📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 6,268 dokumenOPTIMISASI STRATEGI PEMASARAN HIJAU BERBASIS MEDIA SOSIAL UNTUK MENINGKATKAN KETERLIBATAN PELANGGAN: STUDI KASUS SARIAYU MARTHA TILAAR
Penelitian ini mengkaji penerapan strategi green marketing berbasis media sosial dalam meningkatkan customer engagement, dengan studi kasus pada Sariayu Martha Tilaar. Dalam beberapa tahun terakhir, percepatan digitalisasi di industri kecantikan Indonesia telah menjadikan media sosial sebagai faktor penentu daya saing merek, khususnya di kalangan konsumen muda seperti Generasi Z dan Milenial yang menaruh perhatian besar pada keaslian, keberlanjutan, serta kecepatan interaksi digital. Meskipun Sariayu memiliki kredibilitas institusional yang kuat, sejarah merek yang panjang, serta komitmen terhadap kecantikan alami dan etis melalui Martha Tilaar Innovation Center dan program keberlanjutan Kampoeng Djamoe Organik, kinerja digital merek ini masih tergolong rendah. Ketidaksesuaian antara nilai hijau yang kuat dengan tingkat engagement digital yang lemah menunjukkan adanya permasalahan strategis yang memerlukan analisis sistematis. Sejalan dengan isu bisnis tersebut, penelitian ini memiliki dua tujuan utama. Pertama, mengidentifikasi strategi pemasaran terintegrasi yang dapat diterapkan oleh Sariayu untuk memperkuat customer engagement sekaligus menjaga relevansi jangka panjang di tengah persaingan industri kecantikan yang semakin ketat. Kedua, menganalisis keterkaitan antara elemen pemasaran utama yaitu social media marketing, online marketing, brand ambassador, dan brand community dengan tingkat customer engagement yang dilaporkan oleh konsumen terhadap merek Sariayu. Dengan demikian, penelitian ini tidak hanya berfokus pada evaluasi hubungan statistik antarvariabel, tetapi juga menghasilkan rekomendasi strategis yang aplikatif bagi pengembangan bisnis. Penelitian ini menggunakan desain mixed-method. Pendekatan kuantitatif dilakukan melalui survei daring terhadap konsumen Generasi Z dan Milenial di Indonesia yang aktif menggunakan media sosial. Data kuantitatif dianalisis menggunakan Partial Least Squares Structural Equation Modeling untuk menguji keterkaitan antara stimulus pemasaran dan customer engagement. Sementara itu, pendekatan kualitatif dilakukan melalui analisis internal dan eksternal, termasuk observasi konten digital Sariayu, benchmarking dengan merek pesaing, serta kajian tren industri kecantikan berkelanjutan. Kombinasi kedua pendekatan ini memungkinkan triangulasi temuan dan pemahaman yang lebih komprehensif terhadap permasalahan yang diteliti. Hasil penelitian menunjukkan adanya engagement paradox. Meskipun model penelitian memiliki kemampuan prediktif yang kuat terhadap customer engagement, variabel psikologis yang sebelumnya diasumsikan sebagai mediator—seperti sikap terhadap engagement dan norma subjektif—tidak terbukti berperan signifikan. Hal ini mengindikasikan bahwa engagement konsumen, khususnya Generasi Z, lebih bersifat respons langsung terhadap stimulus digital dibandingkan sebagai hasil dari proses psikologis yang terencana. Selain itu, aktivitas brand community ditemukan memiliki hubungan negatif dengan sikap terhadap engagement, yang mengarah pada kemungkinan terjadinya kejenuhan konten atau persepsi kurangnya keaslian dalam aktivitas komunitas yang dijalankan. Penelitian ini menyimpulkan bahwa rendahnya engagement Sariayu terutama disebabkan oleh faktor organisasi dan eksekusi, khususnya keterbatasan digital agility serta ketidakmampuan menerjemahkan nilai keberlanjutan berbasis heritage ke dalam format konten yang relevan dengan platform digital. Berdasarkan analisis TOWS, penelitian ini merekomendasikan penerapan strategi terintegrasi yang mencakup pemanfaatan micro-influencer, optimalisasi kanal real-time commerce, penguatan storytelling hijau yang autentik, serta peningkatan intensitas dan konsistensi aktivasi digital untuk meningkatkan engagement dan daya saing di platform berbasis algoritma.
USULAN STRATEGI BISNIS UNTUK MEMPERKUAT DAYA SAING DALAM LINGKUNGAN INDUSTRI KEBUGARAN DI PASAR SKALA KECIL MELALUI PENYEMPURNAAN BISNIS MODEL KANVAS: STUDI KASUS AW FITNESS CENTER
AW Fitness Center telah menjadi satu-satunya pusat kebugaran di Nanga Pinoh selama lebih dari sebelas tahun, sehingga memiliki monopoli alami dan basis pelanggan di pasar lokal yang kecil. Situasi ini berubah pada Juni 2025 ketika pesaing baru dan lebih modern masuk ke wilayah tersebut, sehingga pendapatan AW Fitness Center turun sekitar 40%. Perubahan mendadak ini membuat ekspektasi pelanggan menjadi jelas dan bagaimana AW Fitness Center perlu merevisi model bisnisnya untuk tetap relevan. Studi ini berfokus pada faktor internal dan eksternal yang memengaruhi tantangan saat ini yang dihadapi oleh gym dan bertujuan untuk menawarkan model bisnis yang lebih sesuai untuk lingkungan kompetitif baru. Penelitian ini menggunakan studi kasus kualitatif dengan 15 peserta dari pemangku kepentingan internal dan eksternal. Mengimplementasikan analisis Lima Kekuatan Porter, analisis VRIO, dan pemetaan Business Model Canvas untuk memahami kondisi bisnis saat ini. Temuan menunjukkan kekuatan mulai dari hubungan berbasis kepercayaan dan layanan fleksibel, hingga kelemahan utama seperti fasilitas yang sudah tua, operasi informal, dan kapasitas staf yang terbatas. Dengan menggunakan analisis SWOT-TOWS, studi ini merumuskan 14 arah strategis yang diterjemahkan menjadi 32 perbaikan dalam Business Model Canvas yang dirancang ulang. Model yang diusulkan menyediakan jalur yang praktis dan realistis bagi AW Fitness Center untuk meningkatkan daya saingnya, memberikan pengalaman anggota yang lebih baik, dan mencapai keberlanjutan dalam lingkungan pasar yang kecil.
MENINGKATKAN KEAMANAN DIGITAL MENGGUNAKAN KERANGKA PENILAIAN KEMATANGAN KEAMANAN SIBER DI TELKOMSIGMA
Mengingat lingkungan cybersecurity yang rumit akibat pesatnya perkembangan teknologi digital, teknologi perlindungan tingkat lanjut sangat diperlukan. Tingkat kesiapan cybersecurity di Indonesia masih belum merata, di mana banyak organisasi beroperasi pada tingkat kematangan (maturity level) yang rendah dan sangat rentan terhadap ancaman. Studi ini berfokus pada salah satu perusahaan TIK terkemuka di Indonesia yang menghadapi masalah skor dasar Cyber Maturity Assessment (CMA) yang rendah, yaitu 1.44, yang menunjukkan postur keamanan yang ad hoc dan reaktif. Untuk memverifikasi perubahan yang terukur, studi ini bertujuan mengidentifikasi masalah mendasar yang menyebabkan skor rendah, menyusun rencana perbaikan yang terfokus, dan menilai keberhasilan kegiatan yang telah diimplementasikan. Penelitian ini menggunakan desain riset campuran, yaitu kualitatif-kuantitatif. Data kualitatif dikumpulkan melalui Focus Group Discussions (FGDs) dengan stakeholders terpilih dan penilaian menyeluruh terhadap dokumentasi internal organisasi. Sementara itu, analisis kuantitatif menggunakan formula penilaian Cyber Maturity Assessment (CMA) dari Global Consulting Company untuk menilai domain-domain kerangka kerja dalam peringkat kematangan maturity ratings. Berdasarkan hasil ini, dibuatlah solusi bisnis yang terfokus dan strategi implementasi menyeluruh untuk meningkatkan kematangan siber. Diagnosis awal menemukan kesenjangan kritis di setiap domain. Domain Legal and Compliance (Hukum dan Kepatuhan) dan Business Continuity Management (Manajemen Kelangsungan Bisnis) mendapatkan skor terendah karena rencana pemulihan yang belum teruji dan kurangnya proses berbasis teknologi yang terformalisasi. Sebagai respons, dikembangkan roadmap prioritas selama tiga tahun, yang berfokus pada dokumentasi dan integrasi strategis. Setelah inisiatif-inisiatif ini diterapkan dan divalidasi melalui evaluasi, skor kematangan total organisasi meningkat dari 1.44 menjadi 2.50. Studi ini menyimpulkan bahwa implementasi peta jalan secara sistematis dan bertahap terbukti sangat efektif, berhasil memvalidasi pendekatan tesis untuk meningkatkan kematangan siber. Studi ini menawarkan landasan yang bermanfaat bagi perusahaan TIK untuk beralih dari postur keamanan yang ad hoc dan reaktif menjadi postur yang Defined (Terdefinisi) dan Managed (Terkelola). Hasil ini juga menunjukkan bahwa meskipun domain operasional dapat ditingkatkan secara signifikan, domain strategis seperti Legal and Compliance memerlukan komitmen berkelanjutan dari eksekutif setelah dokumentasi awal untuk mencapai kematangan penuh (full maturity).
TRANSFORMASI SOLUSI SUMBER DAYA MANUSIA STRATEGIS DI KORPORASI PELABUHAN : PENDEKATAN SKENARIO
Penelitian ini dilakukan untuk mengkaji kompatibilitas perencanaan skenario dalam menyiapkan strategi yang tepat bagi perusahaan pembelajaran dan konsultasi bagian dari grup operator pelabuhan badan usaha milik negara (BUMN), dalam mengembangkan kemampuannya untuk menghadapi tantangan dalam memenuhi mandat perusahaan induk sebagai penyedia solusi sumber daya manusia (SDM). Penelitian kualitatif ini dimulai dengan menggabungkan analisis lingkungan eksternal menggunakan PESTEL dan evaluasi sumber daya internal dengan model VRIO untuk mengidentifikasi ketidakpastian penting yang memengerauhi arah strategis perusahaan, diperkuat dengan Diskusi Kelompok Terfokus (FGD) yang melibatkan tim operasional internal untuk mengidentifikasi masalah yang dirasakan dan faktor pendorong, diikuti dengan wawancara semi-terstruktur dengan pemangku kepentingan manajerial dan strategis untuk memvalidasi dan menyempurnakan skenario yang muncul. Dari rangkaian faktor pendorong yang lebih luas, dua ketidakpastian kritis diidentifikasi: tingkat otonomi strategis yang diberikan kepada perusahaan dalam kelompok BUMN dan tingkat keterbukaan pasar di luar ekosistem operator pelabuhan internal. Ketidakpastian ini menjadi dasar matriks empat skenario yang dikembangkan dengan narasi terperinci, implikasi strategis, sinyal peringatan dini, dan opsi tanggapan. Pendekatan ini memfasilitasi formulasi opsi strategis yang tidak dioptimalkan untuk masa depan tunggal, melainkan tangguh di berbagai lingkungan yang dimungkinkan. Studi ini menyimpulkan bahwa perencanaan skenario memainkan peran kritis sebagai alat strategi perusahaan sekaligus menyoroti pentingnya pembangunan kemampuan secara bertahap yang selaras dengan rencana jangka panjang perusahaan dan batasan tata kelola perusahaan. Tiga rekomendasi strategis inti diusulkan: mengadopsi perencanaan skenario sebagai mekanisme strategi korporat yang berulang, menerapkan pengembangan kemampuan secara bertahap dan terstruktur sesuai dengan kematangan organisasi yang realistis, serta mengelola ketergantungan pihak ketiga melalui strategi kemitraan selektif daripada internalisasi penuh. Secara kolektif, rekomendasi ini menyediakan kerangka kerja praktis dan berbasis teori untuk perusahaan pembelajaran dan konsultasi yang berafiliasi dengan BUMN yang ingin berkembang menjadi pelabuhan kelas dunia yang didukung oleh sumber daya manusia kelas dunia.
ANALISIS PENGAMBILAN KEPUTUSAN STRATEGIS PADA PRIORITISASI PRODUK DI BATTERSPOON BY MULIA MENGGUNAKAN ANALYTIC HIERARCHY PROCESS (AHP)
Penelitian ini mengeksplorasi proses pengambilan keputusan strategis dalam Batterspoon by Mulia, sebuah usaha mikro berbasis bakery, untuk memprioritaskan penawaran produk menggunakan Analytic Hierarchy Process (AHP). Tujuan utama dari penelitian ini adalah untuk mengatasi masalah utama, yaitu stagnasi penjualan meskipun usaha telah dilakukan untuk meningkatkan merek, sertifikasi, dan penawaran produk. Melalui penelitian ini, diharapkan dapat memberikan kerangka kerja yang sistematis untuk membantu bakery dalam mengoptimalkan penawaran produk melalui strategi pengembangan produk dan mengalokasikan sumber daya yang terbatas secara efisien. Batterspoon by Mulia pertama kali dimulai sebagai usaha kecil berbasis rumah yang beroperasi di wilayah Jakarta dan Depok, dengan fokus pada produk seperti cheesesticks, éclair/choux, kue bolu, puding, dan kue kering. Meskipun usaha ini sempat sukses di awal, tantangan yang dihadapi adalah memperluas jangkauan pasar dan meningkatkan penjualan. Meskipun sudah mendaftarkan merek dan memperoleh sertifikasi halal untuk produk utama cheesesticks, bakery ini mengalami stagnasi dalam pertumbuhannya. Stagnasi ini terjadi karena beberapa faktor, seperti strategi pemasaran yang kurang berkembang, kurangnya proses operasional yang formal, dan kapasitas produksi yang terbatas. Ketergantungan pada sistem made-to-order dan produksi manual juga menyulitkan kemampuan untuk berkembang secara efisien. Penelitian ini berfokus pada Manajemen Siklus Produk (PLM) pada tahap inovasi untuk memprioritaskan pemilihan produk, serta mengusulkan ide-ide tentang bagaimana melanjutkan investasi di masa depan. Penelitian dimulai dengan mengidentifikasi tantangan saat ini dalam bisnis melalui analisis akar penyebab, dengan masalah utama stagnasi penjualan yang mengungkapkan bahwa bisnis ini memiliki banyak masalah dalam operasional yang dapat diperbaiki melalui investasi yang terarah dengan memahami setiap produk yang tersedia. Analisis SWOT (Strengths, Weaknesses, Opportunities, dan Threats) menunjukkan faktor internal dan eksternal bisnis melalui perspektif internal, sedangkan analisis PESTLE (Politik, Ekonomi, Sosial, Teknologi, Hukum, dan Lingkungan) memberikan wawasan yang secara spesifik fokus pada faktor makro-lingkungan yang memengaruhi bisnis. Analisis matriks TOWS digunakan untuk menciptakan tindakan strategis berdasarkan faktor internal dan eksternal dari analisis SWOT. Analisis selanjutnya berfokus pada metode AHP yang membantu dalam pemilihan produk berdasarkan kriteria dan sub-kriteria yang diberi bobot yang diperoleh dari hasil wawancara dan analisis makro-lingkungan yang diperoleh dari analisis sebelumnya. Hasil wawancara dikumpulkan dari stakeholder internal dan eksternal untuk menggali wawasan mengenai pentingnya setiap kriteria. Model AHP memiliki lima kriteria: 1) karakteristik produk, dengan dua sub-kriteria, kualitas produk dan diferensiasi produk, 2) permintaan pasar, 3) profitabilitas, 4) faktor eksternal, dengan dua sub-kriteria, lingkungan kompetitif dan persyaratan regulasi & sertifikasi, 5) kemampuan operasional, dengan dua sub-kriteria, kelayakan dan stabilitas rantai pasokan. Responden yang sama kemudian akan mengisi kuesioner untuk mengumpulkan data perbandingan berpasangan untuk memberi bobot pada setiap kriteria dan sub-kriteria. Hasil analisis AHP menunjukkan bahwa faktor yang paling penting dalam pemilihan produk adalah karakteristik produk, diikuti oleh profitabilitas dan permintaan pasar. Di antara produk-produk yang dipertimbangkan sebagai alternatif, cheesesticks dianggap sebagai prioritas utama karena masa simpan yang panjang, sertifikasi halal, dan permintaan pasar. Diikuti oleh éclair/choux, meskipun sudah memiliki pasar yang ada dalam bisnis, tantangan yang dihadapinya adalah masa simpan yang pendek dan kompleksitas produksinya. Puding menduduki peringkat ketiga, dengan masalah yang mirip dengan éclair/choux. Baik kue kering maupun kue bolu menduduki peringkat lebih rendah. Analisis sensitivitas dilakukan untuk menguji ketahanan dari prioritas untuk memastikan bahwa peringkat tersebut tetap stabil dalam berbagai situasi. Berdasarkan temuan-temuan tersebut, penelitian ini mengusulkan rencana implementasi untuk Batterspoon by Mulia melalui strategi pengembangan produk. Implementasi ini memprioritaskan cheesesticks, lalu éclair/choux, dan puding secara bersamaan setelah cheesesticks, sedangkan kue kering dan kue bolu akan dianalisis setelahnya. Penelitian ini memberikan kontribusi utama dalam hal pemilihan produk dan pengambilan keputusan dalam usaha mikro, kecil, dan menengah (UMKM). Sebagai kesimpulan, penelitian ini memberikan wawasan yang dapat ditindaklanjuti untuk Batterspoon by Mulia dalam mengatasi stagnasi penjualan dan mendorong pertumbuhan di masa depan. Dengan memprioritaskan produk berdasarkan alat pengambilan keputusan strategis seperti AHP, bakery ini dapat meningkatkan daya saing dan memperluas jangkauan pasar secara berkelanjutan.
PERANCANGAN MEDIA ACTIVITY PUZZLE BOOK UNTUK MELATIH MOTORIK HALUS PADA ANAK DOWN SYNDROME USIA 7-13 TAHUN DI BANDUNG DENGAN PENDEKATAN SCAMPER
kemandirian anak dalam aktivitas sehari-hari. Pada anak dengan Down Syndrome, kemampuan motorik halus umumnya berkembang lebih lambat akibat kondisi hipotonia otot, keterbatasan koordinasi, serta kontrol gerak yang belum optimal. Kondisi ini berdampak pada kesulitan anak dalam melakukan aktivitas fungsional seperti menggenggam, menjepit, menulis, dan keterampilan perawatan diri. Berbagai penelitian sebelumnya menunjukkan bahwa permainan puzzle dapat membantu melatih koordinasi tangan dan mata serta meningkatkan konsentrasi anak, sementara media buku bergambar efektif dalam menarik perhatian visual anak dengan Down Syndrome. Namun, sebagian besar penelitian tersebut masih memposisikan puzzle dan buku sebagai media yang terpisah, sehingga potensi integrasi keduanya sebagai media pembelajaran interaktif belum banyak dikaji secara mendalam. Penelitian ini bertujuan untuk merancang media edukasi interaktif berupa buku berbasis aktivitas puzzle sebagai sarana pelatihan motorik halus bagi anak dengan Down Syndrome usia 7–13 tahun. Penelitian ini menggunakan pendekatan kualitatif dengan metode perancangan berbasis pengguna melalui kerangka Double Diamond, serta memanfaatkan pendekatan kreatif SCAMPER dalam pengembangan konsep media. Dibandingkan dengan penelitian sejenis yang menggunakan puzzle atau buku sebagai media terpisah, rancangan media dalam penelitian ini menawarkan pendekatan integratif yang lebih kontekstual dengan aktivitas kehidupan sehari-hari anak. Kebaruan penelitian ini terletak pada perancangan media edukasi interaktif berbasis buku yang secara khusus disesuaikan dengan karakteristik perkembangan motorik dan kognitif anak dengan Down Syndrome, baik dari aspek visual, mekanisme interaksi, maupun struktur aktivitas. Penelitian ini memberikan sumbangan terhadap khazanah ilmu pengetahuan di bidang desain interaksi dan media edukasi inklusif, serta berkontribusi sebagai referensi perancangan media pembelajaran berbasis bermain yang adaptif bagi anak berkebutuhan khusus.
PLACE ATTACHMENT PADA RESTORAN CAGAR BUDAYA DENGAN PEDEKATAN ADAPTIVE REUSE (STUDI KASUS: RESTORAN DAKKEN RIAU, BANDUNG)
Restoran Dakken Riau merupakan hasil adaptive reuse dari bangunan cagar budaya yang berada di Jalan Martadinata, Kota Bandung. Dakken menawarkan suasana asli bangunan hunian kolonial Belanda sebagai daya tarik utamanya. Adaptive reuse pada bangunan Dakken menghasilkan transformasi ruang yang memungkinkan pengunjung ikut merasakan suasana bangunan cagar budaya walaupun bukan pada fungsi aslinya. Penelitian ini bertujuan untuk mengeksplorasi penerapan konsep adaptive reuse pada Restoran Dakken Riau dan mencari tahu faktor-faktor yang berpengaruh dalam memunculkan place attachment pengunjung. Restoran Dakken Riau dipilih sebagai salah satu bangunan cagar budaya golongan A dan berdiri pada kawasan yang juga berkembang pesat sebagai kawasan komersial di Kota Bandung. Metode penelitian ini menggunakan pendekatan mixed methods dengan rancangan penelitian exploratory sequential. Hasil penelitian menunjukkan adaptive reuse memberikan transformasi ruang dari bangunan hunian kolonial yang bersifat privat menjadi ruang publik komersial berupa restoran. Adaptasi bangunan Dakken memunculkan beragam aktivitas dan kondisi spasial yang berpengaruh kepada place attachment pengunjung. Dari berbagai indikator, terdapat delapan faktor laten yang mempengaruhi place attachment pada bangunan ini, yaitu: keterikatan emosional, kepuasan tempat, aspek privasi, aktivitas, lokasi, karakteristik bangunan, tekstur dan estetika dan atmosfir tempat. Selain itu, hasil penelitian menunjukkan keterikatan pegunjung cenderung kepada indikator keterikatan fisik bangunan, diikuti dengan indikator keterikatan sosial, kepuasan tempat dan keterikatan emosional.
SMART FARMING: PENGUKURAN UNSUR HARA TANAH MENUJU PRECISION AGRICULTURE (STUDI KASUS: KEBUN DINAS PERTANIAN, KELAUTAN DAN PERIKANAN KOTA PAREPARE)
Ketersediaan unsur hara tanah yang seimbang menjadi isu krusial dalam produksi pangan global karena pemupukan yang tidak tepat dosis dan waktu dapat memicu penurunan produktivitas, pemborosan input, serta degradasi lingkungan. Penelitian ini bertujuan merancang dan mengimplementasikan sistem smart farming berbasis Internet of Things (IoT) dan multi-model analitik untuk mendukung pemupukan presisi pada lahan cabai di Kebun Dinas Pertanian, Kelautan dan Perikanan Kota Parepare. Metode yang digunakan adalah Design Science Research Methodology (DSRM) dengan tahapan identifikasi masalah, perancangan artefak, implementasi, dan evaluasi. Hasil pengukuran lapangan menghasilkan dataset gabungan sensor dan cuaca yang menunjukkan bahwa lahan percobaan cenderung miskin nitrogen (rata-rata 22,9 mg/kg, median 10 mg/kg, rentang 0–195 mg/kg), sementara fosfor dan kalium relatif lebih tersedia namun fluktuatif (P rata-rata 97,1 mg/kg, K ratarata 89,8 mg/kg). Analisis data menggunakan multi-model smart farming, yaitu Model A dikembangkan menggunakan Random Forest Classifier untuk mendeteksi empat kelas kondisi agronomis (–1 = normal, 0 = pemupukan, 1 = pengairan manual, 2 = hujan) berbasis fitur delta sensor, fitur waktu siklik, dan indikator hujan sintetis. Setelah penanganan ketidakseimbangan kelas, Model A mencapai akurasi sekitar 99,6% pada data uji, dengan kelas normal dikenali sangat baik (precision ±0,997; recall ±0,999). Event pemupukan yang terdeteksi digunakan untuk mengkalibrasi model peluruhan eksponensial unsur hara, dengan konstanta peluruhan nitrogen K = 0,79 hari?¹ sedangkan fosfor dan kalium memiliki K sekitar 0,75 hari?¹ dengan waktu paro sekitar 0,93 hari, yang menunjukkan bahwa lebih dari separuh peningkatan N, P, K pasca pemupukan hilang dalam waktu kurang dari dua hari. Parameter ini kemudian digunakan Model B untuk menyimulasikan neraca harian N, P, K dan salinitas, serta menghasilkan rekomendasi dosis pemupukan harian yang menjaga konsentrasi hara mendekati target tanpa melampaui batas salinitas dan dosis maksimum. Secara keseluruhan, integrasi perangkat IoT dengan multi model analitik menghasilkan sistem rekomendasi pemupukan yang adaptif, spesifik lokasi, dan berpotensi menjadi fondasi pengembangan praktik dan kebijakan pemupukan berbasis data dalam kerangka precision agriculture.
PENGEMBANGAN MODEL SEGMENTASI SEMANTIK BERBASIS DEEP LEARNING DENGAN STRATEGI PRA-PEMROSESAN DAN PENYEIMBANGAN KELAS PADA DATA HIDROAKUSTIK DENGAN KARAKTERISTIK MULTISPESIES DI PERAIRAN INDONESIA
Indonesia memiliki potensi besar dalam sektor perikanan tangkap, namun estimasi biomassa ikan melalui survei hidroakustik masih menghadapi kendala mendasar, terutama pada kondisi perairan multispesies yang menyebabkan pantulan sonar saling tumpang tindih dalam satu kelas akustik. Karakteristik ini membuat interpretasi echogram bersifat tidak konsisten, rentan bias, dan sangat bergantung pada proses manual yang memakan waktu. Kondisi tersebut diperburuk oleh keterbatasan dataset berlabel akibat proses anotasi yang lama dan kebutuhan tenaga ahli, sehingga distribusi kelas biomassa menjadi tidak seimbang dan representasi spasial berkurang. Dalam konteks kebijakan pengelolaan sumber daya ikan yang menuntut estimasi biomassa yang akurat di wilayah Indonesia, permasalahan tersebut menegaskan kebutuhan akan pendekatan komputasional yang lebih adaptif, efisien, dan mampu mengurangi subjektivitas analisis. Penelitian ini mengembangkan model segmentasi semantik berbasis deep learning dengan arsitektur U-Net untuk meningkatkan generalisasi model pada data hidroakustik multispesies di Perairan Indonesia. Pendekatan difokuskan pada peningkatan kualitas data melalui pengembangan anotasi otomatis, penetapan parameter resampling yang sesuai dengan karakteristik kolom perairan lokal, penambahan kanal spasial, serta penerapan strategi penyeimbangan kelas (NearMiss, Oversampling, Crop-Centered, dan data sintetis berbasis Generative Adversarial Network). Strategi ini dirancang untuk mengatasi bias distribusi kelas, mengurangi sensitivitas model terhadap noise dasar perairan (demersal), dan menyediakan konfigurasi pelatihan yang lebih stabil pada lingkungan akustik dengan variabilitas tinggi. Hasil penelitian menunjukkan bahwa konfigurasi resampling vertikal 400 cm memberikan peningkatan kinerja yang paling konsisten, dengan f1-score mencapai 0.77 dan melampaui parameter 140 cm maupun 200 cm. Pada tahap pelatihan, teknik penyeimbangan kelas berbasis data sintetis melalui Generative Adversarial Network menghasilkan nilai f1-score tertinggi sebesar 0.83, namun evaluasi pada himpunan data uji memperlihatkan bahwa strategi Crop-Centered memiliki kemampuan generalisasi yang lebih stabil dengan f1-score 0.68 serta peningkatan signifikan pada kelas demersal dari 0.29 (baseline) menjadi 0.64 pada model hasil optimasi. Temuan ini diperkuat oleh analisis varians, yang mengindikasikan bahwa strategi penyeimbangan kelas berkontribusi sebesar 27.85% terhadap variabilitas performa model, sedangkan faktor arsitektur berkontribusi 42.05%. Estimasi biomassa melalui segmentasi semantik berada pada rentang 0.006–0.2113 kg/m² dengan nilai root mean square error 0.07, mendekati ground truth dan secara signifikan lebih akurat dibandingkan pendekatan konvensional (15.92), menunjukkan bahwa pendekatan yang diusulkan memiliki stabilitas dan kapasitas generalisasi yang lebih baik dalam pengolahan data hidroakustik multispesies di perairan Indonesia.
FRAMEWORK PENGENALAN WAJAH UNTUK INDIVIDU KULIT GELAP
Penelitian ini mengusulkan framework Melanin-aware untuk mengurangi bias visual pada sistem pengenalan wajah, khususnya pada individu berkulit gelap. Melalui mekanisme adaptif berbasis weighted lightness, metode ini meningkatkan kualitas representasi citra dengan menghasilkan kontras dan detail wajah yang lebih seimbang dibandingkan preprocessing konvensional yang cenderung kurang optimal pada kulit berpigmentasi tinggi. Peningkatan performa paling signifikan terjadi pada kelompok Very Dark, dengan kenaikan akurasi hingga +11,3%, menunjukkan efektivitas metode dalam mengatasi distorsi visual akibat melanin tinggi dan meningkatkan fairness antar kelompok skin tone. Integrasi framework ke dalam model ArcFace dan VGGFace menghasilkan performa yang konsisten pada evaluasi Top-1, Top-5, dan Top-10, tanpa menurunkan akurasi pada kelompok tertentu. Pengujian threshold juga menunjukkan bahwa rentang 0,7– 0,8 merupakan nilai optimal untuk menekan false acceptance, dengan ArcFace lebih konservatif dibandingkan VGGFace. Secara keseluruhan, framework Melanin-aware terbukti meningkatkan akurasi, stabilitas embedding, dan keadilan algoritmik, serta berpotensi menjadi komponen penting dalam pengembangan sistem biometrik yang lebih inklusif dan robust.
PENGEMBANGAN SISTEM ANALISIS SOSIAL EKONOMI BERBASIS LLM MELALUI INTEGRASI FINE TUNING DAN RERTIEVAL-AUGMENTED GENERATION (STUDI KASUS PEMERINTAH DAERAH KABUPATEN SUMEDANG)
Pengambilan keputusan berbasis data sosial ekonomi merupakan program strategis nasional dalam penanggulangan kemiskinan, namun implementasinya masih sangat bergantung pada metode statistik seperti Proxy Means Test (PMT) yang menghasilkan klasifikasi numerik tanpa justifikasi naratif dan rekomendasi kebijakan yang terstandardisasi. Kondisi ini menyulitkan proses verifikasi lapangan serta membatasi pemanfaatan data sebagai dasar pengambilan keputusan yang transparan dan dapat dijelaskan. Penelitian ini bertujuan untuk mengeksplorasi paradigma baru dalam analisis data sosial ekonomi dengan memanfaatkan Large Language Models (LLM) yang diintegrasikan dengan teknik Fine-Tuning dan Retrieval-Augmented Generation (RAG) guna menghasilkan analisis yang explainable serta rekomendasi yang terhubung langsung dengan dokumen kebijakan. Pendekatan yang diusulkan tidak dimaksudkan untuk menggantikan metode statistik yang telah digunakan, melainkan sebagai sistem pendukung keputusan yang melengkapi pendekatan tersebut melalui kemampuan penalaran semantik dan penyusunan rekomendasi intervensi yang kontekstual. Penelitian ini menggunakan Design Science Research Methodology (DSRM), dengan membangun sistem berbasis Fine-Tuning GPT-4.1 pada sampel data REGSOSEK Kabupaten Sumedang serta modul RAG berbasis FAISS yang mengaitkan kondisi keluarga dengan dokumen kebijakan daerah. Evaluasi dilakukan menggunakan Standard Accuracy dan Custom Accuracy yang dirancang berdasarkan regulasi bantuan sosial (Kepmensos 79/2025), serta metrik semantik BERTScore dan Cosine Similarity untuk menilai kualitas reasoning dan rekomendasi. Hasil penelitian menunjukkan bahwa Fine-Tuning meningkatkan Standard Accuracy dari 12–17% pada base model menjadi 28–34%, dengan Custom Accuracy mencapai 83–86%. Meskipun akurasi standar tampak moderat secara statistik, analisis kesalahan menunjukkan bahwa sebagian besar deviasi prediksi terjadi pada interval desil yang berdekatan dan tidak mengubah status kelayakan bantuan sosial, sehingga sistem tetap valid secara fungsional dalam konteks pengambilan kebijakan. Kualitas reasoning juga meningkat signifikan dengan kenaikan BERTScore F1 dari 0,64 menjadi 0,93. Pada modul RAG, capaian BERTScore F1 rata-rata sebesar 0,826 dan ROUGE-L sekitar 0,49 mengonfirmasi relevansi semantik rekomendasi terhadap dokumen kebijakan rujukan. Penelitian ini membuktikan bahwa integrasi Fine-Tuning dan RAG menawarkan pendekatan alternatif dalam analisis data kemiskinan. Meskipun dibatasi pada studi kasus Kabupaten Sumedang, metodologi yang dikembangkan bersifat replicable dan berpotensi diterapkan sebagai alat verifikasi untuk meningkatkan akurasi penargetan bantuan sosial di daerah lain.
PENINGKATAN ROBUSTNESS VISION MAMBA TERHADAP SERANGAN ADVERSARIAL
Penelitian ini bertujuan melakukan peningkatan ketahanan Vision Mamba terhadap serangan adversarial pada tugas pengenalan rambu lalu lintas Indonesia, serta merancang metode peningkatan robustness yang efektif tanpa melakukan perubahan arsitektur model serta melakukan analisis perbandingan terhadap metode-metode peningkatan robustness tersebut. Dataset penelitian terdiri dari 21 kelas rambu lalu lintas yang dibangun secara seimbang pada data latih, validasi dan uji, sehingga memungkinkan evaluasi kinerja yang objektif dan stabil pada kondisi bersih maupun kondisi dengan serangan adversarial. Model dasar Vision Mamba dievaluasi menggunakan Adaptive Attack dan AutoAttack, guna menggambarkan tingkat ketahanan awal / baseline robustness terhadap gangguan pada input yang diperturbasi (perturbed input). Hasil eksperimen menunjukkan bahwa Vision Mamba sangat rentan terhadap serangan adversarial, terutama serangan AutoAttack dan Adaptive. Serangan tersebut mampu menurunkan akurasi model hingga mendekati nol meskipun pada nilai epsilon yang relatif kecil. Temuan ini menegaskan bahwa Vision Mamba, dalam bentuk standarnya, belum siap untuk diterapkan pada sistem Traffic Sign Recognition (TSR) berbasis keselamatan tanpa mekanisme pertahanan tambahan. Untuk menjawab kebutuhan tersebut, penelitian ini mengimplementasikan dan menguji lima metode peningkatan robustness yaitu Randomized Smoothing, Gradient Masking, Certified Robust Model, Adversarial Training dan Defensive Distillation. Evaluasi menunjukkan bahwa Adversarial Training merupakan metode paling efektif meningkatkan ketahanan Vision Mamba terhadap berbagai bentuk serangan adversarial, terutama serangan auto attack dan serangan adaptif. Randomized Smoothing dan Certified Robust Model terbukti membantu menambah kestabilan prediksi, sedangkan Gradient Masking dan Defensive Distillation tidak memberikan peningkatan signifikan ketika diuji menggunakan serangan adversarial. Dengan demikian, penelitian ini menyimpulkan bahwa pendekatan menempatkan Adversarial Training sebagai fondasi utama, diperkuat oleh Randomized Smoothing dan Certified Robust Model sebagai lapisan pertahanan tambahan, merupakan strategi optimal untuk meningkatkan robustness Vision Mamba dalam aplikasi pengenalan rambu lalu lintas Indonesia.
STABILITAS SEGREGASIONAL PLASMID PCDNA3.1(+)_UTR_SPIKE PADA ESCHERICHIA COLI TOP10 REKOMBINAN DALAM MEDIUM TERRIFIC BROTH TANPA PENAMBAHAN ANTIBIOTIK
Vaksin berbasis messenger RNA (mRNA) merupakan salah satu kemajuan baru dalam dunia kesehatan dalam melawan berbagai penyakit. Salah satu tahapan pada produksi vaksin ini adalah kultivasi sistem ekspresi untuk menghasikan plasmid DNA yang kemudian digunakan, sebagai template proses transkripsi mRNA secara in vitro. Salah satu tantangan pada kultivasi E. coli rekombinan dalam proses produksi vaksin mRNA, adalah stabilitas DNA plasmid, sehingga dibutuhkan penggunaan antibiotik selama proses kultivasi. Residu antibiotik yang terdapat pada sisa medium kultivasi dapat mendorong berkembangnya bakteri yang resisten terhadap antibiotik. Selanjutnya, penghilangan antibiotik pada proses pengolahan limbah sangat sulit. Pada penelitian ini, dilakukan kajian tentang stabilitas plasmid E. coli TOP10 rekombinan plasmid pcDNA3.1(+)UTR_Spike pada medium yang mengandung dan tidak mengandung antibiotik (ampisilin). Berdasarkan hal itu dilakukan penentuan laju pertumbuhan dan subkultur E. coli TOP10 rekombinan selama 36 generasi pada medium Terrific Broth (TB) yang mengandung ampisilin dan yang tidak mengandung ampisilin. Hasil penelitian ini menunjukan bahwa E. coli TOP10 rekombinan plasmid pcDNA3.1(+)UTR_Spike yang ditumbuhkan pada medium TB menunjukan periode fase lag yang sangat singkat (1-2 jam) dan bakteri tersebut berada pada fase eksponesial hingga jam ke 10. Berdasarkan hal ini maka subkultur dilakukan pada jam ke-8. Selanjutnya, dari percobaan ini diketahui bahwa E. coli TOP10 rekombinan pcDNA3.1(+)UTR_Spike yang ditumbuhkan pada medium TB memiliki laju pertumbuhan maksimum sebesar 0,31/jam. Konsentrasi DNA plasmid pada E. coli Top 10 rekombinan pcDNA3.1(+)UTR_Spike yang ditumbuhkan pada medium TB yang mengandung ampisilin secara signifikan lebih tinggi (3112,23 ng DNA plasmid/mg DCW E. coli Rekombinan) dibandingkan dengan konsentrasi plasmid pada E. coli rekombinan yang ditumbuhkan pada medium TB yang tidak mengandung ampisilin (1780,1 ng DNA plasmid/mg DCW E. coli Rekombinan). Hasil penelitian menunjukkan bahwa laju pertumbuhan sel lebih cepat pada medium tanpa penambahan ampisilin, sementara jumlah salinan plasmid (plasmid copy number) lebih tinggi pada medium yang mengandung ampisilin. Pada medium tanpa antibiotik, tidak terjadi seleksi sehingga E. coli tanpa plasmid dapat tumbuh lebih cepat karena beban metaboliknya lebih rendah. Sebaliknya, pada medium dengan ampisilin terjadi seleksi awal yang memungkinkan hanya E. coli berplasmid yang bertahan dan berkembang. Temuan ini memperlihatkan bahwa produksi plasmid tetap dapat dilakukan tanpa penggunaan antibiotik dengan cara yang lebih aman dan ramah lingkungan.
PENGEMBANGAN SISTEM REKOMENDASI ADAPTIF REAL-TIME UNTUK DESTINASI WISATA: OPTIMALISASI KEBERAGAMAN DAN CAKUPAN GUNA MENDORONG PEMERATAAN DISTRIBUSI PARIWISATA
Transformasi digital dalam industri panw1sata telah menghadirkan tantangan mendasar terkait distribusi kunjungan yang tidak merata. Fenomena bias popularitas dalam sistem rekomendasi konvensional berkontribusi terhadap konsentrasi kunjungan wisatawan pada sekelompok kecil destinasi populer, sementara destinasi altematif yang berpotensi mengalami marjinalisasi. Secara global, data menunjukkan bahwa sebagian besar kedatangan wisatawan terkonsentrasi pada destinasi yang telah populer, menciptakan ketimpangan distribusi yang tidak berkelanjutan. Di Kabupaten Sumedang, pola serupa teramati di mana mayoritas kunjungan terpusat pada sejumlah kecil destinasi, sementara destinasi lainnya menghadapi tantangan dalam menarik perhatian wisatawan. Sistem rekomendasi berbasis Collaborative Filtering tradisional cenderung memperkuat preferensi mayoritas melalui mekanisme feedback loop, sehingga memperparah ketimpangan distribusi eksposur destinasi. Dalam konteks literatur sistem rekomendasi, berbagai pendekatan telah dikembangkan untuk meningkatkan keberagaman rekomendasi, termasuk teknik Maximal Marginal Relevance (MMR) yang memungkinkan penyeimbangan antara relevansi dan keberagaman melalui parameter tunggal. Namun, pendekatan yang ada umumnya menggunakan parameter statis yang tidak dapat beradaptasi terhadap karakteristik dinamis domain pariwisata. Faktor kontekstual seperti kondisi cuaca, waktu kunjungan, dan preferensi pengguna yang bervariasi sangat memengaruhi keputusan wisatawan, namun belum terintegrasi secara adaptif dalam sistem diversifikasi. Lebih lanjut, eksplorasi sistematis mengenai optimasi parameter diversifikasi secara dinamis untuk mencapai keseimbangan optimal antara akurasi dan keberagaman dalam konteks pariwisata dengan keterbatasan data masih terbatas. Penelitian ini bertujuan mengembangkan dan mengevaluasi sistem rekomendasi adaptif yang mampu mengoptimalkan keseimbangan antara akurasi dan keberagaman melalui mekanisme pembelajaran parameter dinamis, serta memvalidasi dampaknya terhadap distribusi eksposur destinasi. Penelitian ini menggunakan Design Science Research Methodology (DSRM) untuk mengembangkan artefak berupa sistem rekomendasi adaptif dengan arsitektur hibrida yang mengintegrasikan Collaborative Filtering, Content-Based Filtering, dan komponen Context-Aware yang memproses informasi kontekstual secara real-time. Mekanisme pembelajaran adaptif diimplementasikan menggunakan algoritma Multi-Armed Bandit dengan pendekatan kontekstual yang memilih parameter diversifikasi secara dinamis berdasarkan fungsi reward yang mempertimbangkan akurasi, keberagaman, dan kebaruan. Evaluasi dilakukan terhadap dataset pariwisata Kabupaten Sumedang yang telah dipreproses, menghasilkan data akhir dengan karakteristik high sparsity, untuk mengukur performa sistem dibandingkan dengan model baseline melalui metrik standar sistem rekomendasi. Hasil evaluasi kuantitatif menunjukkan bahwa sistem yang dikembangkan berhasil meningkatkan keberagaman rekomendasi secara signifikan dibandingkan model baseline, dengan tetap mempertahankan tingkat akurasi yang setara secara statistik. Perbaikan juga teramati pada metrik distribusi, menunjukkan penurunan tingkat konsentrasi rekomendasi dan peningkatan cakupan katalog destinasi yang direkomendasikan. Analisis distribusi lebih lanjut mengungkapkan bahwa sistem mampu meningkatkan eksposur destinasi berkualitas tinggi yang sebelumnya kurang terekspos, dengan peningkatan frekuensi rekomendasi yang substansial pada kategori long-tail. Mekanisme pembelajaran adaptif menunjukkan kemampuan sistem dalam menyesuaikan strategi diversifikasi berdasarkan karakteristik data dan konteks pengguna, mengindikasikan efektivitas pendekatan Multi-Armed Bandit dalam domain pariwisata dengan keterbatasan data. Integrasi komponen kontekstual juga terbukti memberikan kontribusi positif terhadap relevansi dan keberagaman rekomendasi yang dihasilkan. Penelitian ini memberikan kontribusi teoretis berupa demonstrasi empiris bahwa pendekatan pembelajaran adaptif menggunakan Multi-Armed Bandit dapat mengatasi permasalahan trade-off antara akurasi dan keberagaman dalam sistem rekomendasi pariwisata. Temuan menunjukkan bahwa optimasi parameter diversifikasi secara dinamis lebih efektif dibandingkan pendekatan statis konvensional dalam konteks data dengan sparsitas tinggi. Dari perspektif praktis, sistem yang dikembangkan menawarkan solusi algoritmik untuk mendukung pemerataan distribusi pariwisata dan meningkatkan visibilitas destinasi berkualitas yang kurang terekspos, dengan implikasi positifbagi pengelola destinasi wisata dan pembuat kebijakan dalam upaya pengembangan pariwisata berkelanjutan. Keterbatasan penelitian meliputi cakupan geografis yang terbatas pada satu kabupaten dan evaluasi yang dilakukan secara ojjline menggunakan data historis
PERLINDUNGAN MENGGUNAKAN DATA AUGMENTATION TERHADAP SERANGAN DATA POISONING PADA SISTEM LLMS
Meningkatnya popularitas Large Language Models (LLMs) dan adopsi-nya dalam industri telah meningkatkan kebutuhan atas jumlah training data yang sangat besar. Keperluan yang terus berkembang ini menebabkan kemuncul praktik pengumpulan data yang lebih efisien namun dengan kualitas yang lebih rendah. Metode seperti scraping dan crowdsourcing membuka kerentanan terhadap serangan data poisoning, yang telah mendorong penelitian terhadap berbagai metode pertahanan. Data augmentation, yang telah banyak dieksplorasi untuk model berbasis gambar, belum sepenuhnya diteliti untuk LLMs. Penelitian ini mengevaluasi efektivitas 2 metode data augmentation: back translation (BT) dan contextual augmentation (CA) dalam memitigasi serangan BadNet, style, dan BITE poisoning. Eksperimen menggunakan BERT-base pada dataset SST-2 dan TREC-Coarse menunjukkan bahwa BT mampu menurunkan Attack Success Rate (ASR) secara signifikan pada BadNet (sekitar ~60%), serta memberikan hasil yang cukup baik pada serangan Style dan BITE (sekitar ~5– 10%), dengan penurunan clean accuracy yang relatif kecil (~0,5–1%). CA menunjukkan efektivitas yang terbatas pada BadNet dan Style, namun memberikan hasil yang cukup baik terhadap BITE (sekitar ~3–10%), dengan penurunan clean accuracy yang lebih besar (~1–1,5%). Kombinasi BT dan CA menghasilkan kinerja pertahanan yang konsisten untuk seluruh jenis serangan, meskipun dengan kinerja yang lebih rendah dibandingkan BT saja dan penurunan clean accuracy terbesar (~1,5–2%). Selain itu, degradasi clean accuracy pada dataset TREC-Coarse sedikit lebih besar dibandingkan SST-2, namun hanya meningkat sekitar ~0,5%. Temuan ini menunjukkan bahwa pendekatan berbasis data augmentation berpotensi menjadi mekanisme pertahanan umum yang praktis ketika jenis serangan tidak diketahui sebelumnya.