Hasil Pencarian  ::  Simpan CSV :: Kembali

"Coronavirus disease 2019 atau COVID-19 merupakan suatu penyakit menular yang disebabkan oleh virus bernama SARS-CoV-2 dan menginfeksi sistem pernapasan manusia. Untuk mengendalikan penyebaran COVID-19 selama masa pandemi, pemerintah di berbagai negara telah menerapkan berbagai jenis modifikasi dalam kehidupan sehari-hari, contohnya dengan menerapkan sistem lockdown. Tetapi, adanya modifikasi gaya hidup tersebut dapat meninggalkan beberapa dampak, salah satunya adalah konsekuensi sosial psikologis yang meliputi masalah stres psikologis. Stres psikologis yang dirasakan oleh seseorang dapat dijelaskan oleh beberapa faktor. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, baik secara global maupun untuk beberapa negara secara terpisah serta menganalisis karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020. Penelitian ini akan menggunakan data sekunder berupa data survei global yang diselenggarakan oleh COVIDiSTRESS. Adapun metode yang digunakan untuk menganalisis karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020 adalah exploratory data analysis (EDA) dan metode untuk mengidentifikasi faktor-faktor yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, baik secara global maupun untuk beberapa negara secara terpisah adalah analisis regresi berganda. Hasil dari penelitian ini menunjukkan bahwa terdapat adanya kecenderungan perbedaan karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020 jika dilihat berdasarkan informasi demografi serta pengukuran psikologis berupa variabel-variabel pertanyaan di dalam survei. Selain itu, secara global didapatkan beberapa faktor penting yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, contohnya seperti tingkat kesepian, usia, dan tipe kepribadian neuroticism. Kemudian untuk beberapa negara yang diamati, mayoritas faktor penting yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020 contohnya meliputi tingkat kesepian, seberapa bervariasi sumber pemicu stres, dan usia.

---

Coronavirus disease 2019 or COVID-19 is an infectious disease caused by a virus called

SARS-CoV-2 and infects the human respiratory system. To control the spread of COVID-

19 during the pandemic, governments in various countries have implemented various

types of modifications in daily life, for example by implementing a lockdown system.

However, these lifestyle modifications can leave several impacts, one of which is socio-

psychological consequences which include psychological stress problems. The

psychological stress felt by a person can be explained by several factors. This study aims

to identify factors that can explain a person's stress level during the early days of the

COVID-19 pandemic in 2020, both globally and for several countries separately and

analyze the characteristics of individuals in several countries during the early days of the

COVID-19 pandemic in 2020. This research will use secondary data in the form of global

survey data organized by COVIDiSTRESS. The method used to analyze the

characteristics of individuals in several countries during the early days of the COVID-19

pandemic in 2020 is exploratory data analysis (EDA) and the method to identify factors

that can explain a person's stress level during the early days of the COVID-19 pandemic

in 2020, both globally and for several countries separately is multiple regression analysis.

The results of this study show that there is a tendency for differences in individual

characteristics in several countries during the early days of the COVID-19 pandemic in

2020 when viewed based on demographic information and psychological measurements

in the form of question variables in the survey. In addition, globally, there are several

important factors that can explain a person's stress level during the initial period of the

COVID-19 pandemic in 2020, such as the level of loneliness, age, and neuroticism

personality type. Then for some countries observed, the majority of important factors that

can explain a person's stress level during the early days of the COVID-19 pandemic in

2020 include the level of loneliness, how varied the sources of stress triggers are, and age"

"COVID-19 atau coronavirus disease 2019 adalah penyakit menular yang memengaruhi sistem organ, terutama sistem pernapasan dan disebabkan oleh virus SARS-CoV-2. Individu yang terinfeksi COVID-19 memiliki tingkat keparahan yang berbeda. Salah satu faktor yang berasosiasi terhadap tingkat keparahan pasien COVID-19 adalah usia. Tingkat keparahan yang tinggi pada kondisi seseorang cenderung mempengaruhi banyaknya treatment yang dibutuhkan, hingga akhirnya juga mempengaruhi waktu yang dibutuhkan seseorang tersebut untuk sembuh. Penelitian ini berfokus pada faktor usia, dimana faktor tersebut diduga menyebabkan perbedaan karakteristik tertentu dari pasien dan durasi rawat yang dibutuhkan oleh pasien COVID-19. Tujuan dari penelitian ini adalah untuk menganalisis perbandingan karakteristik pasien COVID-19 berdasarkan kelompok usia, dan mengidentifikasi bagaimana kaitan usia terhadap durasi rawat pasien COVID-19 hingga mengalami kematian, perbaikan kondisi COVID, dan rawat jalan. Analisis perbandingan karakteristik pasien COVID-19 berdasarkan kelompok usia dilakukan dengan menerapkan metode exploratory data analysis (EDA). Selanjutnya metode EDA dan regression tree diterapkan untuk mengetahui bagaimana kaitan usia terhadap durasi rawat pasien COVID-19 hingga mengalami kematian, perbaikan kondisi, dan rawat jalan. Hasil yang diperoleh pada penelitian ini adalah terdapat kecenderungan perbedaan pada pasien COVID-19 berdasarkan kelompok usia jika dilihat berdasarkan faktor jenis kelamin, durasi rawat, status akhir, gejala, komorbid, komplikasi, dan pengukuran laboratorium darah. Selain itu, usia merupakan pertimbangan utama dalam memperkirakan durasi rawat pasien COVID-19 dengan faktor lainnya adalah hipertensi, klorida, HPR, PWR, MLR dan gejala demam.

---

COVID-19 or coronavirus disease 2019 is an infectious disease that affects the organ systems, especially the respiratory system and is caused by the SARS-CoV-2 virus. Individuals infected with COVID-19 have different levels of severity. One of the factors associated with the severity of COVID-19 patients is age. The severity level of a person tends to affect the number of treatments needed, and therefore will affect the time it takes for the person to recover. This study focuses on age, where this factor is suspected to cause differences in certain characteristics of COVID-19 patients and length of hospital stay required by COVID-19 patients. The purpose of this study is to analyse the characteristics comparison of COVID-19 patients by age group, and to identify on how age affects the length of hospital stay for COVID-19 patients to death, improved conditions, or outpatient care. Comparative analysis of the characteristics of COVID-19 patients by age group is done using exploratory data analysis (EDA). Furthermore, EDA and regression tree are used to find out how age is related to the length of hospital stay for COVID-19 patients to death, improved COVID conditions, or outpatient care. The results show that there was tendency of differences in gender, length of hospital stay, clinical outcome, symptoms, comorbidities, complications, and blood laboratory measurements in COVID-19 patients based on age group. In addition, age is a major consideration in estimating the length of hospital stay for COVID-19 patients with other factors such as hypertension, chloride, HPR, PWR, MLR and fever."

"Perkembangan teknologi dan digitalisasi telah memudahkan akses informasi melalui internet, termasuk dalam jurnalistik. Data menunjukkan bahwa terdapat ribuan portal berita daring di Indonesia, dengan detik.com menjadi salah satu yang paling banyak diakses dan terverifikasi oleh Dewan Pers. Penelitian ini menganalisis tren dan sentimen berita pemilihan umum 2024 di detik.com menggunakan metode deep learning. Data dikumpulkan dari berita selama tiga bulan masa kampanye dan dibagi menjadi tiga dataset sesuai pasangan calon presiden. Metode yang digunakan mencakup Exploratory Data Analysis (EDA) dan analisis sentimen menggunakan model Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Gated Recurrent Unit (GRU), serta advanced model-nya. Hasil penelitian menunjukkan pasangan calon nomor urut 02 memiliki frekuensi pemberitaan tertinggi yang fluktuatif, sementara pasangan calon nomor urut 01 dan 03 lebih stagnan. Sentimen positif mendominasi pemberitaan dengan topik berbeda pada setiap peak conversation. Analisis sentimen menunjukkan model CNN-LSTM memiliki akurasi tertinggi, namun model dasar CNN, LSTM, dan GRU juga menunjukkan performa baik dengan akurasi, F1-Score, precision, dan recall di atas 80%, serta waktu runtime yang lebih singkat, menjadikannya pilihan lebih optimal untuk dataset ini.

---

The rapid development of technology and digitalization has facilitated access to information, including journalism. Thousands of online news portals exist in Indonesia, with detik.com being one of the most accessed and verified by Dewan Pers. This study analyzes trends and sentiment in news about the 2024 general election reported by detik.com. Data were collected during the three-month campaign period and divided into three datasets for each presidential candidate pair. Methods used include Exploratory Data Analysis (EDA) to identify trends and news frequency, and sentiment analysis using Natural Language Processing (NLP) techniques like Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and Gated Recurrent Unit (GRU), along with advanced models. Results show that candidate pair 02 has the highest and most fluctuating news frequency, while pairs 01 and 03 have more stable trends. Positive sentiment dominates coverage for all candidates, with different topics during peak discussions: pair 01 in campaign contexts, pair 02 during the third debate, and pair 03 early in the nomination period. The CNN-LSTM model shows the highest accuracy in sentiment analysis, but fundamental models—CNN, LSTM, and GRU—also perform well, achieving over 80% accuracy, F1-Score, precision, and recall, with shorter runtime."

"Dunia sedang mengalami pandemi Covid-19 karena CoronaVirus yang pertama kali muncul di Wuhan, China. Pandemi ini sudah berlangsung sejak 2020 awal dan berlanjut hingga skripsi ini dibentuk (Juni 2022). Banyak kehidupan yang berubah semenjak pandemi ini berlangsung diantaranya adalah berubahnya pola pembelajaran. Dari yang sebelum pandemi pembelajaran dilaksanakan di dalam ruang kelas, dan saat pandemi pembelajaran dilaksanakan secara daring/online. Penelitian ini akan membahas apakah terdapat pengaruh pandemi Covid-19 ini terhadap biaya untuk menjalani studi S2 di luar negeri. Kemudian, akan dilakukan pemetaan untuk tiap negara berdasarkan kelompok yang terbentuk dari teknik clustering. Adapun komponen harga yang digunakan adalah biaya spp atau tuition fee per tahun, biaya pembuatan visa pelajar, biaya transportasi satu arah, biaya sewa tempat tinggal per tahun, biaya hidup per tahun, dan total biaya studi S2 yang merupakan penjumlahan ke 5 komponen sebelumnya dengan memperhatikan waktu 2 tahun. Teknik yang akan digunakan dalam penelitian ini adalah uji perbedaan dua populasi dan Clustering K-Means. Sebelumnya, dilakukan terlebih dahulu uji normalitas untuk menentukan uji yang akan dipakai. Didapatkan hasil uji normalitas Kolmogorov Smirnov bahwa data tidak berdistribusi normal, sehingga penelitian akan dilanjutkan menggunakan teknik Wilcoxon signed rank test atau Sign Test. Didapatkan dari hasil uji tiap variabel bahwa keenam komponen harga yang diteliti mengalami perubahan harga yang signifikan dari periode sebelum pandemi ke saat pandemi. Kemudian, dilakukanpen gelompokkan dengan teknik K-Means Clustering dan dibentuklah peta dunia dari hasil pengelompokkan sebelumnya.

---

The world is on Covid-19 pandemic that are caused is CoronaVirus that first appeared in Wuhan, China. This pandemic has been going since early 2020 and continuing till now (June 2022). There are so many lifestyle changes since this pandemic happened, like study environment alteration. From attending classes before pandemic, to attending online classes when pandemic. This research will examine if Covid-19 pandemic affects master degree study costs outside of Indonesia. Then, a map will be made from K-Means Clustering method results. The price components that are used in this research are tuition fee per year, cost of making student visa, one way transportation cost, living cost per year, rent fee per year, and total cost for master study which is the sum of the 5 components before for 2 years duration. The technique that will be used on this research are population difference test. Before doing it, we need to do a normality test first to determine what test will be used. Obtained from Kolmogorov Smirnov test that the data are not normally distributed, hence this research will be continued using Wilcoxon Signed rank test or Sign Test. Acquired from the test that all six cost components change significantly from before pandemic period to in pandemic period. After that, K-Means clustering method will be done and the result will be used for making the map."

"Per 9 Februari 2023, 87% dari total populasi kendaraan pribadi di Indonesia merupakan sepeda motor. Persebaran sepeda motor terpadat di Indonesia berada di Pulau Jawa dengan persentase sebesar 60%. Tingginya populasi sepeda motor dan fakta bahwa 80% rumah tangga di Pulau Jawa sudah memiliki sepeda motor membuat pasar sepeda motor semakin mengecil. Dalam jangka panjang, kondisi ini dapat berdampak buruk bagi industri sepeda motor yang terus ingin berkembang. Penelitian ini membahas tentang pengelompokan kabupaten dan kota di Pulau Jawa berdasarkan karakteristik demografinya. Kemudian, diberikan saran keputusan yang dapat dilakukan oleh industri sepeda motor berdasarkan kelompok kabupaten dan kota yang terbentuk menggunakan teknik clustering. Hal ini bertujuan agar produsen yang bergerak di industri sepeda motor dapat memfokuskan produknya pada kelompok kabupaten dan kota yang memiliki potensi terbaik. Terdapat 12 variabel demografi yang digunakan dalam penelitian ini, dan variabel tersebut terbagi menjadi tiga kategori: kondisi ekonomi masyarakat, kondisi kehidupan masyarakat, dan kondisi demografis daerah. Metode yang digunakan dalam penelitian ini adalah metode partitional hard clustering. Sebelumnya, dilakukan pembuatan dataset melalui proses data scrapping pada situs terpercaya, dan dilanjutkan dengan proses Exploratory Data Analysis (EDA) pada dataset. Setelah dataset terbentuk, dilakukan pengelompokan dengan metode partitional hard clustering yang terdiri dari metode K-Means Clustering dan metode K-Medoids Clustering. Kemudian, dilakukan evaluasi cluster untuk menentukan metode clustering yang paling sesuai dengan menggunakan empat metrik evaluasi yaitu Indeks Silhouette, Indeks Dunn, Indeks Davies Bouldin, dan Indeks Calinski Harabasz. Didapatkan hasil bahwa metode K-Medoids Clustering dengan 5 kelompok merupakan yang terbaik untuk mengelompokkan kabupaten dan kota di Pulau Jawa. Setelah kelompok terbentuk, setiap kelompok diberikan rekomendasi keputusan yang sebaiknya diambil oleh industri sepeda motor. Terdapat 4 rekomendasi yang dapat diberikan, yaitu distribusi suku cadang, pembuatan bengkel, penjualan sepeda motor kelas menengah ke atas, dan penjualan sepeda motor kelas menengah ke bawah.

---

As of February 9, 2023, 87% of the total population of private vehicles in Indonesia consists of motorcycles. The densest distribution of motorcycles in Indonesia is found on the Island of Java, with a percentage of 60%. The high population of motorcycles and the fact that 80% of households in Java already have motorcycles are causing the motorcycle market to shrink. In the long run, this condition can have negative impacts on the motorcycle industry that continues to seek growth. This research focuses on the clustering of regencies and cities in Java based on their demographic characteristics. Subsequently, decision recommendations will be provided for the motorcycle industry based on the formed groups using clustering techniques. The aim is to enable manufacturers in the motorcycle industry to focus their products on regencies and cities with the best potential. There are 12 demographic variables used in this research, divided into three categories: the economic conditions of society, the living conditions of society, and the demographic conditions of the region. The method used in this research is the partitional hard clustering method. Firstly, a dataset is created through the data scraping process on trusted sites, followed by the Exploratory Data Analysis (EDA) process on the dataset. Once the dataset is formed, clustering is performed using the partitional hard clustering method, consisting of the K-Means Clustering and K-Medoids Clustering methods. Subsequently, cluster evaluation is carried out to determine the most suitable clustering method using four evaluation metrics: Silhouette Index, Dunn Index, Davies Bouldin Index, and Calinski Harabasz Index. The results show that the K-Medoids Clustering method with 5 clusters is the best for grouping regencies and cities in Java. After the groups are formed, each group is given decision recommendations that the motorcycle industry should consider. There are four recommendations: spare parts distribution, workshop establishment, sales of mid- to high-end motorcycles, and sales of mid-range motorcycles and below."