Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan di bidang komunikasi dan informasi dewasa ini mempengaruhi berbagai aspek kehidupan, tidak terkecuali ?Pendidikan?. Perkembangan tersebut dapat dilihat terutama dengan dikenalkannya internet yang memberi pengaruh kuat terhadap cara pembelajaran. Electronic Learning atau biasa disebut juga e-learning, merupakan sistem pembelajaran yang mengubah cara belajar konvensional yang telah dikenal sebelumnya. Penelitian ini merupakan implementasi dan pengembangan konten multimedia interaktif dari sistem e-learning, dengan segala kemudahan dan fleksibilitasnya, yang diterapkan pada model pendidikan di pesantren. Konten-konten tersebut meliputi Al-Qur'an flash, audio Qur'an, dan hadits digital. Selanjutnya konten-konten tersebut melalui serangkaian pengujian load testing dan usability testing, yang memberikan hasil bahwa untuk konten-konten hadits digital dan audio Qur'an 100% request dapat ditangani oleh server dan sesuai dengan acuan response time 10 detik. Namun untuk beberapa kasus, yaitu konten Al-Qur'an flash terdapat request error mulai 2.5% sampai 21.4%.

---

The evolution in communications and information currently affect many aspects of life, education is no exception. It can be seen especially with the introduction of internet that gives a strong influence on the ways of learning. Electronic learning changes the way of learning that has been known previously.

This research is a development and implementation of multimedia interactive based contents of e-learning system, like flash Qur'an, audio Qur'an, and digital hadits, which is applied to a pesantren. Furthermore, these contents through load and usability testing.

A satisfied result give by the contents of digital hadits and audio Qur'an, 100% request can be handled by the server which following the standard of 10 seconds response time. But for some cases, especially the content of Al-Qur'an flash, there are some requests errors between 2.5% until 21.4%. "

"Teknologi deep learning dapat menyelesaikan banyak masalah yang sulit dipecahkan oleh rumus matematis biasa. Salah satu masalah yang bisa diatasi adalah bahaya akibat rasa kantuk yang dialami pengemudi saat berkendara. Pada penelitian ini dibuat aplikasi android sistem deteksi kantuk yang memanfaatkan kamera smartphone. Kamera digunakan untuk mendapatkan informasi fitur citra wajah yaitu aspek rasio mata kanan, aspek rasio mata kiri, aspek rasio mulut, percentage of eye closure (PERCLOS), tingkat kejadian microsleep, dan tingkat kejadian menguap. Fitur-fitur tersebut didapat dari proses transformasi titik-titik landmark wajah. Pada penelitian ini, ditemukan bahwa metode terbaik untuk mendapatkan titik landmark wajah adalah dengan pelacakan Lucas-Kanade optical flow dengan 5 jumlah frame yang dilacak. Fitur-fitur yang dikumpulkan dapat digunakan untuk mendeteksi tingkat kantuk dengan memanfaatkan model deep learning yang telah dilatih dengan data yang dikumpulkan dari 10 orang. Pada penelitian ini, ada 2 jenis model deep learning yang dilatih untuk mendeteksi tingkat kantuk yaitu model deep neural network (DNN) dan long short-term memory (LSTM). DNN memiliki keseluruhan performa yang lebih baik dibandingkan LSTM. DNN memiliki accuracy sebesar 0.902538 dan f1 sebesar 0.899563. Sedangkan LSTM memiliki dari accuracy sebesar 0.891857 dan f1 sebesar 0.892689. Aplikasi android sistem deteksi kantuk yang dibuat menggunakan model deep learning DNN dan memiliki performa yang bagus dengan accuracy sebesar 0.844 dan f1 sebesar 0.865052. Aplikasi Android memiliki mekanisme pemberitahuan berupa suara yang dimainkan ketika pengemudi mengantuk. Selain itu, pada aplikasi Android juga terdapat 2 fungsi tambahan yaitu deteksi tidur dan deteksi gangguan konsentrasi pengemudi. Kedua fungsi tersebut akan mengeluarkan suara ketika terdeteksi untuk memberitahukan kepada pengguna. Dengan adanya aplikasi sistem deteksi kantuk yang dibuat pada penelitian ini, diharapkan dapat mendeteksi tingkat kantuk pengemudi sehingga mengurangi risiko kecelakaan akibat mengantuk.

---

Deep learning technology can solve many problems that are difficult to solve by ordinary mathematical formulas. One of the problems that can be overcome is the danger due to drowsiness experienced by the driver while driving. In this study, a drowsiness detection system on Android application that uses a smartphone camera is made. The camera is used to obtain facial image feature informations which is right eye aspect ratio, left eye aspect ratio, mouth aspect ratio, percentage of eye closure (PERCLOS), microsleep rate, and yawning rate. These features are obtained by transforming and processing facial landmark points. In this study, it was found that the best method for obtaining facial landmarks points is from Lucas-Kanade optical flow tracking with 5 frames tracked. The features collected can be used to detect drowsiness by utilzing a deep learning model that has been trained with data collected from 10 volunteers. In this study, there are 2 types of deep learning models that are trained to detect drowsiness that are deep neural network (DNN) and long short-term memory (LSTM). DNN has better overall performance than LSTM. DNN has an accuracy of 0.902538 and f1 of 0.899563. Whereas LSTM has an accuracy of 0.891857 and f1 of 0.892689. The drowsiness detection system Android application is created using the DNN model and has a good performance with an accuracy of 0.844 and f1 of 0.865052. The Android application has a notification mechanism in the form of sound that played when the driver is detected to be drowsy. In addition, the Android application also has an additional function that are sleeping detection and driver distraction detection. Both functions will make a sound when detected to notify the user. With the application of drowsiness detection system made in this study, it is expected to detect the level of drowsiness of the driver thereby reducing the risk of accidents due to drowsiness.

"

"YouTube merupakah salah satu situs web akses terbuka yang saat ini banyak digunakan oleh masyarakat untuk berbagi informasi. Di antaranya dilakukan oleh Koi melalui kanal YouTube Sepulang Sekolah. Khususnya segmen Learning By Googling. Segmen ini menyajikan informasi mengenai politik, sejarah, kesehatan, budaya, geografi, film, kepercayaan, mitologi, pendidikan, supernatural dan lainnya. Segmen ini banyak diminati oleh masyarakat, ditunjukkan dengan data satu video dapat ditonton sebanyak lebih dari 1 juta kali dan komentar lebih dari 2 ribu komentar. Banyaknya jumlah putar dan komentar yang diberikan dapat diasumsikan bahwa segmen Learning By Googling memuat konten yang menarik minat dan bermanfaat bagi banyak pengguna atau memiliki tampilan audiovisual yang menarik. Hal tersebut menarik untuk diteliti. Penelitian dilakukan dengan pendekatan kualitatif deskriptif dengan mengamati tampilan dan segmen Learning By Googling dengan perspektif elemen multimedia yang meliputi teks, grafis, audio, animasi, dan video. Metode dilakukan dengan pengamatan secara langsung oleh peneliti dan membandingkan dengan pendapat audien. Hasil penelitian mengungkapkan bahwa dari tinjauan teks segmen Learning By Googling typeface sans serif digunakan di seluruh video termasuk pada thumbnail. Dari sisi grafis bitmap menjadi penggunaan utama di seluruh video sedangkan vektor hanya digunakan di beberapa video. Pada elemen audio menggunakan dua jenis sound effect dan background music pada seluruh video. Audio pada akhir video menggunakan lagu berjudul Lagu Majas oleh Alys. Animasi segmen Learning By Googling banyak terdapat pada latar pergantian sub judul seperti menggunakan kolase grafis dan efek zoom in. Video merupakan elemen utama segmen Learning By Googling. Seluruh video memiliki resolusi mencapai 1080p sehingga video segmen Learning By Googling memiliki ketajaman yang tinggi.

---

YouTube is an open access website that is currently widely used by the public to share information. Among them is done by Koi through the Sepulang Sekolah YouTube channel. Especially the Learning By Googling segment. This segment provides information on politics, history, health, culture, geography, films, beliefs, mythology, education, and the supernatural. This segment is in great demand by the public, as indicated by data that one video can be watched more than 1 million times and comments of more than 2 thousand comments. The large number of plays and comments given can be assumed that the Learning By Googling segment contains content that is interesting and useful for many users or has an interesting audiovisual appearance. This is interesting to research. The research was conducted with a descriptive qualitative approach by observing the appearance and segments of Learning By Googling with the perspective of multimedia elements which include text, graphics, audio, animation, and video. The method is carried out by direct observation by researchers and comparing with the opinions of the audience. The results of the study reveal that from a review of the text of the Learning By Googling segment, the sans serif typeface is used throughout the video, including the thumbnails. From a graphic standpoint, bitmaps are the main use in all videos while vectors are only used in some videos. The audio element uses two types of sound effects and background music throughout the video. The audio at the end of the video uses a song called Lagu Majas by Alys. There are many animations of the Learning By Googling segment on the background of changing subtitles, such as using graphic collages and zoom in effects. Video is the main element of the Learning By Googling segment. All videos have a resolution of up to 1080p so the Learning By Googling video segment has high sharpness."

"Kategori email dapat diklasifikasikan dengan menggunakan pemrosesan bahasa alami (natural language processing) dan machine learning untuk mempelajari pola kata pada email. Model yang digunakan adalah support vector machine, multinomial naïve bayes, dan random forest dan digunakan teknik oversampling berupa random oversampling, synthetic minority over-sampling (SMOTE), dan adaptive synthetic sampling (ADASYN) untuk menyeimbangkan distribusi kelas dan meningkatkan performa pada model. Hasil yang diperoleh bahwa teknik ADASYN menghasilkan performa terbaik dalam klasifikasi email yang divalidasi dengan k-fold cross-validation (k=7) dibandingkan dua teknik lainnya. Rata-rata akurasi mencapai 97.87% pada support vector machine, sedangkan multinomial naive bayes 77.97% , dan random forest 95.94% dengan menggunakan teknik ADASYN.

---

Email categories can be classified using natural language processing (NLP) and machine learning to learn word patterns in emails. The models used are support vector machine, multinomial naïve Bayes, and random forest. Oversampling techniques such as random oversampling, synthetic minority over-sampling (SMOTE), and adaptive synthetic sampling (ADASYN) are employed to balance the class distribution and improve model performance. The results show that the ADASYN technique achieves the best performance in email classification validated with k-fold cross-validation (k=7) compared to the other two techniques. The average accuracy reaches 97.87% for support vector machine, 77.97% for multinomial naïve Bayes, and 95.94% for random forest when using the ADASYN technique."

"Youtube merupakan salah satu sumber informasi pembelajaran alternatif yang tersedia didalam internet. Terdapat berbagai macam bentuk media penyampaian informasi yang tersedia didalamnya, baik secara audio, visual, maupun audio-visual. Khan Academy adalah salah satu contoh penyedia informasi pembelajaran berbentuk audio-visual yang terdapat dalam website youtube, yang pertama kali dibuat pada tahun 2008. Jurnal ini bertujuan untuk mengetahui dan mendeskripsikan apakah konten pembelajaran yang disediakan oleh Khan Academy bersifat informatif serta dapat dipahami secara jelas oleh mahasiswa sebagai salah satu sumber informasi pembelajaran alternatif yang mereka gunakan. Metode yang digunakan dalam jurnal ini adalah studi literatur dimana penulis mengobservasi konten audio-visual pada kanal pembelajaran Khan Academy sebagai contoh utama terkait keberadaaan sumber informasi pembelajaran tersebut dapat dipahami secara jelas dan informatif untuk mahasiswa, berdasarkan teori media richness dan standar konten informasi pembelajaran audio-visual yang bermanfaat dan informatif untuk mahasiswa. Penulis menemukan bahwa keberadaan konten video dalam kanal pembelajaran pada website youtube merupakan suatu hal yang dapat digunakan oleh mahasiswa sebagai salah satu sumber pembelajaran akademis alternatif oleh mereka, hal ini didasarkan oleh observasi konten audio-visual pada kanal Khan Academy yang telah sesuai dengan empat aspek dalam teori richness serta memenuhi standar konten informasi pembelajaran yang bermanfaat dan informatif untuk mahasiswa.

---

Youtube is one of alternative learning information that is available on the internet. There are many forms of media that is used to deliver information that is available inside, be it by audio form, visual form, or audio-visual form. Khan Academy is one of the example of audio-visual learning information provider on youtube, which was first created back in 2008. This journal aims to observe and describe whether the learning content provided by Khan Academy is informative enough and can be clearly understood by students as one of alternative sources for learning information the student use. The method used in this journal is a literature study in which which the author observes audio-visual content on the Khan Academy learning channel as the main example regarding the existence of learning information sources that can be understood clearly and informatively for students, based on richness media theory and standard audio-learning information content. useful and informative visuals for students. The author found that the existence of video content in the learning channel on the YouTube website is something that can be effectively used by students as their alternative source of academic learning information. This is based on the result of the observation of the audio-visual content that Khan Academy delivers is in accordance with the four main aspects of media richness theory and fulfill the standards for clear and informative audio-visual learning information content for students."

"Jakarta sebagai kota besar yang memiliki tingkat kepadatan yang tinggi pada saat jam-jam dan hari-hari kerja memiliki peraturan guna mengurangi kemacetan di jalan. Salah satu peraturannya adalah pemberlakukan plat nomor kendaraan ganjil genap sesuai dengan tanggal. Peraturan ini cukup efektif dalam mengurangi tingkat kemacetan di jalan-jalan protokol. Namun masih saja ada oknum-oknum yang melanggar peraturan ini dikarenakan kemampuan manusia yang terbatas sehingga tidak dapat selalu mengawasi plat nomor kendaraan secara maksimal. Dengan berkembangnya teknologi terutama di bidang computer vision masalah ini dapat dikurangi. Dengan menggunakan bantuan machine learning yaitu computer vision menggabungkan alat fisik yaitu kamera dengan komputer sehingga dapat mendeteksi dan membaca plat nomor pada kendaraan. Perkembangan teknologi membuat machine learning semakin berkembang sehingga proses melakukan deteksi dapat dilakukan dengan lebih cepat dan akurat. Untuk melakukan hal ini algoritma YOLOv7 dilatih untuk melakukan deteksi pada plat nomor kendaraan serta membacanya sehingga dapat diklasifikasian termasuk ganjil / genap sesuai dengan tanggal pendeteksian. Pada penelitian ini dilakukan pembangunan prototype sistem pendeteksi dan klasifikasi ini menggunakan machine learning dan computer vision untuk melakukan deteksi plat nomor pada kendaraan yang lewat di jalan-jalan protokol. Hasil dari penelitan ini adalah dengan menggunakan algoritma YOLOv7, model yang dihasilkan memiliki akurasi sebesar 86%, melakukan pembacaan plat nomor hasil deteksi dengan EeasyOCR memiliki tingkat kesalahan pembacaan per karakter 3.81% dan kesalahan pembacaan per kata sebesar 11.90%, sistem dapat melakukan deteksi dan pembacaan plat nomor secara real time dengan baik, melakukan identifikasi pada jenis tanggal (ganjil  genap) dan memberikan alert ketika ada plat nomor yang tidak sesuai ketentuan tanggal.

---

Jakarta as the big city and the capital of Indonesia that have high density rate in the work hours and days have a special rule to decrease the congestion rate in the road. One of the rules is the enforcement of odd even license plate rules that connect to the real time date. This rule is effective in decreasing the congestion rate in the major arterial roads. but there's still a loophole that makes people violate this rule, the human limited ability makes them can't always observe all the license plate. With the help of technology development in computer vision, can help to reduce the problem. Computer vision combines the video camera and computer to work side by side so it can read and detect the license plate number. Technology development also develops the computer vision ability so detection and recognition can be done with more accuracy and less time. To do this thing YOLOv7 algorithm trains a model to detect the license plate in a car and read the license plate so it can classify the license plate type (odd/even) and compare it with the research date type. This research build the prototype of detection and classifier system with machine learning and computer vision, to do the automatic odd /even license plate detection and recognition at the car in artery road. As the result of the research , the detection model made by YOLOv7 algorithm have a 86 % accuracy, and the character recognition with EasyOCR have a character error rate 3.81 %  and word error rate 11.90 % , the system prototype can run the detection and OCR in real time, the prototype can get the real time date and classified it as odd or even number, and give an alert when the detected license plate number violated the odd even rule."

"Perkembangan pesat teknologi menyebabkan pertumbuhan pengguna perangkat mobilesemakin meningkat. Hal tersebut mendorong para pengembang aplikasi untukmengembangkan berbagai aplikasi. Aplikasi Learn Quran Tajwid merupakan aplikasiyang diperuntukkan bagi pengguna untuk belajar dan memahami bacaan al-quran lebihdetail dengan audio yang tepat dalam melafadzkan al-quran dan pengguna dapatmempraktekkan bacaan dengan koreksi dari aplikasi. Pendapatan Learn Quran Tajwidbersumber pada layanan berlangganan dan iklan. Sumber utamanya pada pendapatanlayanan paket berlangganan khususnya di Google Play Store namun sumber pendapatanutama tersebut terus mengalami penurunan pertumbuhan bulanan dari tahun sebelumnya.Target peningkatan pertumbuhan pendapatan bulanan Aplikasi Learn Quran Tajwid diGoogle Play Store dari tahun sebelumnya (y-o-y) tidak tercapai. Oleh sebab itu, dilakukananalisis akar masalah dan didapatkan masalah utamanya adalah kepuasaan pelangganmenurun. Tujuan penelitian ini adalah melihat bagaimana pandangan pengguna AplikasiLearn Quran Tajwid di Google Play Store dengan melakukan analisis sentimen danpemodelan topik. Data ulasan yang digunakan berjumlah 5100 ulasan yang didapatkandengan melakukan scraping dari ulasan pengguna aplikasi Learn Quran Tajwid di GooglePlay Store dengan rincian 3026 ulasan sebagai data latih. Selanjutnya data latihdianotasikan manual untuk menentukan sentimen positif atau negatif kemudian dilakukanpreprocessing dan representasi teks menggunakan TF-IDF. Penelitian ini menggunakanalgoritma NB, SVM, XGBoost, CNN, LSTM dan BERT untuk klasifikasi sentimen. Hasileksperimen menunjukkan bahwa algoritma klasifikasi dengan kinerja terbaik adalahalgoritma BERT dengan akurasi 96%, diikuti SVM imbalanced class dengan akurasi95,2% serta SVM-smote dan LSTM dengan akurasi 94,8%. Sementara itu, algoritmapemodelan topik yang digunakan adalah LDA. Hasil pemodelan topik menggunakanalgoritma LDA untuk sentimen positif dan negatif. kesimpulan topik pada sentimenpositif yakni pengguna merasa aplikasi sangat bagus dan memberikan manfaat yangbesar, serta mudah digunakan Sedangkan dari topik yang muncul pada sentimen negatifdidapatkan kesimpulan yakni pengguna merasa iklan yang muncul sangat mengganggudan mengurangi pengalaman pengguna walaupun pengguna merasa aplikasi bagus danbermanfaat namun karena terdapat iklan yang sangat mengganggu berpengaruh terhadapkepuasaan pengguna sehingga memberikan rating rendah.

---

The rapid development of technology has led to an increasing growth in mobile device

users. This has driven application developers to create various apps. The Learn Quran

Tajwid app is designed for users to learn and understand the recitation of the Quran in

more detail, with accurate audio pronunciation. Users can practice their recitation and

receive corrections from the app. The revenue for Learn Quran Tajwid comes from

subscription services and advertisements. The main source of revenue is the subscription

packages, particularly on the Google Play Store. However, the main revenue source has

been experiencing a decline in monthly growth compared to the previous year. The target

of increasing monthly revenue growth for the Learn Quran Tajwid app on the Google

Play Store from the previous year (year-over-year) was not achieved. Therefore, an

analysis of the root cause was conducted, and it was found that customer satisfaction has

decreased. This research aims to examine the users' perspectives of the Learn Quran

Tajwid app on the Google Play Store through sentiment analysis and topic modelling. A

total of 5100 app reviews were used for the analysis, obtained by scraping user reviews

of the Learn Quran Tajwid app from the Google Play Store. Out of these, 3026 reviews

were used as training data. The training data was manually annotated to determine

positive or negative sentiment, and then pre-processing and text representation using TF

IDF were performed. This study used the NB, SVM, XGBoost, CNN, LSTM, and BERT

algorithms for sentiment classification. The experimental results showed that the BERT

algorithm performed the best with an accuracy of 96%, followed by SVM imbalance class

with 95.2% accuracy, and SVM-SMOTE and LSTM with 94.8% accuracy. As for the

topic modelling algorithm used, it was LDA. The topic modelling results using the LDA

algorithm for positive sentiment and negative sentiment. In conclusion, the topics

identified for positive sentiment indicate that users find the app to be excellent and highly

beneficial, as well as easy to use. On the other hand, from the topics identified for negative

sentiment, it can be concluded that users find the ads to be very disruptive and diminish

the user experience. Despite users perceiving the app as good and useful, the presence of

intrusive ads has a significant impact on user satisfaction, resulting in lower ratings. "

"Pengendalian ketinggian atau biasa disebut Level Controller adalah hal yang penting di berbagai bidang industri, termasuk industri kimia, industri minyak bumi, industri pupuk, industri otomatif dan lain-lainnya. Pada penelitian ini, dirancang sebuah pengendali non-konvesional menggunakan Reinforcement Learning dengan Twin Delayed Deep Deterministic Polic Gradient (TD3). Agent ini diterapkan pada sebuah miniature plant yang berisi air sebagai fluidanya. Miniature plant ini disusun dengan berbagai komponen yaitu flow transmitter, level transmitter, ball-valve, control valve, PLC, dan pompa air. Kontroler agent TD3 dirancang menggunakan SIMULINK Matlab di computer. Data laju aliran dan ketinggian air diambil melalui flow transmitter dan level transmitter yang dikoneksikan dengan OPC sebagai penghubung antara Matlab ke SIMULINK. Penerapan agent TD3 pada sistem pengendalian ketinggian air digunakan pada dua kondisi yaitu secara riil plant dan simulasi. Dari penelitian ini didapatkan, bahwa kontroler agent TD3 dapat mengendalikan sistem dengan baik. overshoot yang didapatkan kecil yaitu 0,57 secara simulasi dan 0,97 secara riil plant.

---

In this study, the level controller is the most important in many industry fields, such as chemical industry, petroleum industry, automotive industry, etc., a non-conventional controller using Reinforcement Learning with Twin Delayed Deep Deterministic Policy Gradient (TD3) agent was designed. This agent was implemented in water contain the miniature plant. This miniature plant consists of many components: flow transmitter, level transmitter, ball-valve, control valve, PLC, and water pump. Agent controller was designed using SIMULINK Matlab on a computer, which obtained flow rate and height information comes from flow transmitter and level transmitter connected to OPC that link between Matlab to SIMULINK. Implementation of TD3 to control water level system used two conditions, in real plant and simulation. In this study, we obtain that the TD3 agent controller can control the designs with a slight overshoot value, namely 0,57 in the simulation and 0,97 in the real plant."

"Dunia saat ini telah memasuki era revolusi industri keempat dengan semua lini industri sudah terdigitalisasi dan terkoneksi dengan internet. Hal ini menyebabkan terjadinya disrupsi di berbagai industri salah satunya industri pendidikan yang berupa media belajar digital yang tersedia di handphone dan laptop. Sebuah penelitian menunjukkan media digital lebih digemari generasi Z, sementara generasi millennials lebih menyukai media buku cetak. Penelitian sebelumnya telah dilakukan untuk menentukan kemampuan memahami materi siswa berdasarkan media pembelajaran, tetapi penelitian ini masih subyektif berdasarkan kuesioner yang diisi oleh subjek. Salah satu penelitian adalah disertasi yang dilakukan oleh Geske pada tahun 2005 dengan judul "Perbandingan membaca di layar komputer dan media cetak pengukuran pola perhatian menggunakan EEG". Pengamatan dalam jurnal dilakukan pada tiga media, yaitu: Monitor CRT, Monitor LCD dan Cetak Buku (Cetak) pada 30 responden dengan kedua lobus otak yaitu Occipital dan Parietal diukur. Untuk lebih memperdalam penelitian, penulis menggunakan data mentah dari studi Geske untuk menganalisis upaya mental dan kemudian membandingkan dua media dari aspek perhatian yang telah dipelajari oleh Geske dan aspek upaya mental yang dianalisis oleh penulis. Penelitian ini bertujuan untuk memperoleh hasil analisis pengaruh media pembelajaran (buku digital dan cetak) pada materi pemahaman dalam hal perhatian dan upaya mental berdasarkan data mentah EEG dari studi Geske dan memberikan rekomendasi untuk media pembelajaran terbaik. Dalam penelitian ini hanya dua media yang akan diukur, Monitor CRT dan Media Print karena kurangnya data yang tersedia. Pemberian rekomendasi pembelajaran didasarkan pada hasil analisis, dengan hasil bahwa media cetak masih lebih baik daripada digital pada aspek perhatian dan upaya mental.

---

The world has now entered the era of the fourth industrial revolution in which all lines of industry have been digitalized and connected to the internet. This causes disruption in various industries one of which is the education industry in the form of digital learning media available on cellphones and laptops. Previous research has been conducted to determine the ability of understanding students' material based on learning media, but the research is still subjective based on a questionnaire filled out by the subject. One of the researches is a dissertation conducted by Geske in 2005, titled as "A comparison of reading on computer screens and print media measurements of attention patterns using EEG". Observations in the journal were carried out on three media, namely: CRT Monitor, LCD Monitor and Print Book (Print) on 30 respondents with Occipital and Parietal lobes measured. To further deepen the study, the author uses the raw data from Geske's study to analyses mental effort and then comparing the two media from the aspect of attention that has been studied by Geske and the mental effort aspect analyzed by the author. This study aims to obtain the results of an analysis of the influence of learning media (digital and printed books) on understanding material in terms of attention and mental effort based on the EEG raw data from Geske study and provide recommendations for the best learning media. In this study only two media will be measured, CRT Monitor and Media Print due to lack of available data. Provision of learning recommendations is based on the results of the analysis, with the result that printed media is still better than digital on attention and mental effort aspect."

"

Cacar monyet muncul pada 2022 sebagai penyakit yang ditakutkan berpotensi sebagai pandemi selanjutnya. Cacar monyet adalah penyakit infeksi virus dari hewan (zoonosis) dan termasuk keluarga virus yang sama dengan cacar (smallpox, variola). Walaupun penyakit cacar monyet tidak lebih berbahaya dari COVID-19, diperlukan langkah pencegahan untuk mengurangi risiko penularan. Pendekatan machine learning dapat dilakukan dengan pengusulan penggunaan tiga arsitektur CNN, yaitu EfficientNetV2B1, MobileNetV3, dan NASNetMobile untuk mengklasifikasi cacar monyet dari citra lesi kulit. Ketiga model dilakukan transfer learning menggunakan pre-trained weights ImageNet bertotal 29 skenario dengan pemisahan data train dan test, dan melakukan augmentasi yang berbeda untuk menguji performa model. Skenario difokuskan pada peningkatan recall untuk mengurangi tingkat false negative pada prediksi cacar monyet. Penelitian ini juga membangun dataset yang terdiri dari empat kelas, yaitu cacar monyet, cacar air, campak, dan sehat dengan jumlah 40 hingga 100 foto per kelas. Citra dataset bersumber dari Kaggle dan web Kesehatan dan divalidasi kembali menggunakan Google Reverse Image. Dari eksperimen 29 skenario, didapatkan skenario dengan model yang optimal adalah MobileNetV3 versi minimalistic dengan recall 93,2%, dengan ukuran 7,6 MB, selisih recall dan validation recall 0,0035 dengan pemisahan data train dan test sebesar 70:30 dengan optimizer Adam 0,0001. Model dikonversi ke dalam format TensorFlow Lite dan disematkan ke dalam aplikasi Android yang dirancang menggunakan bahasa pemrograman Kotlin dan library UCrop untuk cropping citra yang diambil pengguna agar terfokus pada lesi kulit. Model membutuhkan rata-rata waktu inferensi 40 milidetik pada aplikasi Android.

---

Monkeypox emerged in 2022 as a disease that potentially be the next pandemic. Monkeypox is a virus infection from animals (zoonosis) and categorized as the same family as smallpox (variola). Even monkeypox is not deadly as COVID-19, preventive measure is needed to reduce infections. Machine learning approach can be implemented with 3 proposed CNN architecture, EfficientNetV2B1, MobileNetV3, and NASNetMobile to classify monkeypox from skin lesion image. Transfer learning will be done to the three models using pre-trained weights from ImageNet of 29 scenarios with variations of train-test data split and augmentation to benchmark model performance. The experiment is focused on improving recall as minimizing false negative prediction on monkeypox. This paper also built a new dataset with 4 class, monkeypox, chickenpox, measles, and healthy skin which has 40 to 100 image per class. The dataset images are compiled from Kaggle and health website and revalidate with Google Reverse Image. From 29 experiment scenarios, the resulted best model is MobileNetV3 minimalistic with 93,2% recall, 7,6 MB in size, difference in training and validation recall of 0,0035% with data train-test splits 70:30 and optimizer using Adam 0,0001. The model is converted to TensorFlow Lite format to be embedded in Android application that is build with Kotlin and UCrop library to crop the image to focus on the skin lesions. The model has a mean of 40 milliseconds inference in the application.

"