Hasil Pencarian  ::  Simpan CSV :: Kembali

"Potensi akuakultur di Indonesia termasuk tinggi. Penggunaan teknologi pada bidang ini relatif baru dan menghadapi perkembangan yang menantang. Salah satunya tercermin pada penggunaan platform eFisheryKu yang belum mencapai target banyaknya pengguna bulanan dan repeat order. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi niat terus menggunakan platform akuakultur elektronis, studi kasus pada aplikasi eFisheryKu. Model penelitian dibangun menggunakan kerangka kerja Multi-Motive Information Systems Continuance Model (MISC). Kerangka teoretis dibangun dengan 16 hipotesis yang dibentuk dari hubungan antar konstruk. Metode penelitian yang digunakan adalah explanatory sequential design, yaitu metode penelitian yang diawali dengan fase kuantitatif dan dilanjutkan untuk menindaklanjuti hasil tertentu dengan tujuan untuk membantu menjelaskan hasil kuantitatif dengan terintegrasi. Analisis data kuantitatif dilakukan pada 100 data kuesioner dengan teknik analisis PLS-SEM dengan hasil sembilan hipotesis diterima dan tujuh hipotesis ditolak, lalu dilanjutkan dengan fase kualitatif terhadap tujuh responden untuk menemukan penjelasan yang konsisten, dengan menggunakan metode analisis data kualitatif thematic analysis. Penelitian ini memberi kesimpulan bahwa intention to continue dipengaruhi oleh functional needst2, lalu functional needst2 dipengaruhi oleh design-expectations fit dan functional needs disconfirmation, di mana functional needs disconfirmation dipengaruhi oleh functional needst1 dan ease of use. Penelitian ini memberi implikasi teoretis dan memperkuat functional needs sebagai faktor utama serta memberikan rekomendasi praktikal untuk mengoptimalkan fitur kebutuhan dasar budidaya dengan proses bisnis yang matang di lapangan.

---

The potential for aquaculture in Indonesia is high. The use of technology in this fields is relatively new and faces challenging developments. One of them is reflected in the use of the eFisheryKu platform which has not reached the target number of monthly users and repeat orders. This study aims to determine the factors influencing the intention to continue using the electronic aquaculture platform, a case study on the eFisheryKu application. The research model was built using the Multi-Motive Information Systems Continuance Model (MISC) framework forming 16 hypotheses. The research method used is an explanatory sequential design, which is a research method that begins with a quantitative phase and continues to follow up certain results with a qualitative phase to help explain integrated quantitative results. Quantitative data analysis was carried out on 100 questionnaire data using the PLS-SEM analysis technique. The results showed that nine hypotheses were accepted and seven hypotheses were rejected. Then, it continued with the qualitative phase with seven respondents, applying thematic analysis method for analyzing qualitative data analysis. This study concludes that intention to continue is influenced by functional needst2, then functional needst2 is influenced by design-expectations fit and functional needs disconfirmation, where functional needs disconfirmation is influenced by functional needst1 and ease of use. This research provides theoretical implications and strengthens functional needs as the main factor as well as provides practical recommendations for optimizing the basic needs of cultivation with mature business processes in the field.

"

"Penyakit Parkinson terbagi dalam dua subtipe, yaitu Tremor Dominant (TD) dan Postural Instability/Gait Dominant (PIGD). Tiap subtipe memiliki perbedaan dalam penanganan klinis, sehingga perlu dilakukan klasifikasi subtipe penyakit Parkinson. Dalam Statistika, ada beberapa model yang membahas klasifikasi diantaranya adalah decision tree, regresi logistik, dan logit leaf model (LLM). LLM merupakan model campuran dari decision tree dan regresi logistik yang diusulkan oleh De Caigny et al. (2018). Penulisan ini membahas klasifikasi subtipe penyakit Parkinson menggunakan model klasifikasi statistika beserta penanganan masalah imbalanced data yang terjadi pada data penyakit Parkinson. Diperoleh model klasifikasi regresi logistik dengan melakukan proses SMOTE ± = 600, = 200 untuk menangani masalah imbalanced data. Model tersebut memberikan akurasi sebesar 98,83%, sensitivitas sebesar 98,41%, dan spesifisitas sebesar 99,07%.

---

Parkinsons Disease has two sub-types which are Tremor Dominant (TD) and Postural Instability/Gait Difficulty (PIGD). Each subtype has the difference in clinical treatment, so it is necessary to classify Parkinsons Disease subtypes. In Statistics, there are statistical models for classifying such as decision tree, logistic regression, and logit leaf model (LLM). LLM is a hybrid model from decision tree and logistic regression that proposed by (De Caigny et al., 2018). In this thesis discuss Parkinsons Disease Classification using statistical models with imbalanced data problem handling happen in Parkinson`s Disease data. For the result, logistic regression by processing SMOTE ± = 600, = 200 to handle data imbalanced problem. The model provides an accuracy of 98,83%, sensitivity of 98.41%, and specificity of 99.07%."