aplikasi mampu menampilkan objek huruf hijaiyah dalam bentuk tiga dimensi secara real-time melalui proses pemindaian marker menggunakan kamera perangkat Android. Selain itu, aplikasi juga dilengkapi dengan fitur audio pengucapan huruf yang membantu pengguna dalam memahami pelafalan huruf hijaiyah.Pengujian sistem dilakukan menggunakan metode Blackbox Testing yang berfokus pada pengujian fungsi aplikasi. Hasil pengujian menunjukkan bahwa seluruh fitur aplikasi dapat berjalan dengan baik sesuai dengan yang diharapkan tanpa ditemukan kesalahan yang signifikan. Dengan demikian, aplikasi pembelajaran huruf hijaiyah berbasis Augmented Reality ini dapat menjadi media pembelajaran alternatif yang interaktif dan menarik bagi anak usia dini.
Deteksi Bot Twitter menggunakan Model Hybrid Local Outlier Factor dan CatBoost Siregar, Tasya Septia
Komprehensif Vol 4 No 1 (2026)
Publisher : CV Edu Tech Jaya

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

Abstract

Maraknya bot otomatis pada platform Twitter menimbulkan tantangan signifikan terhadap integritas media sosial dan pengalaman pengguna. Metode deteksi bot tradisional sering kali kesulitan menghadapi perilaku bot yang semakin canggih, sehingga memerlukan pendekatan deteksi yang lebih maju. Penelitian ini mengusulkan model hybrid yang menggabungkan Local Outlier Factor (LOF) untuk deteksi anomali dan CatBoost untuk klasifikasi. Model dievaluasi pada dataset lebih dari 140.000 sampel Twitter, menggunakan 11 fitur yang mencakup karakteristik profil, metrik konten, dan skor anomali LOF sebagai fitur baru. Kinerja diukur menggunakan akurasi, presisi, recall, F1-score, dan AUC-ROC. Model hybrid yang diusulkan mencapai akurasi 87,5%, mewakili peningkatan 15,6% dibandingkan model dasar CatBoost saja. Fitur LOF menempati peringkat #2 dalam kepentingan fitur dengan kontribusi 15,6%. Validasi statistik melalui analisis bootstrap mengkonfirmasi signifikansi peningkatan (CI 95%: [0,875-0,877]). Integrasi deteksi anomali LOF dengan klasifikasi CatBoost memberikan pendekatan yang efektif untuk deteksi bot Twitter. Model ini menunjukkan kinerja unggul dan menawarkan penerapan praktis untuk sistem keamanan media sosial di dunia nyata.

Page 24 of 24 | Total Record : 232

 20   21   22   23   24 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol 4 No 1 (2026) Vol 3 No 2 (2025) Vol 3 No 1 (2025) Vol 2 No 2 (2024) Vol 2 No 1 (2024) Vol 1 No 2 (2023) Vol 1 No 1 (2023)