cover
Contact Name
Ahmad Rustam
Contact Email
ahmad.rustam1988@gmail.com
Phone
+6285399507330
Journal Mail Official
ahmad.rustam1988@gmail.com
Editorial Address
Jl. Bandara Haluoleo, Ambaipua, Ranomeeto, Kabupaten Konawe Selatan, Sulawesi Tenggara
Location
Unknown,
Unknown
INDONESIA
ARUS JURNAL SAINS DAN TEKNOLOGI
Published by Arden Jaya Publisher
ISSN : -     EISSN : 30263603     DOI : 10.57250
Arus Jurnal Sains dan Teknologi (AJST) merupakan jurnal yang menerbitkan artikel-artikel hasil-hasil penelitian dan kajian pustaka. Jurnal ini menerbitkan artikel yang berkaitan dengan sains, teknologi, komputer, matematika, ipa, pertanian, peternakan, tambang, sipil, dan rekayasa, ilmu kesehatan, serta artikel yang berkorelasi dengan sains dan teknologi. Kami menerbitkan artikel dalam setahun sebanyak 2 nomor pada setiap bulan April dan Oktober.
Arjuna Subject : Umum - Umum
Articles 18 Documents
Search results for , issue "Vol 3 No 1: April (2025)" : 18 Documents clear
Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Akut Berdasarkan Gejala Sari, Selvi Permata; Wahyuni , Titin; Rahman , Fahrim Irhamna
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1185

Abstract

Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam mengklasifikasikan penyakit akut berdasarkan gejala yang terdapat pada rekam medis pasien. Data yang digunakan dalam penelitian ini diperoleh dari Rumah Sakit Umum Daerah Provinsi Sulawesi Barat, dengan total 1004 data pasien yang mencakup berbagai gejala spesifik. Proses penelitian melibatkan tahap preprocessing data, termasuk pembersihan teks gejala, transformasi data menjadi format numerik, dan normalisasi data untuk memastikan kualitas input. Model CNN dibangun dengan arsitektur yang terdiri dari beberapa lapisan convolutional dan max pooling, serta dioptimasi menggunakan fungsi aktivasi ReLU dan Softmax. Evaluasi model dilakukan dengan membagi data menjadi set pelatihan dan pengujian menggunakan proporsi 80:20, 90:10 dan 70:30. Hasil pengujian menunjukkan bahwa model CNN mampu mencapai tingkat akurasi sebesar 93% pada data uji, dengan nilai precision, recall, dan F1-score yang tinggi di berbagai kelas penyakit. Temuan ini menunjukkan bahwa CNN efektif dalam mengidentifikasi pola gejala untuk klasifikasi penyakit akut. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan sistem pendukung keputusan medis berbasis kecerdasan buatan untuk diagnosis penyakit akut secara lebih cepat dan akurat.
Perancangan dan Pemanfaatan Pembangkit Listrik Tenaga Surya Off-Grid pada Rumah Kebun di Kab. Jeneponto Arbi, M. Kurniawan; Zakati, Zayyid; Lateko, Andi Abd Halik; Zainuddin, Zahir
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1192

Abstract

Energi adalah salah satu kebutuhan utama dalam kehidupan manusia. Peningkatan kebutuhan energi dapat menjadi indikator peningkatan kemakmuran, tetapi pada saat yang sama, ini juga menimbulkan masalah dengan upaya pasokan.Itulah salah satu keputusan yang tepat untuk penghematan energi dalam pembangunan pembangkit listrik tenaga surya (PLT).Struktur PLTS dapat dibangun di atas atap.Persyaratan beban untuk rumah ini adalah 16, 34 wh/hari.Saat merancang PLT untuk satu unit perumahan ini, perhitungan yang akurat diperlukan untuk menentukan sistem modul surya yang ideal.Ini bertujuan untuk menentukan kesamaan serial, daya yang dihasilkan per hari, daya tahunan, rasio kinerja, dan kerugian sistem PLTS. pertunjukan.Dalam studi ini, desain pengembangan PLTS dilakukan, menikmati energi listrik yang dimiliki dan membayangkan komunitas sekitarnya.Sistem grid PLTS hanya didasarkan pada energi matahari sebagai sumber utama rekayasa.Di sini kami menggunakan modul surya dengan kapasitas 50 wp.
Analisis Monitoring Gerakan Duduk dengan Menggunakan Metode Mobile Net Ssd pada Karyawan Aiman , Ailul; Rahman, Fahrim Irhamna; Wahyuni, Titin
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1211

Abstract

Produktivitas merupakan faktor kunci dalam keberhasilan organisasi di dunia kerja modern. Karyawan yang sehat dan nyaman cenderung lebih produktif dan inovatif. Namun, postur tubuh yang buruk saat duduk dapat menyebabkan kelelahan, nyeri punggung bawah, serta penurunan produktivitas. Untuk mengatasi masalah ini, teknologi pemantauan postur duduk berbasis computer vision semakin berkembang. Salah satu metode yang efektif adalah MobileNet Single Shot Detector (SSD), yang digunakan untuk mendeteksi dan menganalisis postur duduk. MobileNet SSD dapat mengenali berbagai pose duduk secara cepat dan memberikan umpan balik instan kepada karyawan mengenai posisi duduk yang ergonomis. Penelitian ini bertujuan untuk mengukur akurasi MobileNet SSD dalam mendeteksi gerakan duduk yang baik dan buruk, serta untuk menganalisis potensi penerapan teknologi ini dalam lingkungan kerja. Hasil penelitian menunjukkan bahwa MobileNet SSD memiliki akurasi yang tinggi dalam mendeteksi postur duduk, yang dapat membantu perusahaan untuk meningkatkan kesejahteraan karyawan dan merancang strategi kerja yang lebih efisien di masa depan.
Sistem Klasifikasi Kerusakan Jalan Metode Machine Learning dengan Algoritma K-Means dan Random Forest Rahman, Fahrim Irhamna; Lukman, Lukman; Hildayati, Hildayati
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1212

Abstract

Kerusakan jalan merupakan masalah yang signifikan dalam infrastruktur transportasi, yang dapat mempengaruhi kenyamanan dan kesalamatan pengguna jalan. Penelitian ini bertujuan untuk mengklasifikasi kerusakan jalan berdasarkan data yang diambil dari survey lapangan dengan menggunakan algoritma k-means dan random forest. Metode machine learning dengan menggunakan algoritma k-means dan random forest dipilih karena kemampuannya dalam mengklasifikasi dan mengelompokkan data berdasarkan kedekatan jarak antar sampel, dan dapat dapat mempercepat proses pemeliharaan jalan. Data yang digunakan mencakup pengukuran kondisi jalan, antara lain panjang jalan dalam kondisi baik, sedang, rusak, dan rusak berat. Fitur-fitur ini dipilih untuk mempresentasikan tingkat kerusakan jalan yang sesuai dengan algoritma k-means dan random forest. Penelitian ini dimulai dengan pra-pemrosesan data dan pengelompokkan data menggunakan algoritma k-means, termasuk penanganan nilai yang hilang dan standarisasi fitur, dan diikuti dengan implementasi algoritma random forest untuk klasifikasi. Kinerja model dievaluasi menggunakan confusion matrikx dan classification report, yang menunjukkan bahwa random forest mampu mengklasifikasi kerusakan jalan dengan akurasi yang benar. Kemudian hasil prediksi divalidasi dan disimpan untuk analisis lebih lanjut. Penelitian ini merupakan pengembangan model klasifikasi yang mendukung pengambilan keputusan yang terkait pemeliharaan dan perbaikan jalan secara efektif dan efisien. Penelitian ini berhasil membangun system klasifikasi kerusakan jalan dengan menggabungkan algoritma K-Means untuk pengelompokkan dan Random Forest untuk klasifikasi. Model tersebut dapat memberikan akurasi yang tinggi dalam mengidentifikasi tingkat kerusakan jalan, yang dapat mendukung upaya pemeliharaan jalan yang lebih efektif.
Penerapan Data Mining untuk Memprediksi Penjualan Bahan Bangunan (Ud Kiki Fatmala) Dengan Menggunakan Metode Naive Bayes Hayat, Muhyiddin A M; Wahyuni, Titin; Haidul, Haidul
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1213

Abstract

Penjualan bahan bangunan merupakan bidang usaha yang memiliki prospek menjanjikan dengan permintaan yang terus meningkat seiring pertumbuhan populasi dan pembangunan. Namun, permasalahan yang dihadapi oleh toko bahan bangunan, khususnya UD KIKI FATMALA, adalah kurangnya pemahaman terhadap minat pembeli, yang dapat menyebabkan penumpukan stok barang dan memperlambat perputaran modal. Untuk mengatasi permasalahan ini, penelitian ini menerapkan metode Naïve Bayes untuk memprediksi penjualan bahan bangunan berdasarkan data historis. Penelitian ini bertujuan untuk menggunakan teknik data mining sebagai pendukung keputusan dalam menentukan barang yang memiliki potensi penjualan tinggi guna mengoptimalkan stok dan meningkatkan efisiensi penjualan. Metode penelitian mencakup pengumpulan data penjualan, preprocessing data, pembagian data menjadi training dan testing, serta penerapan algoritma Naïve Bayes. Model yang dibangun dievaluasi menggunakan confusion matrix untuk menilai tingkat akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Naïve Bayes mampu memprediksi penjualan bahan bangunan dengan akurasi sebesar 84%. Implementasi model ini dilakukan menggunakan Microsoft Excel untuk pengolahan data awal dan Jupyter Notebook untuk analisis lebih lanjut. Kesimpulan dari penelitian ini adalah bahwa metode Naïve Bayes dapat digunakan secara efektif untuk memprediksi produk yang memiliki peluang besar untuk terjual, sehingga membantu pengelolaan stok yang lebih optimal di UD KIKI FATMALA
Konstruksi Dasar Prototipe Elektroda Luas Permukaan Efektif untuk Meningkatkan Produksi Energi Listrik dari Air Lindi Menggunakan Teknologi Microbial Fuel Cell Al Gazali, Muhammad Hijir; Rasidun, La Ode; Zaeni, Ahmad
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1347

Abstract

Telah dilakukan penelitian mengenai Konstruksi Dasar Prototipe Elektroda Luas Permukaan Efektif untuk Meningkatkan Produksi Energi Listrik dari Air Lindi Menggunakan Teknologi Microbial Fuel Cell. Modifikasi elektroda dilakukan terhadap elektroda anoda yang terpapar langsung ke substrat (air lindi). Sebagai pembanding juga disiapkan anoda berbentuk pelat. Masing-masing diterapkan pada sel microbial fuel cell (MFC) membentuk dua varian MFC, MFC elektroda GL-GL (anoda pelat) dan MFC elektroda LPE-GL (anoda termodifikasi). Dari hasil pengukuran memperlihatkan kenaikan nilai tegangan listrik pada MFC elektroda LPE-GL lebih fluktuatif dibandingkan dengan MFC elektroda GL-GL. Selain itu MFC elektroda LPE-GL beberapa kali mencapai nilai tegangan maksimum yang lebih tinggi dari MFC elektroda GL-GL. Hal ini menunjukkan bahwa elektroda anoda termodifikasi berpotensi untuk diteliti bagi pengembangan lebih lanjut.
Pemodelan Regresi Berganda pada Jumlah Penduduk Miskin di Indonesia Baharuddin; Arianti, Refika Allya; Ihwal, Muhammad; Makkulau; Laome, Lilis; Ampa, Andi Tenri
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1445

Abstract

Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi jumlah penduduk miskin di Indonesia. Ada lima variabel yang dijadikan sebagai prediktor. Data jumlah penduduk miskin (Y) tahun 2024 di tingkat provinsi diperoleh dari Badan Pusat Statistik. Metode penelitian menggunakan pendekatan kuantitatif dengan analisis regresi linear berganda. Hasil penelitian menunjukkan bahwa: (1) peningkatan Tingkat Pengangguran Terbuka (X1) berpengaruh signifikan terhadap pertambahan jumlah penduduk miskin; (2) peningkatan Angka Melek Huruf (X2) berkontribusi signifikan terhadap penurunan jumlah penduduk miskin; (3) kenaikan pengeluaran per kapita yang disesuaikan (X3) secara signifikan berdampak pada bertambahnya jumlah penduduk miskin; (4) peningkatan Angka Partisipasi Kasar perguruan tinggi (X4) memiliki pengaruh signifikan terhadap penurunan jumlah penduduk miskin; dan (5) kenaikan Upah Minimum Provinsi (X5) berdampak signifikan pada penurunan jumlah penduduk miskin di Indonesia.
Pengujian Kekerasan dan Struktur Mikro Hasil Pengecoran Aluminium pada Berbagai Media Pendingin Kadir, Abd.; Samhuddin; Risman, Riski; Jiri, La
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1583

Abstract

Perkembangan industri di Indonesia semakin besar, salah satunya industri bahan material. Material yang dicari berdasarkan segi kekerasan, kekuatan, kepadatan, dan ringan. Penelitian ini bertujuan untuk mengetahui pengaruh variasi media pendingin air, air garam, oli, dan udara terhadap nilai kekerasan vickers, dan struktur mikro. Aluminium merupakan bahan logam yang mempunyai sifat ringan, tahan korosi, penghantar listrik yang baik. Pada penelitian ini menggunakan metode pengecoran casting dengan suhu 700°C. Dari hasil penelitian ini menunjukan pengaruh variasi media pendingin terhadap nilai kekerasan vickers dengan nilai tertinggi ditunjukkan pada media pendingin air yaitu sebesar 524,802 Kg/mm2, dan nilai kekerasan vickers terendah ditunjukkan pada media pendingin udara yaitu sebesar 349,882 Kg/mm2. Sementara berdasarkan pengujian struktur mikro unsur Si lebih merata dan halus pada media pendingin air sehingga kekerasan tertinggi diperoleh pada media pendingin air dikarenakan unsur Si mempunyai kekerasan yang lebih tinggi disbanding Al.

Page 2 of 2 | Total Record : 18